ローカルAIは、必要な会社にだけ。

01 ／ 判断

そもそも、御社に「ローカル」は必要でしょうか。

ローカルAIは、すべての会社に必要なものではありません。クラウドで足りる業務に専有GPUを用意しても、費用と運用の手間が増えるだけです。当社は、その線引きから始めます。

• 扱うデータの種類から、クラウド／ZDR契約／専有GPUの3つに切り分けます
• 「クラウドAIで十分です」「今のAPIのままが安く済みます」という結論も、そのままお伝えします
• 判断の根拠は口頭ではなく、文書でお渡しします。ご相談・調査・お見積りまで費用はいただきません

02 ／ 対象業務

どの業務から入れるべきか、決められない。

生成AIの導入が止まる理由の第1位は、技術ではありません。「どの業務に使うべきか分からない」ことです。国内調査でも、活用すべき業務範囲が不明確と答えた企業は40.0%にのぼります。

• 業務を棚卸しし、「頻度 × 判断の型 × 機密度」で並べ替えます
• 最初の一件は、効果の大きさではなく「失敗しても戻せるか」で選びます
• 候補は3つに絞り、想定効果を数値の形で提示します

出典：帝国データバンク「生成AIに関する企業の動向調査」（2026年3月）

03 ／ モデル

オープンモデルで、実業務に耐えますか。

最も多くいただく質問です。当社は、実際に測りました。オープンウェイト系10モデルを絞り込み、GPT-OSS 20B と Gemma 4 26B を実業務データで検証。基幹システムからのデータ抽出・集計・ワークフロー審査を対象に、173件のテストケースで ChatGPT 5.x の出力を基準として一致率を測定しています。

結果：Gemma 4 26B が 71.4%。GPT-OSS 20B はワークフロー審査で0%となり、採用を見送りました。

• 構造の決まった業務（集計・伝票照合・定型審査）では、実用水準に届きます
• 逆に、長い推論や自由度の高い文章生成はクラウドに残すことをお勧めします
• 速度ではクラウドAPIに及びません。同一データで約0.4〜0.5倍でした。ローカルを選ぶ理由は速度ではなく、データが外に出ないことです
• 導入前に、御社の実業務を模した評価セットで正答率を計測してからご提案します

※ 上記は NVIDIA A100 80GB 上での測定値です。本番想定の g6e.xlarge（NVIDIA L40S 48GB）での再測定値は準備中です。

04 ／ データ

うちのデータで、本当に動きますか。

PoCが本番に進まない原因の多くは、モデルではなくデータ側にあります。紙、スキャンしただけのPDF、部署ごとに書式の違うExcel。まず、ここを見ます。

• お見積りの前に、対象データの棚卸しと品質確認を行います
• 回答には必ず出典（文書名・該当箇所）を表示し、人が検証できる形にします
• 整備が必要な場合は、その工数を分けて提示します。後から追加でご請求することはしません

出典：国内企業の50.7%がデータの標準化を終えていません（PwC）。JIPDEC「企業IT利活用動向調査2026」では、データ未整備は導入後も残り続ける課題の上位に入っています。

05 ／ 費用

いくらかかり、GPUサーバーは買うべきですか。

買わないでください。3年で計算すると、購入がいちばん高くつきます。当社は、AWS 東京リージョンの専有GPU（g6e.xlarge／NVIDIA L40S 48GB）を借りる構成をお勧めしています。

• 借りれば、使う時間だけ払えます。買えば、夜も、休日も、案件が止まっている月も払い続けます
• モデルは1年で入れ替わります。買えば、その陳腐化リスクを御社が抱え込むことになります
• 内訳はすべて公開します。補助金（東京都 躍進的な事業推進／DX推進助成金 AI活用コース）の活用可否も一緒に確認します

06 ／ 運用

入れたあと、誰が回し続けますか。

ローカルLLMは、つくるより動かし続けるほうが難しい。モデルの更新、精度の劣化、社内ルールの整備。ここで止まってしまう会社が少なくありません。

• 運用代行から始め、御社のチームへ段階的に移管します。卒業の時期は、最初に決めます
• 社内利用ガイドライン・権限設計・ログ運用まで、文書でお渡しします
• 移管後も、必要なときだけ呼べる体制を残します

出典：専門人材・ノウハウ不足は懸念の第2位（41.3%）。社内ルール整備の遅れも25.1%が課題に挙げています（帝国データバンク 2026年3月）。