ローカルLLM法人導入支援 「入れるべきか」から一緒に決める。3年費用試算と法令対応表を公開しています。

ローカルLLMの検討でつまずきやすい4つの状況

ローカルLLMの検討は、たいてい「AIを使いたい」ではなく「使いたいのに出せないデータがある」という状況から始まります。

生成AIを業務で使う会社は着実に増えています。矢野経済研究所が国内民間企業500社を対象（回答496社）に行った調査では、生成AIを「全社的に活用している」11.3%と「一部の部署で活用している」32.1%を合わせて43.4%が活用中で、前年から17.6ポイント増えました（2025年12月19日公表・2025年6月末〜9月初の調査）。 一方で、情報漏えい対策としてどの情報を入れてよいのかの線引きが決まらず、使える業務が広がらない状態で止まっている会社が少なくありません。

IPAの「情報セキュリティ10大脅威 2026」では、組織向けの脅威として「AIの利用をめぐるサイバーリスク」が初選出で3位に入りました（2026年1月29日公開）。 AIの利用そのものがリスク管理の対象として扱われる段階に入っています。

ローカルLLMとは（30秒で）

ローカルLLMとは、公開されている大規模言語モデルを自社のパソコンやサーバー上で動かし、入力した内容を外部に送らずに使う方法です。

クラウドのAIサービスは、入力した文章を提供事業者のサーバーに送って処理します。ローカルLLMは、モデルの「重み」と呼ばれるファイルを自社の機材にダウンロードして、その中だけで処理を完結させます。実行には Ollama や LM Studio といった実行環境ソフトを使うのが一般的です。

使えるモデルは「オープンウェイト」として公開されているものです。たとえば Google の Gemma 3（12Bモデルの Ollama 配布サイズは8.1GB、コンテキスト128Kトークン、テキストと画像を入力できるマルチモーダル）、OpenAI の gpt-oss（20b は提供元が「16GBのメモリで動作する」と明記）などがあります。

設置場所の呼び方も整理しておきます。社内のサーバー室やデータセンターに自社の機材を置いて動かす形はオンプレミスと呼ばれ、ローカルLLMはその一形態です。手元のパソコン1台で動かす小さな構成から、社内サーバーで全社に提供する構成まで、規模には幅があります。社内文書を検索して回答の根拠にする仕組み（RAG）を組み合わせるかどうかも、構成を決める段階で判断します。

用語の整理: 本サイトでは、テキストを扱う言語モデルを「ローカルLLM」、動画を生成するモデルを「ローカル動画生成モデル」と書き分けています。両者はライセンスも必要な機材も異なるため、同じ枠で語らないほうが判断を誤りません。

クラウドAIとローカルLLMの中立比較

費用、データの扱い、モデルの更新、運用担当の有無を比べて選びます。業務によってクラウドAIとローカルLLMを使い分ける方法もあります。

MGKは、クラウドAI（Claude）の法人導入支援を正式なサービスとして提供しています。同時に、自社の業務では Ollama・LM Studio を使って Gemma 3 12B を実運用し、これまでクラウドAIで行っていた業務の一部をローカルLLMへ置き換えました。また、クラウド型の画像・動画生成サービスで行っていた作業を、ローカル動画生成モデル MiniMax H3 による自社環境での生成に置き換えています。これらの運用経験をもとに、クラウドの継続利用も含めて検討します。

出典: Anthropic 公式価格ページ／OpenAI 公式価格ページ／Google Gemini API 公式価格ページ（いずれも2026年8月23日 JST 取得）。各社の価格・仕様は変更されます。最新の情報は各社の公式サイトでご確認ください。

3年費用試算表（公開価格のみで作成）

以下は、機材代と電気代を合計した3年間の費用試算です。導入作業・運用・保守などの費用を含む総保有費用（TCO）ではありません。

この表の条件では、機材代が合計の大半を占めます。以下は試算であり、実際の費用を保証するものではありません。自社の稼働条件・契約単価に置き換えて計算できるよう、計算式も併記しています。

注記: 表に挙げた機種は、日本で入手しやすく公式サイトで価格が公開されている一般的な選択肢の例です。弊社が使用している機材の構成を示すものではありません。Windows／Linux にGPUを搭載する構成でも同じ考え方で計算できます。

表1: ローカル側の3年費用（試算）

稼働条件: モードA＝24時間起動し、1日2時間だけ高負荷（年8,760時間のうち730時間を最大電力、8,030時間を待機電力とする）。モードB＝平日8時間×250日＝年2,000時間をすべて最大電力とする、上振れ寄りの条件。
出典: ハードウェア価格＝Apple公式サイト（apple.com/jp）の表示価格。消費電力＝Appleサポート「Mac miniの電力消費と熱出力（BTU）に関する情報」「Mac Studio の電力消費と熱出力 (BTU) に関する情報」。電力単価＝全国家庭電気製品公正取引協議会の目安単価 31円/kWh（税込・令和4年7月22日改定）。いずれも2026年8月23日 JST 取得。
【重要・条件の食い違いについて】 価格の行は各機種の最小構成の表示価格、消費電力の行はAppleが電力測定に用いた構成の公表値であり、両者は同一の構成ではありません。Appleの測定構成は、Mac mini（M4）＝16GBメモリ／256GB SSD、Mac mini（M4 Pro）＝64GBメモリ／8TB SSD、Mac Studio（M4 Max）＝36GBメモリ／512GB SSD、Mac Studio（M3 Ultra）＝512GBメモリ／16TB SSD です。この表は「機種ごとのおおよその桁感」を示すための試算であり、特定の構成の実測値ではありません。

