前回、中国でビジネスをする方に向けて、AI環境の備えについてお話ししました。今回はその中身、「エンジンを切り替えられるマルチAI環境」を実際にどう作っているかについて書いてみたいと思います。

なぜマルチAI環境を作ったのか

理由は大きく3つあります。
１．特定のAIが使えなくなっても業務を止めないための備え
２．日進月歩で優秀なAIや安価なAIが出てくる中でどれか一つに縛られないための柔軟性
３．中国でビジネスをしている立場として中国のAIも活用したい
という考えです。

一番の理由は、中国のAIを取り込んだ環境を作ること

中で一番大きいのは、最後の理由です。僕は上海を拠点にビジネスをしています。西側のAIだけに頼る環境ではなく、中国のAI（DeepSeekなど）も同じように使える環境を作っておく。これが今回の環境作りの出発点でした。

副次的な効果として、AIごとの得意分野で作業を分けられるようにもなりました。例えばClaudeは画像そのものを作ることはできませんが、画像を理解して構成を考えることは得意です。そこで設計はClaudeにやらせ、そのままGPT側に「この通り絵を作って」と渡す、という分業ができます。GPTに設計から任せるのはもったいないと感じているので、この使い分けは重宝しています。

有料プランに入っていても時間あたりのセッションでのトークンを使い切るときがあります。複数のAIに作業を分散することで、効率よく消費もならされます。

また、DeepSeek は 8 月に値上げがありましたが、それでもまだ他 AI よりかは安いので、長い時間をかけて行う作業を任せる際に DeepSeek も重宝しています。

設計のポイント①：MDファイルの読み方を設計する

環境の土台になるのは、Markdown（MD）ファイルです。「起動と同時に読みに行くファイル」と「特定の作業をするときだけ読みに行くファイル」を、最初にしっかり分けて設計します。

厄介なのは、AIによって最初に読みに行くファイルが違うことです。Claudeは CLAUDE.md を読みに行きますが、他の多くのAIは AGENTS.md を読みに行きます。そこで基本のルールは AGENTS.md に集約し、CLAUDE.md からはそこへリンクを貼るだけにしています。大元には「この環境ではこう動作する」「このファイルを読んでルールに従う」という指示を書いておきます。読みに行くファイルを1本のリンクに集約できるという点は、設計上のポイントです。（AIにより例外あり）

設計のポイント②：担当ごとに記録を残す

僕はテーマや案件ごとに「担当」を分けて、それぞれのMDファイルに今どんな状況か、何を決めたか、次に何をするかを記録しています。ソフトウェア開発のリビジョン管理に近い感覚で、担当ごとの経緯を追える状態にしておくということです。

これはGit（ソースコードの変更履歴を管理する仕組み）とは別の話です。僕が普段使う作業ファイルはGit管理していません。Gitで管理しているのは、この環境を他の人に配布できる形にまとめた「配布用スケルトン」というツールの方です。混同しないようにしておきたいところです。

バックアップは、MDファイルや作業ファイルをクラウド（OneDriveなど)に置いておくだけで十分です。複数のPCにまたがって使う場合にも活用できますね。

設計のポイント③：サブエージェントを使い分ける

AIによって、サブエージェント(作業を分担する下位のAI)を呼び出せるものと呼び出せないものがあります。呼び出せない場合は、AI同士が連携してから大元に戻ってくる形になったり、大元が軽量なモデルを呼び出して作業させたりと、パターンが分かれます。

僕の場合、軽い調査を大量に行いたいときは、DeepSeekのV4 FlashやClaudeのSonnetのような軽量なモデルにリサーチを任せます。情報の指示出し自体は、上位の高度なモデルに行わせます。集めた情報の整理や割り振り(キュレーション)にも、比較的安価なモデルを使うことが多いです。どのパターンでどのモデルを使うかは、コストと精度のバランスを見ながら決めています。

コストの面では、DeepSeekのような中国系AIは、ClaudeやGPTに比べて大幅に安く使えます。正確な価格は変動するので、気になる方は公式ページで確認してみてください（DeepSeek公式料金ページ、Anthropic公式ドキュメント）。重い処理を安価なAIに任せられるのは、実務上かなり助かっています。

