AIは全部クラウドに預けるな｜手元で回す工程の選び方
「この機密データ、AIに渡してクラウドに送って本当に大丈夫なのか」「使うほど従量課金が積み上がって、月末の請求が読めない」「外部のAIサービスが落ちたら、自分の業務も一緒に止まってしまう」——AIを毎日の仕事に組み込むほど、誰もがこの3つの不安を抱えます。
結論から言うと、「AIは全部クラウドに預けるもの」という前提は、2026年8月にはっきり崩れました。機密に触る工程・常時動かし続ける工程は自分の手元のマシンで完結させ、高い賢さが要る工程だけをクラウドの最上位モデルに残す。一台のAIに丸投げするのではなく、工程ごとに「どの器で回すか」を選ぶのが、これからの正解です。
株式会社Fyveの田嶋です。私は日頃から、常時つけっぱなしにした手元の一台で、無人の定型作業を回し続けてきました。その運用の視点から、何を手元に置き、何をクラウドに残すのか——工程の切り分け方を、できるだけ具体的にお伝えします。
2026年8月、「AIを手元で動かす」が現実になった
この記事の前提になっているのが、2026年8月10日に発表された出来事です。Metaが、エージェント特化のオープンウェイトモデル「Muse Glimmer」を公開しました（Meta AI Research 公式ブログ・CNBC・Neowin ほか複数メディアが同日報道）。ライセンスはApache 2.0で、誰でも無料で使える形で公開されています。
何が新しいのか。ポイントは「30億パラメータ級の小さめのモデルが、Mac やPC一台＋コンシューマー向けGPU一枚で、ネットワークを経由せずローカルで動く」という点です。24GBのGPUに4bit量子化と投機的デコード（DFlash）で載せられる、と各社が報じています。そして特筆すべきは、単なる文章生成ではなくツールの呼び出し・失敗からの復帰・長い手順の推論・マルチモーダルという、いわゆる「エージェント」に必要な機能を最初から備えていることです。
これまで「AIエージェントを動かす」といえば、クラウド上の大きなモデルにAPI経由で毎回問い合わせるのが当たり前でした。そこに、「手元のマシンの中で、ネットに一切出さずにエージェントを回す」という選択肢が、現実的な性能で乗ってきたわけです。数字の一部（各GPUでの速度倍率など）は媒体によって表現が揺れているため本記事では断定しませんが、「消費者のハードでローカルにエージェントが回る」という骨格は、複数の独立したソースで一致しています。
ここで大事なのは、Muse Glimmer という個別の製品名ではありません。「計算とデータを、必ずしも全部クラウドに置かなくてよくなった」という地殻変動のほうです。この変化を、自分の業務にどう落とすか——それが本題です。
手元で動くエージェントモデルは、具体的に何に効くのか
公式ブログや各社の報道では、この種のローカルエージェントモデルの用途として「ローカルでのエージェント動作」「ツール（関数）の呼び出し」「手元でのコーディング」「AIによる評価（LLM-as-a-judge）」などが挙げられています。エンジニア向けの言い回しなので、1人・少人数の事業の言葉に翻訳すると、次のような工程に効きます。
- 手元のツールを自動で操作する：自分のPC内のファイルやアプリを、AIが手順どおりに操作して定型作業を片づける。データがPCの外に出ない。
- 決まった様式の書類を量産する：同じフォーマットの文面を、毎日・大量に下書きする工程。回数が多いほど手元運用の追加課金ゼロが効く。
- 下書きや分類の「一次処理」を任せる：最終判断は人が担い、その手前の仕分け・要約・叩き台づくりを手元のモデルにやらせる。賢さそこそこで足りる工程の典型。
- AIの成果物をAIで一次チェックする：出てきた結果が条件を満たしているかを、別のモデルに判定させる（LLM-as-a-judge）。この検品工程も手元で回せば、外に出さずに品質ゲートを組める。
