オープンウェイトモデルとは｜会社で使う前に確かめるライセンスとデータの行き先

オープンウェイトモデルとは、学習を終えたAIの重み（パラメータ）が公開され、ダウンロードして自社のPCやサーバーで動かしたり改変したりできるAIモデルのことです。会社で使ってよいかどうかは、オープンウェイトという呼び名だけでは決まらず、モデルごとのライセンス本文と、どの入口で使うかによって条件もデータの行き先も変わってきます。使う前に確かめるのは、ライセンスの条文・使う入口・データが届く先の3つになります。必要なGPUや費用の内訳を含む全体像はローカルLLMとは｜必要なGPU・モデル・費用と法人での選び方にまとめていますので、あわせてご覧ください。

※モデル名・ライセンスは、2026年9月25日時点で各公式ページ・ライセンス本文で確認した内容です。公開元は条件を改定することがあるため、導入を決める前に最新の原文をご確認ください。

オープンウェイトモデルとは｜重みが公開されたAIモデル

オープンウェイトモデルは、AIの中身にあたる重みのファイルを誰でも手元に置けるモデルで、Webの画面から使うだけのサービスとは届け方が違います。AIモデルは、大量の文章から学んだ結果を、膨大な数の数値の組として持っているものになります。この数値の組が重み（パラメータ）と呼ばれ、同じ質問にどんな答えを返すかは、ほぼこの重みで決まってしまいます。重みのファイルと、それを動かすための実行ソフトがそろえば、インターネットにつながっていない機械の中でもAIを動かすことが出来ます。

ChatGPTやClaudeのように、提供元のサーバーの中でだけ動き、重みが外に出ないモデルは、クローズドモデルやプロプライエタリ（独占的な）モデルと呼ばれています。オープンウェイトモデルでは、重みを受け取った側が自分の機械で動かせるうえ、追加の学習で中身を調整することも可能です。公開元はOpenAI・Meta・Google・Alibaba・DeepSeek・Moonshot AI・Mistral AIなど幅広く、大手のAI企業がクローズドモデルと並行してオープンウェイトモデルを出す例も増えてきました。

無料なのは重みだけ、と覚えておく

オープンウェイトモデルの多くはダウンロードに料金がかかりませんが、無料なのは重みのファイルだけになります。動かす機械・電気代・担当者の時間・ライセンスの確認は、どれも会社の負担です。大きなモデルを社内で動かすには、高性能なGPU（画像処理用の演算装置で、AIの計算にも使われるもの）を積んだサーバーが要り、購入費か借りる費用がかかってしまいます。更新や不具合の対応に社員の時間が取られることも、見落とされやすい費用でしょう。

実際に検討を始めるときは、ダウンロードが無料かどうかではなく、動かし続けるのに毎月いくらかかり、誰が面倒を見るのかを先に見積もってみてください。費用の内訳の出し方は、親記事のローカルLLMとはで項目ごとに整理しています。

オープンソースAI・クローズドモデルとの違い

オープンウェイトモデルは、オープンソースAIと同じ意味ではなく、クローズドモデルの反対語というわけでもありません。重みが公開されているかどうか、学習に使ったデータやコードまで公開されているかどうか、提供元のサーバーの中でだけ動くかどうか、という3つの軸で見ると整理しやすくなります。社内の会議で言葉の意味がずれたまま話が進むと、商用利用の可否やデータの扱いの議論がかみ合わなくなってしまいます。

オープンソースAIとの違い（OSIの定義）

オープンソースの定義を管理している団体OSI（Open Source Initiative）は、2024年10月にOpen Source AI Definition 1.0を公表しました。この定義では、オープンソースAIと呼ぶために、学習データに関する情報、学習と実行のための完全なコード、パラメータ（重み）の3つを、OSIが認める条件で公開することを求めています。重みだけが公開され、学習データや学習のコードが公開されていないモデルは、この定義ではオープンソースAIに当たらないことになります。

多くのオープンウェイトモデルは、学習データの中身や学習の手順までは公開していません。OSIは2025年2月18日のブログで、MetaのLlamaのライセンスはオープンソースの定義を満たさないと述べています（Llama 3.x時点の記事）。オープンソースLLMという呼び方は広く使われていますが、実態としてはオープンウェイトモデルを指している場面がほとんどでしょう。

