DeepSeekショックでAI予算を守る3つの生き残り戦略と判断軸

DeepSeekショックで今、本当に削られているのは「モデル精度」ではなく、あなたの時間と予算です。
NVIDIA株の急落ニュースや「DeepSeekが安い・速い」という表面的な比較に振り回されているあいだに、PoCは止まり、GPU投資は棚上げされ、現場では誰も責任を取りたがらない“判断待ちの空白期間”だけが増えていきます。

多くの企業で起きている損失はシンプルです。

• 既存クラウドLLM前提で組んだPoCやアーキテクチャが、「DeepSeek前提ならゼロから見直すべきでは？」という一言で実質凍結される
• エンジニアはDeepSeekのベンチマークに飛びつき、情シスと法務は「データの行き先」と「規約」を確認しきれず、結論が先送りされる
• 経営層は「どのLLMが強いか」には興味がなく、「5年後のTCOと規制リスクをどう抑えるか」だけを見ているため、議論が一生かみ合わない

つまり、DeepSeekショックの本質は「安いLLMの登場」ではなく、予算・アーキテクチャ・リスクの前提が一度に崩れたのに、意思決定のフレームだけが昔のままという構造的欠陥です。
このギャップを放置すると、次のニュースが出るたびにPoCをやり直し、社内で無許可利用が増え、後からコンプラ爆発の火消しに追われるだけになります。

この記事は、DeepSeek推しでもアンチでもありません。
目的は一つだけです。「DeepSeekショック後も5年間使えるAI投資とガバナンスの判断軸」を、クラウド／ハイブリッド／ローカルの三つの選択肢として整理し、再現性のあるフレームに落とし込むこと。

そのために、ニュースには出てこない現場のパターンを扱います。

• クラウドLLM一本足のPoCが、DeepSeekショックをきっかけに白紙化した構造と、そこで露出した隠れコスト
• 社員の勝手なDeepSeek利用から、後追いで「どのデータを入れたのか」を洗い出さざるを得なくなったコンプラ事故の流れ
• NVIDIA急落を見てGPU投資を止めかけたが、構成だけ変えて投資継続とした実際の意思決定プロセス

これらを単なる事例紹介で終わらせず、「どこから手をつけるか」「どこで線を引くか」を決める判断フレームにまとめています。

この記事を読み進めることで、次の三点が明確になります。

• 世間のDeepSeek論が、なぜあなたの現場判断にはそのまま使えないのか
• DeepSeekショック後に取り得る3つの戦略（クラウド／ハイブリッド／ローカル）の現実的な線引き
• 1年後に後悔しないためのTCO・ガバナンス・社内ルールのチェックポイント

まずは、この記事全体からあなたが得られる実利を俯瞰しておきましょう。

ここから先は、「どのモデルが一番強いか」ではなく、「DeepSeekショックの中で、自社のAI戦略をどう設計し直すか」に絞って分解していきます。

この記事を書いた理由 –

2023年から2025年までに、都内と関西の企業を中心に38社のAI導入を支援してきましたが、DeepSeekショック後の数カ月で相談内容が一気に変わりました。精度比較ではなく、「このままGPU投資を続けていいのか」「PoCを全部やり直すべきか」「社員が勝手にDeepSeekを触り始めたが止めるべきか」という、誰も答えを持たない問いばかりになったのです。

印象的だったのは、ある上場企業でクラウドLLM前提の社内検索PoCが、役員会で「DeepSeek前提ならコスト構造が違うのでは」という一言で即凍結され、現場エンジニアが3カ月分の工数をほぼ捨てることになったケースです。私自身もその提案書を書いていたので、技術的には正しいのに、前提の置き方と説明の順番を間違えるとここまで崩れるのかと痛感しました。

逆に、GPU購入を一度キャンセルしかけた中堅製造業では、API料金、人件費、監査対応コストを5年分洗い出し、クラウドとローカル推論を組み合わせた構成に変更することで、投資を縮小せずに方向転換できました。このとき使った整理のフレームを、特定企業向けの資料として眠らせておくのはもったいないと感じ、DeepSeek推しでも反対でもない「予算とリスクを守る判断軸」として公開しようと決めました。

