AI主権を、すべての日本企業に

持ってますか？自社AI

AIを「借りる」から「持つ」へ

Anthropic、OpenAI、Google ── あなたの会社のAIは、誰の手の中にありますか？
クラウドAI依存からの脱却を、いま実現する。

製品を見る　↓

CORE PRODUCT

TOROTAKU Sovereign AI Stack

diso ／ diso-lake　の2層構成＋ Claude Code

ChatGPTを使い、Copilotを使い、Claudeを使う。
便利だ。仕事は速くなった。
AIなしの時代には、もう戻れない。

── ところで、ひとつ、質問させてください ──

そのAIの値段、明日からいくらになるか、
決めているのは誰ですか？

決めているのは、あなたの会社ではありません。
サンフランシスコと、シアトルと、マウンテンビューにいる、数社の経営陣です。

第1章 ── 危機

見えない従属は、
もう始まっている

「便利に使えている」のと「主権がある」のは、まったく別のことです。

RISK 01

価格は向こうが決め、向こうが上げる

API料金は静かに改定されます。「お得意様割引」はありません。昨年の事業計画で組んだAI予算は、今年の請求書では通用しないかもしれない。

RISK 02

モデルは突然「廃止」される

去年あなたの社内システムが前提にしていたモデルは、半年後には deprecated と書かれて消えます。社内ワークフローを組み直すコストは、もちろんあなたの会社が払います。

RISK 03

レートリミットで、業務が止まる

「アクセス過多のため、サービスを一時的に制限しています」── あなたが見るこの一文の裏で、決算の山場の集計作業が、契約書のレビューが、止まります。

RISK 04

データの行き先が、見えない

社内資料、顧客情報、設計図のスニペット ── 「学習には使われない設定」だと画面の説明文には書いてあります。ただし、その設定が変わらない保証はありません。

RISK 05

「使える機能」は向こうが決める

ある日、特定の話題への回答を拒否されるようになる。ある日、特定の業界向けの利用が利用規約で禁止される。あなたの業務の根幹が、他人の方針転換ひとつで揺らぐ。

これを、私たちは ──

AI主権の
喪失と呼んでいます

「便利に使えているじゃないか」と言う人がいる。
それは、便利に使えている今この瞬間だけの話です。

第2章 ── 構造

これは「クラウド従属」の
構造問題です

電気で例えます。

大手AI APIを使うことは、電力を電力会社から買うようなもの。便利で、効率的で、合理的です。

しかし、いまのAI業界は、世界に発電所が3社しかない状態に近づいています。

そして、その3社は、それぞれ自分の都合で料金と供給と仕様を決めます。

あなたの会社が、その電気で何を作ろうと ── 最終的には3社の意思に握られている。

世界のAI"発電所"