ただし、オープンソースかどうかと、商用で使いやすいかどうかは別の話になります。後で見るように、gpt-ossやQwen3のようにApache 2.0という制限の少ないライセンスで重みを公開しているモデルもあれば、独自のライセンスで細かな条件を付けているモデルもあります。言葉の分類より、ライセンス本文の中身を見て判断するほうが確実です。

クローズドモデル・クラウドAPIとの違いと使い分け

クローズドモデルは、提供元が重みを持ったまま、Webの画面やAPI（プログラムから呼び出す窓口）で機能だけを貸し出す形になります。利用者は機械を用意しなくてよく、提供元が性能の改善や安全対策を続けてくれる代わりに、入力した内容は提供元のサーバーを通ります。オープンウェイトモデルは、自社で動かせば外に送らずに済む一方、機械の用意と運用を自社で引き受けることになります。

二者択一で考える必要はなく、実務では併用が現実的な答えになりやすいでしょう。外に出せない情報を扱う一部の業務だけを社内のオープンウェイトモデルで処理し、調べものや文章の下書きといった普段の業務は、会社で契約したクローズドモデルのサービスを使う、という分け方がよく検討されています。どちらの方式を軸にするかの決め方は、ローカルLLMとクラウドの比較で判断の順番を整理していますので、参考にしてください。

会社で使う前に確かめる3つのこと

オープンウェイトモデルを会社で使ってよいかは、ライセンスの条文・使う入口・データが届く先の3つを確かめれば判断できます。1つ目のライセンスは、商用で使えるか、社内で使うだけでも追加の条件があるか、誰と契約したことになるかを決めるものです。2つ目の入口は、同じモデルを自社の機械で動かすのか、大手クラウドを通すのか、公開元の公式アプリやAPIを使うのかという選択になります。

3つ目のデータの行き先は、2つ目の入口でほぼ決まってしまいます。自社の機械で動かし、外部と通信しない設定にすれば入力した内容は外に出ませんが、クラウドや公式アプリを通せば、その事業者のサーバーで処理されます。同じモデル名でも、入口を変えれば契約の相手も、データが保存される国も変わりうるということを、最初に押さえておきましょう。

判断の順番
①そのモデルのライセンス本文を開き、商用利用と社内利用の条件を読みます。②使う入口を決め、その入口の契約相手と規約を確認します。③入力する情報の区分と、処理される国・リージョンを照らし合わせます。この3つがそろって初めて、社内で使ってよいかを決裁できる状態になります。

代表的なモデルとライセンスの条件を原文で比べる

オープンウェイトモデルのライセンスはモデルごとにまったく違い、制限の少ない汎用のライセンスから、契約相手や準拠法まで定めた独自のライセンスまで幅があります。ここでは代表的なモデルの名前を押さえたうえで、ライセンス本文に何が書かれているかを原文に沿って並べていきます。

代表的なモデルの名前と公開元

名前がよく挙がるのは、OpenAIのgpt-oss、MetaのLlama、GoogleのGemma、AlibabaのQwen、DeepSeekのDeepSeekシリーズ、Moonshot AIのKimi、Mistral AIのMistralシリーズ、GLMシリーズなどです。OpenAIは2025年8月、gpt-oss-120bとgpt-oss-20bの2つをApache 2.0で公開したと発表しています。GoogleはGemma 4を2026年4月にApache 2.0で公開したと公式ブログで案内しており、それより前のGemma 1〜3には独自のGemma Terms of Useが使われてきました。

Mistral AIは、公式ドキュメントのモデル一覧でMistral Small 4・Mistral Large 3・Ministral 3などをApache 2.0としていますが、すべてのモデルがApache 2.0というわけではありません。同じ公開元のモデルでも、世代や種類によってライセンスが変わることがある点には注意が必要です。GPUの目安を含むモデル選びそのものは、親記事のローカルLLMとはでまとめています。

オープンウェイトという呼び名では商用の可否は分からない

重みが公開されていることと、会社で自由に使ってよいことは同じではありません。商用で使えるか、何を守る必要があるかは、モデルごとのライセンス本文を読んで初めて分かります。ブログや比較記事の一覧表は入口としては便利ですが、世代が変わるとライセンスも変わることがあり、古い情報がそのまま残っている例も見られます。決裁の資料には、ライセンス本文のURLと確認した日付を書いておくことをおすすめします。