逆に言えば、「最上位の賢さでなければ務まらない工程」以外の、地味で数の多い作業ほど、手元に寄せる相性が良いということです。派手な用途より、こうした足回りの工程からが、手元運用の入り口になります。
なぜ「全部クラウド」の前提を疑うのか
まず、なぜ工程を切り分ける必要があるのか。全部をクラウドの一台に預けたときに起きる、3つの構造的な問題を整理します。
1. 機密が「外に出る」構造そのものがリスクになる
クラウドのAIに何かを渡すことは、程度の差こそあれ「自分の外にデータを出す」ことです。顧客情報・契約書・社内の未公開資料——これらをAIに読ませて要約や下書きをさせたいとき、多くの人が一瞬手を止めます。利用規約で学習に使われないと明記されていても、「そもそも外に出さなければ、漏れる経路が存在しない」という安心感には勝てません。機密に触る工程は、データが自分のマシンの外に出ない形にできるなら、それが最も強い守りです。
2. 従量課金は「使うほど増える」青天井になりやすい
クラウドAIの多くはAPIの従量課金です。便利だからと定型作業を回数多く走らせるほど、料金は積み上がります。特に「毎日・毎時、自動で動かし続ける」タイプの作業は、単価が小さくても回数で効いてきて、月末に請求を見て驚くことになりがちです。作業の性質が「量で押す」ものなら、従量課金は相性が悪いのです。
3. 外部依存は「落ちたら一緒に止まる」
クラウドのサービスに全面依存していると、そのサービスがメンテナンスや障害で止まった瞬間、自分の業務も止まります。1人や少人数で回している事業ほど、この「連れ倒れ」の影響は大きい。止まって困る常時稼働の作業ほど、外部の可用性に運命を握られない形にしておきたいのです。
この3つ——機密・従量課金・可用性——が、「全部クラウド」を疑う理由です。逆に言えば、この3つに引っかからない工程は、無理に手元へ動かす必要はありません。だからこそ「切り分け」なのです。
それでもクラウドを悪者にしない
ここまで読むと「クラウドは危ない、全部手元にすべきだ」と受け取られそうですが、それは違います。クラウドの最上位モデルにしかできないことは、確かに存在します。最新の知識を踏まえた複雑な判断、難しい文章の推敲、モデルの進化にすぐ乗れること——これらは、手元の小さめのモデルでは今のところ届きません。クラウドは「賢さ」と「手離れの良さ（保守を提供側が担う）」で強いのです。だから本記事の主張は「クラウドをやめろ」ではなく、あくまで「全部クラウドという“思考停止”をやめて、工程ごとに選び直そう」という一点です。クラウドと手元は、対立ではなく分担の関係にあります。
AIを回す「3つの器」——従量API・定額サブスク・手元マシン
工程の切り分けを考える前に、そもそもAIを動かす「器（うつわ）」が今は3種類あることを押さえます。同じ作業でも、どの器で回すかによって、費用も安全性も大きく変わります。
- ①従量API：使った分だけ課金される。最新・最上位の賢さに手が届くが、量で押すと費用が青天井になりやすい。
- ②定額サブスク枠：月いくらで使い放題の契約。その契約の枠内でできる作業に寄せれば、追加課金は発生しない。
- ③手元マシン：自分のPC・Macの中でモデルを動かす。ネットに出さず、追加のAPI課金もゼロ。増える費用は電気代とハードの初期投資だけ。
私自身、ある定型作業を「従量API」から「すでに契約している定額サブスクの枠内」に寄せただけで、その費用が実質ゼロになった経験があります。作業の中身は何も変えていません。器を変えただけで、桁が変わったのです。この「器で費用が変わる」という感覚は、コストの話として単独でも重要なので、別の記事でも触れています。
詳しくは、従量課金とサブスク枠の使い分けを具体例で書いたこちらの記事も参考になります。
