月額3万円を払い続けるか、10万円で「自分のAI」を持つか

ChatGPTのAPI費用、月いくら払っていますか？

社員10人の会社でも、クラウドAIをまともに業務に組み込めば月額3〜5万円は飛ぶ。年間で36〜60万円。5年で180〜300万円。しかもその間、料金体系は何度も変わり、突然の値上げに振り回される。自社のデータは毎日クラウドに吸い上げられていく。

一方、今のローカルAI——つまりクラウドを使わず、自社のPC上で動くAI——はどうか。

結論から言う。10万円のPCと無料のオープンソースモデルで、月額ゼロ円のAIが動く。もう動いている。これが2025年の現実だ。

この記事では「ローカルAIって楽しそう」で終わらせない。中小企業にとって何が変わるのか、何をすればいいのか、具体的に踏み込む。

—

クラウドAI依存の「見えないコスト」を直視する

クラウドAIの問題は、月額料金だけじゃない。3つの「見えないコスト」がある。

1. データ流出リスク

MicrosoftのCEOサティア・ナデラが「すべてのAIモデルは侵害済みと考えるべきだ」と発言したのは2024年のこと。クラウドAIを使う以上、自社の顧客情報、見積書、ノウハウが外部サーバーに送信される。中小企業にとって、情報漏洩は一発で信用を失う致命傷だ。大企業なら謝罪会見で済むかもしれないが、地方の中小企業にその余裕はない。

2. ベンダーロックイン

OpenAIのAPI仕様が変わった。Googleが料金体系を改定した。そのたびに対応コストが発生する。自社の業務フローが、他社のサービス設計に依存している状態。これは経営のコントロールを手放しているのと同じだ。

3. 「使えば使うほど高くなる」構造

クラウドAIは従量課金が基本。業務に深く組み込むほど、つまり成果が出るほどコストが膨らむ。これは中小企業にとって「成功するほど苦しくなる」という矛盾した構造になる。

ローカルAIは、この3つを全部ひっくり返す。

—

10万円で何が動くのか——具体的なスペックと性能

「ローカルAIって、結局ショボいんでしょ？」

これが1年前までの常識だった。もう違う。

2025年現在、Meta社のLlama 3.1やGoogleのGemma 2、MistralのMixtralなど、オープンソースの大規模言語モデル（LLM）が無料で公開されている。これらをOllamaやLM Studioといった無料ツールで動かせば、自社PCの中でChatGPTに近い性能のAIが動く。

必要なスペックの目安はこうだ。

GPUなしでも、メモリ32GBあれば7B〜8Bパラメータのモデルは実用レベルで動く。議事録の要約、メールの下書き、マニュアルの作成、FAQ対応——日常業務の8割はこのクラスで十分だ。

つまり、初期投資10〜15万円、月額ほぼゼロ円。クラウドAIに年間50万円払うのと比べて、1年目で元が取れる計算になる。

—

「触って覚える」が最強の導入戦略

The VergeがローカルAIの体験を「楽しくて、圧倒されて、フラストレーションもある」と表現していた。これ、実はめちゃくちゃ正確な描写だ。

クラウドAIは「サービスを使う」体験。ローカルAIは「自分の道具を作る」体験。この違いは大きい。

実際にうちのチームでやった実験を紹介する。

地方の建設会社（社員15名）に、Ollamaをインストールした中古PC（購入価格6万円）を1台置いた。最初の1週間は「日報の要約」だけに使ってもらった。

結果、こうなった。

• 日報の要約作業：1件あたり15分 → 2分に短縮
• 現場監督の事務作業時間：1日あたり約40分削減
• 月換算で約13時間の工数削減
• 時給2,000円で計算すると、月2.6万円分の人件費削減

