---
id: CP-269
slug: rokaru-ai-npu-vs-kuraudo-ai
lang: ja
title: PC上のAIとクラウド上のAI
description: PC上で動くAI(NPU搭載チップ)とクラウド上のAIでは、確認すべき点が異なります。使ってよいツールの選び方、入力してよい情報、相談先を整理します。
canonical_url: https://startbrain.io/cyberpedia/ja/articles/rokaru-ai-npu-vs-kuraudo-ai/
markdown_url: https://startbrain.io/cyberpedia/ja/articles/rokaru-ai-npu-vs-kuraudo-ai.md
publisher: Brain (https://startbrain.io)
license: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)
cite_as: Brain, 「PC上のAIとクラウド上のAI」, Cyberpedia, 2026. https://startbrain.io/cyberpedia/ja/articles/rokaru-ai-npu-vs-kuraudo-ai/ (CC BY 4.0)
wing: 4
theme: authorized_tools
reflex: air-021
schema: G3
updated: "2026-11-03"
translations:
  ja: https://startbrain.io/cyberpedia/ja/articles/rokaru-ai-npu-vs-kuraudo-ai/
  fr: https://startbrain.io/cyberpedia/fr/articles/ia-locale-npu-vs-ia-cloud/
  en: https://startbrain.io/cyberpedia/en/articles/on-device-ai-npu-vs-cloud-ai/
  de: https://startbrain.io/cyberpedia/de/articles/lokale-ki-npu-vs-cloud-ki/
  es: https://startbrain.io/cyberpedia/es/articles/ia-local-npu-vs-ia-nube/
  it: https://startbrain.io/cyberpedia/it/articles/ia-locale-npu-vs-ia-cloud/
  nl: https://startbrain.io/cyberpedia/nl/articles/lokale-ai-npu-vs-cloud-ai/
  pl: https://startbrain.io/cyberpedia/pl/articles/lokalna-ai-npu-vs-ai-w-chmurze/
  pt: https://startbrain.io/cyberpedia/pt/articles/ia-local-npu-vs-ia-na-nuvem/
sources:
  - "n": 1
    title: Develop AI applications for Copilot+ PCs
    publisher: Microsoft
    url: https://learn.microsoft.com/en-us/windows/ai/npu-devices/
    accessed: "2026-11-03"
  - "n": 2
    title: Guidelines for secure AI system development
    publisher: NCSC (Royaume-Uni)
    url: https://www.ncsc.gov.uk/collection/guidelines-secure-ai-system-development
    published: "2023-11-27"
    accessed: "2026-11-03"
  - "n": 3
    title: LLMRisks Archive
    publisher: OWASP
    url: https://genai.owasp.org/llm-top-10/
    accessed: "2026-11-03"
  - "n": 4
    title: "AI Data Security: Best Practices for Securing Data Used to Train & Operate AI Systems"
    publisher: CISA
    url: https://www.cisa.gov/resources-tools/resources/ai-data-security-best-practices-securing-data-used-train-operate-ai-systems
    published: "2025-05-22"
    accessed: "2026-11-03"
  - "n": 5
    title: Les fiches pratiques IA
    publisher: CNIL
    url: https://www.cnil.fr/fr/les-fiches-pratiques-ia
    accessed: "2026-11-03"
  - "n": 6
    title: Intelligence artificielle
    publisher: CNIL
    url: https://www.cnil.fr/fr/intelligence-artificielle
    accessed: "2026-11-03"
  - "n": 7
    title: "Adversarial Machine Learning: A Taxonomy and Terminology of Attacks and Mitigations"
    publisher: NIST
    url: https://csrc.nist.gov/pubs/ai/100/2/e2023/final
    accessed: "2026-11-03"
  - "n": 8
    title: AI Risk Management Framework
    publisher: NIST
    url: https://www.nist.gov/itl/ai-risk-management-framework
    accessed: "2026-11-03"
---

