結論から言う。「月額ゼロ円AI環境」のパーツが、1週間で一気に揃った

AIエージェントを動かすのに、月額数百ドルのクラウドAPI課金が「当たり前」だった時代がある。つい先月までの話だ。

ところがこの1週間で、以下の4つが同時に出てきた。

• トークン使用量を66%削減するCLI「8v」
• ローカルで動くAIメモリランタイム「Squish」
• ブラウザ内で完結するオープンソースのコーディングエージェント「Frontman」
• PostgresをAIワークスペースに変える「Polynya」

どれも単体で「おっ」と思うレベルだが、4つ並べると景色が変わる。クラウドAPIに月額課金しなくても、AIエージェントを実用レベルで回せる環境が、現実の射程に入ったということだ。

問いはシンプル。「それでもまだ、毎月クラウドに払い続けますか？」

—

トークン66%削減——「8v」が変えるコスト構造

AIエージェントのランニングコストの大半は、トークン消費量で決まる。GPT-4oクラスのモデルをAPIで叩けば、入力100万トークンあたり約5ドル、出力は約15ドル。エージェントが自律的にタスクを回すと、1日で数万〜数十万トークンを平気で消費する。月に換算すれば、小さなタスクでも数百ドルが飛ぶ。

「8v」は、エージェントとモデル間のやりとりを最適化し、同じタスクを従来の34%のトークン量でこなすCLIツールだ。仕組みとしては、コンテキストの圧縮、不要なやりとりの刈り込み、プロンプトの構造化を自動で行う。

数字で考えよう。月に300ドルのAPI費用がかかっていた処理があるとする。8vを噛ませるだけで、同じ出力品質を保ちながら約100ドルまで落ちる計算になる。年間で2,400ドル、約36万円の差だ。地方の中小企業にとって、この差は「やるかやらないか」の分岐点になり得る。

しかも、これはクラウドAPIを使い続ける前提の話だ。後述するローカル実行環境と組み合わせれば、さらに下がる。

—

ローカルAIメモリ「Squish」——クラウドに記憶を預ける時代の終わり

AIエージェントが賢く振る舞うには「記憶」がいる。過去の会話、ユーザーの好み、業務の文脈。これまで、その記憶はほぼクラウド上のベクトルDBや外部APIに保存されていた。Pinecone、Weaviateといったサービスに月額課金して、データを預ける構造だ。

「Squish」は、この記憶をローカルマシン上で完結させるメモリランタイムだ。エージェントが必要とするコンテキストデータを、手元のマシンに保持・検索・更新できる。

これが意味するのは2つ。

1つ目はコスト。 クラウドベクトルDBの月額課金（小規模でも月20〜70ドル程度）がゼロになる。

2つ目はデータ主権。 顧客データや社内ノウハウをクラウドに上げなくて済む。地方の中小企業にとって、「うちのデータを外に出したくない」は感情論ではなく合理的なリスク管理だ。取引先との契約でクラウド保存がNGというケースも珍しくない。Squishなら、データは自社のマシンから一歩も出ない。

技術的にはまだ「大規模データには向かない」という制約はある。だが、従業員50人以下の会社が扱うデータ量なら、ローカルで十分に回る。むしろ「うちの規模ならローカルのほうが速い」というケースのほうが多いはずだ。

—

ブラウザ内コーディングエージェント「Frontman」——開発環境すらクラウド不要に

AIを使ったコーディング支援といえば、GitHub CopilotやCursorが定番だ。どちらも優秀だが、月額10〜40ドルのサブスクリプションがかかる。年間で1人あたり1.2万〜5万円。開発者が3人いれば、それだけで年間15万円だ。

「Frontman」は、ブラウザ上で動作するオープンソースのコーディングエージェントだ。ローカルモデル（Ollama経由のLlama系など）と接続すれば、API課金もサブスク費用もゼロでコーディング支援が使える。

もちろん、GPT-4oやClaude 4と比べれば、ローカルモデルの出力品質は落ちる。だが、ここで問うべきは「最高品質が必要か？」ではなく「この業務に必要十分か？」だ。

定型的なCRUD処理、既存コードのリファクタリング、テストコードの生成——中小企業の開発現場で頻出するタスクの8割は、ローカルモデルで十分にこなせる。残り2割の難しい部分だけクラウドAPIを使えばいい。全部クラウドか、全部ローカルかの二択ではない。

—

PostgresがAIワークスペースになる「Polynya」——すでに持っているものを活かす

中小企業の多くは、すでにPostgreSQLを使っている。業務システムのバックエンド、顧客管理、在庫管理。枯れた技術で、運用ノウハウも豊富だ。

「Polynya」は、そのPostgresをAIエージェントのワークスペースに変えるツールだ。AIエージェントがリアルタイムデータを必要とするとき、Postgres上にエフェメラル（一時的）なデータウェアハウスを立ち上げ、処理が終われば消す。常時稼働のデータウェアハウス（Snowflake、BigQueryなど）を契約する必要がない。

Snowflakeの最低月額は数百ドルからだ。BigQueryも従量課金とはいえ、エージェントが頻繁にクエリを投げれば月額は跳ね上がる。Polynyaなら、すでに動いているPostgresの上に乗せるだけ。追加のインフラ費用はほぼゼロだ。

これは「新しいものを買う」話ではなく、「すでに持っているものの価値を上げる」話だ。中小企業にとって、この違いは大きい。

—

4つを組み合わせると何が起きるか——コスト試算

具体的に計算してみよう。従業員30人の地方企業が、AIエージェントを業務に組み込むケースを想定する。

従来のクラウド依存構成：

年間で約60万〜180万円。中小企業には重い。

ローカル+オープンソース構成（今週揃ったツール活用）：

年間で約4.5万〜12万円。差額は最大で年間170万円。これは地方の中小企業なら、人をひとり雇えるかどうかの金額だ。

—

「でも、移行が面倒でしょ？」への回答

この手の話をすると、必ず返ってくるのが「導入コストが」「学習コストが」「今のやり方を変えるのが」という声だ。

正直に言う。全部を一気に切り替える必要はない。

まず8vだけ入れてみる。既存のAPI呼び出しに噛ませるだけで、設定は数分だ。それでトークン消費量が本当に減るか、自分の目で確かめる。減ったら、次にSquishを試す。1つのエージェントのメモリだけローカルに移してみる。

小さく試して、数字で判断する。 これが中小企業の正しいAI導入の作法だ。大企業のように「全社導入プロジェクト」を立ち上げる必要はない。むしろ、1人の担当者が午後の2時間で試せることが、中小企業の最大の武器だ。稟議も委員会もいらない。

—

この流れが意味すること——「AIのコスト」が競争変数でなくなる日

今週起きたことの本質は、「AIを使うコスト」が急速にゼロに近づいているという事実だ。

これまでは「AIに月額いくら払えるか」が、企業のAI活用レベルを決めていた。資金力のある大企業が有利な構造だった。

だが、コストがゼロに近づけば、差がつくのは「AIに何をやらせるか」のアイデアと実行速度になる。ここでは、意思決定が速く、現場との距離が近い中小企業のほうが有利だ。

月額170万円の差額を浮かせて、その分を「AIに何をやらせるかを考える人」に投資する。あるいは、浮いた時間で新しい顧客接点を作る。コストが下がった先に何をするかが、次の勝負の分かれ目になる。

今週、パーツは揃った。あとは手を動かすだけだ。まず8vのGitHubを開くところから始めてみてほしい。

—