ローカルLLMの検討は、GPUやモデルの比較から始まりやすい。しかし導入後に止まるのは、計算性能より、誰がデータを更新し、利用者を管理し、回答の根拠を確認し、障害時に業務を戻すのかが決まっていない場面です。PoCで回答が出ることと、社内で使い続けられることの間には、運用という別の設計があります。

この記事の要点

  • 要件はモデル性能ではなく、業務、データ、人の確認、運用責任から組み立てる。
  • 費用はサーバー本体だけでなく、接続、認証、ログ、更新、保守まで分けて見る。
  • PoCは完成形を作る工程ではなく、本番前に残る責任と変更点を発見する工程になる。

クラウドAIは契約後すぐ試せますが、ローカルLLMやオンプレミスAIは、AIが動く場所を自社側へ寄せる分、見えなかった周辺作業も自社の設計対象になります。データを置くストレージ、社内端末からの通信経路、IDと権限、監査ログ、バックアップ、モデルやソフトウェアの更新。閉域にすれば消える仕事ではなく、閉域にしたから担当が明確に必要になる仕事です。

要件は「何を答えさせるか」だけでは足りない

最初に決めるのはモデル名ではなく、対象業務です。「社内文書を検索したい」だけでは、利用者も正解も決まりません。営業担当が提案書を探すのか、保守担当が障害記録を調べるのか、管理部門が規程の候補箇所を確認するのかで、読ませるデータ、回答速度、根拠表示、人が確認する地点が変わります。

代表的な質問と資料を少数用意し、期待する回答と、答えてはいけない範囲を並べると、PoCの入口が具体化します。正答率だけでなく、参照元を示せるか、権限外の資料を混ぜないか、更新前の文書を優先しないか、回答できない時に無理に埋めないかを見る。業務で使えるかは、流暢さより失敗の仕方に現れます。

業務の範囲

誰が、どの場面で、何を調べ、出力をどの作業へ渡すか。AIだけで完結させず、人の確認地点も含めます。

データの範囲

対象ファイル、管理者、更新頻度、閲覧権限、保存期間を確認し、PoC用コピーと本番データを混同しません。

終了条件

精度、応答時間、根拠確認、運用工数を測り、継続、構成変更、中止を判断できる状態をPoCの出口にします。

導入体制は、AI担当者一人では閉じない

ローカルLLMは社内データとネットワークに近づくため、PoCの担当者だけでは本番運用を引き受けられません。少なくとも、業務上の正しさを判断する人、データの利用範囲を決める人、基盤と通信を運用する人、利用者と権限を管理する人が関わります。部署名は会社ごとに違っても、役割が空席のままでは、更新や障害のたびに判断が止まります。

ここで全社ルールを完成させてから始める必要はありません。対象部門と代表データを絞り、PoC中に誰へ確認が発生したかを記録する。その記録が、本番時に必要な役割表になります。PoCの価値は回答デモだけでなく、日常運用で発生する問い合わせと承認を先に見つけることにあります。

費用は五つの箱に分ける

費用をサーバー価格だけで比較すると、後から必要になる作業が見えません。見積もりは、初期基盤、データ準備と接続、認証とログ、日常運用、更新と置き換えの五つに分けると、比較しやすくなります。

初期基盤

GPUサーバー、ストレージ、設置、電源、ネットワーク、初期設定。必要量はモデルと同時利用者、データ量で変わります。

接続と管理

文書の取り込み、既存システム連携、認証、権限、ログ、バックアップ。業務へ近づくほど比重が増えます。

継続運用

監視、障害対応、データ更新、モデル評価、脆弱性対応、部品交換。誰の作業時間かまで含めて見ます。

月額のクラウドAIと買い切りに見える物理基盤は、同じ費目で比べられません。利用者数だけで増減する費用、データ量や接続先で増える費用、保有期間にわたって残る作業を分けると、どちらが安いかではなく、どの責任を社内に置くかが見えてきます。固定価格を先に求めるより、見積もりに含まれる境界を揃える方が、比較の精度は上がります。

見積書では、初期構築に含まれる設定と、本番後に別契約となる作業を分けて確認します。文書を追加するたびに誰が索引を更新するのか、モデル変更時に業務テストをやり直すのか、故障時の交換機や代替環境をどこまで用意するのか。金額が同じでも、この境界が違えば運用側の負担は変わります。

また、PoC用の小さな構成を本番価格の縮小版として見ると、利用者管理や可用性の費用を落としやすい。PoCは技術成立性の費用、本番は業務を止めないための費用として、見積もりの目的を分けます。

PoCから本番へ移す時に増えるもの

PoCでは、限られた資料を一人の担当者が更新し、少人数が使うため、運用問題が表に出にくい。本番では、利用者の追加と退職、組織変更、文書の改訂、誤回答の報告、ログの確認、バックアップからの復旧、モデル更新の再評価が続きます。精度が同じでも、利用者が増えれば必要な説明と記録は増えます。

本番判定では、誰がデータを追加・削除するか、回答に使った資料を追えるか、停止時の代替手段があるか、更新を元に戻せるか、問い合わせ窓口があるかを確認します。モデルやUIを後から変えられる余地も残します。最初のPoCをそのまま全社基盤へ膨らませるのではなく、PoCで見つかった責任を分け直してから本番へ移す方が、作り替えを小さくできます。

外部クラウドAIへ接続しない構成を検討する場合

フォースネットの「閉域AI BOX」は、お客様のネットワーク内に物理AIサーバーを設置する構成を扱います。製品ページでは設置形態、閉域ネットワーク、第一弾の音声用途を確認できます。

閉域AI BOXの構成を見る

ローカルLLM導入のよくある質問

ローカルLLMの導入費用は何で決まりますか

物理サーバーや設置だけでなく、対象データの整備、既存システムとの接続、認証、ログ、バックアップ、監視、モデル更新、保守体制まで、運用に含める範囲で決まります。

PoC前にどこまで要件を決めるべきですか

全社の最終形まで決める必要はありません。対象業務、利用者、代表的なデータ、期待する出力、人が確認する地点、外へ出せない情報、PoCを終える条件を先に合意します。

オンプレミスAIと閉域AIは同じですか

同じとは限りません。オンプレミスは主に設置場所を示し、閉域AIは外部接続、通信経路、データの保存先、更新方法まで含む運用上の境界を示します。

参考資料

閉域AI・社内データ活用を相談する

外部へ出せない社内データを前提に、対象業務、既存ネットワーク、利用部門、運用体制、PoCの終了条件を整理している企業・研究機関・公共機関の方はご相談ください。

サーバーだけでなく、データの取り込み、認証、ログ、既存システムとの接続を含む構成を確認します。

導入要件を相談する