わずか3社

Anthropic

San Francisco

OpenAI

San Francisco

Google

Mountain View

料金・供給・仕様の決定権

100% あちら側

実測データ ── 仮定値ではない

「安すぎるAI」は、
いつまで続くのか

これは技術ではなく経済の話です。自社基盤を日次で実測して分かった、従量課金の本当の顔。

KEY ① ── 20名規模を1年換算すると

開発者20名・実利用ベース

550万円

従量課金なら、年間これだけ出ていく

最も多く使う「1人」

200万円

たった1人で基盤全体の約36%を消費

中央値の開発者

5.8万円

「均せば安い」は罠。トークン貧乏は実在する

出典：自社基盤の実測（実稼働を1年換算）／フロンティアモデル定価で換算。ヘビーユーザーほど、従量課金の値上げを正面から食らいます。

KEY ③ ── もし同じ基盤をクラウドで建てたら

買い切りが、桁で勝つ

自社設置（一式）※HW費用のみ

2,425万円

一回きり・以降は電気代のみ

クラウドで推論を常時稼働

1,700〜5,600万円/年

払い続けても、資産は残らない

クラウドで学習まで回すと

＋1,800〜4,600万円/年

さらに毎年、上乗せされる

クラウドの「1年分」で、自社設置の一式が丸ごと買えます。前提を変えても、この桁（10〜100倍）は動きません。

※ 記載の構成・金額はあくまで一例です。実際に必要な機材・規模・コストは、ご利用状況（利用人数・処理量・要件）によって変わります。

第3章 ── 答え

株式会社とろたくの
答え

私たちは、AIの完全な自前主義を勧めません。

GPT-5やClaudeを使うな、とは言いません。
一流の顧問弁護士を雇わないのと同じくらい、もったいない。

私たちの提案

強いAIは「顧問」として呼ぶ。
日々の業務は「自社のAI」が回す。

主権はこちらにあり、外部の強力なモデルは、
必要なときだけ、こちらから呼びつける。

これを実現するのが、株式会社とろたくの中核製品
TOROTAKU Sovereign AI Stack です。

第4章 ── 製品

2本の柱と、1つの相棒

窓口・観測を自社で持ち、エージェントは Claude Code をそのまま使う

柱 01

diso

AIゲートウェイ

あなたの会社専用の「AI発電所」

社内サーバーで動くオープンソースAI（DeepSeek、Gemma、GLM など）を複数台束ね、ひとつの窓口にまとめる社内AIゲートウェイ兼ロードバランサ。社員PCやアプリは、外のAI APIではなく、社内のdisoを呼びます。

✓値上げの影響を受けない

✓突然の廃止通告がない

✓データは社外に出ない

✓何回呼んでも料金が増えない

例えるなら ── 毎月のクラウド請求書を、社内の電気代に置き換える製品です。

相棒

Claude Code

市販の最良エージェント

エージェントは自社で作らない。市販の最良を、自社のAIにつなぐ

Anthropic の Claude Code（CLI ／ VSCode 拡張）を、接続先だけ diso に向けて使います。diso は Anthropic の API 形式をそのまま話すので、Claude Code 側の改造はゼロ。社員は普段どおり Claude Code を使い、答えているのは社内の WS300 です。

✓設定は接続先 URL の切り替えだけ（配布した bat を 1 回実行）

✓直近 30 日、社内 28 端末のすべてが Claude Code 経由で WS300 を利用

✓行動の記録は diso-lake に残る（Claude Code の中身を改造しなくても観測できる）

以前は自社開発の IDE を使っていましたが、2026年に Claude Code へ一本化しました。エージェントの出来は市販品が速く良くなる。自社で持つべきは「窓口」と「記録」だと判断したからです。

柱 02

diso-lake

観測・監査基盤

AIの「行動記録」を自社で保管する観測基盤

AIに業務を任せるなら、AIが何をやったかを自社で記録できなければなりません。diso-lakeは、それらをすべて自社サーバーに保存し、毎日要約レポートを出します。

●どのモデルが、いつ、どんな質問に、どう答えたか

●どの社員が、AIにどんな仕事を振ったか

●AIが間違えたとき、なぜ間違えたか、後から再現できるか

ダッシュボードアドバイス承認キュー周知ナレッジセッション詳細ジョブ一覧日次診断メール

監査法人にも、内部統制部にも、説明責任を果たせます。
これは外部AI APIでは絶対に手に入らない情報です。

第5章 ── 実証

大規模基幹システムで、
確かな実績

「ローカルAIで、本当に仕事になるのか？」── すでに答えを出しています。

業務 01

障害調査

複雑な不具合の根本原因究明、再現手順の確立、修正方針の立案 ── シニアエンジニアの工数を大量に消費する重量級の業務

業務 02

ドキュメント作成

設計書・仕様書・運用手順書・引き継ぎ資料の整備 ── 基幹システム運用の最重量級の知的労働

使用したAI ── ローカルモデル 1 本

GLM-5.3-Flash

LOCAL ／ WS300 1台で配信

推論・調査・ドキュメント作成のすべてをこの 1 モデルで。クライアントは Claude Code。

このローカルAI 1 本で、業務として通用する品質のアウトプットに到達。
外部AI APIには、一切依存していません。

※ 2026年前半の実証は Mac 群＋ GLM・Gemma の旧 2 モデル構成で行い、同年8月に WS300 1 台＋ GLM-5.3-Flash へ集約しました（経緯は下の「変遷」）。

¥0

外部APIへの追加課金

0件

顧客情報・社内資料の社外流出

無縁

サービス停止・廃止通告・値上げ

対応

ネットワーク遮断環境でも稼働

TOROTAKU Sovereign AI Stack は、絵に描いた餅ではありません。

すでに、大規模基幹案件の現場で、結果を出している現実の道具です。

実機 ── 動いている現物

借りる → 持つ → 育てる

これは構想図ではありません。2026年8月7日から社内の本番を回している、現実の基盤です。

本番配信（1台）

日々の業務を回す

MSI WS300（NVIDIA GB300 ／ HBM3e 252GB ／統合メモリ 748GB）

旗艦モデル GLM-5.3-Flash

総パラメータ 320B ／活性 18B ／ NVFP4 量子化

●2026年8月7日に本番編入。直近30日で 22.7万リクエストを28端末へ、この1台で配信
●平日日中の配信面はこの1台のみ。夜間・休日もそのまま配信
●コンテキスト長 100万トークン（長い設計書・ログを丸ごと渡せる）