Apache 2.0・MITと独自ライセンスの違い

Apache 2.0とMITは、ソフトウェアの世界で長く使われてきた汎用のライセンスで、商用利用・改変・再配布を広く認めているものになります。再配布するときにライセンス文や著作権表示を残すといった条件はありますが、利用者の規模や用途で線を引く条項は入っていません。Qwen3の公式リポジトリは、公開しているオープンウェイトモデルはすべてApache 2.0だと明記しています。DeepSeek-R1のモデルカードにも、コードと重みをMITライセンスで公開するとの記載があります。

一方で、MetaのLlama 4やMoonshot AIのKimi K3には、公開元が独自に作ったライセンスが使われます。独自ライセンスには、一定の規模を超える利用者に別途の契約を求める条項、製品の画面に名前を表示させる条項、禁止する用途を並べた利用規定などが入ることがあり、内容は公開元ごとに違ってきます。gpt-ossはApache 2.0に加え、公式リポジトリに利用ポリシー（USAGE_POLICY）を置いており、2026年9月25日時点のファイルは、適用される法令を守ることを求める短い文面でした。

また、DeepSeek-R1の派生モデルには注意が要ります。DeepSeek-R1のモデルカードの表記はMITですが、公式READMEは、R1-Distill-Qwen系がQwen2.5（Apache 2.0）から、R1-Distill-Llama系がLlama 3.1・3.3（Metaの独自ライセンス）から派生したと書いています。元モデルの条件がかかるかどうかは、法務と個別に確認してください。DeepSeek-V3については、公式の配布場所によってライセンスの表記が食い違っているため、使う前に配布元の最新の記載を個別に確かめることが大切です。

DeepSeekを公式のアプリやAPIで使う場合の入力の行き先と、会社として決めておく線引きは、DeepSeekの安全性のコラムで入口ごとに整理しました。

※2026年9月25日時点で、各モデルの公式リポジトリ・モデルカード・ライセンス本文（gpt-oss：LICENSEとUSAGE_POLICY、Qwen3：README、Gemma 4：Google公式ブログと利用規約ページ、DeepSeek-R1：モデルカードとREADME、Llama 4：Llama 4 Community Licenseと利用規定、Kimi K3：Hugging FaceのLICENSE）で確認した内容です。表は要点の抜き出しで、条文の全文ではありません。

Llama 4は業務で使うと会社が契約の当事者になる場合がある

Llama 4 Community Licenseは、ライセンスを受ける側を本人、または本人が雇用主などのために契約する場合はその雇用主（雇用主を拘束する権限があることが前提）と定めています。そのうえで、I Acceptを押したとき、またはLlama Materials（モデルや関連資料）の一部でも利用・配布したときに、契約に拘束される書き方です。業務のために社員が使い始めた場合に会社のための同意と扱われるかは条文だけでは決まらないため、法務の確認を通しておきましょう。

契約の相手は、EEA（欧州経済領域）とスイス以外ではMeta Platforms, Inc.で、準拠法はカリフォルニア州法、紛争はカリフォルニア州の裁判所が専属で扱うと定められています。Acceptable Use Policy（利用規定）と貿易関連の法令を守ることも、ライセンスの中に組み込まれることとなります。利用規定には、EUに主たる事業所がある会社やEUに住む個人には、Llama 4に含まれるマルチモーダル（画像なども扱える）モデルの権利を与えないという条項もあり、欧州に拠点を持つ会社は特に注意が必要でしょう。ただし、この制限は、マルチモーダルモデルを組み込んだ製品やサービスを使うだけの利用者には適用されないと書かれています。

海外の会社と、海外の法律を前提にした契約を結ぶことになるため、通常の取引と同じように法務や総務の確認を通してから使うのが無難です。少なくとも、誰がどの版をいつダウンロードしたかは記録に残しておきましょう。

Kimi K3は社内で使う限り規模の条件がかからない

Kimi K3 Licenseは、Hugging Faceで公開されているLICENSEの原文によると、第5条の無保証を除き、第1〜4条で条件を定める構成です。第2条は、関連会社を含む連続12か月の売上が2,000万米ドルを超える会社がModel as a Service（APIなどで第三者にモデルの推論や追加学習を使わせ、入力や設定を相手が操作できる形の事業。製品の機能に組み込んだだけのものは除く）を営む場合、商用利用の前にMoonshot AIと別の契約を結ぶよう求めています。第3条は、月間1億ユーザーを超えるか、月商2,000万米ドルを超える商用製品に対して、画面にKimi K3を目立つように表示することを求める内容です。

