中国製の安価なAIモデルへ企業が乗り換え｜フィリピンで日本企業がコストと安全性を両立する方法
中国製の安価なAIモデルへの乗り換えが進むなか、フィリピン進出の日本企業がAI費用の削減とデータ保護をどう両立するかを解説。NPC規制やペソ予算、モデルの使い分けまで実務手順を整理します。
運営者・AIエンジニア ／ IT歴36年以上・マニラ在住13年以上
中国製の安価なAIモデルに企業が乗り換え始めた ― フィリピンで日本企業がコストと安全性をどう両立するか
DoorDashやAirbnbが中国発の安いAIモデルを試す動きを手がかりに、フィリピンの日本企業が費用削減と顧客データの安全性をどう両立するかを実務目線で学べます。
Part 1: このテーマが重要な理由
Step 1: フィリピンビジネスでの背景 (3分)
AIを使った業務では、処理した文字量（トークンと呼ばれる単位）に応じて費用がかかります。この費用が上がるなか、アメリカ企業ではなく中国発の安いAIモデルを試す会社が増えている、という動きが元記事のテーマです。
フィリピンでこの話が重要なのは、現地に多いBPO（業務を外部に委託して代行する事業）や、日本本社の業務を支える拠点が、AIの利用費用に敏感だからです。顧客対応や経理の代行、社内の問い合わせ対応などで大量にAIを使うと、費用がそのまま利益を圧迫します。安いモデルへの関心が高いのは自然なことです。
一方で、安さだけで選ぶと情報の安全性という別の問題が出てきます。フィリピンでは個人情報の取り扱いをNPC（国家プライバシー委員会。個人情報保護を監督する政府機関）が監督しています。顧客データを海外のAIに送る前に、日本企業として慎重な判断が求められます。安さと安全のバランスを、日本本社と現地拠点の両方が理解しておく必要があります。
マニラのオフィスで、あなたが日本人マネージャーとして朝会に臨む場面を思い浮かべてください。現地のIT責任者が「AIの月額費用を下げるために、中国製の安いモデルに切り替えたい」と提案してきます。あなたは「費用は下げたい。でも顧客データの扱いは大丈夫か」と考えます。このガイドは、その場でどう判断し、どう同僚に説明するかを支えるための教材です。
Step 2: 元記事の要点を整理する (5分)
元記事で語られている事実を、要点ごとに整理しました。
| 項目 | 元記事で語られている内容 |
|---|---|
| 中心的な動き | 顧客と接する企業が、費用を下げるため中国発の安いオープンソースAIを試し始めています |
| 高価とされる米国勢 | OpenAI、Google、Anthropicは高性能ですが、価格は高い部類に入るとされています |
| DoorDashの事例 | 共同創業者でCTOのAndy Fang氏が、限定ベータの実験ツール「DoorDash CLI」を出すと表明しました。Moonshot AIのモデルが「品質が良く」「費用が安い」と述べています |
| その他の採用例 | AIコーディングのCursorはMoonshotのKimiを、LindyはDeepSeekのV4を採用したと報じられています。AirbnbやSiemensも中国製AIを試しています |
| 専門家の分析 | CSISのYasir Atalan氏は、乗り換えの理由を費用、性能、オープンソースの利用しやすさの3点だと説明しています |
| ローカル運用の費用 | 自社内で動かすには高性能な計算機が要り、GPUなどに3万ドル規模の投資が必要になると述べています |
| 安全性への警告 | Horizon3.aiのSnehal Antani氏は、自社のコードや利用者データを外国の監視にさらす危険があると警告しています |
| 利用の広がり | 中国製モデルはGitHubやHugging Faceで広く入手できます。2026年3月16日のHugging Faceの調査では、中国のオープンソースモデルがダウンロードの41%を占めました |
