Spectro Cloudで推論を自社機器へ|AIコーディングの回し方

Spectro Cloudで推論を自社機器へ|AIコーディングの回し方

「AIコーディングの利用料が、席の定額では収まらなくなってきた」「社内のコードを毎回外部のAIに送り続けてよいのか、そろそろ線を引きたい」——開発部門と情シスの予算会議で、2026年に入って急に増えた声です。調査会社のガートナーは2026年6月、トークンの消費が膨らみ、AIコーディングの費用が2028年までに開発者の平均給与を上回るという予測を出しました。問われているのは、外部のAIをやめるかどうかではなく、どの要求を社内で答え、どの要求だけを外へ出すかという振り分けの持ち主です。この記事では、Kubernetes 管理で知られる米国の Spectro Cloud が AMD・Dell と組んで発表した、社内に置くAIコーディング用の機器を例に、推論を自社の機器へ寄せると何が減り、代わりに何を抱えるのかを整理します。


カメ先生カメ先生

社内に機器を置けば、コードは外に出なくなるし、利用料も止まる、と思われがちなんだ。でも本当は、この種の機器は難しい要求を外部のモデルへ回す仕組みを最初から持っていて、どこまでを外へ出すかは社内で決める規則しだいなんだよ。


カメ子カメ子

全部を社内で答えるのではなく、社内と外部に振り分ける箱、ということですか。


カメ先生カメ先生

そう。だから、機器を買う判断と同じくらい、振り分けの規則を誰が書き、上限を誰が決め、機器とモデルの更新を誰が持つかが大事になる。そこを決めずに入れると、費用も送信先も前より見えにくくなることさえある。


カメ子カメ子

機器の性能より先に、社内の持ち主を決めておくものなんですね。


この記事のポイント
  • Spectro Cloud の機器は、社内のGPUでオープンウェイトのモデルを動かし、難しい要求だけを規則に沿って外部の最先端モデルへ回す
  • 削れるのは外部への支払いと送信の量であり、容量・保守・性能差・振り分け規則の管理は社内に残る
  • 外へ出してよいコードの範囲、部門ごとの上限、機器とモデルの持ち主、やめ方を、導入前に文書で決める

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

Spectro Cloudとは:クラスタ管理の会社が、推論の機器を出すまで

Spectro Cloud は、Kubernetes のクラスタを多数まとめて管理する基盤「Palette」で知られる米国の会社です。データセンター、複数のクラウド、工場や店舗のような現場の拠点に散らばったクラスタを、同じやり方で立ち上げ、更新し、統制するための製品を作ってきました。創業者らは、以前にハイブリッドクラウドの管理を手がける会社を起こしてシスコに売却した経歴を持つと報じられています。

ここ数年は軸足をAI基盤に移し、GPUの搭載機、Kubernetes、ドライバ、推論の実行環境、モデルまでを一続きで管理する「PaletteAI」を前面に出しています。公式の会社説明では、企業だけでなく、公共機関、新興のGPUクラウド事業者、データを自国内に置くことを重視するクラウド事業者を顧客に挙げ、外部と切り離した環境でも動かせることを特徴に掲げています。

つまり、もともと得意なのは「機器の上に載るソフトの土台を、更新し続けられる形で配ること」です。今回のAIコーディング用の機器も、モデルや開発支援の道具を自社で作ったというより、GPUの機器と推論の土台を組み合わせ、社内で運用できる形に固めて渡すものと理解すると、何を任せられて何が社内に残るかが見えやすくなります。

2026年の発表を順に読む:資金調達から機器の発表まで

今年の動きは四つあります。一つ目は2026年7月15日の資金調達で、1億ドルを超えるシリーズDを、ゴールドマン・サックスの成長投資部門の主導で集めたと発表しました。AMDの投資部門や通信機器大手のエリクソンなども参加し、累計の調達額は2億6,000万ドルになったと公表しています。使い道として、PaletteAI の機能拡充、欧州・中東・アジア太平洋での販売強化、AI基盤の各社との提携を挙げています。

二つ目は7月21日の、PaletteAI の推論向けパッケージ「インファレンス・ローンチパッド」の提供開始です。社内のGPUでオープンなモデルを動かし、要求を社内のモデルと外部の最先端モデルに振り分け、トークンの使用量を計測し、上限と統制の規則をかけるもので、NVIDIA と AMD のどちらのGPUでも同じ運用で動くと説明しています。三つ目は8月5日で、AMD・Supermicro と組んだ機器「AMD Instinct Coder」を発表しました。最初の構成は AMD の MI325X というGPUを使うとしています。