表2: クラウドAPI側の3年費用（試算）

比較のため、月間で入力2,000万トークン・出力200万トークンを使う前提で、各社の公式定価から3年分を計算しました。キャッシュ割引・バッチ割引・無料枠は含みません。

換算レート: 1米ドル＝161円（日本銀行「基準外国為替相場及び裁定外国為替相場」令和8年8月中において適用）。原典はUSD、円は換算値です。為替は変動します。
Gemini 3.7 Flash の計算: 2026年9月開始として、単価が上がる2026年12月31日までの4か月を $22.50、2027年1月1日以降の32か月を $45.00 で計算しています。

表3: クラウド（席数課金）の3年費用（試算）

出典: Anthropic 公式価格ページ（2026年8月23日 JST 取得）。他社のビジネス向け席数課金は、本サイトの調査時点で公式ページを取得できなかったため掲載していません。推測値は載せない方針です。

損益分岐点の考え方と計算式

機材代と電気代だけをクラウドAPI料金と比べる場合、月間の利用量から費用が逆転する時期を概算できます。導入・運用の人件費は、別途加えて比較してください。

試算例

前掲の条件（1米ドル＝161円／31円/kWh／モードA）で計算すると、次のようになります。

前提: 月間で入力2,000万トークン・出力200万トークン。キャッシュ・バッチ割引なし。人件費は含みません。

法令・ガイドライン対応表

公的機関が法人に求めているのは「AIを使うな」ではなく、「何を入力し、それがどう扱われるかを確認して、説明できるようにすること」です。

ローカルLLMは、この確認と説明の負担を軽くするための設計上の選択肢の一つです。以下は、日本の法人が実際に参照することになる一次資料を1枚にまとめたものです。各文書の要求事項をそのまま示しており、「ローカルなら法令に適合する」といった評価は行っていません。最終的な判断は必ず自社の法務・顧問弁護士等の専門家にご確認ください。

出典: 個人情報保護委員会「生成AIサービスの利用に関する注意喚起等」（2023年6月2日・別添1）／総務省・経済産業省「AI事業者ガイドライン（第1.2版）」および別添（付属資料）（令和8年3月31日）／IPA「情報セキュリティ10大脅威 2026」（2026年1月29日公開）。いずれも2026年8月23日 JST 時点で公開されている内容です。

個人情報保護委員会 注意喚起（2023年6月2日）原文より

「個人情報取扱事業者が、あらかじめ本人の同意を得ることなく生成AI サービスに個人データを含むプロンプトを入力し、当該個人データが当該プロンプトに対する応答結果の出力以外の目的で取り扱われる場合、当該個人情報取扱事業者は個人情報保護法の規定に違反することとなる可能性がある。そのため、このようなプロンプトの入力を行う場合には、当該生成AI サービスを提供する事業者が、当該個人データを機械学習に利用しないこと等を十分に確認すること。」

モデルのライセンスも「法務の確認事項」です

オープンウェイトのモデルは、それぞれ提供条件が異なります。性能の比較より先に、ここを確認しておくと後戻りがありません。

出典: 各提供元の公式ライセンス文書・モデルカード（2026年8月23日 JST 取得）。ライセンスは改定されます。適用の可否は必ず最新の原文を確認し、自社の法務にご相談ください。

ローカルLLMが向かないケース

次のいずれかに当てはまる場合、現時点ではクラウドAIを使い続けるほうが合理的です。相談の場でも、そのままお伝えします。

導入の進め方と目安期間

ローカルLLM法人導入支援でMGKが最初にやるのは、構築ではなく「そもそもローカルLLMが必要か」の判定です。ここで不要と分かれば、機材を買わずに済みます。

以下の期間は一般的な目安です。扱うデータの範囲、既存システムとの連携の有無、社内の体制によって変わります。実際の期間は初回相談のうえで個別にお見積もりします。

1. 現状整理と要否判断目安 1〜2週間

   いま生成AIを何に使っているか、どのデータが「外に出せない」区分か、月あたりの利用量はどれくらいかを洗い出します。前掲の3年費用試算表に自社の数値を入れて、ローカル化する意味があるかを先に判定します。あわせて、データ主権（データを国内・自社環境で完結させたいという要請）やBCPの観点で外せない条件がないかもここで確認します。不要という結論もここで出します。

2. モデルと実行環境の選定目安 1〜2週間

   業務要件に合うモデルの候補を挙げ、性能だけでなくライセンス条件（商用利用の可否・表示義務・適用地域）まで含めて確認します。実行環境ソフト、必要なハードウェアの構成もここで決めます。

3. 検証（PoC）目安 2〜4週間

   実際の業務に近いデータと手順で、出力品質・応答速度・同時利用に耐えるかを確認します。「使えるかどうか」を、感想ではなく手元の結果で判断します。

4. 本番環境の構築と運用設計目安 2〜4週間

   本番の環境を構築し、アクセス範囲、バックアップ、モデル更新の手順、止まったときの連絡と復旧の手順まで決めて文書に残します。

5. 社内定着の支援継続

   使い方の型（プロンプトの雛形・入力してよい情報の線引き）を整備し、社内向けの説明を行います。ここを飛ばすと、動いているのに誰も使わない状態になります。

1〜4を通した合計の目安は、およそ1.5〜3か月です。

MGKに相談する理由

クラウドAIとローカルLLMの両方を、自社の業務で実際に動かしているからです。相談では、用途ごとに両者を比較します。

担当: 山崎 将史（株式会社エム・ジー・ケイ 代表取締役）。Web担当者向けセミナー・社内研修の登壇実績があります。

よくあるご質問