生成AIのコスト削減や機密情報の保護、特定の事業者への依存軽減を目的に、オープンウェイトモデルを自社環境で運用する企業が増えている。しかし、モデルを自社で管理できるようになる一方で、APIサービスの提供者が担っていた安全対策やインフラ管理などの仕事を、自ら引き受けなければならない。丸紅経済研究所が2026年9月に公表したレポートも、導入環境やデータ管理の自由度と引き換えに、インフラ整備、セキュリティ対策、継続的な運用の責任が利用企業側に生じると指摘している。
オープンウェイトモデルを自社環境で動かすと何が変わるのか
オープンウェイトモデルとは、学習済みAIモデルの「重み（パラメータ）」が公開され、利用者が自らの環境で実行できるモデルを指す。企業は自社管理のクラウドやオンプレミスのサーバーにモデルを導入し、推論処理や追加学習を行える。一方、クローズドモデルは通常、重みが非公開で、APIなどを通じて利用する。なお、オープンウェイトモデルも外部事業者のAPIから利用できるが、ここでは自社環境で運用する場合を対象とする。また、重みが公開されていても、学習データや学習コードまで公開されているとは限らず、オープンソースとは区別する必要がある。
丸紅経済研究所は、オープンウェイトモデルが注目される理由として、利用コストの削減、機密情報の管理、サービス継続性の確保という3点を挙げている。特にコスト面では、利用量が増えるほどAPIの従量課金が負担となるため、一定規模以上の推論処理を継続する企業にとって、自社運用が有利になる可能性がある。ただし、サーバーの購入・運用費用やクラウド利用料、人件費なども考慮する必要があり、必ずしも安くなるわけではない。
この背景には、AIモデルの利用単価が下がっても、企業全体の推論コストは増加する可能性があるという事情がある。Gartnerの2026年3月の予測では、1兆パラメータ規模の大規模言語モデル（LLM）の推論にかかる提供者側のコストが、2030年までに2025年比で90%以上低下するとしている。しかし、AIエージェントなどの高度な用途ではトークン消費量が大幅に増えるため、単価の低下だけでは企業全体の支出を抑えられない。なお、Gartnerが予測しているのはモデル提供者側の推論コストであり、利用企業が支払うAPI料金の低下率とは異なる。
データ管理も重要な理由だ。外部APIを利用する場合、入力情報は提供者のサービス基盤へ送信されるが、自社環境でモデルを動かせば、入力データやログ、追加学習用データを自社の管理下に置きやすくなる。機密情報を社外へ送信できない企業や、データの保存地域に制約がある組織にとっては大きな利点となる。ただし、クラウドを利用する場合には、その事業者との責任分担やデータの取り扱い条件を確認する必要がある。
API利用では、モデル提供者がどこまで責任を負っているのか
APIを通じてクローズドモデルを利用する場合、モデルの更新や提供基盤の安全対策は基本的に提供者が担う。安全フィルタの適用やアクセス監視も提供者側で実施でき、利用規約を通じて用途や利用条件を制限することも可能だ。利用企業は自社アプリケーションのセキュリティやデータ管理に責任を負うものの、モデルを実行する基盤そのものを維持する必要はない。
その代わり、料金体系や利用条件、提供地域、サービスの継続については、提供者の方針に左右される。特に問題となるのが、企業側では制御できない理由によってモデルへのアクセスが突然停止するリスクだ。技術的な障害だけでなく、政府の規制や政策判断によってもサービスが利用できなくなる可能性がある。
実際、2026年6月12日には米国政府が輸出管理上の措置として、外国籍の利用者による「Claude Fable 5」と「Claude Mythos 5」へのアクセス停止を求めた。Anthropicは国籍をリアルタイムで確認する手段がないことから、両モデルの提供を全顧客向けに一時停止した。Anthropicの当時の声明と法律事務所Greenberg Traurigの解説によれば、他のClaudeモデルは影響を受けなかった。その後、6月30日に輸出規制の解除が発表され、Fable 5は7月1日から利用を再開し、Mythos 5も一部の米国組織でアクセスが回復した。