そのうえで第4条は、(a)社内利用（ソフトウェアや出力、その能力を第三者に提供しない使い方）と、(b)Moonshot AIの公式製品や認定された推論パートナーを通じた利用には、第2条と第3条を適用しないと定めています。社員10〜200名の会社が社内の業務で使う限り、規模の条件はほぼ関係しないことになります。残るのは、第1条の著作権表示の保持と法令の順守、そして次の節で扱う、どの入口で動かすかという問題です。

ライセンスで確認する6つの項目

モデルごとに条文の書き方は違いますが、会社として確認すべき点はおおむね共通しています。次の6つを、ライセンス本文と利用規定の両方で確かめてみてください。

• 商用利用が認められているか。業務で使うこと自体に制限がないか
• 再配布の条件。モデルを顧客に渡したり、製品に組み込んだりする場合に何が求められるか
• 派生物と命名の決まり。追加学習したモデルに付ける名前や、元のライセンスを引き継ぐ範囲
• 用途の制限と利用規定。禁止されている使い方や、順守を求められる法令
• 規模の閾値。利用者数や売上が一定を超えたときに別契約が必要になる条項
• 表示義務。製品や資料にモデル名やライセンス文を表示する必要があるか

社内で使うだけの会社であれば、再配布と表示義務はかからない場合が多いものの、規模の閾値や利用規定は社内利用にも及ぶことがあります。Kimi K3のように社内利用を明示的に外している条文もあれば、Llama 4のように利用した時点で契約が成立する条文もあり、読み比べると違いがはっきり見えてきます。

使い方の入口は3つ｜同じモデルでも契約相手とデータの行き先が変わる

オープンウェイトモデルを使う入口は、自社の機械で動かす、大手クラウドや推論事業者を通す、公開元の公式アプリやAPIを使う、の3つに分かれます。同じモデル名でも、どの入口を選ぶかで、入力した内容が届く先も、契約の相手も、確認すべき文書も変わってしまいます。ライセンスを読んで使えると分かった後に、どの入口で使うかを別に決める必要があるということです。

入口1：自社のPCやサーバーで動かす

重みをダウンロードして自社の機械で動かす方法は、入力した内容が外に出ない点がいちばんの特徴になります。インターネットから切り離した環境でも動かせるため、外に出せない文書を扱う業務と相性がよい入口です。その代わり、機械の調達、実行ソフトの設定、モデルの更新、利用記録の管理まで、すべてが自社の仕事となってしまいます。

大きいモデルは自社では動かせない

オープンウェイトモデルなら何でも社内で動かせるわけではなく、大きなモデルほど高価なGPUと大量のメモリ（VRAM：GPUに載っている作業用のメモリ）が必要です。OpenAIは、gpt-oss-120bが80GBのGPU1枚で効率よく動き、gpt-oss-20bは16GBのメモリを持つ機器でも動くと発表しています。社員が普段使うノートPCで動かせるのは、小さめのモデルに限られると考えておくのが現実的でしょう。

最近の大きなモデルには、MoE（Mixture of Experts：質問ごとに一部の専門部分だけを動かす作り）を採る例が増えています。1回の計算で動く部分は小さくても、重みのファイル全体はメモリに載せる必要があるため、必要な機械は、動く部分ではなく総パラメータ数で見積もることになります。数千億から兆を超える規模のモデルを社内で動かすのは、社員10〜200名の会社にとっては負担が大きく、現実には次のクラウド経由や公式の入口が候補になってきます。

入口2：大手クラウドや推論事業者を通す

大手クラウドを使えば、オープンウェイトモデルを自社で機械を持たずに動かすことが出来ます。AWSのAmazon Bedrockの公式ドキュメントは、モデル提供元ごとの専用アカウント（Model Deployment Account）をBedrockのチームが所有・運用しており、モデル提供元はそのアカウントにアクセスできないため、Bedrockのログや顧客のプロンプトと応答にもアクセスできない、と説明しています。同じモデルでも、公開元のアプリに直接入力する場合とは、データが届く先がまったく違うことになります。

ただし、クラウドを通せばどこでも安心というわけではありません。契約の相手はクラウド事業者になりますが、モデルごとに利用条件が付いていることがあり、処理されるリージョン（データセンターの地域）もモデルごとに異なります。推論事業者と呼ばれる、モデルを動かして貸し出す専門の会社を使う場合も、その会社の規約と保存場所を個別に確かめる必要があります。

