Claude Codeを無料で使う方法|フィリピン開発拠点のAIコスト削減術 | ケーススタディ

Claude Codeをローカルモデルで無料運用する方法 — フィリピン現地開発チームのコスト削減ガイド

Ollamaとローカルモデルを活用し、Claude Codeを無料で運用する手順を解説します。フィリピン現地の開発チームのAIツール費を抑え、データプライバシー法にも対応する実務ガイドです。

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)

フィリピンでは、IT・BPO（業務委託）業界が国の主要産業として大きく成長しています。マニラやセブには、日系企業の開発拠点やシェアードサービスセンター（複数拠点の業務をまとめる事務センター）が数多く置かれています。こうした拠点では、現地のエンジニアと一緒にコーディング作業を行う場面が増えており、AIによるコーディング支援ツールの導入が話題になっています。

ただし、有料のAIコーディングツールを開発チーム全員に配布すると、ペソ建てでの月額負担が予想以上にかさみます。たとえば1人あたり月20米ドル（約1,140ペソ）の有料プランを20名のチームに配ると、年間で約27万ペソを超える固定費になります。フィリピンのIT人材は給与水準が日本より低い一方で、ドル建てのSaaS料金は日本本社と同じ価格です。そのため、現地の人件費に対するツール費の比率がどうしても高くなりがちです。

マニラ・BGC地区のオフィスで、開発チームのリーダーが日本本社から来た情報システム部の担当者にこう話しかける場面を想像してください。「うちの開発メンバー全員にClaude Codeを使わせたいのですが、ライセンス費用を本社が承認してくれません。何か手はありませんか?」この質問に答えられるようになることが、今回の教材の目標です。

Step 2: 元記事の要点を整理する (5分)

論点	元記事が伝える事実
Claude Codeの料金構造	Claude Code本体は無料で導入できる。料金が発生するのは、裏側で呼び出されるAIモデル（Sonnet・Opusなど）のAPI利用分である
公式の有料プラン	Claude ProまたはMaxプランの加入が必要で、Proは月額20米ドルである
無料化の方法	Ollama（ローカルでAIモデルを動かす仕組み）を使い、自分のパソコン上で動くモデルにClaude Codeの接続先を切り替える
切り替えの仕組み	環境変数 `ANTHROPIC_BASE_URL` でAPIの接続先を変更し、`--model` フラグで使うモデルを指定する
推奨モデル	Qwen3.6（27Bと35Bの2種類、約17〜24GBのメモリを使用）、Gemma 4（26BのMoEモデルと31Bモデル）。低スペック機向けにGemma 4 E4B（約5GB、4ビット量子化）もある
必要なハードウェア	Apple Silicon Mac（32GBの統合メモリ）または高VRAM搭載GPU。16GBメモリでも小型モデルなら動作する
性能の限界	Opusの性能には及ばないが、日常的なコーディング作業では実用的な水準になっている

出典元名 — 「There's a free way to use Claude Code — and it's surprisingly simple」(2026年5月4日)

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。

Step 3: 理解度チェック (5分)

Q1. Claude Codeを使うときに料金が発生するのは、ツール本体ですか、それとも裏で動くAIモデルですか?

ヒント: 元記事は「ハーネス（道具の枠組み）」と「モデル」を分けて説明しています。

Q2. Claude Pro プランの月額料金は何米ドルですか?

ヒント: 元記事の冒頭で具体的な金額が示されています。

Q3. Ollamaという仕組みは、何をするためのものですか?

ヒント: 「ローカル」「自分のパソコン」というキーワードを思い出してください。

Q4. Claude Codeの接続先を変えるための環境変数の名前は何ですか?

ヒント: 「ANTHROPIC」で始まる名前です。

Q5. 元記事が紹介しているコーディング向けのローカルモデルを2つ挙げてください。

ヒント: 1つはAlibaba系、もう1つはGoogle DeepMind系のモデルです。

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)

フィリピン現地のエンジニアチームに、ローカルモデル経由のClaude Codeを導入する流れを整理します。

ステップ	内容	フィリピン特有の注意点
1. 導入目的の合意	何を無料化したいのかを、本社と現地の双方で文書にまとめます	フィリピンでは口頭の合意で物事が進む文化がありますが、後の認識ズレを防ぐため、Eメールやチャットで合意内容を残しましょう
2. 推奨スペックの機材調達	32GBの統合メモリを持つApple Silicon Mac、または高VRAMのGPUを用意します	フィリピンではApple製品の輸入関税が高く、現地価格は日本より約15〜25%高くなります。BIR（内国歳入庁）の輸入手続きや、SEC登録法人としての資産計上ルールも確認が必要です
3. Ollamaのインストールとモデルの取得	Ollamaを入れ、`ollama pull` コマンドでQwen3.6またはGemma 4を取得します	フィリピンの一般的なオフィス回線は速度のばらつきがあり、20GB超のモデル取得には時間がかかります。初回は社内の安定した有線回線で行いましょう
4. Claude Codeの接続先切り替え	`ANTHROPIC_BASE_URL` を社内のローカルサーバーに向け、`--model` で使用モデルを指定します	共有のローカルサーバーを置く場合、データプライバシー法（DPA、共和国法10173号）に基づくNPC（国家プライバシー委員会）への対応も意識し、社内データの取り扱いルールを文書にまとめましょう
5. パイロット運用と評価	数名のエンジニアで2週間ほど試し、実際の業務での品質と速度を測ります	フィリピンのスタッフは率直な意見を控える傾向があるため、匿名のフィードバックフォームを用意して本音を集めると効果的です