この事例は、モデル提供者が政府の規制に対応した結果、利用企業の業務が影響を受ける可能性を示している。オープンウェイトモデルを自社環境に導入すれば、提供者がAPIを停止することで利用できなくなるリスクを軽減できる。ただし、モデルのライセンス条件や法的規制から自由になるわけではなく、自社運用によってすべての制約を回避できるわけではない。
オープンウェイトの導入で変わる責任分担
API利用とオープンウェイトモデルの自社運用では、企業が担う業務の範囲が大きく異なる。丸紅経済研究所の分析とFuturumの企業調査を基に、主な責任分担を整理すると次のようになる。実際の分担は、利用するサービスやクラウド環境、契約内容によって異なる。
| 作業・管理項目 | API利用（クローズドモデル） | オープンウェイトの自社運用 |
|---|---|---|
| モデルの更新と安全対策 | モデル本体の更新や安全対策を提供者が実施 | 更新の適用や安全対策の維持を利用企業が判断・実施 |
| 不正利用の防止と脆弱性対応 | 提供者がモデル側の安全フィルタやアクセス監視を担当 | 利用企業がアクセス制御、監視、脆弱性対応などを継続 |
| 入力データとログの管理 | 提供者のサービス基盤へ入力情報を送信 | 自社環境や指定地域内で管理可能 |
| 価格と利用条件 | 提供者の料金体系や利用規約に従う | 運用費用を自社で管理できるが、モデルのライセンス条件には従う必要がある |
| サービス継続性 | 提供者の方針変更や規制によって停止する可能性がある | API停止への依存を減らせる一方、更新やサポートを受けにくくなる可能性がある |
| 計算資源とインフラ | 提供者の計算基盤を利用 | サーバーやクラウド計算資源の確保・運用が必要 |
最も大きな違いは、モデルを自社で動かすと、安全対策と継続的な運用の責任も自社に移ることだ。モデルの更新だけでなく、アクセス権限の管理、不正利用の監視、脆弱性への対応などを継続する必要がある。一方、データの保存場所や実行環境を自社で選べることは、API利用では得にくい自由度となる。
ただし、モデルを自社環境に置くだけで、外部事業者への依存がなくなるわけではない。丸紅経済研究所は、計算資源やクラウド運用、人材などを含むAIエコシステム全体の対外依存は残ると指摘している。モデル提供者への依存を減らせても、GPUやクラウド基盤、保守サービスなど、別の領域で外部事業者に頼る可能性がある。
安全性の維持にも注意が必要だ。オープンウェイトモデルは公開後に追加学習や改変が可能なため、元の開発者が設けた安全策や利用制限が弱められる場合がある。広く配布された重みについて、特定の組織や個人によるアクセスを後から技術的に遮断することも難しい。導入企業はモデルの初期状態を信用するだけでなく、自社の用途に応じた安全対策や検証体制を整えなければならない。
本番運用は42%に拡大、課題はインフラ費用と運用人材
こうした負担がある一方、オープンウェイトモデルの企業導入は進んでいる。Futurumが2026年9月に実施した200社対象の調査では、42%がオープンウェイトモデルを本番環境で運用していた。7月の31%から2カ月で11ポイント上昇している。本番運用企業83社では、AIトークン消費量に占めるオープンウェイトモデルの割合が平均34%となり、1年前の23%から拡大した。企業側は、この割合が今後12カ月で41%に達すると予測している。
ただし、調査対象は主に北米の企業であり、Futurum自身も米国市場の状況を強く反映した数字だと説明している。また、オープンウェイトモデルが使われる業務は比較的単純な処理が中心で、低難度のワークロードが占める割合は39%から51%へ上昇した。同社は、日常的な大量処理を低コストのモデルへ振り分け、高度な推論には高性能なクローズドモデルを使う構成が広がると予測している。
本番環境での運用先を見ると、自社管理のクラウドとオンプレミスが大きな割合を占めている。
データを表で見る
| 本番運用企業（複数回答） (%) | |
|---|---|
| 自社管理のクラウド | 46 |
