結論から言う。「でかいAI」を使い続ける理由が、中小企業にはもうない。

Microsoft、Amazon、Googleの3社が2024年度に排出したCO₂は合計で約1億1,900万トン。フランス1国の年間排出量（約3億トン）の3分の1を超えた。前年比で約20%増。原因はほぼ一つ、AIを動かすデータセンターの爆発的な拡大だ。

この数字を聞いて「環境問題は大事だよね」で終わる人が多い。でも中小企業の経営者が見るべきポイントはそこじゃない。

「でかいAI」を動かすインフラのコストが膨張しているということは、そのコストはいずれAPI料金や電気代として、使う側に転嫁されるということだ。

つまり、これは環境の話じゃない。請求書の話だ。

—

「でかいAI」のコスト構造が壊れ始めている

GPT-4クラスの大規模言語モデル（LLM）を1回推論させるのに必要な電力は、Google検索1回の約10倍と言われている。OpenAIのChatGPT（GPT-4）は1クエリあたり推定で約0.01kWh。月に数万回APIを叩く中小企業なら、それだけでサーバー側の電力消費は数百kWhに達する。

これをAPI料金に換算するとどうなるか。

GPT-4oのAPI料金は、入力100万トークンあたり2.50ドル、出力100万トークンあたり10.00ドル（2025年6月時点）。一方、GPT-4 Turboは入力10.00ドル、出力30.00ドル。1世代前のモデルと比べれば安くなったとはいえ、中小企業が日常業務で大量に使えば月額数万〜十数万円が飛ぶ。

問い合わせ対応、議事録要約、レポート生成、メール下書き——こういう「地味だけど量が多い」タスクにGPT-4クラスを使うのは、軽トラで済む配送にトレーラーを出すようなものだ。

—

小型モデルの性能が「十分」になった転換点

ここ1年で起きた最大の変化は、小型モデルの性能が実用ラインを超えたことだ。

具体的に名前を出す。

• Phi-3 Mini（Microsoft）：38億パラメータ。スマホでも動く。簡単な要約・分類タスクならGPT-3.5と同等以上のベンチマーク。
• Gemma 2（Google）：90億パラメータ版でも、ノートPCのGPU1枚で推論可能。
• Llama 3.1 8B（Meta）：80億パラメータ。オープンソース。ファインチューニングすれば特定業務ではGPT-4に迫る精度。
• Qwen2.5（Alibaba）：70億パラメータ版が日本語でも高精度。商用利用可。

これらのモデルは、ローカルPC（メモリ16GB程度）でも動く。つまりクラウドのAPI料金がゼロになる。電気代はPCの消費電力分だけ。月額に換算すれば数百円〜数千円だ。

GPT-4 APIに月10万円払っていた業務を、ローカルの小型モデルに置き換えたら月3,000円になった。

こういう事例がすでに出始めている。コスト削減率97%。これは誇張じゃなく、構造的に起きている変化だ。

—

中小企業の「AI電気代」を実際に比較する

具体的に、従業員20人の地方の中小企業を想定して試算してみる。

用途： 日次の問い合わせ対応（1日50件）、議事録要約（週5本）、社内レポート下書き（月20本）

パターンA：GPT-4o API利用

• 問い合わせ対応：1件あたり約1,500トークン（入出力合計）× 50件 × 20営業日 = 月150万トークン
• 議事録要約：1本あたり約4,000トークン × 20本 = 月8万トークン
• レポート下書き：1本あたり約3,000トークン × 20本 = 月6万トークン
• 合計：約164万トークン/月
• API料金：約2,000〜3,000円/月（GPT-4oの場合）
• ※ただしGPT-4 Turboなら約15,000〜20,000円/月

パターンB：ローカル小型モデル（Llama 3.1 8Bなど）

• 初期費用：GPU搭載PC 約15〜25万円（RTX 4060搭載クラス）
• 月額電気代：PC稼働分として約1,500〜3,000円
• API料金：0円
• ランニングコスト：月額約2,000〜3,000円

「あれ、GPT-4oなら月額もそんなに変わらないじゃないか」と思うかもしれない。その通りだ。最新のAPIは安くなった。

でも、ここが重要なポイントだ。

APIの価格はプロバイダーが決める。ローカルの電気代は物理法則が決める。

API料金は上がることもある。実際、OpenAIは過去に料金体系を何度も変更している。一方、ローカルで動かす小型モデルの電気代は、ハードウェアの省電力化とモデルの効率化で下がり続ける。

中小企業にとって「コストのコントロール権を自社が持てるかどうか」は、金額の大小以上に重要だ。

—

本当の論点は「環境」じゃない。「依存構造」だ

ビッグテック3社のCO₂排出量がフランスの3分の1——このニュースの本質は、環境問題ではない。

AIインフラが一部の巨大企業に集中し、その集中がコスト・リスク・依存を生んでいるという構造の問題だ。

データセンターの建設ラッシュに対して、各地で住民の反対運動が起きている。アメリカではバージニア州、アイルランドでは電力供給の逼迫が社会問題化した。日本でも印西市や千歳市でデータセンター集積が進み、電力インフラへの影響が議論され始めている。

この流れが意味するのは、クラウドAIの利用コストが中長期的に上がるリスクがあるということだ。電力コストの上昇、炭素税の導入、規制強化——どれもAPI料金に跳ね返る。

中小企業がやるべきことは「環境に配慮しましょう」という道徳の話ではなく、この依存構造から距離を取る選択肢を持っておくことだ。

—

じゃあ、具体的にどうすればいいのか

3つのステップを提案する。

1. まず自社のAI利用コストを「見える化」する

今、何のAPIに月いくら払っているか。何トークン使っているか。把握できていない企業が大半だ。まずはここから。

2. 「GPT-4じゃなくていい業務」を仕分ける

問い合わせの定型回答、議事録の要約、データの分類——こういうタスクは小型モデルで十分なことが多い。全部を置き換える必要はない。「この業務はGPT-4、この業務は小型モデル」と使い分けるだけでコストは半減する。

3. ローカル実行を1つだけ試す

OllamaやLM Studioといったツールを使えば、手持ちのPCで小型モデルを動かすのに30分もかからない。まず1つの業務で試す。精度が足りなければクラウドに戻せばいい。リスクはゼロだ。

—

「小さいAI」は中小企業の武器になる

大企業は巨大なデータセンターに数兆円を投資し、最先端モデルを自社で開発する。その戦い方は、中小企業には関係ない。

むしろ逆だ。

大企業がインフラの巨大化で身動きが取れなくなっている間に、中小企業は小型モデルをローカルで動かし、月数千円でAI業務を回せる。データは自社のPCから外に出ない。APIの値上げに振り回されない。必要な業務だけに、必要なサイズのAIを当てる。

大きいことが正義だった時代が終わりつつある。

ビッグテックのCO₂排出量がフランスの3分の1に達したというニュースは、「環境に悪い」という話ではなく、「でかいAIのコスト構造が限界に近づいている」というシグナルだ。

そのシグナルを最初に活かせるのは、身軽な中小企業の方だ。

まずは今月のAPI請求書を見るところから始めてほしい。

—