Step 5: よくある失敗と対策 (5分)

失敗パターン1: 「とりあえず全員のノートPCで動かそうとする」

NG例: 現地スタッフ全員のノートPCにOllamaをインストールしようとして、メモリ不足で動かない端末が続出し、結局誰も使わなくなってしまいます。

OK例: まずは社内に1台、推論用の専用サーバー（32GB以上のメモリを搭載した機材）を用意します。各エンジニアのノートPCからは、そのサーバーに接続して使う形にしましょう。元記事の筆者も、このやり方で運用していると述べています。

失敗パターン2: 「無料だからすべて置き換えてしまう」

NG例: コスト削減を急ぐあまり、本番案件の重要なコード生成までローカルモデルに任せてしまい、品質が下がってクライアントから苦情を受けてしまいます。

OK例: ローカルモデルは社内ツールの開発や、簡単な定型作業の支援に使います。クライアント納品物に関わる重要な作業は、引き続き有料プランのSonnetやOpusを使うという二段構えの運用にしましょう。

失敗パターン3: 「コンテキストウィンドウの設定を忘れる」

NG例: Ollamaの初期設定のままモデルを動かしたところ、長いコードを読み込ませると途中で処理が止まってしまい、使い物にならないと判断されてしまいます。

OK例: Ollamaの初期設定ではコンテキストウィンドウ（モデルが一度に扱える文字量）が小さく設定されています。元記事のコメント欄でも指摘されているとおり、64K以上に変更してから運用を始めましょう。難しい作業ほど、より多くのトークン量が必要になります。

関連: フィリピンでのAI統合プロジェクトを成功に導く5つの実践ステップで詳しく解説しています。

Part 3: さらに深く学ぶ

Step 6: 関連する技術用語 (5分)

LLM（Large Language Model／大規模言語モデル）は、大量の文章を学習して、人間のように文章を読んだり書いたりできるAIの仕組みです。マニラのコールセンターでは、お客様への返信文の下書きをLLMに作らせ、現地のスタッフがフィリピンの文化に合わせて手直しする運用がよく行われています。

API（Application Programming Interface／応用プログラム接続口）は、自分のソフトから外部のサービスに命令を送るための窓口です。専用の窓口のような仕組みだと考えてください。セブの開発拠点で日本本社のシステムとデータをやり取りする際、APIを経由することで、安全に必要な情報だけを送受信できるようになります。

エージェント型コーディングツール（Agentic Coding Tool／自律型のコーディング補助ソフト）は、人が一つひとつ指示しなくてもAIが自分で動く仕組みです。AIが自分でファイルを読んで判断し、コードを書き換えてくれます。BGC地区のスタートアップでは、エンジニアが少人数のため、こうしたツールに定型的なコード修正を任せることで、本業の設計作業に集中できるようになっています。

ローカルLLM（Local LLM／手元で動かす大規模言語モデル）は、外部のサービスに頼らず、自分のパソコンや社内のサーバーの中だけでAIを動かす方法です。フィリピンのデータプライバシー法に対応するため、お客様情報を外部に送りたくない場合に、社内ネットワーク内だけで完結するローカルLLMが選ばれています。

量子化（Quantization／数値の簡略化）は、AIモデルの内部の数値を細かい桁から大まかな桁に丸めて、軽くする工夫です。元記事に出てくる「4ビット量子化」とは、この簡略化を強めにかけた状態を指します。マニラのオフィスで一般的なノートPCにモデルを載せたいときに、量子化されたモデルを使うことで、限られたメモリでも実用的な速度が出せるようになります。

Step 7: 自社への応用を考える (10分)

開発支援ツールのコスト構造を見直す

考えるヒント: 自社の開発チームでは、AIコーディングツールにかけている費用は月いくらでしょうか。そのうち、本当にフロンティアモデル（最先端のAI）の性能が必要な作業はどの程度の比率でしょうか。逆に、簡単なリファクタリングやテストコード生成など、ローカルモデルで十分な作業はどの程度ありますか。

次のアクション: 直近1か月の利用ログを抽出し、作業内容を「重要案件向け」と「日常的な軽作業」に分類してみましょう。

現地拠点でのデータ取り扱いルールを整える

考えるヒント: フィリピン現地のエンジニアが扱うソースコードには、お客様情報や社内の機密情報が含まれていないでしょうか。それを外部のクラウドAPIに送ることは、データプライバシー法やお客様との契約に照らして問題ないでしょうか。

次のアクション: 法務部門と一緒に、ソースコードをAIに送る際の社内ルールを1ページの文書にまとめましょう。

小さな実験から始める評価の仕組み

考えるヒント: 新しいツールを導入したいと提案しても、本社の承認が下りるまで時間がかかることはありませんか。「まずは小さく試して、数字で示してから拡大する」進め方は、自社で実現できそうでしょうか。

次のアクション: 2週間のパイロット期間を設定し、コード生成の品質と所要時間を計測する評価表を作りましょう。

Part 4: FAQ

Q1. ローカルモデルに切り替えたら、Claude Pro プランの月20米ドルは完全に解約してよいですか?