この表は学習目的で公開情報の事実をもとに作成したものです。詳細は上記リンクの元記事をご確認ください。
関連: フィリピンでのカスタム機械学習ソリューション導入ステップ｜AI活用の実践ガイド で詳しく解説しています。
Step 3: 理解度チェック (5分)
元記事の内容を確認する問題です。答えを思い出しながら読み進めてください。
Q1. 企業が中国発の安いAIモデルを試し始めた、いちばんの理由は何ですか。
ヒント: 使う量が増えるほど問題になる、お金に関わる要素です。
Q2. DoorDashのAndy Fang氏は、Moonshot AIのモデルについてどんな2つの利点を挙げましたか。
ヒント: 品質とお金に関する2語で表現されています。
Q3. CSISのYasir Atalan氏は、乗り換えの理由を3つの要素に整理しました。その3つは何ですか。
ヒント: 費用と、もう2つ。片方は「オープンソースの入手しやすさ」です。
Q4. 自社内でAIモデルを動かす場合、Atalan氏はどんな費用の負担があると述べましたか。
ヒント: 計算機のGPUなどに必要な、3万ドル規模の金額です。
Q5. Horizon3.aiのSnehal Antani氏が警告した危険は何ですか。
ヒント: 自社のコードや利用者のデータが、どこにさらされるかがポイントです。
関連: 既存システムにAIをどう組み込む？フィリピンで学ぶ機械学習統合の基本とテクノロジー活用術 で詳しく解説しています。
Part 2: 実務への応用
Step 4: フィリピンでの導入ステップ (10分)
安いAIモデルを検討するとき、フィリピンの拠点で失敗しないための進め方を整理します。
| ステップ | 具体的な内容 | フィリピン特有の注意点 |
|---|---|---|
| 1. 用途を仕分ける | どの業務でAIを使うかを洗い出し、顧客データを含む業務と含まない業務に分けます | 個人情報を含む業務は、海外のAIに送る前にNPCの個人情報保護法の観点で確認しましょう |
| 2. 費用を試算する | 現状の月額費用と、安いモデルに変えた場合の費用をペソ換算で比べます | 米ドル建ての費用が多いため、ペソの為替変動も予算に織り込んでおきましょう |
| 3. 安全な使い方を決める | データを海外に送らずに自社内で動かすか、送る場合の範囲を決めます | 自社内運用は高性能な計算機に3万ドル規模の投資が要ります。電気代も見込みましょう |
| 4. 小さく試す | 顧客データを含まない業務で、まず少人数で試して品質を確かめます | 現地スタッフが結果を確認できるよう、英語とタガログ語での説明を用意しましょう |
| 5. 併用を前提にする | 1つのモデルにすべてを任せず、業務ごとに使い分けます | 高い判断が要る業務は実績あるモデルを残し、単純作業だけ安いモデルに寄せましょう |
元記事のAtalan氏も、すべてを中国製に置き換えるのではなく、業務ごとに使い分ける動きだと述べています。この「使い分け」の考え方が、フィリピンでも実務の軸になります。
Step 5: よくある失敗と対策 (5分)
フィリピンの拠点でこのテーマに取り組むとき、起こりやすい失敗を3つ挙げます。
失敗パターン1: 「費用だけを見てモデルを選んでしまう」
安さに目を奪われて、顧客データの扱いを確認しないまま切り替えてしまう失敗です。元記事でも、専門家が外国の監視にデータをさらす危険を警告しています。
NG例: 現地IT責任者が「月額費用が半分になる」とだけ本社に報告し、承認を得て切り替えてしまいます。
OK例: 費用の比較と一緒に、どのデータが海外に送られるかを一覧にして本社と共有します。安全性を確認してから判断します。
失敗パターン2: 「自社内で動かす費用を見落とす」
データを外に出さないために自社内でモデルを動かそうとして、必要な計算機の費用を見落とす失敗です。元記事では3万ドル規模の投資が要ると述べられています。