そして今回の Muse Glimmer が広げたのが、この③手元マシンの器です。これまで手元で動かせるモデルは「賢さが物足りない」ものが多かったのですが、エージェント特化で実用的な性能のものが、消費者のハードで動くようになった。だから3つ目の器が、初めて現実の選択肢として使えるようになったわけです。
どの工程を手元に寄せ、どの工程をクラウドに残すか
ここが本記事の核心です。全部を手元に動かすのは間違いですし、全部をクラウドに預けるのも、もう最適ではありません。工程を分解して、一つずつ「どの器が合うか」を判定する——その判断軸を示します。
手元に寄せるべき工程の見分け方
次のどれかに当てはまる工程は、手元マシンに寄せる価値があります。
- 機密に触る：顧客情報・契約書・社内の未公開資料を読ませる工程。データが外に出ない形が最も強い守り。
- 常時・大量に動かす：毎日・毎時、自動で回し続ける定型作業。回数で従量課金が積み上がる工程ほど、手元に置けば追加課金がゼロになる。
- 止まると困る：外部サービスの障害に運命を握られたくない、業務の背骨になっている常時稼働の処理。
- 賢さは「そこそこ」で足りる：分類・抽出・要約・下書きなど、最上位の賢さがなくても十分こなせる工程。
クラウド最上位に残すべき工程の見分け方
逆に、次のような工程は、無理に手元へ動かさずクラウドの最上位モデルに残します。
- 高い賢さ・最新の知識が要る：複雑な設計判断、難しい文章の推敲、最新情報を踏まえた分析など、モデルの性能が成果を直接左右する工程。
- 頻度が低く、機密性も低い：たまにしか使わず、外に出て困らないもの。わざわざ手元環境を用意するコストが見合わない。
- 常に最新モデルに追随したい：モデルの進化の恩恵をすぐ受けたい工程。手元のモデルは更新の手間が自分持ちになる。
手元で動くローカルモデルは、賢さの面ではクラウドの最上位モデルにまだ劣ります。ここを無視して「全部を手元に」と寄せると、成果物の質が落ちます。安さ・プライバシーと、賢さのトレードオフに、自分で線を引く——これが工程分けの本質です。ローカルでモデルを動かす具体的な手順に踏み込みたい方は、こちらのガイドが実践的です。
実例：1人事業の業務を「3つの器」に振り分けてみる
判断軸だけでは抽象的なので、1人・少人数の事業でよくある業務を、実際に3つの器へ振り分けてみます。あくまで一例で、正解は業務の中身によって変わりますが、「工程ごとに器を選ぶ」感覚を掴むには十分なはずです。
工程 | 性質 | 合う器 | 理由 |
|---|---|---|---|
毎朝の情報収集・要約（公開情報） | 常時・量が多い・機密は低い | 手元 or 定額枠 | 量で押すので従量だと積み上がる。機密は低いので賢さそこそこで足りる。 |
SNS投稿の定型生成 | 常時・量が多い・機密は低い | 手元 | 回数が多く追加課金ゼロの旨みが大きい。品質は下書き段階で十分。 |
顧客とのメール下書き（社名・案件を含む） | 機密は中〜高・頻度は中 | 手元寄せを検討 | 取引先名や案件が入るなら、外に出さない形が安心。 |
請求書・見積書の文面作成 | 機密が高い（金額・取引先） | 手元 | 金額と取引先が両方入る。データを外に出さないことを最優先。 |
難しい提案書の構成・推敲 | 高い賢さが要る・頻度は低い | クラウド最上位（従量API） | 成果を左右するのはモデルの賢さ。頻度が低く費用も膨らまない。 |
契約書のリスク確認 | 機密が高い＋高い賢さも要る | 悩みどころ | 機密を優先するなら手元で一次確認し最終判断は人。質を優先するなら匿名化してクラウドへ。 |
この表で伝えたいのは、「同じ人の同じ一日の業務でも、工程によって最適な器はバラバラだ」ということです。だから「うちはクラウド派」「うちはローカル派」という一枚岩の選び方が、そもそも噛み合わない。工程という単位まで下ろして初めて、器の選択が意味を持ちます。