DeepSeekショックとは何か？ニュースでは語られない“現場のヤバさ”を整理する

「株価が荒れた」「NVIDIAが揺れた」——ニュースはそこだけ賑やかですが、現場で本当に冷や汗をかいているのは、PoCを抱えたAI担当とアーキテクト側です。
DeepSeekショックは、1つのモデルが安くて速くなった出来事ではなく、「AI計画の前提スライドが一斉にズレた事件」として捉えた方が正確です。

現場でよく起きているのは、次のような流れです。

• 既存クラウドLLMでPoC進行中

• DeepSeekショックで「コスト前提」と「必要GPU」がひっくり返る

• 経営から「全部DeepSeek前提で見直して」と指示

• 法務・セキュリティが後ろから赤信号を出し、半年分の工数が蒸発

ここに、ニュースではまず触れない“ヤバさ”があります。

DeepSeekショックで本当に起きたこと：株価暴落より重い「前提条件の崩壊」

多くの企業で崩れたのは、次の3つの前提です。

AI担当が詰まっているのは、「乗り換えるか否か」ではなく、自社がどの前提から組み替え直すべきかが整理されていないことです。

私の視点で言いますと、この“前提の棚卸し”をせずにPoCをやり直した企業ほど、次の値下げニュースで同じ混乱を二度三度と繰り返しています。

「安くて速いLLMが出ただけ」ではない──オープンソース化とGPU最適化が意味するもの

DeepSeek周辺で起きたのは、モデル単体の進化ではなくエコシステムのシフトです。

• オープンソースLLMの品質が「実務で戦えるライン」に到達

• PTXレベルのGPU最適化で、「同じGPUでも出せる性能」が大きく変化

• クラウド課金とオンプレGPU投資の損益分岐点が動いた

つまり、「クラウドLLM一択でしょ」という前提が崩れ、クラウド / ハイブリッド / ローカル推論の再設計が必須になったということです。

企業のAI担当が一瞬で青ざめた理由：予算・アーキテクチャ・リスクの三重変更

DeepSeekショックでAI担当とエンジニアが同時に固まったのは、次の三重変更に直面したからです。

• 予算が揺れる

  • 「この単価なら、最初から全社展開前提で設計し直せるのでは？」
  • 逆に、「既存クラウドLLMの見積もりが割高に見え、承認が止まる」

• アーキテクチャが揺れる

  • クラウドLLM単独PoCから、「オンプレ＋OSS LLM」も含む三案比較へ強制シフト
  • その結果、ネットワーク設計やMLOps設計をゼロから引き直し

• リスク評価が揺れる

  • 社員の勝手なDeepSeekアプリ利用が発覚し、「どのデータを入れたのか」をログから総洗いする羽目になる組織が続出
  • データ越境・モデル提供者の法域など、これまで後回しだった論点が前面に出てくる

AI担当や情シスからすると、「モデルが1つ増えた」のではなく、「AI戦略の三角形（コスト・技術・リスク）の頂点が全部動いた」状態です。
ここを図として描き直せるかどうかが、次のセクション以降で扱う「誤解を潰す」「選択肢を設計する」出発点になります。

世間のDeepSeek論がズレている3つのポイント（ニュースと現場のギャップを暴く）

ニュースを追っているだけだと、「DeepSeekすごい」「NVIDIAショック」「オープンソースで無料の時代」という3フレーズで思考停止しがちだ。だが、現場のAI担当や情シスから聞こえてくる悲鳴は、まったく別のところにある。

私の視点で言いますと、ズレた前提のまま社内議論を始めると、その瞬間に半年分の工数が溶け始める。ここを一度、冷静に分解しておきたい。

「NVIDIA終わり論」の罠：GPU需要は減るどころか“質”が変わっただけ

DeepSeekショック後、「中国発モデルがここまでの性能なら、もう高価なGPUはいらないのでは」という声が一気に増えた。だが、AI開発やLLM運用の現場で起きているのはGPU投資ゼロではなく、GPUの使い方の再設計だ。

代表的な変化を整理すると次の通り。

日経や大和総研のレポートを追うと、AI関連の設備投資は減速どころか用途の多様化が進んでいる。問題は「NVIDIA株価」ではなく、「自社がどのレイヤーまでGPUを握るべきか」というTCOの線引きだ。

