LLMとは?
LLM(Large Language Model:大規模言語モデル)とは、大量の文章を学習し、文章の理解や作成ができるAIです。ChatGPTに代表される生成AIのサービスは、LLMを中心に作られています。
LLMは、質問への回答、文章の要約・翻訳・作成、プログラムの作成、画像や表の読み取りなどに使えます。社内の文書を検索して答える仕組み(RAG)や、ツールを使って作業を進めるAIエージェントの頭脳としても使われます。
LLMを比較するときのポイントは?
| ポイント | 確かめること |
|---|---|
| 性能・精度 | 自社の業務の文章(要約、分類、回答など)で、求める精度が出るか |
| 日本語の扱い | 日本語の文章の理解と作成の質。社内の専門用語の扱い |
| 扱える文章の長さ | 一度に読み込める量(コンテキストウィンドウ)。長い契約書やマニュアルを扱うなら重要 |
| 費用 | 入力と出力の量に応じた料金。同じ会社でも、性能の高いモデルほど高い |
| 速さ | 回答までの時間。問い合わせ対応など、待ち時間が気になる用途では重要 |
| 入出力の種類 | 文章だけか、画像・音声・ファイルも扱えるか |
| データの扱い | 入力が学習に使われないか、データの保存場所と期間 |
| 使える環境 | 直接のAPIのほか、AWS・Google Cloud・Microsoft Azureなどのクラウドで使えるか |

主なLLMの違いは?
主なLLMの提供元と、各社の開発者向けドキュメントに書かれている内容を同じ項目で並べます(2026年11月18日確認)。
| 項目 | GPT(OpenAI) | Claude(Anthropic) | Gemini(Google) |
|---|---|---|---|
| 主なモデル(ドキュメントの記載) | GPT-6 Astra(複雑な推論とコーディング)、GPT-6.1 Sol、GPT-6.1 Terra、GPT-6 Luna(大量の処理向けで最も効率的) | Claude Fable 5.2(高度な推論と長時間のエージェントの作業)、Claude Opus 5.5(多くの用途に推奨)、Claude Sonnet 5.5、Claude Haiku 5.5 | Gemini 4 Argon(推論の最上位)、Gemini 3.8 Flash(コーディング・エージェント・業務の流れ向け)、Flash-Liteなど |
| 扱える文章の長さ | 105万トークン(主なモデル) | 100万トークン(主なモデル) | 100万トークン(Gemini 4 Argon) |
| 性能と費用の選び方 | 最上位から効率重視まで4つの主なモデル | 最上位から低価格まで4つのモデル | 推論重視のモデルと、速さ・低価格のFlash系 |
| 使える環境 | OpenAIのAPI、ChatGPTの法人向けプランなど | AnthropicのAPI、Claudeの法人向けプラン、Amazon Bedrock、Google Cloud Vertex AIなど | Gemini API、Google Cloud(Vertex AI)、Gemini Enterpriseなど |
※各社の開発者向けドキュメントに書かれている内容を整理したものです。モデルの名前・性能・料金は頻繁に変わるため、最新の情報は各社の公式サイトで確かめてください。性能の優劣は用途によって変わるため、自社の業務のデータで試して比べることをおすすめします。
LLMはどんな形で使える?
| 使い方 | 内容 | 向いている場合 |
|---|---|---|
| 法人向けのチャットのサービス | 各社が提供するチャットの画面を、法人向けの契約で使う | まず社員に使わせたい |
| API | 自社のシステムやアプリからLLMを呼び出す | 業務システムに組み込みたい |
| クラウドのサービス経由 | AWS・Google Cloud・Azureなどのクラウドの中でLLMを使う | 自社のクラウドの環境・契約の中で管理したい |
| 社内専用の生成AIプラットフォーム | 複数のLLMと社内の文書・業務ツールを1つの基盤でまとめる | 社内の情報をもとに答えさせたい、LLMを使い分けたい |
| ローカルLLM | 自社のサーバやパソコンの中でLLMを動かす | データを外部に出したくない |
ローカルLLMは「ローカルLLMとは?」で解説しています。
法人向けの生成AIプラットフォームの選び方は?