四つ目が11月10日の「AMD Instinct Coder 355」です。Dell のAI向けサーバーに、より新しい MI355X を8基積んだ上位の構成で、大きなオープンウェイトのモデル、長い文脈、より多くの同時利用に対応すると説明しています。半年たらずの間に、資金調達、推論の土台、機器の2世代が続けて出ており、終了や受付停止の告知は見当たりません。一方で、製品としての歴史はまだ数か月と短いことも、導入判断では押さえておく必要があります。

機器の中身:1台に何が入り、何人を支えると公表しているか

公式の製品ページと11月の発表から、AMD Instinct Coder 355 の構成を整理すると次のようになります。機器そのものは、AMD のサーバー向けCPU2基と MI355X を8基積んだ Dell のサーバーで、Supermicro のサーバーで組む構成も用意されています。その上で、Spectro Cloud の推論の土台が、基本ソフト、Kubernetes、GPUのドライバ、推論サービスを機器の素の状態から組み上げ、更新や修正の適用まで管理すると説明しています。

項目公式の説明(要旨)社内で確かめること
支える人数1台で約85人、同時に約50人自社の利用の山の時間帯に何人が同時に使うか
同梱のモデルコーディング向けの GLM-5.3 などオープンウェイトのモデル。地域や自国内向けのモデルも選べるモデルの提供元・ライセンス・社内規程との整合
外部への振り分け規則に沿って Anthropic・OpenAI・Google・xAI の最先端モデルへ回せる外部の契約を自社で持つのか、どの経路で送るのか
つなぐ道具Claude Code・Codex・Cursor・Visual Studio Code などを標準の推論APIで向け先だけ変える社内で使っている道具が実際に動くかの試験
計測と上限要求ごとにチーム・利用者・用途で計測し、部門ごとの上限をかける計測データを誰が見るか、何に使うか
保守ソフトは Spectro Cloud が一括で支援、機器は3年の翌営業日の訪問保守4年目以降の扱いと、障害時の代替手段

表の右列は、公式の説明にはない、社内で決めるべきことです。たとえば同梱のモデルについて、公式ページは GLM-5.3 を挙げていますが、どの国のどの組織が公開したモデルか、利用条件に何が書かれているかは、社内の調達規程や取引先との契約に照らして情シスと法務が確かめる項目です。価格は公式の発表には出ておらず、販売代理店経由の見積りになります。

  • 人数・削減率・性能の数字は、いずれも提供元が想定した使い方での公称値であり、自社の利用で同じ値が出る保証はありません
  • 複数台をまとめて管理する場合は、PaletteAI の別契約が必要と11月の発表に書かれています

よくある誤解:社内に置けばコードは外に出ない

この種の機器を社内で説明すると、「これでソースコードを外部に送らずに済む」という受け止めが最初に返ってきます。半分は正しく、半分は誤りです。公式の製品ページは、社内のモデルの能力を超える要求や、機密度の基準に当たる要求は、開発基盤を運用するチームが決めた規則に沿って外部の最先端モデルへ回すと説明しています。外部への経路は、最初から仕組みの一部として組み込まれているのです。

ここで言うチームは、社内の開発基盤を運用する部署を指します。つまり、どの要求が外に出るかを決めるのは機器ではなく、社内の誰かが書く規則です。規則が「難しそうなら外へ」とだけ書かれていれば、開発者が大きなリポジトリ全体を読ませる指示を出すたびに、コードのかなりの部分が外部へ送られることも起こり得ます。逆に「外へは一切出さない」と決めれば、送信はなくなる代わりに、難しい作業で性能の差がそのまま開発者に跳ね返ります。

もう一つの誤解は、社内で動くなら情報管理の確認は要らないというものです。社内の機器の上でも、誰がどの要求を送り、どんなコードや指示文が記録として残るかは管理の対象です。要求の記録そのものが、機密のコードを含む新しい保管場所になるからです。記録の保存期間と閲覧できる人を、機器の設置前に決めておく必要があります。