「DeepSeekに乗り換えればOK」という単純比較が危険な理由

現場で本当に起きているのは、「ベンチマークだけを見てDeepSeek一択に振り切る」パターンではない。むしろ、既存クラウドLLM＋DeepSeek系＋OSS LLMの三角比較に計画を組み替えた結果、隠れコストが露出している。

ありがちな誤算はこの3つ。

• PoCやり直しコスト

  既存LLM前提で作ったプロンプト・評価指標・監査ログ設計を丸ごと再設計し、3〜6カ月の遅延になるケースが多い。

• 法務・セキュリティの後出しNG

  Chinaリージョン／米国規制／日本のガイドラインを突き合わせると、「使える業務」「使えない業務」が分断され、社内の説明工数が一気に跳ね上がる。

• 経営層のKPIとのズレ

  経営は「5年後のTCOと規制リスク」を見ているのに、現場は「今月のAPI料金と性能」で議論しがちで、会話が噛み合わない。

DeepSeekは優秀なLLMだが、「乗り換えた瞬間、AI戦略が完成する魔法のサービス」ではない。自社のデータ主権・業界規制・既存SaaSとの相性を踏まえた、モデルポートフォリオ設計が前提になる。

「オープンソース＝無料で安全」の誤解が、情シスを地獄に落とす

DeepSeekショックと同時に、「だったらOSS LLMでよくないか」「ローカルで回せば中国も米国も関係ない」という声も一気に増えた。この発想自体は筋が悪くないが、“無料で安全”という解釈だけは完全に危険信号だ。

情シスの視点から見た「オープンソースLLMのリアルコスト」はこうなる。

• GPU・インフラ費

  クラウドGPUでもオンプレGPUでも、回せば回すほど電気と利用料が増える。API料金が見えにくい分、決算時に「電気代とクラウド費だけ跳ね上がる」パターンが多い。

• MLOps・監査体制の人件費

  モデル更新、セキュリティパッチ、アクセスログの保全を自社で担う必要がある。SaaS的な「お任せ」は存在しない。

• ライセンス・データ規制の読み解きコスト

  オープンソースといっても、再配布や商用利用の条件はモデルごとに異なる。ここを読み飛ばし、後から法務レビューで止まる事例が続発している。

• 責任の所在

  クラウドサービスならベンダーと責任を分担できるが、ローカル運用だと「全責任は自社」に乗る。インシデント時の説明責任も含めて、体制を作り込む必要がある。

AI担当やエンジニアが「性能」と「無料」に目を奪われている間、情シスはログの保全・インシデント対応・規制当局への説明を頭の中でシミュレーションしている。このギャップを埋めない限り、DeepSeekショックをきっかけにしたオープンソース移行は、ほぼ確実に途中でブレーキがかかる。

現場で実際にあった“DeepSeekショック型トラブル”と、その着地のさせ方

クラウドLLM一本足打法のPoCが白紙に──やり直し地獄を招いた意思決定の盲点

DeepSeekショック後、真っ青になった情シスが最初に口にするのは「これ、全部やり直しですよね…？」だ。
典型パターンは、特定クラウドLLM前提でアーキテクチャも予算も固めていたケースだ。

私の視点で言いますと、現場でPoCが崩れる原因は技術よりも前提条件の固定化にある。

一本足PoCがハマりがちな落とし穴

• 比較対象が「A社クラウドLLM vs 何もしない」の2択しかない

• ベンダー見積にGPU・ストレージ・ネットワークの長期TCOが織り込まれていない

• DeepSeek級の価格破壊や中国・米国の規制リスクを「ニュース扱い」で無視する

この結果、DeepSeek登場後に三案比較へ組み替えざるを得なくなる。

着地させる現実解は、最初から「クラウドLLM／DeepSeek系／OSS LLM（オンプレ or 自社クラウド）」の3レーンで評価することだ。
ベンチマーク表を作るときは、性能だけでなく「契約縛り年数」「データ保存ポリシー」「将来の値下げ余地」を列に入れると、日経や大和総研のAI・半導体レポートと会話しやすくなる。

社員の勝手なDeepSeek利用が、後からコンプラ爆発を起こしたケース

DeepSeekが無料・高性能と聞いた瞬間、どの企業でも起きるのが“シャドーAI”の氾濫だ。SaaS開発チームが個人アカウントでプロンプトを書き散らかし、数カ月後に法務がその存在を知る、という流れは珍しくない。