完全な解約はおすすめしません。元記事の筆者も、Claude Pro の契約を維持したまま、軽い作業だけをローカルモデルに任せる運用をしています。フィリピンの開発現場でも、お客様納品物に関わる重要な作業ではフロンティアモデルの精度が必要になります。両方を併用し、用途で使い分ける方が現実的です。

Q2. フィリピンのオフィス回線でも、20GBを超えるモデルを問題なく取得できますか?

オフィスの回線品質によります。マニラやセブの主要ビジネス地区では光回線が普及していますが、停電や回線の不安定さは依然として起こります。最初のモデル取得は、オフィスの安定した有線回線で、業務時間外に行うとよいでしょう。一度取得したモデルは社内サーバーに置いておけば、各エンジニアが都度ダウンロードする必要はありません。

Q3. 日本本社のIT部門に説明するとき、何を強調すれば承認を得やすいですか?

3点を整理して伝えるのが効果的です。1つ目は、Claude Code本体は無料で、料金はモデル呼び出しに対して発生する仕組みであること。2つ目は、ローカルモデルなら社内データが外部に出ないため、データプライバシー法への対応がしやすいこと。3つ目は、まず数名のパイロット運用から始めるため、初期投資が限定的であること、です。

Q4. 現地のエンジニアにどう教育すれば、安全に使ってもらえますか?

教育では「やってよいこと」と「やってはいけないこと」を1ページにまとめた手順書を配るのがおすすめです。フィリピンのエンジニアは英語での技術文書に慣れているため、英語版と日本語版の両方を用意するとお互いの理解を確認しやすくなります。質疑応答の時間を必ず設け、率直な疑問を引き出すようにしましょう。

Q5. 本社が「ローカルモデルだと品質が落ちるのでは」と心配しています。どう答えればよいですか?

元記事も認めているとおり、ローカルモデルの品質はOpusには及びません。ただし日常のコーディング作業ではその差は思ったより小さく、用途を選べば十分実用になります。社内向けスクリプトの作成、テストコードの生成、コードのリファクタリングなど、品質要件がそれほど高くない作業に限定して使う方針を本社に提示しましょう。重要案件は引き続きフロンティアモデルで対応する、という二段構えが説得力を持ちます。

活用のコツ(3 Tips)

Tip 1: 用途別に「フロンティアモデル」と「ローカルモデル」を使い分ける

すべてをローカル化しようとすると、品質低下による手戻りでかえってコストが増えます。お客様納品物は有料のフロンティアモデルに任せ、社内向けスクリプトや簡単な修正作業をローカルモデルに振り分ける、という棲み分けを最初に決めておきましょう。月初に作業内容を分類するだけでも、無駄な支出を抑えられます。

Tip 2: 推論用の共有サーバーを1台立てて、開発者全員がそれを使う形にする

各エンジニアのノートPCに重いモデルを入れると、メモリ不足や端末ごとの環境差で運用が破綻します。フィリピンのオフィスに32GBメモリの推論専用機を1台置き、社内ネットワーク経由で全員がそこに接続する形にしましょう。設定の統一が楽になり、トラブルが起きたときも対応しやすくなります。

Tip 3: 2週間のパイロット運用で「数字」を残してから本社に提案する

本社は感覚的な提案を承認しません。導入前と導入後で、コード生成にかけた時間、生成したコードの動作率、不具合の発生数を記録しましょう。フィリピン現地スタッフ数名で2週間試した結果を1枚のレポートにまとめ、ペソと円の両方でコスト効果を示すと、本社の意思決定が早まります。

ボーナス: PH AI Worksの活用法

PH AI Works はフィリピン現地に拠点を置くAI・テクノロジー企業です。日系企業の現地開発チーム向けに、AIコーディングツールの導入支援やローカルLLM環境の構築支援を行っています。データプライバシー法（DPA）への対応や、現地スタッフ向けの日本語・英語の二言語教育にも対応できます。

無料でご相談いただける内容は次のとおりです。

1つ目は、自社の開発チームに合ったAIコーディングツールの選定と、コスト試算のお手伝いです。フロンティアモデルとローカルモデルの使い分けを、ペソ建ての具体的な数字で見える化します。

2つ目は、Ollama を使ったローカルLLM環境の構築支援です。マニラやセブのオフィスに置く推論用サーバーの選定から、Claude Code との接続設定までをご支援します。

3つ目は、現地エンジニア向けの教育プログラムの作成です。英語版と日本語版の手順書、安全に使うためのルール作成をお手伝いします。

まずはお気軽にお問い合わせください。