  • 機器を入れたので外部への送信はゼロになったと、規則の中身を見ないまま社内に説明する
  • 外部へ回す規則を提供元の初期設定のまま本番に出し、どの要求が外へ出たかを誰も確認しない
  • 要求の記録を機器の中に置きっぱなしにし、保存期間も閲覧者も決めていない
  • 削減率の公称値をそのまま稟議の効果額に書き、自社の利用で測り直さない

外部APIのままと何が変わるか:三つの形を並べる

AIコーディングの推論の置き方は、大きく三つに分けられます。一つ目は、各開発者が外部のサービスをそのまま使う形です。二つ目は、外部のサービスを使いつつ、社内に中継の仕組みを置いて計測と上限をかける形です。三つ目が、今回のような機器を社内に置き、社内のモデルで答えられる要求は社内で答え、残りだけを外へ回す形です。

比べる軸外部サービスを直接外部+社内の中継社内の機器+外部へ振り分け
費用の増え方使った分だけ増え、上限がない使った分だけ増えるが、部門ごとに止められる機器の購入と保守が固定でかかり、外部分だけが使った分で増える
コードの送信先すべて外部すべて外部(中継で記録は残る)規則で外へ回した要求だけ外部
性能最先端モデルの性能最先端モデルの性能社内のモデルで答える分は、最先端より劣る場合がある
社内の負担契約と利用規程だけ中継の運用と規則の管理機器の設置・保守・更新、規則の管理、容量の監視
始めるまでの時間すぐ数週間調達・設置・試験を含めて数か月

比べると、三つ目の形は「固定費を払って、使った分で増える部分を小さくする」選択だと分かります。したがって、利用がまだ少ない段階で機器を入れると、固定費だけが先に立ち、外部を直接使うより高くつくことがあります。逆に、社内の利用が一定の量を超え、しかも増え続けている組織ほど、固定費を回収しやすくなります。

隣の論点として、AI基盤を借りるか自前で持つかの一般論や、分散推論をどの規模から組むかといった話もありますが、ここではそれらには立ち入りません。この記事で考えるのは、すでにAIコーディングを全社で使っている組織が、外部への支払いと送信をどこまで社内に引き取るかという一点です。

75%減という数字の読み方:何と比べた値か

11月の発表は、トークンの費用を最大75%減らすとうたっています。7月と8月の発表では最大70%でした。製品ページはもう少し詳しく、「最先端モデルだけを使う場合と比べて75%の削減、約6か月で回収」とし、その前提を、85人の開発者が社内と外部を混ぜて使う想定で試算したと注記しています。実際の結果は、稼働率、モデルの使い分け、外部モデルの価格で変わるとも明記しています。

この注記から読み取るべきことは三つあります。第一に、比べている相手は「すべてを最先端モデルで処理する場合」です。すでに安いモデルを使い分けている組織では、削減の余地はそれより小さくなります。第二に、85人が日常的に使う前提なので、実際に使う人が20人なら、機器の固定費を少ない人数で割ることになり、回収の期間は延びます。第三に、外部モデルの価格が下がれば、社内に寄せる効果はその分だけ縮みます。

製品ページは、500人の開発組織を例に、エージェントを多用する約3分の1の利用者が1人あたり月500〜1,000ドル超、残りが月100〜250ドルを使い、年間の外部費用は140万〜300万ドルになると試算しています。これは提供元の見立てなので、自社の請求書で置き換えて計算し直すのが筋です。直近3か月の外部AIの請求を、部門と利用者ごとに分けて並べるところから始めると、機器を入れて元が取れる規模かどうかが見えます。

振り分けの規則を誰が書くか:外へ出るコードの範囲

製品ページによれば、社内の中継の仕組みは要求ごとに、機密度、作業の種類、上限の残りを評価して、社内のモデルに送るか外部へ回すかを決めます。ここで重要なのは、「機密度」と「難しさ」の判定基準を、社内の誰が決め、誰が承認するかです。提供元は仕組みを用意しますが、自社のどのリポジトリが機密か、どんな作業なら外へ出してよいかは知りません。

実務では、規則の起案を開発基盤の運用部署が行い、承認を情報セキュリティの責任者が行う形が考えやすいでしょう。開発部門の責任者は、性能の面から「外へ出せないと困る作業」を挙げる立場で加わります。三者の意見が割れたときにどちらを優先するかも、あらかじめ決めておきます。判定そのものをAIに任せきりにせず、判定の根拠を記録に残させることも欠かせません。外へ回した要求ごとに「なぜ外へ回したか」が残っていれば、後から規則の妥当性を見直せます。

