AIは性能表だけでは配れない——Geminiの契約階層と国産オープンモデルから作る「能力アクセス表」

2026年10月、個人向けGeminiで使えるモデルが契約プランごとに明確に分かれることが告知されました。無料ユーザーはFlash-Lite、上位プランではFlashやProまで選べる構成です。同じ「Geminiを使っている」という言葉でも、利用者が呼び出せる能力は同じではなくなります。

一方、日本ではNIIのLLM-jp-4を基にしたELYZAの日本語モデルが、商用利用も可能なApache 2.0で公開されました。さらにGoogleの高性能モデルGemini 4 Argonは、まず信頼できるサイバー防御組織へ限定提供されています。AIの入口は、無料か有料かだけではありません。契約、用途、危険度、計算資源、自社運用の可否によって、使える能力が何層にも分かれています。

ここで日本企業が管理すべきものは、従業員が契約している製品名の一覧だけではありません。「この仕事には、どの能力を、どのデータと権限で、どれだけ使わせ、使えない日は何へ戻すか」という能力アクセス表です。本稿では、モデルの性能順位ではなく、仕事を止めずにAIを配るための五つの欄へニュースを翻訳します。

「同じAIを導入済み」が意味を失い始めた

ITmedia NEWSによると、個人向けGeminiでは2026年10月9日から無料ユーザーが選べるモデルがFlash-Liteに限られます。Google AI PlusではFlash-LiteとFlash、AI ProとAI UltraではProを含む三段階を利用できる構成です。無料版そのものが終わるのではありませんが、同じ画面へ入っても、選択できるモデルが契約で変わります。

処理量も単純な回数券ではありません。プロンプトの複雑さ、使う機能、会話の長さなどに応じて利用枠が消費され、拡張推論や調査、画像・動画生成は比較的多くの枠を使うと説明されています。つまり「一日何回まで」という管理だけでは、月末までにどの仕事を完了できるか予測しにくくなります。

企業では、この差が個人の使い勝手以上に大きな問題になります。ある担当者は上位モデルで長い契約書を扱え、別の担当者は軽量モデルしか選べない場合、同じ手順書を配っても結果と待ち時間がそろいません。異動や休暇で担当が替わっただけで、昨日まで通った処理が利用枠不足で止まる可能性もあります。

従来のソフトウェア管理では、アプリの利用資格があるかないかを見れば足りる場面が多くありました。生成AIでは、製品への入口、モデル階層、推論量、追加機能、時間ごとの上限が別々に動きます。導入数や月間利用者数だけを見ても、業務能力の在庫は分かりません。

高性能モデルほど、公開日と利用可能日が離れる

Gemini 4 Argonの発表は、能力への入口が危険度でも分かれることを示します。Googleは、長時間の処理、ソフトウェア開発、金融・法務、サイバー防御などを想定し、最大出力100万トークンを掲げています。ただし、最初の提供先はFairwind Programを通じた信頼できるサイバー防御組織です。一般の開発者や企業、消費者が使える時期は発表時点で明らかにされていません。

同社が示した各種ベンチマークは、提供者による評価結果です。自社の日本語資料、社内規程、例外処理、既存システムで同じ結果が出ることを保証しません。また、強力なサイバー能力は、防御側へは役立つ一方、無条件に広く配れば悪用の範囲も広がります。性能が高いから全員へ同時に配る、という考え方が成立しにくい領域です。

以前の記事では、最新モデルを発表日ではなく、入口、評価、運用、現場の四関門を通過した「使える日」で選ぶ方法を整理しました。詳しくは最新AIを発表日より使える日で選ぶための四関門で解説しています。今回さらに重要になるのは、組織全体の利用開始日を一つに決めるのではなく、仕事ごとに入口を開けることです。

例えば、公開情報から脆弱性候補を列挙する仕事と、本番環境へ修正を適用する仕事は分けられます。前者は限定された担当者へ先に開き、後者は検証環境、承認者、復旧手順がそろうまで実行権限を閉じます。モデルへのアクセス権と、モデルが触れる環境の権限は別のスイッチです。

オープンモデルは「無料の上位プラン」ではない

ELYZAが公開した二つのモデルは、NIIのLLM-jp-4を基に日本語処理を中心とした追加学習を行ったものです。ライセンスはApache 2.0で、Hugging Faceから取得でき、商用利用も可能とされています。クラウドサービスの契約階層とは異なり、組織が計算環境を用意すれば、自ら保持して運用できる選択肢です。