# PC上のAIとクラウド上のAI

「ローカル」のAIは、従業員のパソコン上で計算を行います。「クラウド」のAIは、別の場所にあるサーバーで計算を行い、ツールがそこに接続します。質問を入力したり文書を貼り付けたりする側から見ると、両者は似ています。しかし、会社のデータに及ぶリスクは同じではありません。どのツールを使うかを決めるのは会社です。

この記事では、その違いを説明したうえで、従業員にできることを紹介します。許可されたツールを選ぶこと、入力してよい情報を知ること、迷ったときに問い合わせることです。

## 30秒でわかる要点

- 起きる場面: AI向けチップを備えた新しいPCで、翻訳や画像生成のアシスタントを使うとき[1]。
- 何が違うか: ローカルのAIは手元の機械で動き、クラウドのAIはホスティングされたサービスで動きます。どちらの場合も、入力するデータとツールそのものを管理下に置く必要があります。
- とっさの行動: 会社が承認したツールだけを使い、機微な情報を入力する前や新しいツールを導入する前には、セキュリティ部門またはIT部門に確認します。
- すでにやってしまった場合: すぐにIT部門へ連絡し、使ったツールと入力した内容を伝えます。

## よくある質問

### NPUとは何ですか。

Microsoftは、リアルタイム翻訳や画像生成のような負荷の高いAI処理に特化したチップと説明しています[1]。MicrosoftのCopilot+ PCには、1秒間に40兆回を超える演算(40 TOPS)ができるNPUが搭載されています[1]。NPUはCPUやグラフィックスカードと連携して動き、Windows 11がそれらの間で処理を振り分けます[1]。これにより、AI機能を端末上で実行できます[1]。

### ローカルのAIにリスクはありませんか。

いいえ、あります。ここで引用している資料には、PC上で実行されるモデルなら対策が不要になるとは書かれていません。英国のNCSCは、AIシステムには新しい種類の脆弱性があり、通常のITの脅威に加えて考慮する必要があると述べています[2]。OWASPは、大規模言語モデルを使うアプリケーションの10大リスクとして、機微情報の漏えい、サプライチェーン、データやモデルへの汚染を挙げています[3]。これらのリスクを、外部でホスティングされたツールだけに限定している資料はありません。

### クラウド上のAIでは何が変わりますか。

NCSCは、そのガイドラインの主な対象を、組織がホスティングするモデルや外部のAPI(アプリケーション・プログラミング・インターフェース)を使うAIシステムの提供者としています[2]。外部のAPIを使う場合、そのツールは第三者のサービスに依存します。入力されたデータを各提供者がどう扱うかについては、ここで引用している資料に詳しい記載はありません。その点は、サービスの利用規約で確認し、社内のIT部門にも確かめてください。

### AIツールには何を入力してよいですか。

ここで引用している資料には、入力してよいデータの一覧は定められていません。従うべきなのは会社の規則です。CISAは、データのセキュリティを、AIの全ライフサイクルにわたる出力の正確性、完全性、信頼性と結び付けています[4]。迷ったときは、回答を得るまで、機密情報や個人情報を入力しないほうが安全です。

### 迷ったら誰に相談すればよいですか。

会社のIT部門またはセキュリティ部門です。個人データが関わる場合は、データ保護責任者にも相談します。相談先は会社によって異なり、ここで引用している資料のどれにも名前は挙がっていません。

## 仕組み

AIモデルは、何らかのハードウェア上で実行されます(「推論」)。NPU搭載のPCでは、MicrosoftはNPUでAI処理を動かすのにWindows MLを使うことを勧めています[1]。NPUが使えない場合、Windows MLはGPUまたはCPUに切り替えます[1]。Windows MLは、オープンソースの推論エンジンであるONNX Runtimeを土台にしています[1]。

モデルは、サイズの大きい形式で公開されることがよくあります。多くのNPUは精度を落とした整数演算しか受け付けないため、モデルはその上で動かす前に変換(「量子化」)する必要があります[1]。変換済みのモデルも存在し、自分のモデルを持ち込んで変換することもできます[1]。この最後の点は従業員にとって重要です。ローカルのモデルはファイルであり、誰かが作ったものだからです。