NG例: 「無料のオープンソースだから費用はかからない」と考え、予算を組まずに導入を決めてしまいます。
OK例: GPUなどの計算機の購入費と電気代を事前に試算し、ペソ建てで予算に組み込んでから判断します。
失敗パターン3: 「1つのモデルにすべてを任せる」
安いモデルが良かったからと、判断の難しい業務まで一気に置き換えてしまう失敗です。品質が落ちて顧客対応で問題が起きます。
NG例: 品質の検証をせずに、顧客からの重要な問い合わせ対応まで安いモデルに切り替えてしまいます。
OK例: まず単純な作業だけ安いモデルに任せ、難しい判断が要る業務は実績あるモデルを残して使い分けます。
Part 3: さらに深く学ぶ
Step 6: 関連する技術用語 (5分)
元記事に登場する重要な用語を5つ選び、意味とフィリピンでの使い方を説明します。
オープンソースモデル（open-source model／公開されたAIモデル）とは、設計図にあたる中身が公開され、誰でも入手して自分の環境で動かせるAIのことです。マニラのBPO拠点が、顧客データを外に出さずに自社内でAIを動かしたいとき、この公開モデルを選ぶことで情報を社内にとどめられます。
トークン（token／文字量の課金単位）とは、AIが処理する文字のまとまりで、使った量に応じて費用が決まる単位のことです。フィリピンの拠点で毎日大量の問い合わせをAIに処理させる場合、このトークンの量が月額費用を左右するため、事前の試算が欠かせません。
データ主権（data sovereignty／データが従うべき国の管理）とは、扱う情報がどの国の法律や管理のもとに置かれるかという考え方のことです。フィリピンの日本企業が顧客データを海外のAIに送るとき、そのデータがどの国の管理下に入るのかを、NPCの個人情報保護の観点から確認する必要があります。
ローカル運用（local deployment／自社内での運用）とは、AIを外部の会社に頼らず、自分の計算機の中だけで動かす使い方のことです。マニラの拠点が機密情報を外に出したくない場合、高性能な計算機を用意してこの自社内運用を選ぶと、情報が社内にとどまります。
AIエージェント（AI agent／自律的に作業をこなすAI）とは、人が細かく指示しなくても、目的に向かって自分で手順を進めるAIのことです。元記事のDoorDashのように、フィリピンの拠点でも注文受付や社内手続きを、このAIエージェントに一連の作業として任せる使い方が広がっています。
Step 7: 自社への応用を考える (10分)
自社の状況に引きつけて、次の3つのテーマを話し合ってみてください。
自社のAI費用がどこで発生しているかを見える化する
現状、どの業務でどれだけAIの費用がかかっているかを把握できているか話し合いましょう。
考えるヒント: 顧客対応、経理の代行、社内の問い合わせ対応など、業務ごとに費用を分けて見ると、どこを安いモデルに寄せられるかが見えてきます。
海外に出してよいデータと出してはいけないデータを線引きする
どの情報なら海外のAIに送ってよく、どの情報は社内にとどめるべきかを整理しましょう。
考えるヒント: 顧客の個人情報や自社の機密コードは、NPCの個人情報保護の観点から慎重に扱う必要があります。線引きを文書にしておくと現場が迷いません。
モデルの使い分けで品質と費用をどう両立するか
すべてを1つのモデルに任せず、業務ごとに使い分ける方針が自社に合うか話し合いましょう。
考えるヒント: 難しい判断が要る業務は実績あるモデルを残し、単純作業だけ安いモデルに寄せると、品質を守りながら費用を下げられます。
次のアクション: まず自社でAIを使っている業務を1つ選び、その業務の月額費用と、扱っているデータの種類を紙1枚に書き出してみましょう。この1枚が、モデルを見直すときの出発点になります。
Part 4: FAQ