そして最後の「契約書のリスク確認」のように、機密性も賢さも両方高い工程は、どちらか一方の器では割り切れません。こういう工程こそ、「手元で一次処理をして、最終判断だけ人が担う」あるいは「機密部分を伏せてからクラウドに渡す」といった、器をまたぐ設計が要ります。工程を分解しておくと、こうした折衷案も具体的に組めるようになります。
私の実運用——常駐マシンで無人の定型作業を回す
Muse Glimmer の売り文句は「クラウド不要・ネット非経由で、手元のマシンの中でエージェントが回る」でした。実はこれ、私が日々やってきたことが、モデル側に降りてきた形でもあります。
私は、常時つけっぱなしにした手元の一台に、無人で動く定型作業をいくつも載せています。決まった時刻に自動で起動し、決められた手順を実行し、結果だけを受け取る——この「常駐マシンで無人運用」という形を先に組んでいたので、そこに「手元で動くエージェント特化モデル」が乗ってきたときの効きが、直感的に分かります。
ポイントは、得をするのは「どの作業を手元に置き、どこはクラウドに出すかを、工程で切り分けられる人」だけだということです。丸ごとクラウドに預けている状態からは、手元に寄せる対象も、切り分ける余地も見えてきません。まず自分の業務を工程に分解しているかどうかが、この変化の恩恵を受けられるかの分かれ目になります。
もう一つ、実運用で効いてくるのが「任せ方の規律」です。手元で無人に回すからといって、何でも丸投げしていいわけではありません。私の場合は、工程を小さく区切り、取り返しのつく作業だけを自動で走らせ、取り消せない操作や最終判断は人の手前で止める——という線引きを最初に決めています。手元だから安全、ではなく、「失敗しても被害が小さい形に工程を刻んでおく」から、無人で安心して回せるのです。器を手元に選ぶことと、任せ方を設計することは、セットで初めて機能します。
常時稼働の自動化を一台のマシンに集約する構成については、こちらでも具体的に触れています。あわせて読むと、手元運用のイメージが掴みやすいはずです。
手元運用の落とし穴——「全部を手元に」は間違い
ここまで手元の利点を書いてきましたが、いいことばかりではありません。手元に寄せるときに見落としがちな3つの落とし穴を挙げます。
1. 賢さの天井が低い
繰り返しになりますが、手元で動く小さめのモデルは、クラウドの最上位モデルには賢さで及びません。難しい判断や高品質な文章が要る工程まで手元に寄せると、成果物の質が下がります。「量で押す・機密性が高い工程」は手元、「質で勝負する工程」はクラウドと、はっきり住み分けるのが正解です。
2. 保守と更新が「自分持ち」になる
クラウドのAIは、モデルの更新も障害対応も提供側がやってくれます。手元で動かすと、モデルの入れ替え・動作環境の維持・不具合の切り分けが、すべて自分の仕事になります。常時安定して回すには、この保守の手間を織り込んで設計する必要があります。
3. 初期投資とハードの制約
手元でエージェント級のモデルを動かすには、それなりのGPUやメモリを積んだマシンが要ります。追加のAPI課金はゼロでも、最初にハードへの投資が必要です。使う頻度が低い工程なら、この初期投資が見合わず、素直に従量APIで済ませたほうが安い、というケースも多々あります。器を選ぶときは、費用の総額（初期投資＋ランニング）で比べてください。
4. 「手元＝無条件に安全」ではない
「データが外に出ない」ことと「安全である」ことは、イコールではありません。手元のマシンにも、盗難・紛失・マルウェア感染・バックアップ不足といったリスクは残ります。クラウドなら提供側が担っていたセキュリティやデータ保全が、手元運用ではすべて自分の責任範囲に移るのです。機密を守るために手元へ寄せたのに、そのマシンの管理が甘くて別の経路で漏れては本末転倒になります。手元に寄せるなら、ディスクの暗号化・アクセス制限・定期バックアップまで含めて「守り」を設計してください。器を手元に動かすことは、守りの責任も自分に引き取ることだと理解しておく必要があります。