## すべきこと

- 会社が提供または承認したツールを使います。ローカルでもクラウドでも同じです。
- ツールやモデルをインストールする前に、IT部門の承認を求めます。
- 機微な文書や個人のデータを入力する前に、そのツールがその用途で許可されているかを確認します。CNILは、AIへのGDPR(EU一般データ保護規則)の適用に関する実務資料を公開しており、その中にAIシステムの開発のセキュリティに関するものがあります[5]。
- 承認されていないツールにすでにデータを入力してしまった場合は、報告します。

## 落とし穴

### ローカルのAIにはリスクがないと思い込む

計算はPC上で行われますが、モデルとアプリケーションは、更新を続ける必要があるソフトウェアです。NCSCは、更新とログの記録を、AIシステムの運用・保守の段階で行う対策に含めています[2]。OWASPは「過剰なエージェンシー」のリスクも指摘しています。大規模言語モデルを使うシステムには、ある程度の自律性が与えられることが多いためです[3]。自分のファイルやメールに接続されたローカルのツールはその一例であり、IT部門と一緒に検討すべきものです。

### 承認されていないツールを使う(「シャドーAI」)

承認されていないツールは、会社の確認の対象外になります。NCSCは、セキュリティをシステムのライフサイクル全体にわたる基本要件として扱うよう勧めています[2]。従業員が自分だけで選んだツールは、こうした管理のどれにも入りません。

### 出所不明のモデルをダウンロードする

ダウンロードしたモデルはサプライチェーンの一要素であり、OWASPが明示的に挙げているリスクです[3]。NISTの敵対的機械学習に関する報告書は、バックドア攻撃や「トロイの木馬」攻撃、データ汚染を扱っています[7]。CNILも、オープンソースで公開されたAIモデルの系譜をたどれるツールを運営しており、2026年8月26日に更新されました[6]。出所不明のモデルについては、インストールする前にIT部門の承認を求めてください。

### データへのアクセスを軽視する

文書を読み込むAIは、その内容を明らかにしてしまうことがあります。OWASPは機微情報の漏えいを挙げており、これはモデルにもそのアプリケーションにも関わります[3]。NISTのリスク管理フレームワークは任意で使うもので、AIシステムの設計、利用、評価に信頼性を組み込むことを目指しています[8]。

## 出典

1. Microsoft, 「Develop AI applications for Copilot+ PCs」. https://learn.microsoft.com/en-us/windows/ai/npu-devices/ (2026年11月3日閲覧)
2. NCSC (Royaume-Uni), 「Guidelines for secure AI system development」, 2023年11月27日. https://www.ncsc.gov.uk/collection/guidelines-secure-ai-system-development (2026年11月3日閲覧)
3. OWASP, 「LLMRisks Archive」. https://genai.owasp.org/llm-top-10/ (2026年11月3日閲覧)
4. CISA, 「AI Data Security: Best Practices for Securing Data Used to Train & Operate AI Systems」, 2025年5月22日. https://www.cisa.gov/resources-tools/resources/ai-data-security-best-practices-securing-data-used-train-operate-ai-systems (2026年11月3日閲覧)
5. CNIL, 「Les fiches pratiques IA」. https://www.cnil.fr/fr/les-fiches-pratiques-ia (2026年11月3日閲覧)
6. CNIL, 「Intelligence artificielle」. https://www.cnil.fr/fr/intelligence-artificielle (2026年11月3日閲覧)
7. NIST, 「Adversarial Machine Learning: A Taxonomy and Terminology of Attacks and Mitigations」. https://csrc.nist.gov/pubs/ai/100/2/e2023/final (2026年11月3日閲覧)
8. NIST, 「AI Risk Management Framework」. https://www.nist.gov/itl/ai-risk-management-framework (2026年11月3日閲覧)

---

原典: Cyberpedia(Brainが公開するサイバーセキュリティとAIの公開百科事典)。正規版: https://startbrain.io/cyberpedia/ja/articles/rokaru-ai-npu-vs-kuraudo-ai/
この文章は、上記のURLへのリンクとともに「Brain, Cyberpedia」と明記すれば、ライセンス CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) のもとで自由に再利用できます。