備えとしてのセキュリティ

複数のAIに情報を渡すとなると、セキュリティが気になる方もいると思います。ここは、ローカルで動く軽量なAI(LLM)を間に挟み、外部に送る前に社名や機密情報をコード化・匿名化してから送信する、という仕組みを作ることもできます。

最初の一歩は、AIに直接聞くこと

ここまで読んで「自分には難しそうだ」と感じた方もいるかもしれません。ですが、僕がおすすめする最初の一歩はシンプルです。AIに直接聞いてみることです。

「こんな環境を作っている人がいるらしいけど、自分も同じようにやりたい」とAIに伝えれば、そこから会話が進みます。頭の中に「こんなことがやりたい」というイメージさえあれば十分です。まずはやってみることが、一番の近道だと思います。

おわりに

マルチAI環境は、一度に完璧なものを作る必要はありません。担当を一つ作る、MDファイルを一つ用意する、そこから少しずつ広げていけば十分です。中国でビジネスをする方にとっては、中国のAIを含めて使い分けられる環境を持っておくこと自体が、ひとつの備えになると思います。

皆さんは、普段どんなAIを使われていますか。中国に駐在されているビジネスマンの方であれば、おそらく本社が指定しているGPTやGeminiなどをお使いのことと思います。それは当然のことです。一方で、プライベートでは違う環境を試している方もいらっしゃるかもしれません。今日は、僕個人が考えている「中国でビジネスをする方が気をつけておきたいAI環境の作り方」についてお話しします。

遮断のリスクは、誰にでも起こり得る

僕の知人に、日本人でAIをよく使っている方がいます。ネットワークの状況に応じてアクセスポイントを切り替えながら使っていたところ、ある日突然アカウントが停止されてしまいました。今年の7月の出来事です。

遮断の理由はサービス提供元の判断によるもでした。ただ、その方はそこから別のサービスへ移行することになり、丸2日間、ほぼ徹夜で作業を続けたそうです。使い慣れた環境が、ある日突然使えなくなる。中国でAIを使う以上、この可能性は頭の片隅に置いておいた方がよさそうです。

データを置く場所という、もう一つの前例

中国で活躍されている、あるグローバル企業の例です。デザインやサイトの作りは世界共通にしつつ、会員情報などのデータベースだけは、中国国内で完全に独立させて構築しています。他の国では一つの共通データベースで運用しているところを、中国だけは別に切り出している。これは中国のデータに関する法律を踏まえた、ごく自然な対応です。

AIサービスに入力する情報についても、同じような扱いが求められる場面が出てくるかもしれません。今すぐどうという話ではありませんが、こうした前例やデータ越境の法律があることは事実です。

「データを中国に置いて大丈夫か」という不安について

一方で、中国のAIサービスを検討すると、「入力したデータが、どこかに使われてしまうのではないか」という不安を持つ方も多いと思います。

これは自然な感覚です。ただ、GPTやGeminiなど西側のAIサービスにも、入力内容を学習データとして使わない設定が用意されているのと同じように、中国のAIサービスにも同様の設定が用意されている場合があります。利用規約や設定画面で確認できることが多いので、気になる方は契約前に確認しておくと良いと思います。

備えとして、AIの使い分けに慣れておく

僕自身は、西側のAIと中国のAIの両方を、普段づかいの中で併用していて、場面に応じて使い分けています。中国のAIはエンジン部分（AI自体）の提供に留まり、画面（UI）が無いことが多く、APIでの従量課金で使うたびに費用は発生します。Claude CodeなどCLI（Commad Line Interface）に慣れている方であれば使えると思いますが、Claude CoworkやGTP Workの方は慣れないかもしれません。最近はDeepSeek Harnessというブラウザから操作できるモデルも出たので一部解消されていますが、前述のアプリモデルとは出来ることや操作感が異なります。この話はまた別で掘り下げても良いかもしれません。

また僕はどのAIモデルを使っても同じ環境で使えるようなマルチAI環境を構築しています。企画や文章チェックなどの壁打ちはClaude、デザインはGPT、サブエージェントを動かすような調査や長時間の処理はDeepSeekを使っています。マルチAI環境を作ってしまえば、このように用途により切り替えが可能ですし、前述のリスクにも対応できるようになります。マルチAI環境に関しては別記事で纏めます。