規則は一度書いて終わりではありません。社内のモデルが入れ替わって性能が上がれば、外へ回す範囲は狭められます。新しい機密のプロジェクトが始まれば、その範囲を社内専用に加える必要があります。規則の変更は、誰が申請し、誰が承認し、いつから有効になったかを記録する運用にしておくと、監査や事故の調査で困りません。

外へ回してはいけないコードの決め方

振り分けの規則を書く前に、外部へ出してはいけないものの一覧が要ります。目安になるのは、顧客から預かった仕様や設計の情報、契約で第三者への開示が禁じられているもの、未発表の製品のコード、認証情報や鍵が紛れ込みやすい設定ファイル、個人情報を扱う処理のテスト用データなどです。これらは、難しさに関係なく社内のモデルだけで扱うと決めておきます。

判定はリポジトリ単位で決めるのが現実的です。ファイルや行の単位で機密かどうかを機械に見分けさせる方法もありますが、取りこぼしが出たときの影響が大きく、説明もしにくくなります。リポジトリごとに「社内専用」「外部可」の区分を付け、区分のないリポジトリは社内専用として扱う、という決まっていないものは外へ出さない側に倒す原則にすると、運用が安定します。

取引先との契約も確認が必要です。受託開発では、発注元のコードを外部のAIに送ることを契約で禁じている場合があります。社内の機器で答える分には問題がなくても、規則の設定しだいで外へ回る経路がある以上、受託案件のリポジトリは外部可の区分にしないのが安全です。発注元に説明するときも、「社内の機器で処理し、外部へは送らない設定にしている」と具体的に言えるようにしておきます。

開発者に「どちらで動いたか」を見せるか

公式の説明では、開発者はこれまでの道具をそのまま使い、向け先だけを社内の機器に変えます。その奥で、中継の仕組みが社内と外部を振り分けます。開発者の体験を変えないことは導入の利点ですが、裏返すと、いま受け取った答えが社内のモデルのものか外部のモデルのものかが、開発者から見えにくいということでもあります。

見せるかどうかは、二つの理由から「見せる」側に倒すことをおすすめします。一つは品質の判断です。社内のモデルの答えが物足りないと感じたとき、それが社内で処理されたせいなのか、指示の出し方の問題なのかを開発者が切り分けられます。もう一つは情報管理の意識です。自分の要求が外に出たと分かれば、機密のコードを貼り付ける前に一度立ち止まれます。

見せ方は、要求ごとの通知までは要りません。日ごと・週ごとに、自分の要求のうち何割が社内で処理され、何割が外へ回ったかを本人が確認できれば十分です。開発者から「この作業は外へ回してほしい」「この作業は社内だけにしてほしい」という申請を受け付ける窓口も用意すると、規則の見直しの材料が集まります。

部門ごとの上限と計測:止めるのか、知らせるのか

公式の説明では、要求ごとにチーム、利用者、用途の単位で計測し、部門ごとに上限をかけられます。社内の処理分と外部の支払い分を並べて表示できるとしています。ここで決めるのは、上限に達したときに止めるのか、知らせるだけにするのかです。

社内の機器で処理する分は、使っても追加の支払いが増えるわけではありません。増えるのは外部へ回した分の費用です。そこで、社内の処理には緩い上限をかけて容量の取り合いを防ぎ、外部への振り分けには部門ごとの月額の上限をかけて超えたら止める、という二段構えが考えやすい形です。上限に達した部門は、外部へ回らず社内のモデルだけで答える状態に落とす設定にすれば、開発が完全に止まることも避けられます。

計測のデータには、誰がどれだけ使ったかが残ります。これを人事評価に使うと、開発者は使用量を抑えるか、逆に使っている姿を見せるために無駄に使うようになり、どちらも本来の目的から外れます。個人ごとの数字は費用の配分と容量の計画にだけ使い、評価には使わないと、導入時に文書で約束しておくのが安全です。