入口3：公開元の公式アプリやAPIを使う

公開元が自分で提供するチャットアプリやAPIを使う場合、入力した内容は公開元のサーバーで処理され、公開元の利用規約とプライバシーポリシーが適用されます。重みが公開されているモデルでも、この入口では通常のクラウド型AIサービスと同じ扱いになり、自社で動かす場合の利点は得られません。Kimiでは、入口によって契約の相手や準拠法が異なることをKimi K3の解説記事で整理していますので、公式の入口を検討するときは目を通してみてください。

無料で試せる公式アプリは、社員が個人の判断で使い始めやすい入口でもあります。会社として使う入口を決めていないと、同じモデルを部署ごとに別の入口で使い、それぞれ違う規約に同意している状態になりかねません。社内で使う入口を1つに決め、それ以外の入口での業務利用は申請制にする、といった線引きを先に作っておくことが大切です。

処理される国と、入れてよい情報の線引き

入口が決まったら、データが実際にどこの国で処理・保存されるかと、どの区分の情報まで入れてよいかを照らし合わせます。オープンウェイトモデルそのものに国籍があるわけではなく、確かめるべきなのは、選んだ入口の事業者がどこでデータを扱うかという点になります。

公開モデルでも、アプリやAPI経由なら提供元のサーバーを通る

重みが公開されていることは、データが外に出ないことを意味しません。自社の機械で動かす場合を除けば、入力した文章はアプリやAPIの提供元のサーバーに送られ、その事業者の規約に沿って処理されます。オープンウェイトだから安全という思い込みのまま、公式アプリに顧客の情報を入れてしまうのが、よくある失敗の形でしょう。

クラウド経由でも、日本国内で処理されるとは限らない

大手クラウドを通す場合も、処理される場所は選んだリージョンとモデルの対応状況で決まります。AWSは2025年10月15日の告知で、Amazon Bedrockのオープンウェイトモデルの提供リージョンを広げたと案内しています。告知時点では、DeepSeek-V3.1とQwen3 Coder-480Bが米国東部（オハイオ）とアジアパシフィック（ジャカルタ）、OpenAIのオープンウェイトモデルとQwen3が米国東部（オハイオ）・欧州（フランクフルト）・アジアパシフィック（ジャカルタ）に広がり、この告知に東京リージョンの記載はありませんでした。使いたいモデルがどのリージョンで提供されているかは、モデルごとに事前に確認することが欠かせません。

また、AWSのコーディング支援ツールKiroがオープンウェイトモデルを追加した際の公式ブログでは、公開時点の情報として、推論はAWS US East (N. Virginia) リージョンで実行されると明記されています。モデル名だけを見て判断せず、そのサービスで入力がどの国のリージョンで処理されるかまで確認しましょう。取引先から保存場所を聞かれたときに答えられるよう、確認した画面や文書の場所も残しておくと安心です。

中国系モデルは保存場所の原文を社内方針と照らす

中国の会社が公開したモデルかどうかではなく、使う入口でデータがどこに保存されるかを、規約の原文で確かめるのが判断の筋道になります。たとえばDeepSeekの公式アプリとAPIのプライバシーポリシー（2026年2月10日更新版の日本語版）には、収集した情報を中華人民共和国にある安全なサーバーに保存すると書かれています。一方で、同じ系統のモデルでも、自社の機械で動かせば入力した内容は自社の外に出ず、クラウド経由ならそのクラウドのリージョンで処理されます。

取引先との契約で、データの保存国や再委託先に条件が付いていることは珍しくありません。モデルの公開元の国籍で一律に禁止したり許可したりするより、入口ごとの保存場所を社内の取引条件や情報管理の方針と照らし合わせて決めるほうが、説明のつく判断になるでしょう。

個人情報を入れるなら個人情報保護委員会の資料に照らす

顧客や社員の個人情報を入力する可能性があるなら、個人情報保護委員会が公表している資料に照らして確認することが必要です。委員会は、2023年6月公表の生成AIサービスの利用に関する注意喚起等についてという文書で、事業者が個人情報を生成AIに入力する際の注意点を示しています。公開元のAPIや海外のリージョンで処理する入口を選ぶ場合には、個人情報の保護に関する法律についてのガイドライン（外国にある第三者への提供編）に照らし、外国にある第三者への提供に当たるかどうかも検討しなければなりません。

