・
「AIを業務で使いたいけど、データを外部に送るのは不安…」「便利そうだけど、機密情報を扱う仕事では使いにくい」
AIが便利なのはわかっていても、セキュリティが気になって踏み出せない……これは多くの企業に共通する悩みです。
こうした課題への選択肢のひとつが、Metaが公開している大規模言語モデルLlamaです。自社のサーバーやPCで動かせるため、データを外部に出さずにAIを活用できます。
本記事では、Llamaの特徴や具体的な活用事例から、実際にローカル環境で機密文書の要約や議事録作成を検証した結果まで、実践例を交えて紹介します。
セキュリティを保ちながらAIを活用し、業務効率を高めるためのヒントをお届けします。
ChatGPTやLlamaといったAIツールを業務に取り入れる際、「回答結果をどうやってチームに共有しよう?」といった壁にぶつかっていませんか?
Yoomなら、問い合わせフォームの内容をChatGPTで整理してSlackに通知するフローや、Asanaのタスク更新時に必要なデータだけ抽出してMicrosoft Teamsに送るフローもノーコードで自動化可能です。
他にもAIを活用したテンプレートが豊富にそろっているので、ぜひチェックしてみてくださいね！
■概要
お問い合わせフォームに寄せられるお客様からのご質問は、内容が長文で意図を把握するのが難しいことはないでしょうか。担当者が内容を確認し、要点をまとめてから関係者に共有する作業は、手間がかかり対応の遅れに繋がることもあります。このワークフローは、フォームに入力された内容をChatGPTが自動で整理・要約し、その結果をSlackに通知するため、問い合わせ内容の迅速な把握と共有を実現します。
■このテンプレートをおすすめする方
■このテンプレートを使うメリット
■フローボットの流れ
※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント
■注意事項
■概要
Asanaでのタスク更新や変更が発生するたび、その情報を手作業で確認し、Microsoft Teamへ通知するのは手間がかかる作業ではないでしょうか。特に多数のプロジェクトやタスクを管理している場合、情報共有の遅れや漏れは業務の進行に影響を与えかねません。このワークフローを活用すれば、Asanaでタスクが更新された際に、AIが必要な情報を自動で抽出し、Microsoft Teamへ通知するプロセスを自動化でき、これらの課題解消に繋がります。
■このテンプレートをおすすめする方
■このテンプレートを使うメリット
■フローボットの流れ
※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント
■注意事項
・Asana、Microsoft TeamsのそれぞれとYoomを連携してください。
・Microsoft365（旧Office365）には、家庭向けプランと一般法人向けプラン（Microsoft365 Business）があり、一般法人向けプランに加入していない場合には認証に失敗する可能性があります。
・分岐はミニプラン以上のプランでご利用いただける機能（オペレーション）となっております。フリープランの場合は設定しているフローボットのオペレーションはエラーとなりますので、ご注意ください。
・ミニプランなどの有料プランは、2週間の無料トライアルを行うことが可能です。無料トライアル中には制限対象のアプリや機能（オペレーション）を使用することができます。
・トリガーは5分、10分、15分、30分、60分の間隔で起動間隔を選択できます。
・プランによって最短の起動間隔が異なりますので、ご注意ください。
Llamaは、Metaが公開している大規模言語モデルのシリーズです。一般的にオープンソースに近い形で語られますが、正確にはモデルの「重み（学習済みデータ）」が公開されているオープンウェイトモデルという性質を持ちます。
Llamaはモデルの内部構造や重みが公開されているため、自社サーバーでの動作が可能です。ただし、学習に使用された具体的なデータセット自体は公開されていないため、どのような情報を元に構築されたかという点は一部ブラックボックスであることを理解しておく必要があります。
