随着生成式AI的普及，许多企业正为“机密信息的处理”而烦恼。对于将客户数据或公司重要信息输入云端AI服务，不少经营者感到犹豫不决。
在此背景下，SB C&S开始提供本地部署型生成式AI平台。这一举措的意义远不止于产品发布。对于经营者而言，AI应用的“第二选择”已变得切实可行。
云端AI的潜在风险与本地部署的价值
ChatGPT和Claude等云端生成式AI确实方便。然而，输入数据可能被用于训练，且信息泄露的风险无法完全排除。特别是处理客户信息、未公开的业务计划或专利相关数据时，将数据发送到云端本身就可能引发合规问题。
SB C&S开始提供的本地部署平台解决了这些难题。由于AI模型在公司内部服务器上运行，数据不会外泄。对于希望将生成式AI应用于高机密性业务的经营者来说，这是一大进步。
我个人在合同审查和反社会势力筛查的自动化中使用了AI，但初期也曾担心“这些数据发送到云端是否安全”。如果有本地部署环境，就能毫无顾虑地享受AI带来的好处。
正确把握成本与导入门槛
在考虑引入本地部署型AI时，成本是关注焦点。SB C&S的服务需要初期投入，包括服务器和GPU的购买费用。根据模型不同，通常需要100万～500万日元（约合5万～25万人民币）的投资。
不过，运行成本可能低于云端型。无需API使用费，也没有按数据流量计费的机制。从长远来看，如果每月产生数万至数十万日元的云端使用费，那么1～2年内即可收回投资。
导入时，公司是否拥有能管理GPU服务器的IT人才也是重要判断依据。虽然像SB C&S这样的销售合作伙伴通常会提供导入支持，但日常运维仍需公司自行负责。
本地与云端的灵活运用是经营战略的分水岭
关键在于，这不是“本地还是云端”的二选一问题。实际上，根据业务性质灵活运用才是现实之举。
例如，对外营销文案的撰写或基于公开信息的市场分析等低机密性业务，可使用云端AI。而客户数据分析或内部财务信息处理等业务，则采用本地部署型。这种混合策略能优化风险与成本的平衡。
根据PwC的调查，日本企业在生成式AI的“成果创造”方面落后于其他国家。原因之一正是由于对安全性的担忧而犹豫不决。本地部署型的出现，有望打破这一壁垒。
具体的导入步骤
作为经营者，首先应着手“公司数据映射”。梳理哪些业务涉及哪些数据，以及其中哪些需要AI处理。然后，从处理高机密性数据的业务开始，考虑引入本地部署型AI。
SB C&S的服务可选择Llama 2、Falcon等开源大语言模型。这些模型可商用，且定制自由度较高。理论上，还可根据公司业务对模型进行追加训练。
不过，模型的追加训练需要专业知识和GPU资源。建议先直接使用现有模型，验证其是否适用于业务。根据我的经验，初期使用通用模型往往就能获得足够精度。
经营者应立即采取的行动
SB C&S的发布表明，本地部署型AI的选择已“向普通企业敞开”。以往只有大企业才能考虑的安全AI环境，如今中小企业也能以现实成本获得。
首先，请向SB C&S或其他供应商申请本地部署AI的演示。通过确认实际运行情况和导入成本，做出适合公司的判断。同时，也验证云端AI能覆盖多少业务，这样设计混合策略会更顺畅。
AI导入已不再是“做不做”的问题，而是进入了“如何做”的阶段。如今拥有了本地部署这一选项，正是经营者亲自引领战略、在保护公司数据的同时最大化AI效益的时候。
在不外泄机密数据的前提下活用AI——这一新选择，将成为推动日本企业AI应用迈向新阶段的催化剂。
评论