SUHO
お問い合わせ

03 / LOCAL LLM

Local LLM

社内の知識を、社内の力に。

蓄積された資料を、必要な答えへ。
データの取り扱いと権限を考え、
自社の管理下で使うAIを設計します。

業務での活用例
Local LLM System: User / Chat UI、AI Agent、LLM Gateway、Local LLMを結び、MCP経由でメモリ、社内文書、ベクトルデータベース、業務システムと連携する構成例
構成・通信フローのイメージ / 実際の通信ではありません。
図中の製品・セキュリティ・費用は、構成と利用条件に応じて確認します。

YOUR KNOWLEDGE. YOUR ENVIRONMENT.

モデルの導入から、
業務で使える仕組みへ。

社内文書、利用者、運用ルール。
AIを使う環境を、まとめて整えます。

01

データの置き場所を設計する

モデルの実行場所だけでなく、文書の保存、検索、ログ、外部通信まで確認。社内サーバーなど、お客様の管理要件に合う構成を検討します。

02

社内文書を、回答の根拠にする

関連する資料を検索して回答に活用するRAGを検討。文書の整理、検索の精度、出典の表示を含め、元の情報に戻って確認できる仕組みを設計します。

03

利用者ごとの権限を守る

誰がどの文書を参照できるかを整理。検索対象、回答、履歴まで含めてアクセス制御を検証し、運用時の更新・削除ルールを整えます。

KNOWLEDGE IN PRACTICE

探す時間を、考える時間へ。

回答だけで終わらず、
根拠となる文書まで確認する。

架空の文書による回答例 / 実際のAI応答ではありません

QUESTION

社内ツールの利用申請は、
どこから進めればいい?

回答例

社内ポータルの「ITサービス申請」から申請します。利用するツール、業務目的、利用予定人数を記入し、所属長の承認後に情報システム部が確認します。

承認までの日数は資料に記載がありません。情報システム部への確認が必要です。

参照した文書

ITサービス利用ガイドサンプル文書 / 第2章

ツールの利用申請は、社内ポータルの「ITサービス申請」から行う。ツール名、業務目的、利用予定人数を記載し、所属長の承認を受けたうえで情報システム部が確認する。

SUHOの支援範囲

規程・マニュアルの整理、検索対象の設計、回答と根拠の一致確認。資料にない内容を断定しないための評価も行います。

回答の正確性は保証されません。文書の品質、検索方法、モデル、設定を評価し、重要な判断には人による確認を組み込みます。

FROM DOCUMENTS TO ANSWERS

知識をつなぐ、4つの工程。

検索から回答までを、
自社の管理要件に合わせて設計。

  1. 01 / INGEST

    文書を整える

    対象資料を選び、文字の抽出、分割、更新・削除の方法を整理します。

  2. 02 / RETRIEVE

    根拠を探す

    質問に関連する資料を検索。利用者が閲覧できる情報に対象を限定します。

  3. 03 / GENERATE

    回答を組み立てる

    検索した内容をモデルへ渡し、回答と参照元を提示する構成を検討します。

  4. 04 / REVIEW

    確認し、改善する

    根拠との一致や回答できない質問を評価し、文書と設定を見直します。

「ローカル」だけで、閉域になるわけではありません。

モデル、埋め込み処理、文書解析、認証、ログ、更新の通信先まで確認します。外部APIを使わない構成や通信制御を含め、必要な分離条件を検証します。

START SMALL. BUILD WITH CONFIDENCE.

小さく確かめて、業務へ広げる。

AI基盤の構成を見る
01

対象業務と条件の整理

解決したい質問、文書の種類・権限、利用人数、応答時間の目標を確認。モデルの利用条件と既存機器の仕様も整理します。

対象業務 / データ条件 / 評価基準
02

限定した資料で検証

代表的な質問と正解の根拠を用意し、回答品質、検索結果、権限、処理時間を確認。検索拡張とモデル調整の必要性を分けて検討します。

検証環境 / 評価結果 / 改善方針
03

運用ルールを整えて展開

利用範囲と担当者を定め、文書更新、権限変更、ログ管理、障害時の対応を整備。実際の利用状況に合わせて改善を続けます。

運用手順 / 利用ガイド / 見直し計画

QUESTIONS & ANSWERS

よくあるご質問

インターネットに接続せずに利用できますか?

モデルの取得や初期構築、更新の方法を含めて検討します。推論だけでなく、文書解析、検索、認証などの依存先もローカルで動作する構成を選び、外部通信の有無を確認します。実現可否は対象機能と製品により異なります。

社内文書を使うには、追加学習が必要ですか?

必ずしも必要ではありません。RAGは、関連文書を検索してモデルへ渡す構成です。まず文書の整備と検索・回答の評価を行い、業務固有の表現や出力形式などに応じて、モデル調整の必要性を別途検討します。

どの程度のGPUやサーバーが必要ですか?

モデルの規模、量子化、入力の長さ、同時利用数、応答時間の目標によって変わります。既存機器の活用も含め、対象モデルと想定業務で検証してから構成を判断します。

閲覧権限のない文書が回答に含まれませんか?

検索前の権限確認や文書単位の制御を設計し、権限の異なる利用者で検証します。共有履歴やキャッシュ、権限変更の反映も確認が必要です。モデルの指示文だけにアクセス制御を任せる構成にはしません。

費用と導入期間を教えてください。

文書の量と形式、同時利用数、機器構成、システム連携、検証範囲により異なります。まず対象業務と条件を整理し、初期検証と本番展開を分けて支援範囲・お見積もりをご案内します。

LET'S PUT YOUR KNOWLEDGE TO WORK

社内の知識から、はじめませんか。

活用したい文書と、解決したい業務をお聞かせください。
データの取り扱いに合わせた進め方をご提案します。

Local LLMについて相談する

Local LLM System

構成・通信フローのイメージ / 実際の通信ではありません。