ただし、公開モデルを入手できることと、無料で業務を完了できることは同じではありません。推論用の計算資源、保存容量、監視、脆弱性対応、モデル更新、評価データ、人の確認が必要です。外部サービスの利用料を減らしても、社内の運用費と責任が増える場合があります。

また、ITmediaの記事では、当初の「完全国産」という表現が、開発側の追加説明を受けて変更された経緯も記されています。国内企業が開発したこと、基盤モデルが国内で事前学習されたこと、学習データや計算機、依存ソフトウェアの全てが国内由来であることは別の主張です。導入判断では、国産という一語でまとめず、モデル、データ、運用、更新主体を分けて確認する必要があります。

これはAI主権を所有量ではなく選び直せる範囲で測る考え方とつながります。オープンモデルの価値は、常に最高性能であることではありません。外部サービスの上限、価格改定、障害、提供地域の変更が起きたときに、対象業務の一部を自社環境へ戻せることです。

AIエージェントでは、モデル利用権と作業権限を分ける

The Vergeが試したOpenAIのDotは、クラウド上の仮想環境でアプリを操作し、利用者のパソコンへ接続して編集や更新を進めるエージェントとして紹介されています。記事では、通信サービスの申し込みが人間確認で止まった例、無料見学を見つけられず有料枠を提案した例、銀行情報の入力前に人が止めた例が報告されています。一方、利用者が管理するWebサイトや動画編集では、実際の更新作業まで進められました。

この差は、モデルの賢さだけでは説明できません。対象サイトが自動操作を許すか、本人確認を誰が行うか、秘密情報をどこへ入力するか、支払い直前で止まるか、変更を元へ戻せるかが成否を決めています。エージェントへ上位モデルを割り当てても、作業権限が曖昧なら安全にはなりません。

逆に、軽量モデルでも、社内検索、定型分類、下書き作成のように出口が限定された仕事では十分な場合があります。全員へ一番高いモデルを配るのではなく、仕事を終えるために必要な最小能力と最小権限を組み合わせます。

NISTのAIリスク管理枠組みは、AIリスクを統治、把握、測定、管理の四機能で継続的に扱う考え方を示しています。単発の導入チェックではなく、利用目的、影響、測定結果、対応をライフサイクル全体で更新します。契約プランやモデル版が変わる生成AIでは、この継続性が特に重要です。

能力アクセス表に置く五つの欄

能力アクセス表は、製品名を縦に並べたライセンス台帳ではありません。仕事を行にし、少なくとも次の五つを記録します。

欄	記録する内容	典型的な失敗
必要能力	要約、検索、推論、コード実行、画像生成、長文処理など	上位モデルが必要な理由を説明できません
データ境界	公開、社内、個人、機密、保存期間、学習利用条件	便利さを理由に機密資料を広く渡します
実行権限	読取、下書き、送信、更新、購入、削除の上限	回答権限と実行権限を一度に与えます
利用枠	一件の上限、日次・週次枠、費用、待ち時間	重い処理が枠を使い切り重要業務が止まります
代替経路	軽量モデル、自社モデル、手作業、停止条件、復旧担当	利用制限を知った日から場当たり的に切り替えます

必要能力は、モデル名ではなく仕事の動詞で書きます。「Gemini Proを使う」ではなく、「二十ページの規程から該当条文を探し、引用位置を付け、相反する条件を列挙する」とします。モデルが替わっても、受け入れ条件を再利用できます。

データ境界では、入力できる資料だけでなく、出力の保存先と再利用範囲も決めます。公開情報の調査と顧客データを含む判断を同じ会話へ混ぜません。外部サービスへ渡せない資料があるなら、自社運用モデルを候補にできますが、性能差を人の確認工程で補えるかも測ります。

実行権限は、情報を読む、案を作る、外部へ送る、状態を変更する、支払う、削除するという順に開きます。モデルの契約階層が上がっても、実行権限を自動で広げてはいけません。Dotのようにパソコンや業務アプリを扱えるエージェントでは、モデル利用資格よりこちらの設計が重要です。

利用枠には費用だけでなく時間を入れます。高性能モデルが混雑や上限で使えないとき、何分待てる仕事なのかを決めます。即時回答が必要な窓口では軽量モデルへ縮退し、重要な契約判断は待ってでも上位モデルと人の確認を使う、と分けられます。

代替経路は、同じ出力品質を完全に再現する計画ではありません。止めてはいけない用事を、機能を絞って続ける計画です。検索だけ続けて判断は人へ戻す、下書きまで自社モデルで行い送信は保留する、翌営業日まで待てる案件はキューへ残す、といった段階を用意します。