自社の機械で動かす入口なら第三者への提供の問題は生じにくくなりますが、社内での利用目的の範囲や、安全管理の措置は引き続き求められます。個人情報を扱う業務でオープンウェイトモデルを使うかどうかは、情報システムの担当だけで決めず、個人情報の管理責任者を交えて決めることをおすすめします。

会計事務所なら守秘義務の条文から考える

業法で守秘義務が定められている業種では、条文を起点に入口を選ぶと判断がぶれにくくなります。税理士法第38条は、税理士は正当な理由がなくて、税理士業務に関して知り得た秘密を他に洩らし、又は窃用してはならない、と定めています（条文はe-Gov法令検索で確認できます）。顧問先の試算表や申告書の下書きを扱うなら、自社の機械で動かす入口か、契約で保存場所と扱いを確かめられる入口に限るのが、この条文に沿った考え方になります。

公開元の公式アプリのように、規約を個人が同意しただけの入口に顧問先の情報を入れると、事務所として説明がつかなくなってしまいます。弁護士・社会保険労務士・医療機関なども、それぞれの業法や指針に同じような定めがあるため、自分の業種の条文を先に確かめてみてください。

自社で動かす利点と、引き受けること

オープンウェイトモデルを自社で動かすと、データを外に出さない・中身を調整できる・費用の形を変えられるという利点が得られる一方、運用の手間や撤回できないリスクも自社で引き受けることになります。利点だけで判断すると、導入した後に担当者が疲弊してしまうことにもなりかねません。

利点1：自社で動かせばデータを外に送らずに済む

自社の機械で動かし、実行ソフトが外部と通信しない設定になっていれば、入力した文章や読み込ませた文書が社外のサーバーに送られることはない仕組みです。取引先との契約で外部サービスへの入力が禁じられている情報や、社外秘の設計資料などを扱う業務では、この点が導入の決め手になりやすいでしょう。前の節で見たクラウドのリージョンや公開元の保存場所を気にする必要がなくなる点も、判断を簡単にしてくれます。

利点2：ファインチューニングで自社用に調整できる

重みが手元にあるため、自社の文書や言い回しを追加で学習させるファインチューニング（追加学習）を行うことが出来ます。業界特有の用語や、社内の文書の書き方に合わせた答えを返すモデルに育てられる点は、クローズドモデルにはない自由度です。ただし、追加学習にはまとまった量の整ったデータと、学習用の計算資源が必要になり、効果を測る仕組みも自社で用意することになります。

追加学習したモデルにも、元のライセンスが定める条件（表示義務、命名の決まり、利用規定など）がかかります。Llama 4のように派生モデルの名前まで決めているライセンスもあります。社外に提供するつもりがなくても、どのモデルを元にしたかの記録は残しておきましょう。

利点3：費用は従量課金から固定費へ変わる

自社で動かすと、使った量に応じて支払う従量課金ではなく、機械の購入費や月々の維持費という固定費に変わります。毎日大量の文書を処理する業務があれば、量が増えても費用が大きく変わらない点は利点になるはずです。一方で、使う量が少ない会社では、機械を遊ばせる時間が長くなり、クラウドで使った分だけ払うほうが安く収まることも多くなります。

固定費に変えるかどうかは、1日にどれだけの量を処理するか、機械を何年使うか、担当者の時間をどう数えるかで決まってきます。費用の項目と試算の考え方は、親記事のローカルLLMとはで詳しく扱っています。

日本語の性能は自社の業務で試して決める

公開元が発表するベンチマーク（性能を測る試験）の点数は、主に英語や数学、プログラミングの試験で測られたもので、日本語の業務文書での出来をそのまま表すものではありません。発表されている数値は公開元の自己申告であることも多く、第三者が同じ条件で確かめたものとは限らないのが実情です。

候補のモデルを2〜3に絞ったら、実際の業務で使う文書を使って、同じ依頼をそれぞれに試してみてください。議事録の要約、社内規程の検索、メールの下書きなど、使う予定の業務を10件ほど選び、担当者が良し悪しを判定して記録を残しておくと、決裁の資料としてもそのまま使えます。判定の基準は、正確さ・日本語の自然さ・答えが返るまでの時間の3つ程度に絞ると、担当者が変わっても同じ物差しで比べられます。