6万円のPCが、3ヶ月目で投資回収。しかもデータは一切外に出ていない。現場の日報には取引先の名前も金額も入っているから、これは地味に大きい。

重要なのは、「日報の要約」という小さな入口から始めたこと。いきなり「AIで経営改革だ」とやると、現場は引く。まず1つ、目の前の面倒な作業を消す。それだけでいい。

—

中小企業「だからこそ」勝てる構造

ここからが本題。ローカルAIが中小企業にとって単なるコスト削減ツールではなく、構造的な逆転の武器になる理由を3つ挙げる。

1. 「自社データ×AI」の掛け算は、中小企業の方が早い

大企業がAIを導入するには、セキュリティ審査、稟議、PoC、ベンダー選定……最低でも半年はかかる。中小企業なら、社長が「やろう」と言えば来週には動いている。

しかもローカルAIは、自社の業務データをそのまま学習に使える。20年分の見積書データ、過去の顧客対応履歴、自社独自のノウハウ。これらは外部には絶対に出せないが、ローカルなら安全に活用できる。

大企業が汎用的なクラウドAIで80点の回答を出している間に、中小企業はローカルAIで「自社の業務に特化した95点の回答」を出せる。これが逆転の構造だ。

2. 属人化の解消が「仕組み」になる

地方の中小企業の最大の課題は「あの人がいないと回らない」問題。ベテラン社員の退職や病気で、業務が止まる。

ローカルAIに社内のマニュアル、過去の対応事例、ベテランの判断基準をRAG（検索拡張生成）で読み込ませれば、「ベテランの頭の中」をある程度再現できる。完璧じゃなくていい。新人が「まず誰に聞けばいいかわからない」状態を「AIに聞けばだいたいわかる」状態に変えるだけで、現場の回り方がまったく違ってくる。

これをクラウドAIでやろうとすると、社内の機密情報を外部に送ることになる。ローカルだから安心してベテランのノウハウを突っ込める。この差は決定的だ。

3. 「AIを使える会社」は採用で勝つ

地方の中小企業にとって、採用は死活問題。「うちの会社、AIで業務効率化してます」と言えるだけで、若手の反応が変わる。実際に、AIツールを導入した地方企業で「応募が増えた」という声は複数聞いている。

しかもローカルAIなら、「自社でAIを動かしている」というストーリーが作れる。クラウドサービスにログインするのとは、意味が違う。

—

導入のリアルな注意点

煽るだけ煽って終わるのは無責任なので、正直にリスクも書く。

性能の限界はある。 ローカルで動かせるモデルのサイズには物理的な制約がある。GPT-4oクラスの性能をローカルで再現するのは、現時点では個人・中小企業レベルのハードウェアでは難しい。ただし、日常業務の大半はGPT-4oの性能を必要としない。「100点を目指すか、80点で十分か」の判断が重要だ。

最初の設定には多少の技術知識が必要。 Ollamaは比較的簡単だが、それでもコマンドラインを触る場面はある。社内にITに明るい人が1人いるか、外部の支援者がいると心強い。ただし、1年前と比べてUIは劇的に改善されている。この障壁は急速に下がっている。

「何に使うか」を決めてから導入する。 「とりあえずAI入れました」は失敗する。まず「この作業が面倒だ」という具体的な課題を1つ決めて、そこにピンポイントで当てる。うまくいったら横展開。この順番を守ること。

—

で、結局どうすればいいのか

1. 今週やること： Ollamaを1台のPCにインストールする。無料、30分で終わる
2. 今月やること： 社内で一番「面倒だ」と言われている文書作業を1つ選び、AIに任せてみる
3. 3ヶ月後の目標： 削減できた時間とコストを数字で出す。それが次の投資判断の根拠になる

ローカルAIの本質は、技術の話じゃない。「自分たちの道具を自分たちで持つ」という経営判断の話だ。

クラウドAIのサブスク料金を毎月払い続けて、データを外に出し続けて、ベンダーの都合に振り回され続けるのか。それとも、10万円で自分たちのAIを手に入れて、自分たちのデータで、自分たちの業務を最適化するのか。

答えは明白だと思う。

まず1台。まず1つの業務。今週、始めてみてほしい。

—