ClaudeやGeminiは強力ですが、自動化の現場では小さなローカルLLM（大規模言語モデル）の方が使われる場面があります。API費用、プライバシー、速度の制約、モデル選定の自由度という4つの観点で、クラウドAIとの棲み分けを整理します。

この記事でわかること

  • Claudeの月額プランとAPI課金が別である理由と、自動化でローカルLLMが有利になる背景
  • 家族情報や外出予定を扱う用途でローカル実行が選ばれるプライバシー面の根拠
  • 処理が遅くても問題にならないバッチ処理の具体例
  • モデル廃止や仕様変更の影響を受けにくい運用の考え方

クラウドAIの強みと、自動化で生じる課題

ClaudeやGeminiは対話や調査に優れ、筆者も日常的に使っています。一方、Home Assistant（ホームアシスタント）のようなスマートホーム基盤へAIを組み込む場面では、別の制約が出ます。クラウドの会話エージェントはAPIキーと従量課金が前提で、月額サブスクリプションの範囲外です。

Home Assistant公式のAnthropic連携ドキュメントでも、APIキーの発行と課金設定が必須と明記されています。ドアベルに映った人物の説明生成や、音声アシスタントの会話エージェントなど、常時動く自動化ではAPIコストが積み上がります。Claude Pro（月額20ドル）を契約していても、API利用分は別請求です。

理由1：API費用を気にせず回せる

https://www.home-assistant.io/integrations/ollama/

ローカルLLMの最大の実利は、サブスクリプションとAPIの二重課金を避けられる点です。Ollamaなどのツールで自宅のマシン上にモデルを置けば、推論のたびにトークン課金は発生しません。電気代とハードウェア代はかかりますが、毎朝動くブリーフィング生成や、来客検知の説明文作成のように頻度が高い処理では、クラウドAPIより予測しやすいコストになります。

Home AssistantにはOllama連携も用意されており、外部のOllamaサーバーへ接続してローカル会話エージェントを動かせます。クラウド連携と並べて使い、対話はクラウド、定時自動化はローカルと役割を分ける運用が現実的です。

理由2：家族情報を外に出さない

クラウドのAIチャットボットへ送ったメッセージは、処理のため第三者のサーバーへ届きます。送信しなかった入力欄の内容がサーバー側に残る可能性も指摘されています。APIキーやクレジットカード番号、家族の写真など、誤って貼り付けた情報がクラウドに載るリスクは自動化ほど見落としやすくなります。

ローカルLLMなら推論は自宅ネットワーク内で完結します。筆者の例では、子どもの予定や外出時間を含む朝のブリーフィングをローカルモデルで生成しています。AI企業側のデータ漏えい事件を前提にしなくてよい用途では、ローカル実行の方が安心です。医療や法務のようにデータ所在地が規制対象になる分野でも、同じ論理が当てはまります。

理由3：遅くても間に合う処理がある

ローカルLLMはハードウェアに依存し、小型モデルほど応答が遅くなりがちです。GPUなしのミニPC、メモリ16GB、M2 MacBook Airといった構成では、生成速度はクラウドのClaudeやGeminiに及びません。

ただし、すべてのAI処理がリアルタイム性を要するわけではありません。朝5時に起動するブリーフィング自動化は、カレンダーや天気を集め、ローカルLLMで文章化し、ローカルのTTS（テキスト読み上げ）で音声化するまで全体で約15分かかります。朝食の時間までに完了していれば、遅さは実害になりません。バッチ要約、ログ分類、夜間のレポート生成など、締切が数時間先のタスクはローカルモデルの得意分野です。

理由4：モデル選定を自分で握れる

クラウドサービスは提供側のモデル更新や廃止の影響を受けます。好みのモデルが弱体化したり、提供終了したりしても、利用者側で止めることはできません。

ローカルLLMはモデルファイルを自前で保持します。Ollama上で別モデルへ差し替えるだけで、ベンダーの方針変更に追随する必要が減ります。開発元への不信が生じた場合も、別のオープンウェイトモデルへ移行しやすい構造です。Home AssistantのOllama連携では、利用モデル名を設定画面から指定でき、セットアップ時にモデルが自動ダウンロードされます。

ローカルLLMが向かない場面

公平に書くと、ローカルLLMは万能ではありません。高度な推論、長文の多段分析、画像や動画を伴うマルチモーダル処理は、現時点ではクラウドのフロンティアモデルが有利です。Home Assistant公式も、Home Assistant操作を任せる用途では25エンティティ以下に絞り、小さいモデルは誤動作しやすいと注意しています。

利用頻度が低い個人利用では、クラウドAPIの従量課金の方が総コストは安くなることもあります。ローカルは「毎日・毎時回す自動化」「機密データを扱う」「オフラインで動かす」といった条件が揃ったときに、ClaudeやGeminiの代わりではなく補完として光ります。

小さなモデルでも回る自動化の設計

筆者は最初、ミニPCで動かせるモデルのサイズと速度に失望したと述べています。その後、時間に余裕のある自動化へ用途を絞ることで、ローカルLLMが最も使う基盤になりました。性能より先に「いつ結果が必要か」を決めると、クラウドとローカルの判断は単純になります。朝の音声ブリーフィング、来客説明、定時レポートなど、スケジュール実行できる処理から試すのが現実的な第一歩です。