Arlequin AI、2800万ユーロを調達　トポロジカル・ニューラルネットワークで高リスク判断を支援へ

パリ拠点のArlequin AIは、シリーズAで2800万ユーロを調達した。資金は、独自の**トポロジカル・ニューラルネットワーク（TNN）**の開発と、証拠に基づく分析プラットフォームの海外展開、研究・事業チームの拡充に振り向ける。

同社が狙うのは、個別の文書や記録を読むだけでは足りない領域だ。捜査官や業務担当者が、人、出来事、場所、取引、通信記録などの間にある関係を把握しながら判断する必要がある、重要度の高い意思決定を対象とする。12

調達の概要と資金使途

今回のラウンドはredalpineとOTB Venturesが共同主導した。Bpifranceの国防イノベーション基金が参加し、既存投資家のVsquared Venturesと10x Foundersは追加出資を実施。Xavier Nielも新たに加わった。Arlequinによれば、出資者はすべて欧州系で、TNNの開発加速と国際展開が資金の目的だ。1210

当面の重点施策は次の通りである。

• 独自TNNモデルの学習・開発
• モデルを開発・運用する人材の拡充
• 欧州および海外での商用導入の拡大
• ロンドン、ベルリンの拠点強化と、2026年末までのシリコンバレーAIラボ開設14

資金調達発表時点でのチームは約50人で、内訳はエンジニア35人、博士号取得者・研究者・データサイエンティスト15人としている。1

TNNとは何を学習する仕組みか

Arlequinのプラットフォームは、文書、取引データ、映像、業務データといった、形式も保管場所も異なる情報を扱うよう設計されている。同社が提案するTNNアーキテクチャは、個々のデータ点だけでなく、それらを結ぶ構造、さらに複数要素が同時に関わる関係性からも学習することを目指す。1810

重要なのは、案件をバラバラの記録の集まりとして処理するのではなく、つながった証拠全体として読む点にある。たとえば人物、通信、位置情報、出来事の間を横断してパターンを見つける用途を想定する。捜査や業務判断では、この「関係そのもの」が重要な証拠となる場合がある。110

「巨大化」以外のAIアーキテクチャを目指す理由

Arlequinは、パラメータ数、学習データ、計算資源を増やして従来型AIをスケールさせるだけでは、大規模かつ相互接続された証拠群の分析に最適とは限らないと主張する。TNNなら、複数要素にまたがる複雑な動態を捉えつつ、結論を元の情報にさかのぼって確認できる追跡可能性を保ち、計算資源も抑えられるとしている。110

ただし、これらは同社および投資家側の主張であり、独立した比較ベンチマークで立証された性能評価ではない。公開資料はアーキテクチャと目標とする利点を説明しているものの、既存のグラフ分析、他のニューラルネットワーク、LLMとの比較優位を実証するものではない。11014

想定する活用領域

Arlequinは2024年、ジハード主義と地政学的不安定性を研究するHugo Micheron氏と、データサイエンスおよび人間行動を専門とした元フランス国立科学研究センター（CNRS）研究エンジニアのAntoine Jardin氏によって設立された。対象は、不完全で分散した情報を基に重大な判断を下す政府機関や大組織だ。19

同社が挙げる用途には、以下がある。

• テロ対策、安全保障、防衛
• 犯罪捜査と司法調査
• 不正検知とマネーロンダリング対策
• サイバーセキュリティと情報の健全性確保
• AIの安全性・セキュリティ1

具体例として同社は、押収端末から収集した数百万件のデータ点を横断し、人物、場所、通信、出来事を結び付ける分析を示している。市場機会は公的機関に限らず、金融犯罪、サイバーリスク、複雑な業務インテリジェンスについて説明可能な分析を必要とする企業にも広がる。1

すでに導入されている地域と今後の焦点

Arlequinによると、その技術は西欧・東欧の政府機関や大組織に導入され、欧州4か国で活動している。ただし、顧客名や各導入案件の詳細はすべて公開されておらず、導入範囲や成果を発表資料だけから独立して評価することはできない。1

拡大戦略が示す対象市場は、治安・防衛課題に対応する公共部門に加え、金融犯罪、サイバー、情報の健全性、複雑なリスク管理に直面する民間企業である。113

「欧州発AI」という位置付けと次の検証点

今回の調達により、Arlequinは、欧州で所有・開発される高感度な意思決定向けAIアーキテクチャという立ち位置を強める。Bpifranceの国防イノベーション基金を含む投資家構成も、情報分析、安全保障、重要判断を支える技術の戦略性を映している。1210

次の焦点は実行力だ。独自TNNが、既存のグラフ分析やAI手法に対して、精度、追跡可能性、導入コスト、現場での有用性のいずれで測定可能な優位性を示せるかが問われる。今回の2800万ユーロは、そのモデル開発、採用、国際商用化を進めるための資金となる。114