Local LLM Deployment
クラウドAIが使えない会社にも、社内で動くAI社員を
クラウドAI禁止、閉域ネットワーク、社内独自チャットのみ。そうした制約で「うちはAI活用は無理」と止まっている会社向けに、GPUとローカルLLMでデータを社外に出さない構成を設計し、業務を実行するAI社員まで構築します。
オンライン30分・売り込みなし。向いている業務と向いていない業務を、その場でお伝えします。
Issues
セキュリティ要件が厳しい会社ほど、AI活用の相談先がありません。届く提案がクラウド前提ばかりだからです。
ISSUE 01
情報システム部門の方針でChatGPTやGeminiは利用禁止。社内チャットは入っているが、業務を実行する使い方には広がっていません。
ISSUE 02
顧客データ・設計情報・契約書を扱う業務ほど効果は大きいのに、「社外に出る」「学習に使われる」の一点で承認が下りません。
ISSUE 03
ローカルLLMという選択肢は知っている。でも、どのGPUで、どのモデルで、どの業務なら足りるのかを判断できる人が社内にいません。
Before / After
いま届いている提案
私たちの設計
Architecture
御社のネットワーク要件・扱うデータ・予算に合わせて、3つの型から設計します。
社内に設置したGPUサーバーで公開モデルを動かす基本構成。データは社内ネットワークから出ません。モデルの選定と検証は私たちが行います。
社内文書の検索と要約、会議の議事録作成、問い合わせの一次対応など、閉域内で完結する業務のAI社員を構築します。
まず機密性の低い業務をローカルで試し、効果と運用負荷を確認。要件が許す部分だけクラウドと併用する設計も選べます。
顧客情報を含む売上・稼働データを社内で集計し、ダッシュボードとレポートを毎日更新。数字の異常はその日のうちに通知します。
社内担当A Day of AI Employees
データを社外に出さずに、社内のモデルで一日を回すとこうなります。社内で動いている型を、閉域内の構成に置き換えて構築します。
顧客データを含む前日の売上・稼働を社内で集計し、レポートを更新する
社内チャットで規程・マニュアル・過去対応の質問に、根拠付きで一次回答する
契約書・仕様書の差分を照合し、確認すべき条項の下書きを担当者に渡す
会議の録音を要約し、次にやることの一覧に整理する
モデル・環境・自動処理の健康診断を行い、異常を翌朝の報告にまとめる
時刻と業務は一例です。社内で実際に動いている型を、御社の業務と道具に合わせて組み替えます。27体の一日を見る
Showcase
常駐型のAI社員を自社で毎日運用しているからこそ、「どこで止まるか」「何を監視すべきか」を実運用の側から設計できます。名前と役割を持ったAI社員の一覧をそのまま公開しています。
How We Run
私たちの社内の27体は、この4つのルールで運用しています。御社に構築するAI社員にも同じルールを最初から組み込みます。「勝手に送る」「勝手に決める」AIは作りません。
RULE 01
メール1通、記事1本の例外もありません。AI社員の仕事は「送れる状態まで用意すること」で、最後のボタンは人間が押します。御社に構築するAI社員にも、最初からこの停止線を入れます。
RULE 02
集計値は実データに限り、根拠のない数字は出しません。判断が必要な箇所は「要確認」として人に渡す設計にします。
RULE 03
鳴っても誰も拾わない警告は、存在しないのと同じです。AI社員が見つけた異常は、担当の人に届くところまでを設計します。
RULE 04
見張り役のAIが黙って止まる事故が、いちばん危険です。止まったことに気づく仕組みまで含めて納品します。
社内での運用ルールの全文はAI社員一覧ページの「人間とAIの分担」で公開しています。
Team
常駐型のAI社員を自社で運用しているからこそ、閉域内での止まり方と監視の要点を設計に組み込めます。

Program Design / Supervision
佐藤 傑
株式会社Uravation 代表取締役CEO|プログラム設計・統括
上場企業を含む100社以上へのAI導入支援と、社内で毎日働くAI社員27体の体制を自ら設計・運用しています。著書シリーズ累計51,400部。構築の設計と品質は佐藤が統括し、実装は社内エンジニアとパートナーで分担します。
Security
POINT 01
ネットワーク分離・アクセス制御・操作ログ・モデルへの学習利用の有無。こうした要件を情報システム部門の方と最初に確認し、セキュリティチェックシートへの回答も伴走します。要件が満たせない構成は、その時点でお伝えします。