三段階の仕事分類で、過剰契約と過剰権限を減らす

全業務へ細かな表を一度に作ると、更新できない巨大台帳になります。まず三段階に分けると始めやすくなります。

第一段階は読取と整理

公開情報の要約、会議資料の分類、社内文書の候補抽出などです。出力を外部へ送らず、人が原資料へ戻れる仕事を置きます。軽量モデルや自社モデルでの代替を試しやすく、モデル差を測る基準にもなります。

第二段階は判断材料と下書き

契約案、顧客回答、コード変更案、採用候補の整理などです。結果が意思決定へ影響するため、根拠、版、未確定事項を残します。上位モデルを使う価値がある場合でも、承認前の下書きまでに止めます。

第三段階は外部実行と不可逆操作

送信、公開、購入、削除、本番変更、個人への評価などです。モデル階層とは独立した承認、金額上限、宛先制限、復旧手順が必要です。高性能だから自動実行へ進めるのではなく、失敗時の影響と戻しやすさで権限を決めます。

この分類によって、上位プランを全員分買うか、誰にも買わないかという二択を避けられます。高性能が必要な第二段階の担当へ枠を集め、第一段階は軽量モデルで処理し、第三段階は人の承認と監査を強めます。AIの回答を計算資源・権利・商業表示まで含む四つの配分で捉えた記事が供給側の見方だとすれば、能力アクセス表は社内の一件へ誰が何を使えるかを割り当てる実務票です。

30日でモデル台帳を仕事のアクセス表へ変える

最初の一週間は、AIを使う業務を十件だけ選びます。利用者数が多い仕事、止まると困る仕事、機密情報を扱う仕事を混ぜます。現在のモデル、契約、利用枠、入力データ、出力先を記録し、誰も説明できない接続を見つけます。

二週目は、各業務を必要能力、データ境界、実行権限へ分解します。上位モデルでなければ失敗する課題を、具体的な受け入れ条件で試します。軽量モデルで十分な仕事は切り分け、上位枠を難しい判断へ残します。

三週目は、意図的に上位モデルを使えない状態にします。利用上限、外部サービス障害、契約変更を想定し、軽量モデル、自社モデル、手作業へ切り替えます。品質が下がっても期限内に続ける機能と、品質を守るため止める機能を分けます。

四週目は、実行権限を点検します。参照だけの担当が送信や削除までできないか、退職者や異動者の資格が残っていないか、共有アカウントで責任者が消えていないかを確認します。契約プランの更新日と同時に、能力アクセス表を見直す担当を決めます。

30日後は、次の七つを測ります。

1. 業務ごとに必要能力をモデル名なしで説明できる割合
2. 上位モデルを使わなくても完了した件数
3. 利用枠不足で停止した件数と停止時間
4. 代替経路へ切り替えるまでの時間
5. 外部送信や更新の前に正しく止まった割合
6. 完了一件当たりのAI費用と人の確認時間
7. モデル変更後も同じ受け入れ条件を再利用できた割合

利用回数が多いことは、適切に配れた証拠にはなりません。重要なのは、必要な仕事へ必要な能力が届き、不要な権限を増やさず、入口が閉じても重要な用事を続けられることです。

主な出典

• ITmedia NEWS「個人向けGeminiのモデル選択が厳格化」
• ITmedia NEWS「Gemini 4 Argonをサイバー防御組織へ限定提供」
• ITmedia AI＋「LLM-jp-4ベースのELYZAモデルを公開」
• The Verge「OpenAIのDotエージェントを試す」
• NIST「AI Risk Management Framework Core」

結論——モデルを配る前に、仕事へ能力を割り当てる

AIの選択肢は増えていますが、全員が同じ入口から同じ能力を使える時代ではなくなりました。無料、上位契約、限定提供、自社運用には、それぞれ異なる利用枠、責任、危険度、代替可能性があります。契約一覧だけでは、その違いを仕事へ反映できません。

能力アクセス表があれば、上位モデルを必要な判断へ残し、軽量モデルを定型業務へ使い、自社モデルを継続経路として育てられます。同時に、モデルを使えることと、送信、購入、削除まで実行できることを分離できます。費用削減と安全対策を別々に進めるのではなく、一件の仕事をどの能力と権限で終えるかという同じ表で考えられます。

次の契約更新で、席数や月額だけを比べる前に、一つの重要業務を五つの欄へ書き出してみてはいかがでしょうか。上位モデルが使えない日にも、その仕事をどこまで続け、どこで人へ戻すかを説明できるなら、AIは便利な個人ツールから、交代可能な組織能力へ変わり始めています。