50人の容量を超えたとき:待たせるか、外へ逃がすか

1台が支えるのは同時に約50人と公表されています。全社で200人の開発者がいても、全員が同時に使うわけではないので、1台で足りる場合もあります。問題は、午前中や締め切り前のように利用が集中する時間帯です。同時の利用が容量を超えると、社内のモデルの応答が遅くなり、開発者の待ち時間が増えます。

このときの選び方は二つあります。一つは待たせることで、外部への支払いは増えませんが、開発者の生産性が落ちます。もう一つは外部へ逃がすことで、待ち時間は減りますが、費用が増え、送信の範囲も広がります。混雑時に外へ逃がす場合でも、社内専用の区分のリポジトリは逃がさないという線を、振り分けの規則に必ず入れておきます。

容量の計画は、導入前の試験期間に測った実績から立てます。提供元は、11人のチームが72時間で約18億トークンを社内で処理したという実測を紹介していますが、これも一例です。自社の開発者が1日のうちいつ、どれだけ使うかの分布を中継の計測で数週間取り、山の高さが1台の容量に収まるかを確かめてから、2台目の要否を判断します。

最先端モデルとの差:社内のモデルに任せる作業、任せない作業

製品ページは、社内のモデルが最先端モデルの性能の最大95%に達すると公称しています。11月の発表でも、いまのオープンウェイトのモデルはAIコーディングの作業の大半をこなせると述べています。ただし、どの作業で測った値かによって意味は大きく変わります。決まった型のテストを書く、既存の関数を説明する、小さな修正を提案するといった作業では差が小さくても、大きな設計の変更や、原因の分からない不具合の調査では差が開きやすいと考えるのが自然です。

そこで、社内のモデルに任せる作業と、外部へ回す作業を、作業の種類で分けて規則に落とします。提供元の説明でも、深い調査や新しい推論が要る作業を外部へ回す例が挙げられています。どちらのモデルが書いたコードであっても、本番に入るコードの採否はAIに決めさせず、人がレビューして決めることは変わりません。社内のモデルに切り替えた直後は、レビューで差し戻す割合が増えていないかを見ておきます。

性能の比較は、提供元の数字ではなく自社の作業で行います。過去に実際にあった修正の依頼を20〜30件選び、社内のモデルと外部のモデルの両方に同じ指示を出して、レビューの担当者がどちらの答えかを伏せて評価します。どの種類の作業で差が出たかが分かれば、そのまま振り分けの規則の材料になります。

機器とモデルの持ち主:更新・入れ替え・保守の分担

外部のサービスを使っている間は、モデルの更新は提供元の仕事でした。社内に機器を置くと、モデルを新しい版に入れ替える判断と作業が社内に移ります。公式の説明では、Spectro Cloud の推論の土台が基本ソフトから推論サービスまでの更新や修正の適用を管理し、ソフト全体の支援を同社が一括で提供するとしています。それでも、新しいモデルに入れ替えてよいかを決めるのは社内です。

持ち主は三つに分けて決めます。機器そのもの(設置場所、電源、冷却、故障時の訪問保守の窓口)はデータセンターや情シスの基盤担当、推論の土台とモデルの入れ替えは開発基盤の運用部署、振り分けの規則と上限は前述の起案者と承認者です。モデルを入れ替えるときは、前の版に戻せる状態を残し、先ほどの比較試験をもう一度通してから全社に広げる手順にしておきます。

機器の寿命も考えておく必要があります。公式の製品ページでは、機器の保守は3年の翌営業日の訪問とされています。GPUの世代交代は速く、8月に出た MI325X の構成のわずか3か月後に MI355X の構成が出ました。3年後に機器を更新するのか、外部に戻すのか、別の用途に転用するのかを、購入の稟議の段階で書いておくと、更新時期に慌てずに済みます。

導入を定着させる手順:試験から全社展開まで

機器を入れて終わりにせず、社内の運用として回り続けるところまで持っていくには、段階を踏むのが確実です。公式の説明では、推論の土台は1日で稼働を始められるとしていますが、運用の規則づくりにはそれより長い時間がかかります。次の順で進めると、途中で判断を誤りにくくなります。

STEP1
外部AIの請求と利用を3か月分並べる

部門・利用者・作業の種類ごとに、外部のAIコーディングにいくら払い、どれだけ使っているかを並べます。機器の固定費を回収できる規模かどうかの見当を、ここで付けます。