Q1. 中国製の安いAIモデルは、フィリピンの拠点でそのまま使って大丈夫ですか。
費用の面では魅力がありますが、そのまま使う前に扱うデータの種類を確認してください。顧客の個人情報を含む業務では、フィリピンのNPC（国家プライバシー委員会）の個人情報保護法に沿った扱いが求められます。まずは個人情報を含まない業務から試すのが安全です。
Q2. 日本本社の承認を得るには、どう説明すればよいですか。
費用の比較だけでなく、どのデータが海外に送られるかを一覧にして一緒に示しましょう。日本本社は情報の安全性を重視する傾向があります。安さと安全の両方を並べて説明すると、承認を得やすくなります。
Q3. データを社内にとどめる「自社内運用」は、フィリピンで現実的ですか。
情報を外に出さない利点はありますが、高性能な計算機に3万ドル規模の投資が要ります。加えてフィリピンでは電気代も高めなので、そこも予算に含めて判断してください。機密性が特に高い業務に絞って検討するのが現実的です。
Q4. 現地スタッフにどう理解してもらえばよいですか。
新しいモデルを使う理由と、扱ってよいデータの範囲を、英語とタガログ語の両方で分かりやすく説明しましょう。フィリピンでは口頭での合意が先行しやすい文化があります。口頭の説明だけで終わらせず、簡単な手順書を文書で残しておくと現場が迷いません。
Q5. 安いモデルに全部切り替えれば、費用はいちばん下がりますか。
必ずしもそうとは限りません。品質が落ちて顧客対応で問題が起きると、かえって手戻りの費用がかかります。元記事でも、業務ごとに使い分ける動きが紹介されています。難しい業務は実績あるモデルを残し、単純作業だけ安いモデルに寄せる使い分けが、結果として費用と品質を両立させます。
活用のコツ(3 Tips)
まず費用とデータの一覧を紙1枚にまとめましょう。 どの業務でいくらかかり、どんなデータを扱っているかを1枚に書き出すと、安いモデルに寄せてよい業務が一目で分かります。判断の出発点になるため、最初に取り組む価値があります。
顧客データを含まない業務から小さく試しましょう。 いきなり全面的に切り替えると、品質や安全の問題が一度に噴き出します。個人情報を含まない業務で少人数から試すと、失敗しても影響を抑えながら品質を確かめられます。
1つのモデルに全部任せず、業務ごとに使い分けましょう。 難しい判断が要る業務は実績あるモデルを残し、単純作業だけ安いモデルに寄せると、品質を守りながら費用を下げられます。元記事が示す「使い分け」の考え方を、自社の業務に当てはめてみてください。
ボーナス: PH AI Worksの活用法
PH AI Worksは、フィリピンでのAI・テクノロジー活用を支援するソリューション企業です。今回のテーマである「安いAIモデルへの乗り換え」と「情報の安全性の両立」は、まさに現地拠点で判断に迷いやすい領域です。
次のステップとして、以下のような内容をご相談いただけます。
- 自社の業務ごとにAI費用を見える化し、どこを安いモデルに寄せられるかを整理するお手伝い
- 海外のAIに送ってよいデータの線引きと、フィリピンの個人情報保護の観点をふまえた運用方針づくり
- 業務ごとにモデルを使い分ける進め方の設計と、現地スタッフ向けの説明資料づくり
まずはお気軽にお問い合わせください。無料でご相談いただけます。
参考・出典
この記事を書いた人
運営者 ／ AIエンジニア（IT歴36年以上）
- ●東京都出身・マニラ在住13年以上
- ●IT歴36年以上（開発・SEO・AI）
- ●IBM認定 生成AIエンジニア
- ●AIチャットボット・RAG・AIエージェント開発
IT歴36年以上、マニラでの実務経験13年以上の日本人AIエンジニア（運営者）です。AIチャットボットや業務自動化、AIエージェント、生成AIマーケティングなど、フィリピンの日系企業が「成果に直結するAI」を導入できるよう、現場目線で記事を書いています。ご相談は日本語・英語どちらでも対応します。