コンプラ爆発の典型シーケンス

1. エンジニアがDeepSeek公式Webや中国系サービスに業務データを貼り付けて検証
2. 経営会議で「当社は中国リージョンへのデータ越境を禁止」と再確認
3. 法務が利用履歴の洗い出しを指示
4. ログが残っておらず、メールやチャットを人力で調査する羽目になる

着地させるには、「禁止」よりも“条件付きOK”の明文化が効く。

• 利用可能なサービス一覧とリージョンをホワイトリスト化

• 入力禁止データ（顧客名・メール・生データ）の具体例を社内ポータルに掲載

• DeepSeek含む外部LLM利用時はプロキシ経由でログを強制保存

これをやって初めて、情シスとエンジニアが「DeepSeekショックを安全に活かす」フェーズに進める。

GPU投資を止めかけて気づいた、「価格ニュースだけを見てはいけない」教訓

NVIDIA株が急落すると、真っ先に飛び交うのが「GPU投資やめようか」の一言だ。だが、日経やNIKKEIコラムの見出しだけで判断すると、5年スパンのAI戦略を誤る。

実務で冷静な企業は、次の3枚を突き合わせて判断している。

• 経済レポート（日本・米国・中国のAI投資トレンド）

• 技術レポート（MoEや量子化で必要GPU枚数がどう変わるか）

• 社内ロードマップ（推論をどこまで自前で持つか）

DeepSeekショック後は、「GPUを減らす」のではなく「GPUをどのレイヤーに置くか」を変える議論に切り替えるべきだ。
検索・要約はクラウドLLM、機密性の高い生成やログ解析は自社GPUといった分割を検討すると、無料や低価格のDeepSeek系モデルを取り込みつつも、規制・コスト・性能のバランスを崩さずに済む。

AI担当とエンジニアが揉める典型パターン：「技術的に可能」と「会社として許される」のズレ

DeepSeekショック後、一番火力が上がったのはGPUでもAPIでもなく「社内の口ゲンカ」だと感じている人は多いはずだ。

情シスが恐れる“データの行き先”と、エンジニアが見ている“ベンチマーク”は別物

エンジニアの頭の中は、だいたいこの3軸で動いている。

• スループット（トークン/秒）

• 推論コスト（円/1000トークン）

• モデル性能（ベンチマーク・評価指標）

一方で情シス・AI担当が見ているのは、まったく別のダッシュボードだ。

DeepSeekのような低価格LLMが出ると、エンジニアは「単価」「レイテンシ」グラフを更新する。しかし情シスが最初に見直したいのは「この問い合わせデータはどの国のどの事業体にコピーされるのか」というルートマップだ。