STEP2
外へ出してはいけないリポジトリを決める

リポジトリごとに社内専用か外部可かの区分を付け、区分のないものは社内専用とする原則を、情報セキュリティの責任者が承認します。

STEP3
小さなチームで試験する

提供元の試験環境や貸し出し機を使い、10〜20人のチームで数週間動かします。社内と外部の処理の割合、待ち時間、レビューでの差し戻しの割合を測ります。

STEP4
振り分けの規則と上限を文書にする

試験の結果から、作業の種類ごとの振り分け、部門ごとの外部費の上限、上限に達したときの動きを決め、変更の手続きとあわせて文書にします。

STEP5
部門ごとに広げ、月ごとに見直す

一度に全社へ広げず、部門単位で順に切り替えます。毎月、外部費、社内の処理の割合、待ち時間、開発者からの申請を見て、規則と容量を見直します。

この手順のうち、規則を文書にする段を飛ばして全社に広げるのが最も多い失敗の型です。試験のときの設定がそのまま本番の規則になり、誰も承認していない振り分けが動き続けることになります。

やめ方:外部に戻すときに困らないために

導入の判断と同時に、やめるときの手順も決めておきます。この種の機器は、開発者の道具からの向け先を変えるだけでつながる作りなので、外部のサービスに戻すときも、向け先を外部に戻せば、開発者の道具はそのまま使えるのが原則です。逆に言えば、社内の機器の上だけで動く独自の設定や拡張を増やすほど、戻すのが難しくなります。

戻すときに残るものも洗い出しておきます。要求の記録と計測のデータ、振り分けの規則の履歴、社内で調整したモデルの設定です。記録には機密のコードが含まれるので、保存して監査に備えるのか、期限を決めて消去するのかを決め、機器を手放す前に記憶装置の消去を確かめます。機器を処分・返却するときの記憶装置の消去方法を、購入時の契約で確認しておくと安全です。

やめる判断の基準も先に置いておくと、ずるずると使い続けることを防げます。たとえば「外部費の削減が試算の半分に届かない状態が6か月続いた」「社内のモデルの答えへの差し戻しが一定の割合を超えた」「機器の更新費が外部に戻す費用を上回った」といった条件です。条件と判断する人を、稟議書に書いておくことをおすすめします。

よくある質問

社内に機器を置けば、外部のAIの契約は解約できますか

公式の説明では、社内のモデルで足りない要求を外部の最先端モデルへ回す仕組みが前提になっています。外部へ一切回さない設定にすれば解約も考えられますが、難しい作業での性能の差を受け入れることになります。多くの組織では、外部の契約は残したまま、使う量を減らす形になると考えられます。

開発者が使っている道具はそのまま使えますか

製品ページは、Claude Code、Codex、Cursor、Visual Studio Code などを、標準の推論APIの向け先を変えるだけでつなげると説明しています。ただし、道具の版や設定によって動きが違うことがあるため、社内で使っている組み合わせを試験期間に必ず確かめてください。

日本で購入や保守を受けられますか

11月の発表では、Spectro Cloud と同社の販売代理店・流通の提携先を通じて注文できるとしています。日本での販売窓口や訪問保守の体制は公式の発表には明記されていないため、見積りの段階で、保守の対応地域と時間、交換部品の手配の流れを確認する必要があります。

社内のモデルで答えた内容に誤りがあったら、誰の責任ですか

どちらのモデルが書いたかにかかわらず、本番に入るコードの採否は人のレビューで決める運用にしておけば、責任の所在は従来の開発と変わりません。AIの答えを採用したかどうか、誰が承認したかを、通常のレビューの記録に残すことが前提です。

まとめ

Spectro Cloud が AMD・Dell と組んで出したAIコーディング用の機器は、社内のGPUでオープンウェイトのモデルを動かし、難しい要求だけを規則に沿って外部の最先端モデルへ回す仕組みです。外部への支払いと送信の量を減らせる一方で、容量の計画、機器とモデルの保守、性能の差、振り分けの規則の管理という新しい仕事が社内に移ります。導入の前に、外へ出してはいけないリポジトリ、振り分けの規則の起案者と承認者、部門ごとの上限、機器とモデルの持ち主、やめる条件を文書で決めておくこと。削減率の公称値は自社の請求で測り直し、本番に入るコードの採否は人が決める。この二つを守れば、社内に機器を置く判断を、費用と情報管理の両方から説明できるようになります。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次