クラウドAIとローカルLLM、使い分けの2つの基準

「ChatGPTもGeminiも安くなって、性能も上がった。それでも『ローカルLLM』という話を聞くのはなぜだろう」。そう感じたことはありませんか。ローカルLLMとは、自社のパソコンやサーバーの中だけでAIを動かす仕組みのことです。

世の中の記事の多くは「クラウドAIは便利」か「機密情報にはローカルLLM」のどちらかに偏りがちです。この記事が扱うのは、その間にある「線の引き方」そのもの。私の実感では、9割の業務はクラウドAIで十分です。ここで扱いたいのは、残り1割の見極め方になります。

読み終える頃には、「データの機密度」と「業務の型」という2軸で、自社の業務を自分で仕分けられるようになるはず。迷う1割がどこにあるかも見えてくるはずです。

9割はクラウドでいい。それでもローカルLLMが要る場面がある

「全部クラウドにすべき」も「全部ローカルにすべき」も、極端すぎて実務には向きません。どちらの意見も、自社の業務の中身を見ずに答えを出そうとしている点は同じです。

クラウドAIが安くなったのは事実。主要なサービスに、個人でも手が届く価格帯のプランが増えてきました。ただ現場で相談を受けていると、「安いプランに入ったから、もう何でも入力していい」と誤解している方によく出会います。値段の安さと「入れていい情報かどうか」は、まったく別の話なんですよね。

具体的な金額の話は、この記事の主役ではありません。この記事の後半で「参考情報」として扱います。まず押さえてほしいのは、クラウドとローカルの境界線は「安いか高いか」では引けないということ。

しかも実は、クラウドの中にも「個人向けプラン」と「法人向けプラン」という、もう1本の見えない壁があります。この壁の正体は、後ほど詳しく触れます。

線を引くための2つの軸——「データの機密度」と「業務の型」

なぜ「価格」でも「性能」でもなく、この2つの軸で考えるべきなのか。理由はシンプルです。情報が漏れたときの実害の大きさ（機密度）と、AIの間違いをどれだけ人間がすぐ見抜けるか（業務の型）。この2つこそが、使い分けの本質だからです。

ローカルLLM入門では、ローカルLLMの仕組みそのものを解説しています。ここでは基礎の説明を繰り返さず、判断軸のほうに絞りましょう。

軸1：データの機密度（3段階）

• A：公開情報・匿名化済み——外に出ても実害がない（例：業界の一般動向、匿名化した相談内容）
• B：社外秘（実害小〜中）——社名や大まかな数字は入るが、致命的な機密ではない（例：社内向け議事録の下書き）
• C：機密（実害大）——漏れたら経営に直結する（例：顧客の個人情報、契約書原本、未公開の財務情報、図面、人事・給与情報）

軸2：業務の型（3分類）

• ①定型加工——要約・下書き・言い換え・体裁整形など、AIの間違いをすぐ人間が見抜ける作業
• ②調査・リサーチ——最新情報や幅広い知識が必要で、クラウドの強みがそのまま出やすい作業
• ③判断・意思決定を伴う相談——人事評価、契約書チェック、経営判断など、誤りの影響が大きい作業

軸1を考えるうえで、実は心強い後ろ盾があるんですよね。Google自身が、Geminiアプリのプライバシーに関する案内で、個人向けプランでは人間のレビュアーが入力内容の一部を確認することがあると説明しています。そのうえで、レビュアーに見られたくない機密情報や、サービス改良に使われたくない情報は入力しないよう、利用者に求めているのです（出典は記事末尾）。第三者の意見ではなく、サービスを提供している当の会社自身の言葉なんですよね。中小企業の経営者にとって、こんなに分かりやすい根拠はそうそうありません。

ここが核心：2軸マトリクスで見る、クラウドかローカルか

2つの軸を掛け合わせると、9マスの表になります。まずは全体を眺めてみてください。

9マスのうち、「クラウドでOK」は5マス。「ローカル推奨」は3マス。「迷う」のはたった1マスです。

ひとつ補足させてください。冒頭で「9割はクラウドでいい」と書きましたが、これはマスの数を数えた話ではありません。日々の仕事の多くは、A行（公開・匿名化済み）とB行（社外秘）の定型加工や調べ物に集まります。件数で見ればクラウドで足りる仕事が大半を占める、という実感としての割合です。厳密な統計ではなく、線引きの感覚として受け取ってください。