運用の担い手は自社になる

自社で動かすオープンウェイトモデルは、更新・不具合の対応・セキュリティの修正を、すべて自社で引き受けることになります。新しい版が出たときに入れ替えるか、実行ソフトの脆弱性が見つかったときに誰が修正するか、止まったときに誰が復旧させるかを、導入前に決めておく必要があります。担当者が1人しかいない会社では、その人の異動や退職で運用が止まってしまう点も考えておきたいところです。

実際には、使う版を固定して記録し、新しい版は小さな業務で試してから入れ替える、という手順を決めておくと混乱が起きにくくなります。実行ソフトやモデルの更新情報を誰がどの頻度で確認するかも、担当表に書いておきましょう。

公開された重みは撤回できない

一度公開された重みは、公開元が後から取り下げても、すでにダウンロードされた複製を回収することは出来ません。悪用された場合や、安全対策を外した改変版が出回った場合でも、公開元がその利用を追跡して止める手段は限られています。利用する会社の側から見ると、配布元が分からない改変版を使ってしまうリスクがあるということになります。

業務で使う重みは、公開元の公式の配布場所から入手したものに限り、どこから取得したかを記録に残しておきましょう。

社員が勝手に入れるローカルLLMもシャドーAI（野良AI）になる

社員が自分の判断でPCに入れたローカルLLMも、会社が把握していなければシャドーAI（野良AI）の一つになります。OllamaやLM Studioといった実行ソフトは個人のPCにすぐ入り、Hugging Faceのような公開の場所からは多くのモデルを誰でもダウンロードできてしまいます。外にデータを送らないから問題ないと思われがちですが、会社から見ると管理されていない利用であることに変わりはありません。

ローカルで動かしても自動的に安全にはならない

ローカルで動かす利用には、外に送らないこととは別の問題が3つ残ります。1つ目は、ダウンロードして使った時点でライセンスに同意したことになりうる点で、先に見たLlama 4のように、雇用主のために同意した場合は雇用主を当事者とする条文もあります。2つ目は、配布されているファイルが本物かどうかを、会社が自分で確かめるしかない点になります。

3つ目は、誰がどのモデルを入れて、何を入力したかの記録が会社に残らない点です。PCそのものの管理、アクセス権、ログの取得は、ローカルで動かす場合も別途必要となります。親記事のローカルLLMとはでも、ローカルなら情報は絶対に漏れないという考えをよくある誤解として取り上げています。

見つけたときに一律で禁止すると、利用が見えないところへ移るだけになりがちです。業務で使ってよい実行ソフトとモデル、使ってよい端末を決めて申請の手順を用意し、それ以外は使わないというルールにしておきましょう。社内で見えない利用が起きる経路と対策はシャドーAI（野良AI）とはで、ルールの文書の作り方は生成AIの社内ガイドラインの作り方で解説しています。

決裁前のチェックリスト

オープンウェイトモデルの導入を決裁する前に、次の9項目がすべて埋まっているかを確認します。経済産業省と総務省のAI事業者ガイドライン第1.2版（2026年3月31日公表）は、別添7としてチェックリストとワークシートを公開しており、社内の点検項目をそちらと並べて見直すこともおすすめします。

• モデル名と版同じ名前でも世代でライセンスが変わることがあります。Gemma 4と旧Gemma、DeepSeek-R1とDistill系のように、版まで特定して記録します。
• ライセンス本文のURLと種類Apache 2.0・MIT・独自ライセンスのどれか。確認した日付と、利用規定の有無も書き添えます。
• 社内利用だけか、顧客向けに提供するかKimi K3の第4条のように、社内利用かどうかで適用される条文が変わるライセンスがあります。
• 使う入口自社の機械・大手クラウド・公開元のアプリやAPIのどれで使うか。入口ごとに契約相手が変わります。
• 処理される国・リージョンクラウドや公式の入口では、モデルごとに処理される場所を確認します。
• 入れてよい情報の区分公開情報／社内限り／顧客・個人の情報の3区分で、どこまで入力してよいかを決めます。
• 運用担当者と更新の頻度主担当と代わりの担当、版の更新と修正の確認をどの頻度で行うか。
• 日本語の品質を試した業務と結果試した業務・件数・判定した人と結果を残します。
• やめるときの手順モデルと実行ソフトの削除、入力データの消去、代わりに使う手段まで決めておきます。