Llamaはコミュニティライセンスの下で提供されており、多くの場合で自由に活用できます。ただし、月間アクティブユーザー（MAU）が7億人を超える大規模プラットフォームでの利用には個別の許可が必要です。
特定の禁止事項（利用規約）も定められているため、大規模な商用利用を検討する際は、これらのライセンス条件を事前に確認することが重要です。
近年のモデルでは、効率的な処理を実現する特殊なアーキテクチャが採用されています。これにより、テキストに加えて画像（静止画）を理解できるマルチモーダル機能が実装されています。
なお、音声対話や動画解析については、外部の音声認識ツールやフレーム抽出技術と組み合わせることで実現可能です。
Llamaはマルチモーダルな進化を遂げたことで、より幅広い分野で活用されています。
実際に、無料で利用できるツールを活用し、外部ネットワークから切り離したローカル環境でLlamaを動作させてみました。2つのシナリオで、その実用性を検証しています。
以下の2つのシナリオで、Llamaがオフライン環境でどこまで実務に使えるかを確認しました。
【想定されるユースケース】
社外秘の情報セキュリティ基本方針の内容を、経営者層向けに要約する。
【検証項目】
【想定されるユースケース】
機密性の高い社内会議中に急いで取った断片的・乱雑なメモから、議事録を作成する。
【検証項目】
各シナリオの検証方法をまとめます。
はじめに、オフラインで機密文書を要約する検証手順をまとめます。
今回は、情報セキュリティ基本方針のPDFファイルを用意しました。
添付の文書は、「社外秘」を前提とした社内向けの情報セキュリティ基本方針です。
経営層向けに、A4 1枚程度の要約を作成してください。
▼要約の条件
- 文書の「目的」「適用範囲」「情報資産の定義」「機密情報の扱い」「物理的・技術的なセキュリティ対策」「教育・訓練」「事故発生時の対応」の7点を必ず含めてください。
- 不要な細かい表現は省き、「何を守るために」「誰が」「何をしなければならないのか」が一読で分かるようにしてください。
- 箇条書きと短い段落を組み合わせて、経営会議資料にそのまま転記できるレベルのビジネス文書としてまとめてください。
- 「社外秘文書であること」「外部への提供・送信に慎重であること」も明示してください。
LM Studioを開き、「Download for Mac」をクリックしてインストールします。
軽量版のLlama-3.2-3B-Instruct-Q4_K_Mを選択し、ダウンロードします。
※注意：Llama 3.2シリーズのうち、マルチモーダル機能に対応しているのは11Bおよび90Bモデルのみです。今回使用する1Bおよび3Bモデルはテキスト処理専用の軽量モデルであり、画像や視覚情報の解析機能は備わっていません。本検証では、オフライン環境でのテキスト処理能力を確認することを目的としています。
以上で、LM Studioの設定は完了です。
次に、PCをオフラインにして、社外秘の文書とプロンプトを送信します。
30秒ほどで結果が出力されました！
続いて、オフラインで会議中のメモから議事録を作成する手順を解説します。
添付のファイルは、社内の料金戦略会議で参加者が走り書きしたメモです。
このメモを読み取り、社内共有用の簡易議事録として整理してください。
▼出力形式
1. 会議の概要（目的／主なテーマ）
2. 決定事項
3. 未決定事項・今後検討すべき論点
4. タスク・担当者（担当者名が不明なものは「担当者未定」と記載）
5. リスク・懸念点（あれば）
箇条書きを中心に、読みやすく整理してください。
インターネット接続を切ったPC上で、Llama（ローカルLLM）を動かせる環境を用意します。
今回はシナリオ1で設定済みなので、このステップは飛ばします。
次に、検証用として会議メモをテキストファイルで用意します。
プロンプト＋メモ全文をLM Studioで入力し、整理された議事録を作成してもらいます。
元メモとSTEP2で作成した議事録を見比べて、各検証項目をチェックします。
各シナリオの検証結果をまとめます！
オフラインで情報セキュリティ基本方針の内容を要約した結果をまとめます。
①指定したフォーマットで要約されるか
判定： ◎