A行（公開・匿名化済み）は、どの業務型でもクラウドで問題ありません。情報が外に出ても実害がないのですから、クラウドの最新モデルの力をそのまま使うのが得策です。

C行（機密）は逆に、どの業務型でもローカル推奨です。ただ、ここで一つ注意を挟んでおきたい。ローカルLLMにすれば自動的に安全になるわけではないんですよね。アクセス管理やログの記録といった運用面の備えがあって、初めて安全と呼べます。詳しくはローカルLLMは本当に安全？仕組みと注意点を解説で扱っている通りです。

注目してほしいのはB行。B×①（社外秘×定型加工）を「クラウドでOK・ただし法人プラン推奨」としているのには理由があります。個人向けプランと法人向けプランでは、入力データの扱いが根本的に違うんですよね。

たとえばChatGPTは、個人向けの設定で学習利用をオフにできます。裏を返せば「オフにしない限り、学習に使われうる」ということですよね。法人向けのBusiness・Enterpriseは違っていて、デフォルトで学習に使われません。

Geminiも同じような構造です。個人向けアプリでは人間のレビュアーが確認することがあると明記されている一方、法人向けのGoogle Workspaceは許可なくモデル学習に使わない・人間もレビューしないと明言されています。ちなみにClaudeだけは毛色が違い、個人向けプランでも既定で学習に使われません。3社を並べただけでも、「クラウドAIはどれも同じ」とは言えないことが分かるはず。

つまり線引きは、クラウドかローカルかの単純な二択ではなく、実際には3段階でした。①個人向けプラン（安いが学習利用は設定次第）、②法人向けプラン（既定で学習に使われない）、③ローカルLLM（そもそも外に出さない）。社外秘レベルの情報を扱うなら、個人向けプランの無料版や安価なプランをそのまま使い回すのではなく、法人向けプランに切り替える。それだけで扱えるデータの幅がぐっと広がります。このあたりの社内ルールの作り方は、生成AIの社内ルールの作り方でひな形つきで解説しているので、あわせて読んでみてください。

一番迷う「グレーゾーン」の見極め方

マトリクスの中で唯一グレーになるのが、B×③——社外秘レベルの情報を使った、判断・意思決定を伴う相談です。人事評価コメントの下書きや、取引先への特別対応をどうするかの相談などがここに当たります。

なぜここだけ迷うのか。情報の機密度は致命的なほど高くはないものの、AIの答えを鵜呑みにすると影響が大きい、という2つの条件が重なっているからです。ここでは、考え方のコツを3つ挙げておきます。

1. 迷ったら「より機密度が高い側」に倒す。B寄りかC寄りか判断に迷うなら、Cとして扱っておけば大きく外しません
2. 固有名詞や個人名を伏せ字にしてクラウドで下書きを作り、確定作業だけを人が最終チェックする、というハイブリッドな逃げ道もあります。伏せ字戦略の具体的なやり方は生成AIの社内ルールの作り方で紹介した方法がそのまま使えます
3. 誰が最終判断するかを、あらかじめ1人決めておく。ここを曖昧にしておくと、現場の忙しさに流されて、なし崩し的に機密情報がクラウドに流れていきます

この3つを「うちの会社の運用ルール」としてどう固めるか。もう少し踏み込んだ話は、次回の記事で詳しく扱う予定です。

価格は「今の話」でしかない——スナップショットとして見る

なぜこの記事で価格を主役にしないのか。理由は単純で、価格の変動は速く、記事の賞味期限をすぐに縮めてしまうからです。とはいえ、判断材料として知っておく価値はあるので、公開日時点の実測値を簡単にまとめておきます。

