「最近、AIという言葉をよく聞くけれど、うちのような葬儀社には関係ないのでは?」 「ご遺族の複雑な事情や、故人様のセンシティブな個人情報を扱うのに、よく分からない外部のAIにデータを入力するなんて絶対に無理だ」
現場で日々ご遺族と向き合っている葬儀事業者の方ほど、AIの導入に対して強い警戒心をお持ちではないでしょうか。事実、葬儀の現場は「究極の個人情報」の連続です。しかし同時に、深夜早朝問わず発生する事務作業や、形式に沿った案内状の作成、見積もりの調整など、本来であれば効率化したい「待ったなしの業務」に追われているのも現実です。
「情報を絶対に外に出さず、安全にAIに手伝ってもらう方法はないのか?」
実は今、その答えとして注目されているのが、手元のパソコンの中で完全にオフラインで動く「ローカルLLM(ローカルAI)」という技術です。
この記事では、話題の最新ローカルAI「Gemma 4 12B」を例に挙げながら、普段私たちが耳にするChatGPTのような「クラウド型AI」と何が違うのかを解説します。「常に最新で賢いけれどデータ管理に工夫がいるクラウドAI」と、「少し賢さは劣るけれど絶対に情報が漏れないローカルAI」。ITの専門知識がなくても分かるように、これからの終活や葬儀業務のデジタル化において、どちらをどう使うべきかの現実的な戦略をお伝えします。
1. クラウドLLMとローカルLLMの本質的な違い
ChatGPTやGemini(Web版)などのクラウドLLMと、手元のPCで動かすローカルLLM。この2つは「どこで計算しているか」だけの違いではなく、活用における前提が大きく異なります。
| 比較軸 | クラウド型LLM (ChatGPT, Gemini等) | ローカル型LLM (Gemma, Llama等) | 決定的な違いが生む影響 |
| データの所在 | サービス提供者のサーバー(クラウド) | ユーザー自身のハードウェア内 | 【機密性】 ローカルはオフラインで完結するため、極秘の社内データや個人情報を学習・解析させても外部流出のリスクがゼロ。 |
| モデルの規模 | 数千億〜数兆パラメータの超巨大モデル | 数十億〜数百億パラメータの中規模モデル | 【知能の限界】 複雑な論理推論や広範な一般常識はクラウドが圧倒的に優れる。ローカルは特定のタスク(要約、翻訳、コード生成)に特化させることで実用レベルに達する。 |
| コスト構造 | 従量課金(API)または月額サブスクリプション | 初期投資(PC・GPU代)+電気代 | 【利用の自由度】 ローカルはどれだけ大量のデータを処理させても追加コストがかからないため、数万件のログ解析といった力技が容易。 |
| カスタマイズ性 | 提供者が用意した枠組み内での調整(プロンプト等) | モデル自体の改造、追加学習(ファインチューニング) | 【独自性の構築】 ローカルは特定の業界用語や自社のトーン&マナーを「モデルそのものの脳内」に焼き付けることが可能。 |
| 安定性・可用性 | ネット回線とサービス提供者のサーバー状況に依存 | 手元のハードウェアが動く限り、永続的に利用可能 | 【依存性】 クラウドはサービス終了や規約変更で突然使えなくなるリスクがある。ローカルは環境を自己所有できる。 |