全部できます、とは言いません。要件次第では「この業務はローカルでは性能が足りない」と正直にお伝えします。
POINT 02
構築後は、モデルの更新手順・監視の見方・止まったときの対処を手順書にして引き継ぎます。希望に応じて運用保守も引き受けますが、社内で回せる状態にすることを前提に設計します。
社内に作れる人を育てながら進めたい場合は、AI実装支援顧問との組み合わせをご案内します。
最初の30分で確認する5項目
Pricing
個別見積(数百万円規模+運用保守)です。金額は、扱うデータの機密性と、どこまでを社内で完結させるかで決まります。内訳の考え方を先に公開します。
| 要件確認・構成設計・PoC | GPU環境+モデル導入まず相談が多い | AI社員構築+運用引き継ぎ | |
|---|---|---|---|
| 内容 | 情報システム部門との要件確認、構成案の作成、対象業務でのPoC(性能・運用負荷の確認) | GPUサーバーの選定・調達支援、モデルの選定と検証、閉域内での環境構築 | 業務を実行するAI社員の構築、監視の設計、手順書の整備と社内への引き継ぎ |
| 料金(税別) | 個別見積 | 個別見積GPU機材費は別途実費 | 個別見積 |
| 期間の目安 | 2〜4週間 | 1〜2ヶ月 | 1〜3ヶ月 |
| 運用保守(任意) | モデル更新・監視・障害時の対応・改善提案を含みます。社内引き取りも可能です。 | ||
| 含まれるもの | 情報システム部門との要件確認・構成案・PoC報告書 | GPU選定・調達支援・モデル選定と検証・環境構築・アクセス制御とログの設計 | AI社員の構築・監視設計・手順書・引き継ぎ作業 |
| 含まれないもの | GPUサーバー等の機材費(実費)、ネットワーク機器の変更、既存システムの改修。必要な場合は見積もり時に別途明示します | ||
PoCだけを先に行い、効果を確認してから次の段階へ進むこともできます。クラウドAIが使える環境での構築はAIエージェント構築代行、全体の考え方はAI社員構築代行をご覧ください。
Process
いきなり全社導入はしません。要件確認とPoCで「本当に社内で足りるか」を確かめてから、構築に進みます。
Not For Everyone
次のどれかに当てはまる場合、いまは効果が出にくいので、診断の段階でそうお伝えします。
当てはまる場合は、PoCで性能を実データで確かめるか、クラウドの閉域構成を含めた別の設計を提案します。
FAQ
用途によります。要約・分類・照合・社内文書の検索といった業務では、公開モデルで十分な精度が出ることが多い一方、高度な推論や長文の生成では差が出ます。だからこそ、契約前のPoCで「この業務なら足りる/足りない」を実際のデータで確認します。足りない場合はそうお伝えします。
動かすモデルの規模と、同時に使う人数・業務量で決まります。要件確認とPoCの段階で必要な構成を見積もり、機材は実費でご案内します。すでに社内にGPUサーバーがある場合は、それを活かす設計から検討します。
閉域内で到達できるシステムであれば、多くの場合は連携できます。連携の可否と方式は要件確認の段階で技術的に確認し、できないものはできないとお伝えします。
できます。要件確認と構成設計・PoCを最初の段階として区切っているのはそのためです。PoCの結果を見てから、環境構築と本構築に進むかを判断していただけます。
できる状態にして引き継ぐことを前提に設計します。モデル更新・監視・障害対応の手順書を渡し、担当者の方と一緒に引き継ぎ作業を行います。継続して見てほしい場合は運用保守を、社内に作れる人を育てたい場合はAI実装支援顧問をご検討ください。
AI社員の出力は「人が確認してから外に出す」設計にするので、外部への送信・公開・確定はすべて人の承認を通ります。私たちが納品するのは「送れる状態まで用意する仕組み」であり、最終判断は御社の担当者の方が行います。判断を伴う業務ほど、この確認ポイントを最初に設計します。
競合しないことが多いです。基幹システムや既存の開発は現在のベンダーのまま、その周辺の「集計・転記・一次対応」といった業務の自動化を私たちが担う形が一般的です。既存システムとの連携が必要な場合は、ベンダーの方と同席して要件を確認します。
できます。ただしGPUサーバーの設置・電源・保守を誰が担うかは最初に決める必要があります。担当を置けない場合は、クラウドの閉域構成(データを社外に出さずにクラウド上の専有環境で動かす形)を含めて、運用負荷の低い設計を提案します。
30分の相談で、ローカル構成で成立するか・どこから始めるべきかを率直にお伝えします。クラウド前提の提案はしません。
オンライン30分・売り込みなし・準備不要。現状の業務をそのまま話してください。