こうした環境に日頃から慣れておくと、もし一方が使えなくなっても、業務を止めずに済みます。AIに依存している中国駐在ビジネスマンこそ気に留めて頂ければと思います。

おわりに

本社の方針でAIを一つに絞って使うことは、何もおかしなことではありません。ただ、中国でビジネスをしていると、環境が変わる場面に出会うことがあります。そうなったときに慌てないよう、日頃から中国のAIにも少しずつ触れておく。それくらいの備えを、僕は大切にしています。

「AIを使えば、社内でもできるはずだ」。最近、そう感じている経営者や管理者の方は多いと思います。実際、文章生成や画像生成のツールは誰でも触れるようになりました。ただ、そう思っていても、実際に手を動かす担当者が現れるかというと、話は別だと感じています。今日は、その理由について僕なりに考えてみたいと思います。

できるはずなのに、誰もやらない

これまでSNS運用の担当者がいなかった企業には、AIが登場した後も、やはり担当者は現れていません。「AIを使えばできるはずだ」と経営層が思っていても、実際にやる人がいない。これが現状だと感じています。

理由はいくつかあると考えています。

１．多くの方の利用は、チャットで質問して答えをもらう程度に留まっています。画像生成やエージェントを使いこなすところまで踏み込む人は少なく、コストもかかる割に必要性を感じにくいというのが実情だと思います。

２．デザイナーやコピーライターでない方がAIに記事や画像を作らせても、そのアウトプットの品質を判断できません。良し悪しを判断できる人がいなければ、内製化は進みません。

AIを使いこなす鍵は「仕様を決める」こと

僕自身がAIを使っていて感じるのは、AIを使いこなすコツは「仕様をはっきり定義すること」だという点です。これはプログラミングでいう「テストファースト」の考え方に近いと思っています。仕様が明確であれば、それに対する合否の基準（テスト）も同時に作れます。逆に、要件がぼんやりしたままだと、AIをうまく使いこなせません。

画像生成であれば、色味やトーンを言葉で説明するより、参考画像を一枚渡す方がよほど正確な仕様になります。文章であれば　「これはダメ」「これは良い」という合否の基準を先に決めておく。この「先に合否の基準を決める」という発想が、AIを使いこなせるかどうかの分かれ目だと感じています。

AIには今、本10冊分に相当するような量の指示を一度に渡せます。そんな量を指示として渡すことは困難ですが、1回のチャットで渡すような分量を渡すこととは大きく異なる使い方をする必要があるということです。仕様を詰めて正しくAIに渡せる人がいないことが、AIを使いこなせない一番の理由だと僕は見ています。

AIの育て方

では、何から始めればよいのか。難しく考えず、まずは口頭やチャットでAIに指示を出し、下書きさせてみることうら始めればよいと思います。

そのアウトプットに対して、違うと思ったら訂正する。ズレを感じたら、そのズレを指摘する。次に、AIに訂正された内容を復唱させて、理解が合っているか確認する。合っていたら、その正しいルールをMDファイルに書き込ませ、以後の作業では毎回それを参照させる。

気づいたこと、直したいことを記録し、AIに覚えさせる。まずはそこから始めてみてください。複雑な指示などは修正漏れやテスト漏れが発生することもあります。指示の複雑度によりテストは最大3回行うことなど動作も定義するとより安定します。トークンの使い過ぎにならないように工夫も必要です。

KEMBOの立ち位置

僕たちはこれまでも、SNS運用や制作業務、運営業務を含めてお客様のお手伝いをしてきました。ただ、KEMBOという会社の存在意義は、このような業務そのものにありません。中国市場に挑戦・進出している企業様の成長や成功を、デジタルの知見や経験、技術力でお手伝いすることが、僕たちの役割だと考えています。

これまでSNS運用ができる社内体制がなかったから、代行という形でお手伝いしてきました。もし「AIを使って業務改善をしたい」というお声があれば、僕たちはぜひその相談相手になりたいと思っています。

