
業務効率化AIは小型で十分?SLMとLLMの選び方5基準
業務効率化AIは、必ずしも大規模で高価なモデルほど優れているわけではありません。見積作成や受発注入力など、条件を定義しやすい定型業務では、小型言語モデル(SLM)がコスト・速度・運用面で適する場合があります。
この記事では、SLMと大規模言語モデル(LLM)の違いと、業務ごとに最適なモデルを選ぶ5つの判断基準を解説します。

小型言語モデル(SLM)とは?
SLMとは、対象業務を絞り、限られた計算資源でも効率よく処理できるよう設計された言語モデルです。
IBMは一般的な目安として300億パラメータ未満を挙げていますが、業界共通の厳密な定義はありません。実務では、モデルの大きさよりも「限定された仕事を、必要な精度と速度で処理できるか」で捉えるほうが分かりやすいでしょう。
たとえば、次のような業務はSLMと相性があります。
決まった様式の見積書から項目を抽出する
メールの注文情報を受発注システムへ転記する
請求書を分類し、不足項目を検出する
社内ルールに沿って問い合わせを振り分ける
定型文を使って返信案を作成する
MicrosoftのPhi-4は140億パラメータながら、数学などの複雑な推論を重視して設計されました。GoogleのGemma 3も270Mから27Bまで複数のサイズを展開し、一部は画像入力にも対応しています。「高性能化にはモデルを大きくするしかない」とは限らなくなっているのです。
SLMとLLMはどちらを選ぶべき?
結論は、定型処理にはSLM、幅広い知識や複雑な判断にはLLMを基本とし、必要に応じて組み合わせることです。
IBM Institute for Business ValueとOxford Economicsが2025年後半、33地域・20業界の経営幹部2,007人を調査したところ、82%が「2030年までに自社のAI能力は複数モデルで構成される」と予想しました。これは将来予測であり実績値ではありませんが、一つの万能モデルではなく、業務別に使い分ける方向性を示しています。
私が業務自動化を考える際は、次の5項目で整理します。
入力形式は一定か
帳票やメールの形式が似ているほど、SLM向きです。正解条件を定義できるか
必須項目や計算規則を明文化できれば、小型モデルでも検証しやすくなります。必要な知識の範囲は狭いか
社内規程や商品マスターなど、参照範囲を限定できる処理はSLMが有力です。誤りの影響は大きいか
金額確定や契約判断などは、モデルの大小にかかわらず人の承認を残します。例外がどの程度あるか
未知の相談や複数資料をまたぐ判断が多い場合は、LLMへの切り替えが必要です。

定型業務の自動化はどう設計する?
成功のポイントは、最初から業務全体を自動化せず、一つのプロセスを「入力・判断・出力・確認」に分解することです。
たとえば見積作成なら、次の順番で整理します。
メールや依頼書から品名・数量・納期を抽出する
商品マスターと価格ルールを参照する
見積書の下書きを作成する
値引きや特殊条件があれば担当者へ戻す
人が確認して確定する
通常案件はSLMで処理し、自由記述が多い依頼や前例のない条件だけLLMへ回す構成も可能です。さらに、金額が一定額を超えた場合や必須項目が欠けた場合は、人へ引き継ぐルールを設けます。
IBMの初期PoCでは、小型のGraniteモデルが対象ベンチマーク上、大規模なフロンティアモデルと同等以上の性能を示し、コストは3~23分の1だったと報告されています。ただし、これは特定モデルと評価条件での結果です。自社業務では、実際の帳票や例外データを使い、精度・処理時間・費用を小規模に比較する必要があります。
AI導入でモデル性能より重要なことは?
最も重要なのは、AIを既存の業務プロセスへ安全に組み込めるかです。
前述の経営幹部調査では、68%が「AIを中核業務へ統合できないことで取り組みが失敗する」と懸念しています。高性能なモデルを契約しても、商品マスターを参照できない、基幹システムへ連携できない、例外時の担当者が決まっていない状態では、現場では使われません。
導入前には、少なくとも次を決めておきます。
AIへ渡すデータと参照範囲
正常処理と例外処理の条件
人が確認する箇所
誤りを記録し改善する方法
LLMへ切り替える条件
情報管理とアクセス権限
SLMをローカル環境で動かせる場合は、外部へのデータ送信を抑えられる可能性もあります。ただし、必要な機器、保守方法、モデル更新まで含めて比較しなければなりません。クラウドより必ず安価・安全になるとは限らないため、総運用コストで判断します。

よくある質問
Q. SLMとLLMの違いは何ですか?
SLMは限定された業務を少ない計算資源で効率よく処理しやすく、LLMは幅広い知識や複雑な依頼へ対応しやすいモデルです。実務ではモデルサイズだけでなく、対象業務の範囲と正解条件で選びます。
Q. 定型業務の自動化にはSLMだけで十分ですか?
入力形式と判断基準が明確なら、SLMだけで対応できる場合があります。ただし、想定外の依頼や曖昧な判断が多い業務では、LLMへの切り替えや人の確認を組み合わせる必要があります。
Q. SLMならAIの利用料金は必ず安くなりますか?
必ず安くなるわけではありません。推論費用を抑えられても、環境構築、連携開発、監視、モデル更新などを含めると総額が変わるため、実データを使ったPoCで比較するのが確実です。
Q. どの業務からAI自動化を始めるべきですか?
処理件数が多く、入力形式と正解条件を定義しやすい業務から始めるのがおすすめです。見積作成、受発注入力、請求書作成などから一つを選び、人の確認を残した小規模な運用で検証します。
その定型業務、「AI社員」に任せる手もある
SLMとLLMを使い分けるには、業務の分解から例外条件、既存システムとの連携まで設計する必要があります。自社だけで一つずつ作り込むには、相応の時間と専門知識が必要です。
そんなときの選択肢が、業務ごとにAIをオーダーメイドで用意する方法です。株式会社Michibiku GroupのAI社員総合センターは「その仕事、AI社員に。」を掲げ、見積作成・受発注入力・請求書作成などの定型業務を、貴社専用のAI社員が肩代わりします。業界ごとの専門用語や例外処理まで学習し、現場のやり方は変えないまま導入可能です。今のシステムはそのままで、採用も教育も不要。最短2週間で稼働し、人は確認と例外対応に集中できます。
まずは時間がかかっている作業を1つ選ぶところから。自社だけでは難しそうなら、AI社員総合センターに無料で相談する。デモ作成とお見積もりまで無料です。まずは導入事例で自社に近いケースを探せます。