無料プランは3社ともあります（ChatGPT無料版¥0／Google無料15GB／Claude Free $0）。この表を読むときは、次の点に注意してください。

• ChatGPT Goは「このプランには広告が表示される場合があります」とOpenAI自身が明記しています。安い＝そのまま業務利用してよい、とは限らないことの分かりやすい例です
• Google AI Plusは、Geminiアプリの使用上限が未加入時の2倍・Flash思考モードまで。Proモデルや高度な調べ物機能（Deep Research）は上位プラン（¥2,900）からです
• ChatGPTのFAQには「Go・無料版・Plusは個人向け設計」「Business・Enterpriseは2名から」と明記されています。個人向けプランを会社の複数人で使い回すのは、そもそもプラン設計上想定されていません
• Claudeのみ米ドル建てです。為替によって円換算額は変動します
• 各社の料金ページを確認した範囲では、税込か税別かの明示は見当たりませんでした。この記事でも「税込」とは断定しません
• GoogleのAIプランはGoogle Oneのストレージプランと一体になっています。「AIだけ安く買う」形にはなっていません

いずれも本記事執筆時点（2026年9月12日確認）の各社公式サイトの表示です。価格は変動しますので、導入を検討する際は必ず公式サイトで最新情報をご確認ください。

安いプランが増えたこと自体は歓迎すべき変化です。ローカルLLMを勧めるために、クラウドを貶める必要はありません。初期投資が実質ゼロで始められる手軽さも、それはそれで大きな魅力。

ここまで見てきた価格の実測（Go ¥1,400・広告表示あり）と、先ほどの学習利用の実測（個人向けは設定次第・法人向けは既定オフ）は、まったく別の角度からの調査でした。それでも行き着く先は同じです。「安いプランで十分か」は、価格ではなくデータの中身で決まる。この結論は、値段の面からも扱いの面からも、二重に裏付けられています。

なお、クラウドの月額とローカルの初期費用を比べてみたい方は、中小企業のローカルLLMは元が取れる？コストの本当の話で詳しく試算しています。ローカル推奨の業務が多いと分かった方は、機材選びの前にこちらもどうぞ。

まとめ：まずは自社の「機密度マップ」を作ってみる

要点を整理します。

• 9割の業務はクラウドAIで十分。安くなったのは素直に歓迎していい変化です
• 判断軸は価格ではなく、「データの機密度」×「業務の型」の2つ
• 迷うのはマトリクスのごく一部、社外秘レベル×判断業務だけ。そこだけ丁寧に扱えば大丈夫です

次にやってほしいことは一つだけ。自社が普段扱っている業務を紙に書き出し、このマトリクスに当てはめてみてください。ほとんどの業務が「クラウドでOK」の枠に収まるはずで、それ自体が安心材料になると思います。

実際の業務名に当てはめた振り分け表は、次回の記事（10月上旬公開予定）で扱います。クラウドとローカルを併用する前提での社内ルールづくりは、10月中旬公開予定の記事で。

マトリクスに当てはめてみて「ローカル推奨」に当てはまる業務が複数あった方、あるいはグレーゾーンの判断にどうしても迷う方。機材選定からルール設計まで一緒に考えるのが、私の仕事です。「全部ローカルにしましょう」と煽るつもりはありません。ローカルが要る1割を、一緒に見極めましょうというだけの話。

私はIT業務歴約30年、インフラ構築からAI活用まで一人でこなしてきました。神奈川・東京・山梨を中心に、機密度マップづくりから機材選定、社内ルールの整備まで対応しています。気になる方は、お問い合わせページからお気軽にどうぞ。

参考資料

• OpenAI「ChatGPTの料金プラン」（2026年9月12日確認）
• Google One「プランと料金」（2026年9月12日確認）
• Anthropic「Pricing」（2026年9月12日確認）
• OpenAI「エンタープライズプライバシー」（2026年1月8日更新・2026年9月12日確認）
• OpenAI「Data Controls FAQ」（2026年9月12日確認）
• Google「Geminiアプリのプライバシー ハブ」（2026年8月10日更新・2026年9月12日確認）
• Google「Google Workspaceの生成AIに関するプライバシー ハブ」（2026年8月14日更新・2026年9月12日確認）
• Anthropic Privacy Center「Is my data used for model training?（個人向け）」（2026年3月17日更新・2026年9月12日確認）
• Anthropic Privacy Center「Is my data used for model training?（商用向け）」（2026年9月12日確認）