LLMの出力をそのまま信じると、数字の誤りが経営判断に直結する。サンフランシスコのスタートアップProbablyは、こうしたリスクに正面から向き合うため、Andreessen Horowitz（a16z）から900万ドル（約13億円）のシード資金を調達した。
この記事では、Probablyが目指す99.99%の精度、検証ハーネスによる幻覚抑制の仕組み、初号製品の位置づけを整理する。
この記事でわかること
- Probablyの900万ドル調達の背景と投資家
- LLMの一次回答を検証器で弾く「データサイエンス・メックスーツ」の設計
- フロンティア級より4段階弱いモデルでローカル実行する理由
- データ分析から会計・医療へ広げる方針と、検証方式の限界
900万ドル調達で示した「信頼できるAI」の方針
2026年6月、Probablyはシードラウンドで900万ドルを調達したと発表した。リード投資家はAndreessen Horowitzだ。The Next Webの報道では、Accelが共同リードし、Tokyo BlackやVermilion Cliffs Venturesも参加したとされる（参考）。
創業者のPeter Elias氏は、幻覚や単純な事実誤認をユーザーに届かせないことを目標に掲げる。目指すのは、従来の決定論的システムで当たり前の99.99%精度だ。LLM（大規模言語モデル）でこの水準に近づけるには、AIエンジニアリングの前提を組み直す必要があると、同社は説明している。
データ分析で残る幻覚の課題
モデルが賢くなるほど、幻覚は消えきらない。チャットボットに売上推移を聞くと、もっともらしいグラフや数値が返る。しかし根拠のない数字が混ざると、レポートや経営会議の資料にそのまま載せるのは危険だ。
Probablyの公式サイトは、汎用チャットボットと自社製品の違いを「数字の多くは作り話だ」と断じる。データエージェントとして、統計に基づく分析だけを返す設計だと説明している。
従来の対策は、人間が結果を再計算するか、より大きなモデルに頼る流れが多い。Probablyは逆の賭けをしている。モデルを強くするのではなく、出力を検証する層を厚くする。
「データサイエンス・メックスーツ」が出力を縛る
Probablyの中核は、Elias氏が「データサイエンス・メックスーツ（data science mech suit）」と呼ぶ検証ハーネスだ。
処理の流れは次のとおりだ。LLMが一次回答を生成し、別系統の決定論的な検証器がデータセットと照合する。数値や統計が実データと一致しなければ、その回答は却下され再処理される。LLMは検証器に対して学習済みで、システム全体は速度と正確性の両立を狙っている（参考）。
公式サイトでは、エンジンが実行した計算トレースと出力を一文字・一数字単位で突き合わせると説明する。検証に失敗した出力はリアルタイムで差し戻され、通過した結果には引用と監査証跡（audit trail）が付く。一度生成された計算は保存され、組織内の別クライアントでも再現できる。
Elias氏は「ハーネス設計が優れていれば、必要なモデルは弱くてよい」と語る。文脈の曖昧さを減らせば、モデルは正しい判断をほとんど努力せずに済む。要するに、推論の負荷を検証設計側に移す考え方だ。
小型モデルとローカル実行でコストを抑える
検証ハーネスがあるからこそ、Probablyはフロンティア級より「4段階弱い」モデルで動かせると主張する。デスクトップ上のローカルハードウェアで回せる規模だ。クラウドのデータセンターに大規模モデルを常時呼ぶ必要が減り、トークンコストの負担を下げられる。
計算そのものはLLMに任せない。数学処理はプロセッサ向けに最適化されたローカル計算エンジンが担う。データ処理の基盤にはオープンソースの分析データベースDuckDBを使い、分析は端末上で完結する。The Next Webによると、モデルが参照するのはメタデータと統計情報に限り、生データは端末に残るという（参考）。
トークン単価が下がっても企業のAI予算は膨らみやすい。正確性を保ちながら小さなモデルで済ませる設計は、こうしたコスト再考の流れに合う。
初号製品は検証可能なデータエージェント
調達資金は、初号製品であるデータサイエンス向けツールの開発に充てられる。公式名称は「Verifiable Data Agent（検証可能なデータエージェント）」で、2026年6月時点でパブリックプレビュー0.1が公開されている。
対応データソースは幅広い。ローカルではCSV、JSON、Parquet、スプレッドシートを扱える。データウェアハウス接続にはSnowflake、BigQuery、Postgres、MySQL、MariaDB、ClickHouse、RisingWaveなどに対応する。数十億行規模の探索やレポート生成を自然言語で指示できると説明している。
料金は従量課金かサブスクリプションを選べる。現時点ではApple Silicon（M1〜M5）向けが中心で、Windows版も用意される予定だ。
会計・医療への展開と、検証方式の限界
Elias氏は、同じエンジンを会計や医療など「精度が命の領域」へ広げる構想を示す。検証対象に明確な正解データがある場面では、今回の方式が活きる。
一方で制約もはっきりしている。検証器はデータセットなど照合可能な根拠があるときに機能する。自由な文章生成のように正解が一つに定まらないタスクには、そのまま当てはまらない。だからProbablyはデータ分析から入った。
99.99%という数字は目標値であり、実測として達成済みとは言い切れない。シード段階の900万ドル調達であり、製品も0.1版だ。Elias氏は大手AIラボが同様の仕組みに取り組まない理由として、「モデル修正のたびに課金できる構造だから」と批判的に語る。各社が幻覚対策に投資している事実とも矛盾する指摘であり、市場での実証が問われる。
それでも、LLM出力を「信頼できないもの」として検証層で止める設計は、エンタープライズのAI導入で注目に値する。大きなモデル一辺倒ではなく、ハーネス設計で信頼性とコストを両立させる道筋として、Probablyの動きは今後の実装判断の参考になる。