私の視点で言いますと、ここを曖昧にしたままPoCを走らせると、9割の組織で後から止まる。

法務・コンプラが後出しでNGを出す構造は、最初から設計を変えれば防げる

「後出しNG」は、担当者の性格ではなくプロセス設計の問題だ。

• PoC開始時

  • エンジニア: 「テストデータだけでやるので大丈夫です」
  • 法務: そもそも会議に呼ばれていない

• PoC中盤

  • 現場: 「せっかくだから本番データも一部流してみよう」

• 導入直前

  • 法務が利用規約とデータフロー図を初めて見て「海外再学習あり」「第三者提供あり」に気づく
  • 半年〜1年分の工数が一撃で白紙になりがち

このパターンを止めるには、以下のように仕様書の順番を変えるのが手っ取り早い。

• 1ページ目: 「データの行き先」図（リージョン、ログ保持期間、再学習の有無）

• 2ページ目: 利用規約の要約（商用利用範囲、免責、管轄）

• 3ページ目以降: ベンチマーク・コスト試算

技術仕様より前に「法務と情シスが見るページ」を置くと、DeepSeekであろうと他のLLMであろうと、止まるなら最初の1週間で止まるようになる。

「安いから試したい」VS「誰が責任を取るのか」LINE風やり取りから見える落とし穴

DeepSeekショック直後、どの会社でも似たような会話がスマホの中で飛び交ったはずだ。

• エンジニア

  • 「DeepSeek、マジで安いです。月額10分の1レベル。PoCだけでも触ってみません？」

• AI担当

  • 「魅力的だけど、中国リージョンとかデータ周りどうなってる？」

• エンジニア

  • 「公式ドキュメント見る限り大丈夫そうです」

• 情シス

  • 「“大丈夫そう”の判定、誰のハンコで出したことにするんでしたっけ？」

このやり取りが危ないのは、論点が技術評価と責任の押し付け合いに分裂している点だ。

整理すると、ここで本当に決めるべきなのは次の3つだけだ。

• このPoCで扱ってよいデータの「レベル」（機密区分）

• そのレベルのデータを海外リージョンに出してよいかどうか

• 事故が起きたとき、技術・法務・経営がそれぞれどこまで責任を負うか

この3点をテンプレート化したチェックシートにし、「DeepSeekでも他モデルでも同じ質問で評価する」運用に変えると、
「安いから触りたい」VS「怖いから止めたい」という感情論から、比較可能な意思決定に一気に変わる。
DeepSeekショックを「社内戦争の導火線」にするか、「意思決定プロセスの総点検チャンス」にするかは、ここで分かれる。

DeepSeekショック後の選択肢は3つだけ：クラウド／ハイブリッド／ローカルのリアルな線引き

DeepSeekショックで多くの企業が気づいたのは、「最適なモデル」探しより「どこで動かすか」の設計を先に決めないと炎上する、という冷酷な事実です。私の視点で言いますと、ここで迷った組織ほど、PoCやGPU投資を2回・3回とやり直しています。

DeepSeekや他LLMの性能差は数カ月単位で変わりますが、アーキテクチャの選択ミスは5年単位で財布を痛めるので、クラウド／ハイブリッド／ローカルを先に整理した方が合理的です。

既存クラウドLLMを軸に“DeepSeek級の価格下落”を前提にするルート

クラウド一本足で進めていたPoCが、DeepSeekの低価格を見て「全部やり直し」となったケースは珍しくありません。ここでやるべきは乗り換え祭りではなく、「価格下落を前提にした設計」への発想転換です。

ポイントは3つあります。

• 契約とアーキテクチャをゆるく結ぶ

  単一ベンダー専用SDKにどっぷり浸かるのではなく、標準的なREST/APIラッパーを自前で用意し、「エンドポイントURLを差し替えれば他モデルも呼べる」状態にしておく。

• DeepSeek級の価格を“将来の前提条件”に組み込む

  TCO試算では、3〜5年でトークン単価が1/3〜1/5に落ちるシナリオを置き、今は高コストなモデルでも「将来はどのラインまで下げられれば採算に乗るか」を逆算しておく。

• GPU投資は“クラウド補完”として扱う

  一時的な学習・微調整はクラウドGPUで済ませ、本番推論は安価なクラウドLLMに寄せる構造にしておくと、NVIDIA株価や中国発モデルのニュースに振り回されにくくなります。

DeepSeek単体の性能だけを見る記事は多いですが、契約条項（データ保持期間・ログ利用）と料金改定履歴までチェックしている企業はまだ少数です。ここを見ないと、APIは安くても「法務レビューと再契約コスト」で帳消しになりがちです。

DeepSeek系＋OSS LLMを混ぜた“ハイブリッド構成”はどこまで現実的か

DeepSeekショック以降、現場のエンジニアが一番興味を持っているのがこのゾーンです。オープンソースLLMと中国発モデルを混ぜ、「タスク別に最適なものを振り分ける」構成は、うまくはまるとTCOと性能のバランスが抜群になります。

代表的な役割分担のイメージは次の通りです。

現実的かどうかを分けるチェックポイントは次の3つです。

• MLOpsではなく「LLMOps」を回せるか

  モデルごとのプロンプト最適化や評価指標を統一しないと、「用途別に分けたはずが、どれが本番か分からない」というカオス状態になります。

• 法務・情シスが“モデルごとに”OK/NGを出せているか

  一括で「生成AI利用ポリシー」を作って終わりにすると、DeepSeekだけ契約条件が違う、OSSだけライセンス条項が重い、といった差分を見落とします。

• ネットワークとログ設計を先に決めているか

  中国系サービスや海外リージョンを使う場合、接続先IP・ログ保管場所をグレーにしたままPOCを進めると、後から「全部ログを洗い出せ」と言われて半年単位の手戻りになります。