| オンプレミス | 42 |
| 大手クラウドの推論サービス | 29 |
| 専門事業者のマネージド推論 | 27 |
自社管理のクラウドが46%、オンプレミスが42%となり、大手クラウド事業者の推論サービス（29%）や専門事業者によるマネージド推論（27%）を上回った。自社で運用環境を管理する企業が多い一方、その負担は導入を進める上での障壁にもなっている。
Futurumによると、セルフホスティングの費用が原因で、試験導入案件の50%が停滞している。この割合は以前の40%から上昇しており、セキュリティやコンプライアンスの審査が完了しないことも、62%の案件で導入を妨げているという。APIのトークン課金を削減できても、その費用がサーバー、クラウド計算資源、エンジニアの作業時間として発生する構図だ。
実際の投資対効果にも差が見られる。同社の別調査では、オープンウェイトモデルを自社構築し、大規模展開で持続的なROIを報告した割合は10%にとどまり、25%は成果を得られていない。一方、外部ソリューションでは17%が大規模展開で成果を報告している。また、オープンウェイトモデルを利用していない企業の52%は、自社運用や追加学習に必要な技術者の能力が不足していると回答した。こうした結果から、Futurumは多くの企業にとって、自社で一から構築するよりも、既存のプラットフォームを通じて利用する方が合理的だと分析している。
もっとも、企業全体のAI利用に占めるオープンウェイトモデルの割合は、まだ小さい。同社の2026年10月の別調査（100社）では、計測されたAI利用に占める割合は平均5%で、Microsoft 365 Copilotの36%、Claudeの29%を大きく下回った。ただし、セルフホスティングでは外部サービスの請求記録が残らないため、利用実態を十分に把握できていない可能性がある。さらに、511社を対象とした別調査でオープンウェイトをAI戦略の中核と位置付けた企業は14%にとどまっており、本番運用の拡大がそのまま企業全体での主流化を意味するわけではない。
自社運用を選ぶ前に確認すべき3つの条件
オープンウェイトモデルの導入を判断する際は、性能や利用料金だけでなく、運用に必要な資源と管理体制を含めて評価する必要がある。丸紅経済研究所は、企業の運用能力、求める性能、利用量、データの機密性に応じてモデルを使い分けることが重要だと指摘している。特に判断を左右するのは、利用規模、データ管理要件、継続的な運用能力の3点だ。
まず、十分な利用量が継続的に発生するかを確認する必要がある。自社運用によるコスト削減が期待できるのは、一定量以上の推論処理を継続する場合だ。利用量が少なければ、サーバーやクラウド基盤の固定費、人件費がAPI料金の削減額を上回る可能性がある。モデルの性能だけでなく、実際のワークロードに基づく総保有コスト（TCO）の比較が欠かせない。
次に、機密情報を自社管理下に置く必要性がある。入力データやログを外部のモデル提供者へ送信できない場合、自社環境での運用が有力な選択肢となる。ただし、外部クラウドを利用する場合には、データの保存場所やアクセス権限、事業者との責任分担について確認しなければならない。
最後は、モデルの更新やセキュリティ対策を継続できる体制があるかという点だ。導入時の構築だけでなく、脆弱性対応、アクセス監視、障害復旧、モデルの性能評価などを長期的に実施する必要がある。こうした人材や運用体制を確保できない場合は、クラウド事業者のマネージド推論サービスなどを利用し、インフラ管理の一部を外部に任せる方法もある。その場合も、契約内容に応じて自社に残る責任を明確にすることが重要だ。
オープンウェイトモデルは、API提供者への依存を減らし、データ管理や運用環境の自由度を高められる一方、安全対策や継続的な運用の負担も伴う。Futurumの調査が示すように、本番導入は進んでいても、自社構築によって十分な投資対効果を得られる企業は限られている。重要なのはモデルを自社で動かすこと自体ではなく、どこまでを自社で管理し、どの業務を外部事業者に任せるかを明確にすることだ。利用規模と機密性、運用能力を踏まえた責任分担こそが、導入の成否を左右する。
