新しいAIモデルが数か月ごとに出る時代に、業務システムをどう作るか

高性能なAIモデルが、数か月おきに新しく出ています。性能は上がり、価格は下がり続けています。直近では2026年7月に、中国の Moonshot AI が大型のオープンウェイトモデル「Kimi K3」を公開しました。

こうしたニュースを見るたびに、「今の検討はすぐ古くなるのでは」「どのモデルを選べばいいのか」と迷う方は多いはずです。

結論から言うと、新しいモデルが出ても、業務でやるべきことの大半は変わりません。 変えるべきなのは、特定のモデルに固定してシステムを作り込まないこと。逆に、モデルが変わっても変わらない論点が2つあります ― データを外に出してよいか、そして誰がそれを判断するか。この記事では、モデルの解説ではなく、次々に新しいモデルが出るなかで業務システムをどう作るかを、導入支援の現場から整理します。

なぜ今、この話をするのですか？

AIモデルの世代交代が、以前より明らかに速くなっているためです。

2026年7月に公開された Kimi K3 は、誰でもモデルそのものを入手できるオープンウェイトの大型モデルで、API利用の価格は入力100万トークンあたり3ドル、出力100万トークンあたり15ドルと案内されています（性能・価格ともに Moonshot AI の発表および各種報道による。VentureBeat の報道）。これは欧米の最上位モデルのAPIより大幅に安い水準です。

ただ、ここで押さえておきたいのは Kimi K3 の細かい仕様ではありません。重要なのは「こういうニュースが数か月ごとに来る」という事実のほうです。半年前に最良だったモデルが、今は最良ではないということが、ふつうに起きます。

だとすると、導入を検討する側が考えるべきなのは「今どのモデルが一番か」ではなく、**「モデルが入れ替わり続けることを前提に、どう作っておくか」**になります。

新しいモデルが出るたびに、システムを作り直す必要がありますか？

必要ありません。ただし、それはモデルを差し替えられる形で作ってあればの話です。

問題になるのは、業務システムを1つの特定のモデルに合わせて作り込んでしまった場合です。そのモデルの癖に合わせた指示や処理を各所に埋め込むと、モデルを変えたくなったときに、埋め込んだ分をすべて作り直すことになります。

左右の差は、性能ではなく設計の分け方から生まれます。業務の側（どんな帳票を読ませ、どう処理し、どこに結果を返すか）と、その処理を担うモデルの側を、最初から切り離しておく。そうしておけば、モデルは後から差し替えられる部品になります。

AItoAir がシステムを組むときは、この切り分けを前提にしています。 モデルは動かせる部品として扱い、業務の側を長く使えるように作る。次に何が「最良」になっても、上の仕組みを作り直さずに済むためです。

モデルが変わっても変わらない論点は何ですか？

2つあります。データを外に出してよいか、そしてそれを誰が判断するかです。この2つは、どんなに安くて高性能なモデルが出ても答えが変わりません。

安いAPIが登場すると、利用料の比較に目が向きがちです。ですが、その前に決めておくべきことがあります。

とくに海外のサービスは利用料が魅力的に見えますが、業務データをそのサービスへ送ってよいかは、価格とはまったく別の問題です。送れないデータなら、いくら安くても選択肢に入りません。

AItoAir が導入支援でこの2つを最初に確認するのは、ここを飛ばした案件が後工程で止まるのを繰り返し見てきたためです。データを外に出せない前提の案件では、モデル自体を自社の環境の中で動かし、処理を閉じた環境の中で完結させる構成をご提案しています。

ここで、冒頭の Kimi K3 のようなニュースが業務にとって持つ意味が見えてきます。モデルそのものを入手できるオープンウェイトのモデルが増えていることは、「データを外部のサービスへ送らず、自社の側でモデルを動かす」という選択肢を現実的にしています。業務にとって効いてくるのは、ベンチマークの順位よりむしろこの点です ―― 外に出せないデータを抱えた現場ほど、自社側で完結できるモデルの選択肢が広がることの意味は大きくなります。

安くて高性能なモデルが出たら、すぐ乗り換えるべきですか？

公開されているベンチマークの順位だけで決めることは勧めていません。その順位が、自社の業務データでも同じになるとは限らないためです。

新しいモデルの発表には、たいてい性能比較の数字が添えられます。ただし、その多くは提供元自身の評価によるもので、評価に使われたデータも公開データが中心です。自社の帳票・自社の業務の言い回し・自社特有の例外に対して、その順位がそのまま当てはまる保証はありません。

だから乗り換えの判断は、順位ではなく自社の実データで小さく試してから行います。

ここでも効いてくるのが、前の節の差し替えられる設計です。モデルを切り離してあれば、この比較そのものが軽い作業になります。固定して作り込んでいると、比較のためだけに作り直しが必要になり、結局「試す前に諦める」ことになります。

結局、いま何をしておけばよいですか？

新しいモデルを追いかけることではなく、モデルが入れ替わっても揺るがない土台を先に作ることです。順に挙げます。

1. 業務の側とモデルの側を、設計の段階で切り分ける。 モデルは後から差し替えられる部品として扱う
2. データを外に出してよいかを、先に決める。 出せないデータがあるなら、閉じた環境で完結させる前提で組む
3. その判断を誰がするかを、はっきりさせる。 情報システム・法務・顧客契約のどこで決まるかを最初に押さえる
4. 乗り換えは、自社の実データで小さく試してから。 ベンチマークの順位を鵜呑みにしない

この4つを押さえておけば、次にどんなモデルが出ても、慌てて作り直す必要はありません。新しいモデルは「作り直す理由」ではなく、「差し替えて試す候補」になります。

AIエージェントが実際の業務でどこまで任せられるかは AIエージェントとは と AIエージェントに任せられること・任せられないこと にまとめてあります。あわせて読むと、どこにモデルを使い、どこは使わないかの判断がつけやすくなります。

まとめ

• 高性能なAIモデルは数か月ごとに出て、価格も下がり続けている（直近の例が2026年7月公開の Kimi K3）。だが業務でやるべきことの大半は、モデルが変わっても変わらない
• 業務システムを特定のモデルに固定して作り込まない。モデルを差し替えられる部品として切り離しておけば、新しいモデルが出ても差し替えて比べるだけで済む
• モデルが変わっても変わらない論点は2つ ―― データを社外に出してよいか / それを誰が判断するか。安いAPIが出ても、この答えは変わらない
• 乗り換えはベンチマークの順位ではなく、自社の実データで小さく試してから決める
• いま作るべきは最新モデルへの追従ではなく、モデルが入れ替わっても揺るがない土台（切り分け・データの扱い・判断の主体・小さく試す手順）

どのモデルを使うかを決める前に、自社のデータを外に出してよいか、業務のどこにAIを使うかを整理するところから始められます。30分の無料相談で、対象業務とデータの制約の両方から、現実的な進め方をお伝えしています。