つまり、手元運用は「銀の弾丸」ではなく、合う工程にだけ効く道具です。合わない工程に無理に当てはめると、かえって高くつきます。
手元運用を始める前に確認する3つのこと
「よし、手元に寄せてみよう」と動く前に、次の3点だけは自分に問うてください。ここを飛ばすと、せっかく手元環境を組んでも旨みが出ず、時間と初期投資を無駄にしがちです。
1. その工程は「量で押す」か「機密が高い」か
手元運用の旨みは、「回数が多くて従量課金が積み上がる」か「外に出したくない機密がある」のどちらかに集約されます。どちらでもない工程——たまにしか使わず、外に出て困らないもの——を手元に寄せても、手間の割に得るものが小さい。まず対象工程がこの2条件のどちらかを満たすかを確認します。
2. 手持ちのマシンで動くか、初期投資は見合うか
エージェント級のモデルをローカルで動かすには、一定以上のGPUやメモリが要ります。今のマシンで動くのか、動かないなら買い足す投資が、その工程で浮く従量課金に見合うのか。初期投資とランニングを合わせた総額で、従量APIのまま回す場合と比べてください。頻度が低い工程なら、素直にクラウドで済ませたほうが安いことも多いです。
3. 保守を回し続けられる体制か
手元で動かすと、モデルの更新・環境の維持・不具合の切り分けが全部自分持ちになります。特に無人で常時回す工程では、「止まったことに気づき、直せる」仕組みまで含めて設計しないと、静かに止まっていた、という事故が起きます。1人で回すなら、この保守コストを軽く見ないことが肝心です。
この3つに「はい」と言えるなら、その工程は手元に寄せる価値があります。1つでも「いいえ」があるなら、まだクラウドや定額枠のままで十分かもしれません。判断を急がず、工程単位で見極めるのが、遠回りに見えて結局いちばん安上がりです。
まとめ——器を選べる人が、コストとプライバシーで差をつける
2026年8月、消費者のハードでエージェントが動くモデルが登場し、「AIは全部クラウドに預けるもの」という前提が崩れました。ここから先に効く考え方を、もう一度整理します。
- AIを回す器は3つ：従量API・定額サブスク枠・手元マシン。同じ作業でも、器で費用と安全性が桁違いに変わる。
- 手元に寄せる工程：機密に触る／常時・大量に動かす／止まると困る／賢さはそこそこで足りる。
- クラウドに残す工程：高い賢さ・最新知識が要る／頻度が低く機密性も低い／常に最新モデルに追随したい。
- 大前提：まず自分の業務を工程に分解する。分解しなければ、そもそも切り分けようがない。
モデルの性能差は年々縮まり、どの会社のAIも横並びに近づいています。そうなるほど、差がつくのは「どのモデルを使うか」ではなく「どの工程を、どの器で回すか」という設計のほうに移っていきます。同じAIを使っていても、器の設計が上手い人は、コストを抑えつつ機密を守り、外部障害にも強い。逆に全部クラウドに丸投げしている人は、費用も安全性も外部任せのままです。コストとプライバシーの差は、モデル選びではなく、この器の設計に出ます。
とはいえ、「自分の業務のどこを手元に寄せ、どこをクラウドに残すべきか」を一人で切り分けるのは、最初の一歩がいちばん難しいところです。私たちは、業務を工程に分解し、それぞれに合ったAIの使い方・器の選び方を設計するところから伴走しています。自社に合った切り分けを相談したい方は、AIアドバイザリーサービスをご覧ください。
AIを使う会社と、使わない会社。
その差は、開き始めています。
ここ数年でAIは急速に進化し、正しく導入できている企業とそうでない企業とでは、業務効率や人件費に大きな差が生まれ始めています。「AI導入に興味はあるが、実際に何ができて、どこから手をつければいいか分からない」——そんな方は、まずこの無料プレゼントに目を通してみてください。