結論からお伝えすると、Llamaは指示通りのフォーマットで要約してくれました。
今回の検証では、以下の項目をすべて含めて要約するよう指示しましたが、Llamaは漏れなく対応できています。
オフライン環境でも、こちらが求める構成に沿った文書を作成してくれるのは、実務で使える強みです。
②目的や適用範囲、禁止事項などを業務的に重要な情報が抜け落ちていないか
判定：◯
基本的には重要情報を拾ってくれますが、一部に注意が必要です。
Llamaは指示した内容以外にも、関係者以外への開示禁止や印刷物の持ち出し・複写が認められていないことなど、業務上重要な情報を自動的にピックアップして要約していました。この点は評価できるポイントです。
ただし、適用範囲に記載されていた「当社が認めた協力会社の従業員」という文言が抜けていました。協力会社への適用有無は実務上の影響が大きい情報なので、要約後は原文と照らし合わせて確認する必要があります。
機密文書の要約では、こうした細かい記載の漏れが思わぬトラブルにつながることもあるため、「AIが出力したものを人間がチェックする」という運用が大切です。
③箇条書きや章立てなど、ビジネス文書として読みやすい構造になっているか
判定：◎
読みやすい完成度でした！
Llamaは箇条書きを効果的に使い、情報を整理してわかりやすくまとめてくれていました。長い文章を並べるのではなく、要点がパッと目に入る構造になっているので、忙しい経営者層でもストレスなく内容を把握できます。
今回の検証を通して、Llamaはオフライン環境でも実務レベルの文書要約が可能なツールであることがわかりました。
特に評価できるのは、以下の2点です。
指定した項目をすべて含めて要約し、箇条書きを活用した読みやすい文書を自動生成してくれるため、経営層への報告資料などをスピーディに作成できます。外部にデータを送れない機密性の高い業務において、この手軽さは強みになるはずです。
ただし、「協力会社の従業員」といった細かい文言が抜け落ちるケースもありました。AIの出力を鵜呑みにせず、原文と照らし合わせて確認する運用が大切です。
Llamaを使い、メモから議事録を作成してみた結果を各検証項目ごとにまとめます。
①指定したフォーマットで出力されるか
判定：◯
指定した出力形式はきちんと守られていました！
ただし、一部日本語の表現がやや読みにくい箇所も見られました。たとえば「新プランでメールのみサポートやレベル分けを行いすぎないことの影響」という部分は、意味は通じるものの、もう少し整理された表現のほうが読みやすいと感じました。
とはいえ、議事録として必要な項目は漏れなく出力されており、実務レベルでは使える品質だといえます。細かい日本語の調整は人間が最終チェックで行えば問題なさそうです！
②タスクと担当者が正しく紐づいているか
判定：◎
高い精度で対応できていました！
乱雑なメモから正確にタスクと担当者を抽出し、正しく対応づけられていました。さらに優秀だと感じたのは、担当者が明記されていないタスクについても「担当者未定」と出力されていた点です。
会議後の実務では、誰がやるのかあいまいなタスクがトラブルの元になりがちですが、この精度なら安心して使えそうです！
③「決定事項」と「まだ決まっていないこと」を正しく区別できているか
判定：◎
こちらも適切に区別できていました！
議事録で重要なのは、何が決まって、何がまだ保留なのかを明確にすることですが、Llamaはこの判断を行えていました。断片的であいまいなメモからでも、文脈を理解して適切に分類できる点は、オフライン環境での実務利用において強みです。
会議直後の決まったこと・決まっていないことの整理にかかる時間を短縮できそうですね！
今回の検証を通して、Llamaはオフライン環境でも、議事録作成という実務タスクをこなせるAIツールであることがわかりました。
特に優秀だったのは、以下の2点です。
乱雑なメモという難易度の高い入力からでも、文脈を正しく理解し、構造化された議事録へと変換してくれます。そのため、機密性の高い社内会議など、外部サービスに情報を送れない環境でも安心して使えそうです。
一方で、日本語表現に若干のぎこちなさが残る場面もありました。完全に人の手を離れるというよりは、AIが8割がた仕上げたものを人が最終チェックする、という使い方が現時点では現実的といえそうです。