実測

本番トラフィック、2026年10月1日〜6日

139tok/s

1リクエストあたりの生成速度（7.4万件の平均・同時実行込み）

0.62秒

最初の1文字までの待ち時間（中央値）

12,000tok/s超

入力の読み込み速度（prefill）

※ 単発ベンチ（同時実行なし）は 2026-08-21 の DeepSeek-V4-Flash 構成で 272.6 tok/s。

クラウドなら、いくらか

累計 1億632万円

（2026年10月5日まで）／ WS300 編入後の60日で 9,920万円

同じ使い方を外部 API で行った場合の換算額（自社の日次トークンレポートの合計）

※ 2026-08-29 まで Opus 4.6 定価、以後 Fable 5 定価で換算。入力は全量を非キャッシュ単価で計算。為替は計算日の ECB 値

学習窓

配信を止めて学習に専有

平日 20:00〜08:00 と土日祝に、配信を止めて学習に専有する窓を持っています。

2026年8月に 60 走の挙動矯正学習を回し、未見問題の正答 0/56 → 12/56（McNemar p=0.00049）を得ました。

●学習したモデルを本番に戻すには、承認ゲートと統計検定を通す必要があります

買い切り 2,000万円＝クラウド学習レンタルの1年分以下で回収

旗艦モデルの変遷 ── 1台だから、載せ替えられる

2026年前半Mac Studio 群で GLM・Gemma の旧 2 モデル構成。自社開発の IDE で実証（基幹案件の障害調査・ドキュメント作成）

2026-08-07WS300 本番編入。旗艦 DeepSeek-V4-Flash（284B／FP4 160GB）、vLLM。クライアントは Claude Code に一本化

2026-08-21投機デコード（MTP）を導入。単発 163 → 272.6 tok/s（+67%）

2026-08-22GB300 の統合メモリを KV キャッシュの退避先に（LPDDR 250GB）

2026-08-29GLM-5.3-Flash（320B／活性18B、MIT ライセンス）を同じ箱で試験。社内の実務 10 問を外部 AI 2 つに盲検採点させ 10/10 で GLM。同日夜に本番切替

2026-09-02GLM の線形注意カーネルが CUDA エラーで停止 → 上流パッチを当てて復旧

2026-09-05日本語の文字化け（漢字の途中で別トークンへ逸れる）を、生成時の UTF-8 継続制約マスクで本番修正（検証 0 件・速度低下なし）

2026-09-13DeepSeek-V4.1-Flash を評価 → 一般問題で互角、実務で GLM 優位、かつ WS300 単機に載らない → 見送り

2026-09-21KV 退避の的中ゼロを突き止めて修正。30万トークン級の長文脈と CPU 的中が両立

2026-10-06現在。GLM-5.3-Flash で 24.6 万リクエストを配信済み

「借りるAI」なら、この 2 か月の判断はすべてベンダーの都合で決まっていました。

✓ できること

開発エージェント（Claude Code）、メンバーのサポート対応、ノウハウの蓄積と学習。日常業務は、これで回ります。

△ 正直に、できないこと

商用AIほどの万能性、モデルのタイムリーな更新。だからこそ強モデルは「外部監査＝外食」として割り切って使います。

第6章 ── 効果

導入企業に何が起きるか

BEFORE

今のあなたの会社

✗月末になるとAI請求書が想定の1.5倍になっている
✗ベンダーから「このモデルは3か月後に廃止します」というメールが来る
✗顧客情報を貼り付けるのが少し怖くて、AI活用を一部制限している
✗AIの回答品質が、ある日突然変わったことに気づいたが原因がわからない
✗経営会議で「AIへの依存度が高すぎないか」と問われ、答えに詰まる

AFTER

とろたく導入後

✓AI関連費用は、サーバー減価償却＋電気代＋運用人件費に固定化
✓廃止通告は来ない（自社で持っているから）
✓機密情報をAIに渡しても、社外に出ない
✓AIの行動はすべて社内に記録され、品質変動が可視化される
✓経営会議で「我が社はAI主権を確保しています」と答えられる