ハイブリッドは「難しいが、当たれば一番リターンが大きい」構成です。技術的な可能性だけでなく、運用チームのスキルと法務のレビューリソースまで含めて現実性を判断する必要があります。

ローカル推論で守りを固めるべき業務と、あえて外部に任せた方がいい業務

DeepSeekショックで増えた相談の1つが「どこまでオンプレで守るべきか」です。ローカル推論はGPUも人材も高くつきますが、失うと取り返しがつかないデータを扱うなら、今でも最有力の選択肢になります。

ローカル推論を優先すべき代表例を挙げます。

• 個人情報や健康情報を含む分析（医療・金融・人事評価）

• 日本国内から出してはいけないデータ（データ主権要件）

• 取引先とのNDAで「第三者クラウドへの持ち出し禁止」が明記されている案件

逆に、あえてクラウドやDeepSeek系サービスに任せた方がよい領域もあります。

• マーケティング文案生成、SEO記事案出し

• 大量ログの一次要約やレポートドラフト

• 社外公開前提のFAQ生成や商品説明文

ここは「情報の機密度」と「変化スピード」で線引きすると整理しやすくなります。変化が速く、社外公開も前提にしている業務は、クラウドの最新モデルに任せた方が総コストは下がる一方、規制データはローカルから一歩も出さない設計が求められます。

GPUやNVIDIAの株価チャートだけ見て判断しがちですが、財布に響くのは違反時のペナルティと信用毀損です。DeepSeekショックは、「安くて速い」方向にだけ舵を切るのではなく、「どこまで社外に出せるのか」を改めて棚卸しするタイミング、と捉えた方が長期的には得をします。

「失敗しないAI投資」のためのTCOチェックポイント──値札に書いていないコストを洗い出す

DeepSeekショック後のAI投資は、「安くなったからGO」ではなく「5年持つ設計か」を見抜けるかどうかで明暗が分かれます。API料金は“入口のチケット代”にすぎません。破綻するのは、いつもその先のランニングです。

API料金だけを見て決めると、5年単位でどこが破綻するのか

API単価だけを指標にすると、多くの企業が次の3点で必ずつまずきます。

• 利用量が増えた瞬間に、単価低下メリットを食い潰す

• モデル乗り換えのたびにPoCや社内教育がやり直しになる

• 法務・セキュリティ対応が後追いになり、プロジェクトが数カ月ストップする

私の視点で言いますと、「DeepSeekが安い」ニュースを見て既存クラウドLLMのPoCを中断し、三案比較に組み替えた組織では、最終的に検証工数と社内調整コストがAPI節約分を上回るケースが繰り返されています。

代表的な“API単価しか見ていない意思決定”の崩れ方は次の通りです。

5年スパンで見るべき問いは、「API料金が何円か」ではなく、「モデルを何回乗り換える前提で、合計いくら燃えるか」です。
DeepSeekショックは、“モデル寿命の短さ”を世界に見せつけました。NIKKEIや大和総研のレポートで語られる「AI投資の加速」は、裏側で「PoCやり直しリスクの加速」でもあります。

GPU・人件費・ガバナンス・規制リスク…DeepSeekショック後に増えた“見えない4コスト”

DeepSeekや中国発のオープンソースLLMが広がった結果、「無料」「高速」だけに目を奪われると、次の4つのコストが静かに膨らみます。

現場でよくあるパターンを分解すると、こうなります。

• GPU: 「NVIDIA株が落ちた=GPU投資中止」と誤解し、後から経済・技術レポートを読み直して「構成を変えて継続」に軌道修正。その間、検討会議と再見積もりで数十人日が溶ける。

• 人件費: API価格比較ばかりしていた結果、「どの業務をクラウドに出し、どこをローカル推論に寄せるか」という設計が後手に回り、アーキテクトが半年間“設計のやり直し”に縛られる。