このうち、モデル名と版、ライセンス本文のURL、使う入口の3つは、後から調べ直すのに手間がかかる項目です。生成AIを使う際のセキュリティ全般の点検項目は、生成AIのセキュリティ対策チェックリストもあわせてご活用ください。

自社で動かす手間と、主要4AIを会社契約で使う場合の比較

社内にAIの担当者がいない会社では、オープンウェイトモデルを自社で動かすより、主要なAIを法人向けのサービスで契約するほうが現実的な場合が多くなります。社員10〜200名の会社で考えられる3つの案を、初期費用・毎月の手間・担当者の要否・性能・データの行き先・社員全員に配れるかの6点で並べてみます。

案1：オープンウェイトモデルを自社で動かす

• 初期費用：GPUを積んだサーバーや高性能PCの購入費がかかる。モデルが大きいほど高くなる
• 毎月の手間：モデルと実行ソフトの更新、不具合の対応、利用記録の管理が続く
• 担当者：必要。サーバーとAIの両方が分かる人がいないと続かない
• 性能：社内で動かせる大きさのモデルに限られる。業務で試して判断する
• データの行き先：自社の機械の中（外部と通信しない設定の場合）
• 全員に配れるか：同時に使う人数が増えると機械の増強が必要になる

外に出せない情報を扱う特定の業務がはっきりしていて、担当者を置ける会社に向いた案になります。

案2：クラウドでオープンウェイトモデルを借りる

• 初期費用：機械の購入は不要。クラウドの環境づくりに手間がかかる
• 毎月の手間：使った量に応じた支払いの管理、権限とログの設定、リージョンの確認
• 担当者：必要。クラウドの設定と、社員が使う画面の用意ができる人
• 性能：自社では動かせない大きなモデルも選べる
• データの行き先：クラウド事業者の環境。処理リージョンはモデルごとに確認
• 全員に配れるか：社員が使う画面を別に作るか用意する必要がある

すでにクラウドを業務で使っていて、社内に設定を担える人がいる会社なら、自社で機械を持つより始めやすい案です。

案3：主要なAIを法人向けサービスで契約する

• 初期費用：開発は不要。サービスにより初期費用がかかる
• 毎月の手間：アカウントの発行と停止、利用状況の確認が中心
• 担当者：専任でなくてもよい。総務や情報システムの担当者が兼務できる範囲
• 性能：ChatGPT・Claude・Gemini・Perplexityといった主要なAIを使える。使えるモデルの種類はサービスごとに確認
• データの行き先：サービス事業者と各AIの提供元の環境。保存場所と学習への利用の扱いを契約前に確認
• 全員に配れるか：料金の形がサービスによって違うため、全員に配った場合の総額で比べる

社内にAIの担当者がいない会社や、まず社員全員が安全に使える環境を整えたい会社には、この案から始めて、外に出せない業務が見つかった段階で案1や案2を追加する順番が無理のない進め方になります。複数のAIを1つの環境でまとめて使う方法はマルチAIとはで、法人向けサービスの料金の横並びは法人向け生成AIサービスの比較で確認できます。

よくある質問

まとめ

オープンウェイトモデルとは、学習済みの重みが公開され、自社の機械でも動かせるAIモデルのことです。オープンソースAIとは定義が異なり、重みがダウンロードできても、商用で使えるか、社内で使うだけで何が求められるかは、モデルごとのライセンス本文を読まないと分かりません。

同じモデルでも、自社の機械で動かすか、大手クラウドを通すか、公開元の公式アプリやAPIを使うかで、契約の相手もデータの行き先も変わってきます。Llama 4のように、業務で使い始めると会社のための同意と扱われる余地がある条文もあり、社員が個人の判断で入れたローカルLLMも、会社が把握していなければシャドーAI（野良AI）の一つとなってしまいます。

決裁の前には、モデル名と版、ライセンス本文、使う入口、処理される国、入れてよい情報の区分、運用の担当者までをそろえておきましょう。社内に担当者を置けない会社は、主要なAIを法人向けサービスで契約する案から始め、外に出せない業務が見つかった段階で自社での運用を検討する順番でも遅くはありません。

必要なGPUや費用の内訳を含む全体像はローカルLLMとはで、法人のAI活用に関する他の記事はAI活用コラム一覧でご覧いただけます。