変化のイメージ

外部AI依存度Before → After

自社AI主権度Before → After

機密データ流出リスクBefore → After

※イメージ図。実際の比率は導入規模・運用体制により異なります。

第7章 ── タイミング

なぜ「今」なのか

3つの時間軸があります。

+6か月

価格は確実に上がる

クラウドAIは「市場拡大フェーズ」の終盤。次に来るのは収益化フェーズ＝値上げフェーズ。これは AWS / Salesforce / すべての SaaS が辿った歴史です。

+12か月

依存はもっと深くなる

社内ワークフローがAIなしで動かない設計に書き換わる頃、ベンダー切り替えのコストは今の10倍に。移行は、依存が浅いうちにしかできません。

+24か月

自前AIはもっと賢くなる

GLM・DeepSeek・Gemma などのオープンモデルは半年ごとに性能が跳ね上がっています。2026年現在「日常業務の8割」、2027年には「9割」。いま土台を作れば、性能向上をそのまま社内に取り込めます。

逆に言えば ──
いま動かない会社は、
来年以降の性能向上の恩恵も、
自社の中に閉じ込められません。

第8章 ── 導入

3ヶ月で完成する
脱却ロードマップ

PHASE 1 ／ 1か月

disoの社内設置

●業務PCはそのまま、社内サーバー1台に diso を立てる
●AI APIの呼び出し先を、外部URLから社内URLに切り替え
●これだけで社外データ流出リスクはゼロ

PHASE 2 ／ 2か月

Claude Code を社内AIへ接続

●開発部門・情シス部門の Claude Code の接続先を diso に切り替え（配布 bat を 1 回）
●ローカルAIによるコード支援が稼働
●外部の強モデルは、必要なときだけこちらから呼ぶ

PHASE 3 ／ 3か月

diso-lake 監査基盤

●AI利用ログの集約、日次レポート生成
●内部統制・コンプライアンス報告に組み込み
●AI主権の完成

合計3か月で、外部AI依存からの脱却ロードマップが完成します。

第9章 ── 差別化

とろたくが選ばれる理由

大規模基幹案件で実証済み

障害調査・ドキュメント作成という最重量級業務を、ローカルAI（現在は GLM-5.3-Flash 1 本、WS300 1 台）のみで日々こなしています。

窓口と記録は内製

diso と diso-lake は自社で設計・実装。エージェントは Claude Code をそのまま使い、自社で抱え込まない。

オンプレ／クラウド両対応

御社のセキュリティ方針・インフラ事情に合わせて配置可能です。

既存AIワークフローを否定しない

強モデルは引き続き使えます。ただし、こちらの土俵で。「捨てる」ではなく「主従関係を入れ替える」設計です。

日本語・日本企業向けに設計

ベンダーロックインの怖さを知っている日本の開発チームが、日本企業の運用文化に合わせて作っています。

いまも進化を続けている

旗艦モデルは 2 か月で 2 回載せ替え、不具合は lake の記録で原因まで追って毎回直しています（上の「変遷」参照）。

FAQ

よくあるご質問

社内 28 端末が、日々の開発・調査・ドキュメント作成を GLM-5.3-Flash 1 本（WS300 1 台）でこなしています。足りない知識は RAG・MCP の社内データ連携で補い、どうしても要る難所だけ外部の強モデルをこちらから呼びます。

いいえ。私たちは「全否定」ではなく「主従関係の入れ替え」を提案します。GPT-5 や Claude は 難所限定の顧問として引き続きお使いいただけます。ただし、呼び出し量は1/10以下に圧縮されるため、API料金は大幅に下がるケースがほとんどです。

現在は数百GBのRAMを搭載したサーバーを中心に複数台構成で稼働させています。ユーザーの要求に応じてスケーリング可能です。

かかりません。Claude Code をそのまま使い、接続先を diso に向けるだけです。OpenAI 互換 API のツール（Cline、Continue、Aider 等）も接続先 URL の変更だけで diso 経由になります。

完全オンプレミス運用に対応しているため、機密データを社外に出さずにAI活用が可能です。さらに diso-lake により全AI利用ログを社内に保管し、日次の要約レポートを自動生成。内部統制部・監査法人への説明責任を果たせます。

いいえ。diso は OpenAI 互換のローカルAIサーバー（LMStudio、Ollama 等）を束ねる構造のため、新しいモデルが出るたびに差し替え可能です。オープンモデルの性能向上をそのまま社内に取り込めるのが、自前運用の最大のメリットでもあります。

現在、株式会社とろたく社内および提携プロジェクトで実戦運用中のプロダクトです。外部企業向けの一般リリースは近日予定しています。本ページは現時点での販売告知ではなく、開発成果のショーケースとしてご覧ください。

── もう一度、聞きます ──