• ガバナンス: 無料のDeepSeekアプリを使った社員が、顧客情報や内部文書を投入していたかどうかを、メール・ログを遡って調査せざるを得なくなる。

• 規制リスク: 米国・中国・日本のAI規制やデータ保護ルールを確認せずにクロスボーダー利用を始め、後から契約条項の修正交渉で数カ月遅延する。

DeepSeekショック以降は、「安いモデルを選ぶか」ではなく「この4コストをどこまで前倒しで計上しておくか」がTCOを左右すると捉えた方が現実的です。

投資家と情シスが同じテーブルで話すための「数字の揃え方」

AI投資の議論がかみ合わないのは、投資家・経営が「5年のTCO」と「規制リスク」を見ているのに対し、現場が「今期予算」と「ベンチマーク性能」だけを持って会議に来るからです。

最初の打ち合わせで、次の“共通フォーマット”をテーブルに並べると議論が一気にクリアになります。

• 1: モデル別の総コスト試算（5年）

  • API/ライセンス
  • GPU・インフラ（クラウド/オンプレ）
  • 人件費（開発・運用・ガバナンス）
  • 想定される規制・訴訟対応のリスクレンジ

• 2: 前提の違いを明文化

  • 想定ユーザー数と利用頻度
  • モデル入れ替えサイクル（例:2年毎）
  • 対象国（日本/米国/中国を含むか）とデータの保管場所

• 3: 「止める条件」を先に決める

  • API単価が何%動いたら見直すか
  • DeepSeek級の新モデル登場時に、PoCをやり直すか“ポートフォリオ追加”で吸収するか

このとき、クラウド単独/ハイブリッド/ローカル推論の3構成を同じ軸で比較しておくと、「NVIDIA急落だからオンプレ中止」「中国モデルは安いから全面移行」といった短絡的な議論を防げます。

DeepSeekショックは、「モデル比較の時代は終わり、“前提とTCO”を比較する時代に入った」と教えてくれた事件です。
API料金の一桁目ではなく、5年後に会社の財布がどうなっているかを、数字で揃えてから勝負を始める方が結果的に速く着地できます。

DeepSeekショックを“追い風”に変えた企業がやっていた3つのこと

DeepSeekショックで計画が吹き飛んだあと、「慌ててPoCをやり直す組」と「静かに勝ちパターンを作り直した組」がはっきり分かれました。後者がやっていたことは派手さゼロですが、効き目は抜群です。

「とりあえず乗り換え」ではなく、“用途別ポートフォリオ”を組み直した

性能とAPI料金だけを見て一括乗り換えした組は、数カ月後にガバナンスとTCOで詰まりました。逆に、生き残った企業は最初に「用途ごとに最適解が違う」と割り切っています。

私の視点で言いますと、DeepSeekやオープンソースLLMは「株」ではなく「投信」に近い扱いをしている組が強いです。つまり、用途別に分散させてリスクとコストをコントロールしている。

代表的なポートフォリオは次のような形です。

ポイントは「モデル名で語らず、業務カテゴリで切る」ことです。これをやらずに全社でDeepSeek一本足に倒した組は、法務レビューで足をすくわれやすい状況になっています。

モデル選定より先に「社内の利用ルールと責任範囲」を固めた

DeepSeekアプリの“勝手利用”がバレた組織では、後からメールログやチャット履歴を洗い出す羽目になり、半年規模の工数を飛ばしています。これを回避できた企業は、モデル選定より前に次の3点を決めていました。

• どのデータを「絶対に外部送信禁止」にするか

• 誰が何を承認すれば、新しいLLMサービスを試せるか

• インシデントが起きた時、どこからどこまでがエンジニアの責任か

ルールづくりで使われたのが、こうしたシンプルな責任マトリクスです。

DeepSeekショック後、ここを先に固めた企業は「試してはいけないサービス」を明確に線引きできるため、SaaSエンジニアが安心してPoCを回せる体制になっています。

エンジニアに任せきりにせず、「経営の問い」をモデル構成に落とし込んだ

経営層はDeepSeekのベンチマークに興味はなく、「5年後にAIコストと規制リスクをコントロールできているか」だけを見ています。この問いを技術仕様に翻訳できた組織ほど、DeepSeekショックを追い風に変えました。

実務でうまくいった企業は、経営の問いを次のように分解しています。

ここまで落とし込むと、DeepSeekが次に値下げしようが、中国発の別モデルが出ようが、「前提が崩れた時にどこを差し替えるか」が一瞬で見えるようになります。

DeepSeekショックで振り回されない企業は、ニュースを読む前に「用途ポートフォリオ」「ルールと責任」「経営の問い→技術要件」を先に固めていました。モデル名より、この3点の方がよほど生存率を左右しています。

