クラウドAIに月5万円払い続けるか、自社で持つか

結論から言う。従業員30人規模の会社がクラウドAIに年間60万円以上払っているなら、今すぐ「自社でAI持つ」選択肢を検討すべきだ。損益分岐点は2.6年。つまり、3年目からはクラウドに払っていた金が丸ごと浮く。

この数字を可能にしたのが、DeepSeekに代表されるオープンモデルのコスト破壊と、ハードウェアの急速な値下がりだ。「ローカルAI」——つまり自社のマシンでAIを動かすという選択肢が、大企業だけのものではなくなった。地方の中小企業にとって、これは構造的な転換点だ。

DeepSeekが壊したもの——「AIは高い」という常識

DeepSeekが何をやったのか。端的に言えば、GPT-4クラスの性能を持つモデルを、桁違いに安いコストで動かせるようにした。

OpenAIのGPT-4 Turboは、入力100万トークンあたり約10ドル（約1,500円）。出力はその3倍。一方、DeepSeek-V3は入力100万トークンあたり0.27ドル（約40円）、出力でも1.10ドル（約165円）。APIの従量課金だけで見ても、コストは10分の1以下になっている。

しかし本当のインパクトはAPI料金ではない。DeepSeekのモデルはオープンウェイト——つまり、自社のマシンにダウンロードして動かせる。こうなると従量課金はゼロだ。電気代とハードウェアの減価償却だけ。ここが「借りる」と「持つ」の分かれ目になる。

損益分岐点2.6年の中身を分解する

具体的に計算してみよう。

クラウドAI（借りる）の場合：

• 従業員30人が1日平均2,000トークン（入出力合計）を使うと仮定
• 月間の総トークン数：30人 × 2,000トークン × 22営業日 = 約132万トークン
• GPT-4 Turboの場合、月額コストはざっくり3〜5万円
• 年間で36〜60万円。使い方が増えれば年100万円を超えるケースも珍しくない

ローカルAI（持つ）の場合：

• DeepSeek-V3の蒸留モデル（70Bパラメータ）を動かすなら、NVIDIA RTX 4090（約30万円）1枚で実用的な速度が出る
• もう少し余裕を持たせてRTX 4090を2枚積んだワークステーションを組むと、ハードウェア費用は約80〜100万円
• 月々の電気代は24時間稼働でも5,000〜8,000円程度
• 年間ランニングコストは約7〜10万円

つまり、初期投資100万円 + 年間ランニング10万円の「持つ」モデルと、年間60万円の「借りる」モデルを比べると、約2年で元が取れる。利用量が多い企業なら1.5年で回収できるケースもある。逆に利用量が少なければ3年以上かかる。平均して2.6年というのは、かなり現実的な数字だ。

3年目以降、年間50万円以上が浮く。 5年で250万円。これは中小企業にとって無視できない金額だ。

768GBメモリで1兆パラメータ——「バカでかいAI」もローカルで動く時代

「でも、ローカルAIって性能が落ちるんでしょ？」

この疑問はもっともだ。しかし、技術の進歩がこの懸念を急速に消しつつある。

最近報告された実験では、768GBのシステムメモリ（GPUメモリではなく通常のRAM）を使って、1兆パラメータのLLMをシングルGPU環境で動かすことに成功している。処理速度は約4トークン/秒。リアルタイムの対話には遅いが、文書の要約やレポート生成、データ分析のような「バッチ処理的な使い方」なら十分に実用的だ。

もちろん、中小企業が768GBメモリのマシンを買う必要はない。ポイントは「技術的な天井が上がり続けている」ということだ。今日の70Bパラメータモデルは、1年前の最先端モデルと同等以上の性能を、10分の1以下のコストで出す。この流れは加速こそすれ、止まることはない。

中小企業がローカルAIで勝てる3つの理由

ここからが本題だ。ローカルAIは、実は大企業より中小企業のほうが恩恵を受けやすい。理由は3つある。

1. データを外に出さなくていい

地方の中小企業が扱うデータ——顧客情報、見積もり、取引先との契約内容。これをクラウドAIに投げることへの心理的・法的ハードルは高い。ローカルAIなら、データは自社のマシンから一歩も出ない。「うちのデータは外に出せないから」とAI導入を見送っていた会社にとって、これは決定的な違いだ。

2. 自社の業務に特化できる

クラウドAIは汎用的だ。何でもそこそこできるが、「うちの業界の専門用語」「うちの社内ルール」には対応しきれない。ローカルAIなら、自社のマニュアルや過去の提案書を学習させて、自社専用のAIに仕立てられる。大企業が数千万円かけてやっていたカスタマイズが、今なら数十万円でできる。

3. 意思決定が速い

大企業がAI導入を決めるまでに、稟議が何段階あるか。セキュリティ審査、法務確認、ベンダー選定。半年かかることも珍しくない。中小企業なら社長が「やろう」と言えば来週には動ける。技術の民主化が進んだとき、最初に恩恵を受けるのは「速く動ける組織」だ。

で、結局どうすればいいのか

3つのステップを提案する。

ステップ1：今のAIコストを可視化する（今日できる）

ChatGPTのTeamプラン、Copilotのライセンス、その他APIの従量課金。月にいくら払っているか、全部足してみてほしい。年間で30万円を超えているなら、ローカルAIの検討に値する。

ステップ2：小さく試す（1週間でできる）

手元のPCにOllamaをインストールして、DeepSeekやLlamaの小型モデル（8B程度）を動かしてみる。無料だ。「ローカルでAIが動く」という体験を、まず自分の手で確かめる。性能に驚くはずだ。

ステップ3：本格導入の損益計算をする（1ヶ月でできる）

ステップ1のコストとステップ2の体感を踏まえて、「自社でGPUマシンを1台持つ」場合の初期投資と回収期間を計算する。ハードウェア費用80〜100万円、年間ランニング10万円。クラウドAIの年間コストと比較して、2〜3年で元が取れるなら、GOだ。

この流れは止まらない

半年前、ローカルAIは「技術者の趣味」だった。今は「経営判断」になりつつある。

DeepSeekがコストを壊し、オープンモデルの性能が毎月上がり、ハードウェアの価格は毎年下がる。「AIを借りる」コストは使えば使うほど積み上がるが、「AIを持つ」コストは時間とともに下がっていく。 この非対称性に気づいた企業から、動き始めている。

損益分岐点2.6年。この数字が1.5年になるのは、おそらく来年だ。待つ理由があるとすれば、「もう少し安くなるから」だが、その間もクラウドへの支払いは続く。

「AIを持つ」という選択肢を、そろそろ真剣に考える時期が来ている。

—