- 使えるLLMの種類:特定のLLMだけか、複数のLLMから用途に応じて選べるか。新しいモデルに切り替えやすいか。
- 社内のデータとの連携:社内の文書を検索して答える仕組み(RAG)や、業務システム・チャットツールとつなげるか。
- 作りやすさ:業務部門が、プログラミングなしで用途別のAI(エージェント)を作れるか。
- 管理とセキュリティ:利用者ごとの権限、利用の記録、入力が学習に使われない設定。
- 費用の考え方:ユーザー数、利用量(クレジット)、初期費用。想定の利用量で月の費用を試算する。
社内専用の生成AI環境を構築するには?
| 手順 | やること |
|---|---|
| 1. 用途と利用者を決める | どの部署の、どの業務で使うかを決める |
| 2. 扱うデータの範囲を決める | 社内の文書のうち、AIに読み込ませるものと、入力してはいけない情報を決める |
| 3. 基盤を選ぶ | 法人向けのプラットフォーム、クラウドのサービス、ローカルLLMから、データの機密度と利用規模で選ぶ |
| 4. LLMを選んで試す | 業務のデータで、複数のLLMの精度・速さ・費用を比べる |
| 5. 社内の文書とツールをつなぐ | RAGで社内の文書を検索できるようにし、チャットツールや業務システムから使えるようにする |
| 6. 小さく始めて広げる | 1つの部署で効果を確かめ、使い方の例を共有して広げる |

社内の文書をもとに答えさせる仕組みは「RAGとは?」で解説しています。
複数のLLMを使い分けるには?
用途によって適したモデルは違います。たとえば、大量の問い合わせの分類には速くて安いモデル、契約書の確認や複雑な分析には性能の高いモデル、と使い分けると、費用と精度のバランスをとれます。
複数のLLMを1つの基盤で扱えるプラットフォームを使うと、用途ごとにモデルを選び、新しいモデルが出たときも切り替えやすくなります。
オープン株式会社のMention Meは、複数の言語モデルと社内の情報・業務ツールをまとめ、自社向けのAIエージェントを短期間・低コストで作れる開発基盤です。
- 複数のLLMから選べる:GPT、Claude、Geminiなどから、用途に応じて選べる
- 社内のデータとつなげる:RAG(社内文書の検索)や外部のAPIと接続できる
- チャットの形で作れる:プログラミングの知識がなくても、会話の画面を設計できる
- チャットツールで使える:SlackやTeamsから使える
- 料金:初期費用20万円と、月額2万円(ライト:1ユーザー・エージェント10個)、5万円(スタンダード:5ユーザー・50個)、15万円(プロ:20ユーザー・エージェント無制限)のプラン(いずれも税別)。AIの応答や社内文書の検索には、プランに含まれる会話クレジットを使う。性能の高いモデルほど、会話が長いほど多く使う
専用のエージェントの構築を当社に任せることもできます(期間は1〜3か月程度、1案件あたり100万〜200万円程度〔税別〕が目安)。
よくある質問
LLMを比較するときのポイントは?
自社の業務での精度、日本語の扱い、扱える文章の長さ、費用、速さ、入出力の種類、データの扱い、使える環境(APIやクラウド)を比べます。業務のデータで実際に試すのが確実です。
社内専用の生成AI環境を構築するには?
用途と利用者を決め、扱うデータの範囲を決めてから、プラットフォーム・クラウド・ローカルLLMから基盤を選びます。LLMを試して選び、社内の文書(RAG)とチャットツールにつないで、小さく始めて広げます。
法人向けの生成AIプラットフォームの選び方は?
使えるLLMの種類と切り替えやすさ、社内のデータとの連携、プログラミングなしで作れるか、管理とセキュリティ、費用の考え方で選びます。
主なLLMにはどんなものがありますか?
OpenAIのGPT、AnthropicのClaude、GoogleのGeminiが代表的です。各社とも、性能の高いモデルから、速くて安いモデルまで複数のモデルを提供しています。
LLMは1つに決めたほうがよいですか?
用途によって適したモデルが違い、モデルの入れ替わりも速いため、複数のLLMを使い分けられる環境にしておくと、費用と精度のバランスをとりやすく、新しいモデルにも切り替えやすくなります。
まとめ
LLMは、性能・日本語・文章の長さ・費用・速さ・データの扱い・使える環境で比べます。主なLLMはGPT、Claude、Geminiで、それぞれ性能と費用の違うモデルがあります。モデルの入れ替わりは速いため、業務のデータで試して選び、複数のLLMを使い分けられる社内の環境を作ると、長く効果を出せます。
▶ お問い合わせ
業務自動化の詳細資料を無料配布中
導入事例・機能比較・価格の目安をまとめたPDFです。