ローカルLLMは、手元のパソコンでAIを動かす選択肢です。ただ、モデルを起動できることと、仕事で使いやすいことは同じではありません。2026年8月12日の動画では、普段使っているMacで実際に試し、その違いを確認しました。

今回試した環境と仕事

使用したのは、MacBook Air M3・メモリ16GBと、OllamaのGUIです。動画で比較したモデルは、gemma4:e4b、gemma4:12b-it-qat、gpt-oss:20bです。追加のエージェントやファイル変換ツールを組み合わせない条件で確認しました。

返信メール、アイデア出し、会議メモの整理、長い社内ルールからの手順書作成などを試しています。これは、この環境と入力内容での検証記録です。モデル全体の性能順位や、すべての16GBパソコンに共通する結果ではありません。

「動いた」よりも、仕事の合格条件を見る

判断に使ったのは、次の観点です。

  • 入力にない事実を付け加えないか。
  • 指定した項目や形式を守るか。
  • 途中で止まらず、最後まで処理するか。
  • 待ち時間が、その仕事で許容できるか。

文章が自然でも、会議で決まっていない担当者を補ってしまえば、記録としてそのまま使えません。読みやすさと正しさを分けて確認する必要がありました。

短い入力と、具体的な項目指定が役立った

今回の検証では、Gemma 4 E4Bに100〜200文字程度の短い情報を渡し、「決まったこと」「担当者と期限」「次に確認すること」のように、欲しい項目を絞る形で比較的安定した結果が得られました。

一方、長い仕事をまとめて任せたり、抽象的に「いい感じにまとめて」と依頼したりすると、期待どおりにならない場面がありました。そこで、入力の長さと指示の具体性を変え、使える範囲を確かめました。

動画内の同じ174文字の入力では、E4Bは約33秒、12Bは約2分でした。この時間は一つの実測例であり、標準的な性能値ではありません。私の環境では、短い処理を待ちながら使う場面でE4Bが扱いやすいと感じました。

自由なチャットより、決まった処理に組み込む

毎回自由に指示するより、入力の量と出力項目をそろえる方が、確認しやすくなります。たとえば、短いメモから決定事項を抜き出し、人が見直すという一工程です。

アプリに組み込む場合も、AIの回答をそのまま確定情報にせず、修正や再実行ができる画面を用意します。遅い場合に待ち続けなくて済むよう、処理中の表示や中断方法も考えます。

手元のパソコンで、同じ小さな仕事を試してみる

最初は公開情報や架空の短いメモを使い、同じ条件で繰り返し試します。正しさ、待ち時間、直した箇所を記録すると、自分の業務との相性が見えてきます。

より大きなモデルを動かすための買い替えを考える場合は、ローカルLLM用Macの選び方も参考にしてください。小さな仕事で得られた結果から、必要な性能を考えることができます。