おわりに

AIが使えるようになったことと、実際に使いこなせる人がいることは、別の話です。仕様をはっきり決める、合否の基準を先に持つ。この考え方を意識するだけでも、AIとの付き合い方は変わってくると思います。

僕が企業にヒアリングする中では、本社から「うちはGeminiだから」「GPTは使っていいよ」と言われ、本社が管理するツールだけを使っているケースが多くあります。

ただ、実際にはその場で質問するチャット用途で止まっていて、AIエージェントまで使っている企業はまだ少ないと感じます。

「エージェントって、メールを自動で書いてくれるものでしょ」と思っている人もいるかもしれません。もちろん、それもできます。でも、僕が一番いいと思うのは、そこではありません。

チャットAIとAIエージェントは何が違うのか

僕の中では、チャットAIは、その場その場の新しいセッションで質問に答えてくれるものです。一方、AIエージェントは、新しいセッションになっても過去の経緯を引き継ぎ、前回の状態から仕事を再開できます。

自分の知識や案件の情報、仕事の進め方をテキストで蓄積しておける。指示まで含めた大きなデータベースを作れるので、毎回いちいち説明しなくていいんです。

例えば、PowerPointなら作り方や書式をあらかじめ定義しておく。Wordも同じです。メールなら、言葉遣いや書き方まで決めておけます。

「メールを書いてくれる」という一つの機能だけを見ると、そこまで必要ないと思う人もいるでしょう。でも、自分の仕事の背景やルールを理解した担当者がいて、次の仕事にもその理解を持ち越してくれる。僕はそこに大きな価値を感じています。

資料作成に使う時間が大きく減った

僕の仕事では、戦略立案や企画書、提案書の作成に多くの時間を使っていました。お客さんとの最初の会議中に、頭の中では提案の骨格がほぼできています。それでも、それを資料にするのは自分しかいませんでした。

長い資料は、作成だけで4時間ほどかかることがありました。重い提案になると、レビューと修正を重ね、完成まで1週間ほどかかることもありました。

今は、頭の中にある仕様と必要なデータをAIに渡せば、過去の情報や制作ルールを踏まえて資料化してくれます。1時間ほどで済むものもあれば、10分程度で形になるものもあります。僕の体感では、素材集めや修正まで含めて、仕事の効率は約3倍になりました。

何より大きいのは、頭を使わない作成作業に何時間も取られるストレスが、ほとんどなくなったことです。

人間は「次をどうするか」に集中する

僕がエージェントに任せているのは、記録管理、定期的な情報収集、資料作成とレビュー、そして今後何をすべきかについての助言です。

例えば、スタッフから届いた月次レポートを案件担当のエージェントに渡すと、合計の計算ミスや、前月の数字が残っている箇所を見つけてくれます。「データの報告だけで、だからどうなのか、次にどうするのかという分析がない」といった不足も指摘してくれます。

一方、僕は「次に何をするか」「本当はどうしたいのか」を考えることに集中します。人間は顧客の事情や現場の常識を理解しています。その理解をもとに方向を決め、AIへ指示する。僕には、この役割分担が合っています。

音声入力で、頭の中をそのまま渡す

もう一つ大きかったのが、Typelessを使った音声入力です。

キーボードでは打ち切れないような長い背景や考えも、話す形なら短時間で伝えられます。僕の場合、考えを短い命令文に削るよりも、前提や迷っている点まで含めて話した方が、AIに意図が伝わります。

AIを活用するには、上手な一文の指示を書くことより、自分が持っている情報を十分に渡せる環境を作る方が大切だと感じています。

最初の一歩は、担当を一人作ること

最初から大きな仕組みを作る必要はありません。

まず、自分の担当業務か一つの案件について、AI側に担当者を一人作る。その担当者に、案件の背景と目的、何をやってもらいたいのかを伝える。最初の一歩は、それで十分です。

使い続けるうちにデータがたまり、自分の癖や、良かった点、悪かった点も記録に反映されていきます。毎回いちいち説明しなくていい状態になると、AIエージェントが普通のチャットとは違うことを実感できるはずです。

「エージェントはコードを書く人のものでしょ」と決めつけず、まず一つの仕事を渡してみてください。パソコンで仕事をしている人なら、その便利さを感じられる場面はあると思います。