Llamaをローカル環境で運用する際には、セキュリティやカスタマイズ性といったメリットがある一方で、ハードウェアコストなどの注意点もあります。導入を検討する際は、両面を理解しておくことが大切です。
特定のプラットフォームに依存せず、自分たちの管理下でAIを資産として保有できる点がメリットです。独自のルールにもとづいた運用を長期的に続けられます。
高度な推論やマルチモーダル機能を持つ大型モデルを快適に動作させるには、高性能な専用ハードウェアが必要です。小規模なモデルであればコストを抑えられますが、最先端の性能を求める場合は、クラウドサービスの利用料よりもインフラの構築・維持コストの方が高額になるケースもあります。目的に応じた適切なモデルサイズの選択が、コストパフォーマンスを左右するカギとなります。
今回の検証を通して、Llamaをローカル環境で運用することは、セキュリティと実務での使いやすさを両立できる選択肢になると感じました。
Llamaのローカル運用でできることは、以下のとおりです。
ただし、細かい文言の抜け落ちや日本語表現の調整など、人間による最終チェックは必要です。それでも、AIが大部分を仕上げてくれることで、業務の効率は上がります。
「セキュリティ上の懸念でAI導入を諦めていた」「機密性の高いデータを扱う会議を効率化したい」と感じている方は、まずは無料ツールを活用して、ローカル環境でLlamaの能力を試してみてください。
Llamaがローカルでの分析を効率化してくれるなら、Yoomはその分析結果を次のアクションまで届ける役割を担います。
たとえば、メールの問い合わせをAIで自動返信したり、ドキュメントの校正結果をSlackに通知したりといった一連の業務フローを自動化することで、管理の手間は最小限に抑えられます。
日々のルーチンワークを機械に任せれば、人間はもっとクリエイティブな戦略立案や意思決定に時間を割けるようになります。
以下のようなテンプレートを活用して、あなたの業務をよりスマートに進化させてみませんか。
■概要
日々のメール対応、特に定型的な問い合わせへの返信に時間を取られていませんか。手作業での返信文作成は手間がかかるだけでなく、担当者によって内容にばらつきが出てしまうこともあります。このワークフローは、Gmailで受信したメールをきっかけに、OpenAI APIを活用して自動で返信案を生成し、担当者の承認を経てメールを送信します。面倒なメール対応業務を効率化し、より重要な業務へ注力できる環境作りを支援します。
■このテンプレートをおすすめする方
■このテンプレートを使うメリット
■フローボットの流れ
※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント
■注意事項
■概要
Google スプレッドシートで行が更新されたらSlackに通知するフローです。
■このテンプレートをおすすめする方
1.Google スプレッドシートを業務で活用している方
・部内の共有シートで業務管理を行う事務職の方
・同じシートを同時に編集したいチームの責任者
2.Slackを主なコミュニケーションツールとして使用している方
・部門ごとの情報共有ツールとして使用している企業
・プロジェクトごとチャンネルを作成し、情報共有を行うチームの担当者
■このテンプレートを使うメリット
Google スプレッドシートは同時に複数人でシートの編集を行えるため、業務を円滑に行うために有効なツールです。
Slackを併せて使用し情報の共有を行うことで、チーム内の情報精度を上げることができます。
しかし行の更新をその都度手動通知するのは、ヒューマンエラーのリスクを高めます。
Google スプレッドシートのデータが更新ごとに通知が欲しい、と考える方にこのフローは有効です。
情報更新がGoogle スプレッドシートで行われたら更新内容を基に自動でSlackへ通知を送付するため、手入力によるミスを防ぎます。
また更新後すぐに通知を行えるため、チーム内への素早い情報共有を行います。
■注意事項
・Google スプレッドシート、SlackのそれぞれとYoomを連携してください。
[Yoomとは]
【出典】