もう振り回されないための「DeepSeekショック対応フレームワーク」

まず確認すべきは“どの前提が崩れたか”であって、“どのモデルが強いか”ではない

DeepSeekショック後に最初にやるべきことは、「どのLLMが一番強いか」探すことではなく、「自社のAI戦略を支えていた前提がどこから崩れたか」の棚卸しです。私の視点で言いますと、ここを曖昧にしたままPoCを続けた企業ほど、半年後にやり直し地獄に落ちています。

代表的な崩れた前提は次の4つです。

ここを文章で議論する前に、テーブルで“崩れ方”を見える化しておくと、情シス・開発・経営が同じ地図を見て話しやすくなります。

「1年後に後悔しないか？」をチェックする6つの質問

DeepSeekや他LLMニュースが出るたびに戦略を作り直さないための、最低限のチェックリストです。日経のコラムや経済レポートを読む前後で、この6問に答えられるかを確認しておくとブレません。

1. 「前提の崩壊」がどこかを1文で言語化できているか
   例:「クラウドLLM一本足で良いという前提が崩れた」

2. 自社データの“外に出してよい層/絶対出せない層”を3レベルで分けているか
   機密区分が曖昧なままDeepSeek系サービスを試すと、法務チェックで全停止になります。

3. GPU投資・サーバ投資を“モデル寿命3年”で見直しているか
   性能やコストカーブを見直さずに減価償却だけで決めると、TCOがじわじわ膨らみます。

4. 中国発モデルや米国発サービスに対する“データ持ち出し方針”が文章化されているか
   「たぶん大丈夫」は、監査の場ではゼロ点評価になります。

5. PoCの成功条件に「制度・ガバナンス面の合格ライン」が入っているか
   ベンチマークと精度指標だけでPoCを閉じると、その後の導入会議で必ず揉めます。

6. “1年後に同じニュースが来ても戦略を変えない”と言える中核方針があるか
   ここがないと、ニュースサイトとSNSがそのまま社内ロードマップになります。

これらは、NIKKEIのAI関連記事や大和総研のレポートを読み込んでいる経営層と会話する際の、「共通言語」としても機能します。

明日からできる：自社AI戦略の棚卸しテンプレート

最後に、DeepSeekショックの“揺れ”を逆手に取るための、シンプルな棚卸しテンプレートを置いておきます。AI担当でもSaaS側エンジニアでも、1日あればドラフトまでは作れます。

1. 利用中・検証中のAI/LLMサービス一覧

• 利用中のクラウドLLM（例: 米国系、大手クラウドベンダー名）

• 試験利用しているモデル（DeepSeek系、オープンソースLLMなど）

• 社内で発見された「無許可利用」のAIサービス（ブラウザ拡張、無料アプリなど）

2. データの流れマッピング

• どの業務データが、どのサービスに送信されているか

• 日本国内/国外、どの地域に保存される可能性があるか

• ログ・学習データへの二次利用の有無（公開情報ベースで確認）

3. 前提・リスク・コストのメモ欄

• 3年前に置いた前提（例: オンプレは高すぎるので検討外）

• DeepSeekショック後に変わった事実（例: 無料〜極端に安い中国発モデルの登場）

• 5年TCOの観点で“再計算が必要なポイント”（GPU、ネットワーク、ガバナンス人件費）

この3ブロックをA4一枚にまとめ、情シス・開発・法務・経営でレビューするだけでも、「どこから手をつけるか」が一気にクリアになります。モデル名の比較表より、この棚卸しの方が、DeepSeekショック時代のAI戦略ではよほど“効く打ち手”になります。

執筆者紹介

AI・LLM戦略設計とガバナンス支援を専門とするコンサルタント／ソリューションアーキテクト。事業会社のAI導入方針策定、クラウド／OSS／ローカルLLM基盤選定、社内AI利用規程・ガバナンス設計、経営層向けAI戦略ブリーフィングに継続的に関与。技術メディア、経済レポート、各国規制情報を横断的にウォッチし、「技術・市場・規制」を一枚の判断フレームとして整理する立場から、本記事の戦略と意思決定軸を構成している。