以前の記事で「別で掘り下げたい」と書いていた、中国製AIのエージェント環境の話です。今回は「安く使う」という一点に絞って書きます。

DeepSeek Harnessは、最低2ドル・10元から使える

DeepSeek Harnessは、DeepSeekが公式に出しているオープンソースのエージェントツールです。ブラウザからチャットができ、ローカルのフォルダにもアクセスできます。導入はNode.jsをインストールしたあと、次のコマンドを1つ打つだけです。

npx @deepseek-ai/dsh web

これでブラウザが自動で立ち上がり、http://127.0.0.1:3080 でDeepSeek Harnessが使える状態になります。

これで使っているのは、結局のところDeepSeekのAPIです。ClaudeやGPTのような月額課金ではなく、事前にチャージした分から使った分だけ引かれる従量課金（プリペイド制）で、最低チャージ額は2ドル、または10元です。ちょっと試してみたい、というくらいの気持ちでも、この金額があればすぐ始められます。

そもそも、どれくらい安いのか

僕は以前、DeepSeekのAPI料金を主要モデルと横並びで調べたことがあります。2026年7月時点の話ですが、100万トークンあたりの料金（入力／出力）はこうでした。

• DeepSeek V4 Flash：$0.14／$0.28
• DeepSeek V4 Pro：$0.435／$0.87
• GPT-4o：$2.50／$10.00
• Qwen 3.7 Max：$2.50／$7.50
• Claude（標準クラス）：$3.00／$15.00

DeepSeek V4 Flashの$0.14は、Claudeの約20分の1、GPT-4oの約18分の1です。Qwenやkimi K3といった他の中国勢も、この頃にはもう米国勢と同程度の水準に収束しつつあって、DeepSeekの安さは中国勢の中でも際立っていました。

値上げは、実際に来た

このとき僕は「DeepSeek自身が今後の値上げを明言している」とも書きました。現在の破格の料金は、市場シェアを取るための戦略価格だろう、と。

実際、2026年8月16日にDeepSeekはAPI料金を大きく見直しました。ピーク時間帯（北京時間9〜12時、14〜18時）の出力トークン料金は、V4 Proが$0.87から$3.96へ、V4 Flashが$0.28から$1.32へと、およそ4.5倍になっています。オフピーク（それ以外の時間帯）はピーク料金の半額なので、以前よりは高くなったとはいえ、Claudeよりは依然として安い水準です。

予告通り値上げが来た、というのが正直な感想です。「安いから」を理由に使い続けるなら、こういう変動は前提に入れておいた方がいいと思います。

それでも、僕がDeepSeekを使い続けている理由

値上げはありましたが、僕は今も業務でDeepSeekを使っています。司令塔となるやり取りには「DeepSeek V4 Pro」、リサーチやライティングのような重い処理を回すサブエージェントには軽量な「DeepSeek V4 Flash Vision Exp」を使う、という構成です。

以前、同じような構成をClaudeで組んで、Opusを司令塔、Sonnetをサブエージェントにしたことがあります。そのときはすぐにトークンの上限に達してしまい、正確な比較ができないくらいでした。DeepSeekの構成なら、重い処理を何度も回しても問題ありません。体感としては、Claudeを使うより3倍ほど安い感覚です。

もう一つ、API経由でプリペイド型の従量課金というのは、使いすぎる心配がないという意味でも安心できます。月額課金だと「上限まで使い切らないともったいない」という気持ちになりがちですが、従量課金は使った分しか減らないので、気楽に触れます。

従量課金は、いつまで安いままか

結論から言うと、2つの側面があります。

チャージした「お金」自体は、失効しにくいということです。DeepSeekの公式サービス規約を確認したところ、チャージ残高に有効期限を定める記載はありませんでした。未消費分は、手数料等を差し引いたうえで返金の申請もできます。2ドル・10元を入れておいて、しばらく使わなくても、そのお金自体が消えてしまう心配は基本的にはなさそうです。

一方で、「安さ」の前提になっているトークン単価そのものは、変わらないとは言えません。実際に8月、大幅な値上げがありました。ピーク時間帯を避けて使うだけでも単価はだいぶ抑えられますが、「ずっとこの安さが続く」と決まっているわけではない、というのが正直なところです。

