この記事の要点
- SLMは、用途を絞れば、少ない計算資源で速く、安く動かせる言語モデルです。
- 幅広い知識や複雑な推論が要る部分は大きなモデル、決まった作業はSLM、と組み合わせる考え方があります。
- 業務の記録から繰り返しの多い作業を選び、小さく試して比べてから広げます。
小さな言語モデル（SLM）とは
小さな言語モデル（SLM：Small Language Model）とは、パラメータの数を抑え、少ない計算資源で動くように作られた言語モデルです。ChatGPT などの土台になっている大規模言語モデル（LLM）と仕組みは同じで、大きさと得意な範囲が違います。
どこからが「小さい」かに決まった線はありません。一般には、1台のサーバーやPC、スマートフォンなどの端末でも動かせる大きさのものを指すことが多い言葉です。たとえば、Google の Gemma や Microsoft の Phi のように、小さめの大きさで公開されているモデルの系列があります。
なぜSLMが注目されるのか
理由は、大きなモデルを業務に使うときの費用・速さ・データの扱いの課題に、SLMが応えやすいからです。
- 費用：大きなモデルは、使う量が増えるほど計算の費用がかさみます
- 速さ：答えが返るまでに時間がかかり、画面の操作や現場の端末では待ち時間が気になります
- データの扱い：外部のサービスに送れない情報には、社内で動くモデルが要ります
NVIDIA Research の研究者は、AIエージェント（AIが作業を手順に分けて進める仕組み）の中で行われる作業の多くは決まった形の繰り返しで、SLMで十分に、より経済的にこなせると論じています。幅広い会話が要る部分だけ大きなモデルを使い、ほかはSLMに任せる組み合わせを提案しています。
出典：Small Language Models are the Future of Agentic AI（NVIDIA Research、2025年）
SLMと大きなモデルの違い
違いは、何でもこなせる幅を取るか、決まった作業を安く速くこなす効率を取るかにあります。
| 観点 | SLM | 大きなモデル（LLM） |
|---|---|---|
| 得意なこと | 用途を絞った決まった作業 | 幅広い知識、複雑な推論 |
| 動かす場所 | 社内のサーバー、PC、端末 | 主にクラウド |
| 費用と速さ | 少ない計算資源で速く動く | 計算資源を多く使う |
| 調整 | 自社のデータで調整しやすい | 調整の手間と費用が大きい |
SLMは、知らないことを聞かれたときに、それらしく見える誤った答え（ハルシネーション）を返すことがあります。用途を絞り、社内の資料を参照させ、答える範囲を限ることで、誤りを減らす設計にします。
大きなモデルと組み合わせる
SLMだけで全部をまかなう必要はありません。依頼の内容を見て、決まった作業はSLMに、判断の難しいものは大きなモデルに回す「振り分け」の仕組みを置く形があります。振り分けの決まりは、使いながら記録を見て直していきます。はじめは大きなモデルで業務を回し、記録がたまってから、繰り返しの多い作業をSLMに移していく順番も取れます。
依頼の内容を見て振り分ける形
決まった作業
判断の難しいもの
振り分けの決まりは、使いながら記録を見て直していきます
業務での使いどころ
向いているのは、入力と出力の形が決まっていて、量が多い作業です。
- 問い合わせや書類の振り分け（どの部署に回すかの判定）
- 決まった形の書類からの項目の抜き出し
- 社内の文書の要約、議事録の整理
- 工場や店舗の端末での、音声や文字の簡単な処理
- AIエージェントの中の、決まった手順の部分
たとえば、問い合わせの分類はSLMで行い、複雑な相談だけを大きなモデルや担当者に回す、という組み合わせ方があります。社内で動かすときの利点と注意はローカルLLMとはにまとめています。
導入の進め方
進め方は、業務の記録から対象を選び、小さく試して比べ、段階的に広げる順番です。
- 業務の記録を集める：問い合わせの履歴や、AIに渡している依頼の内容を集めます。
- 繰り返しの多い作業をまとめる：似た依頼をまとめ、入力と出力の形が決まっているものを選びます。
- モデルの候補を選ぶ：日本語の扱い、ライセンス、動かす場所の条件で候補を絞ります。必要に応じて、自社のデータで調整（ファインチューニング）します。
- 小さく試して比べる：答えの質・速さ・費用を、いま使っているモデルと同じ問題で比べます。
- 段階的に広げる：使いながら記録を見直し、SLMに任せる範囲や振り分けの決まりを直していきます。
比べるときは、正解の分かっている問題を用意し、同じ基準で採点すると判断しやすくなります。問題は、実際の業務の依頼から選ぶと、使い始めてからの差が小さくなります。
SLMを選ぶときの注意
注意したいのは、ライセンス、日本語の扱い、更新の3点です。
- ライセンス：公開されているモデルでも、商用の利用や用途に条件が付くことがあります
- 日本語の扱い：小さなモデルは、学習した言語によって日本語の答えの質に差が出ます。自社の文書で試します
- 更新：新しいモデルが次々に公開されるため、入れ替えて比べられる作りにしておきます
日本語に力を入れた国内のモデルには、小さめの大きさで提供されているものもあります。選ぶ観点は日本発のLLMをどう選ぶかで整理しています。
当社のご支援
アメリア・テクノロジーは、どの業務にAIを使うかの整理から、SLMと大きなモデルの組み合わせの設計、試作と比較、本番での運用までお手伝いします。何から始めるかを決める段階はAI・DXコンサルティング、業務に合わせた開発はソリューション提供をご覧ください。
- SLM
- LLM
- AIエージェント
この記事に出てくる用語
このコラムは一般的な情報の提供を目的としたもので、個別の状況への助言ではありません。製品・サービスの名前と内容は、記事の更新日の時点のものです。