おわりに

DeepSeek Harnessは、2ドルか10元があればすぐに始められます。軽く試してみたい人の入り口としても、ハードルは低いです。ただ、従量課金だから安心してずっと安いというわけではなく、単価自体は変わりうるものだと知ったうえで使う方がいいと思います。それでも、Claudeより3倍ほど安く感じる僕自身の体感は、値上げ後の今も変わっていません。興味のある方は、まず少額から試してみてもらえればと思います。

今日入ってきたニュースです。DeepSeekが「V4.1 Flash」を発表しました。北京時間2026年9月10日12時から新しい価格がすでに適用されています。あわせて、V4 Proは9月14日12時に廃止され、以降はV4.1 Flashへルーティングされる形になります。

「高速」「専門家」「識図」が1つに、アーキテクチャも刷新

これまでDeepSeekには、通常モードの「高速（Flash）」、より高精度な「専門家（Pro）」、画像を読み込める「識図」（V4-Flash-Vision-Exp、いわゆるVision Exp）という3つの使い分けがありました。V4.1 Flashは、この3つを1つのモデルに統合しています。

大きいのは、マルチモーダル対応の方式が変わったことです。これまでのVision Expは、テキストベースのモデルに視覚機能を後付けした「拡張パック」方式でした。V4.1 Flashはアーキテクチャそのものを刷新し、テキスト・画像・音声の入力を最初から一体化して処理する「ネイティブ対応」に変えています。質問の複雑さや画像の有無をモデル自身が自動検出し、必要に応じて視覚機能や高度な処理を起動する仕組みで、手動でのモード切り替えが不要になりました。コンテキスト長は100万トークン、パラメータ数は非公開です。

ライセンスが変わった。重みは非公開に

ここが今回、一番気になった点です。これまでのV4シリーズ（Flash・Pro・Vision Exp）は、いずれもMITライセンスでHugging Faceに重みが公開されていました。ダウンロードして自社サーバーで動かす、いわゆるセルフホストができたわけです。

V4.1 Flashは、今のところこの重みが公開されていません。DeepSeekの公式API上にのみ存在するバージョンです。

これは実務上、地味に効いてきます。データの国外移転規制がある組織では、これまでなら公式APIが使えなくても、重みをダウンロードして自前でサーバーに乗せる、あるいは第三者の推論サービスを使うという回避策がありました。V4.1 Flashは、少なくとも今回の内部テスト期間中は、この回避策が実質的に閉ざされています。

これが今後も続く方針なのか、時間差でHugging Faceに公開されるのかは、発表されたばかりで分かりません。ただ、DeepSeekらしさの一つだった「オープンウェイト」から一歩離れた動きに見えるので、ここは今後も追っていきたいと思います。

価格は、8月の値上げから見ると値下げ

100万トークンあたりの料金を、閑散時・ピーク時で並べてみます（1ドル≒6.7元で換算）。

V4.1 Flashは、8月の値上げ後（V4 Flash単体）と比べると全項目で値下げされています。ただ、値上げ前（出力¥2）の水準には戻っておらず、まだその2倍です。それでも、ClaudeやGPTの最安モデルと比べても安い水準です。

出力価格で見るとV4 Proの3分の1、同時接続数はProの5倍とのことなので、DeepSeekとしては「Proに近い能力を、Flashの価格で」使えるかどうかを見極めようとしているようです。

出典

• DeepSeek V4.1 Flash：DeepSeek公式メール（2026年9月10日着信）
• DeepSeek V4 Pro（8月改定）：techtimes.com
• Claude各モデル：Claude公式ドキュメント
• GPT各モデル：OpenAI公式ドキュメント
• アーキテクチャ・ライセンス：BigGo Finance

おわりに

僕は今まで DeepSeek においては司令塔を Pro、作業者を Flash として使ってきましたが、Pro の性能を Flash が凌駕して Pro が廃止されるとのこと。すべて Flash 1本で、値段は Flash のまま頭脳は Pro という、非常に良いニュースでした。

もともと僕は API で利用しているので、そのまま使える環境も持っています。中国に住んでいるビジネスマンとして、これからも中国 AI に注目していきたいと思います。