>
>
公開日
最終更新日
MAIモデルとは、MicrosoftのAI部門「Microsoft AI（MAI）」が開発するAIモデル群です。推論・コーディング・画像生成・音声処理を担うモデルを扱います。
Microsoftは7つの新しいMAIモデルを発表しました。料金はCopilotの契約に含まれる利用とAPIの従量課金で分かれ、全モデルを同じ条件では扱えません。
2026年10月現在、情シスが先に着手するのは、新規購入よりも既存Copilot契約と社内のAI利用経路の棚卸しです。Microsoft 365やAzureの管理者に向けて、7モデルと後続更新、料金、データ管理、稟議に使えるチェックリストを整理します。
MAIモデルとは
MAIモデルは、Microsoft AI（MAI）が開発する、推論から音声までを扱うAIモデル群です。
本記事のポイント
MAIはMicrosoftの自社開発モデル群であり、Copilotという製品そのものとは異なります。
Microsoftが発表した7モデルを起点に、コード・画像・音声などの用途別モデルが更新されています。
費用は既存ライセンスとAPI従量課金を分け、業務ごとの処理量から計算します。各社が公表する「コスト○％削減」「効率○倍」は提供側の処理コストや特定モデルとの比較であり、自社の請求額の削減率とは別に扱います。
本番導入前に、利用経路、データの保存先、権限、停止手順を決めます。
読み分けの目安：稟議・予算担当は「提供チャネルと判明している料金」と「導入判断フロー」、開発・技術比較の担当は「7モデルの一覧」、セキュリティ・法務は「情シスが押さえるべき5つの観点」から読めます。
MAIの導入判断では、まず利用の入口となるCopilot、Microsoft Foundry、外部プラットフォームを分け、モデル、サービス、契約のどこを見るかという視点をそろえます。対象となる業務領域と利用状況を前半で整理しておくと、Copilotの裏側で使われるモデル更新や、API利用時のオプションを後から比較しやすくなります。
「MAIとは何か」という疑問には、まずモデルとサービスを分けて答えると整理できます。モデルは文章や画像を生成する処理の中核で、Copilotは利用者が操作する製品です。Microsoft Foundryは、企業がモデルを使うシステムを構築・管理するための提供基盤に当たります。同じMAIモデルでも、どの製品やAPIを経由するかによって、管理者と契約条件が変わります。
Microsoftの自社開発とマルチモデル戦略
Microsoftは、MAIに加え、OpenAIモデルやオープンソースモデルも自社基盤で扱っています。
Microsoftの公式発表では、独自AIチップMaia 200上でOpenAIのモデル、MAIモデル、主要なオープンソースモデルが稼働しています。MAIの登場は、OpenAIモデルの提供終了を意味しません。企業は新規契約の前に、既存製品で利用できるモデルと機能を確認します。
Microsoft AIが開発するモデルを調べるときは、「MAI-Thinking-1」のようにMAI-で始まるモデル名で製品情報を追うと、同じ略称の別の語と切り分けられます。社内台帳にも「MAI」だけでなく、提供会社、モデルの正式名称、バージョン、利用サービスを別々に記録します。
学習データと自社シリコンの設計方針
学習方法と実行基盤は、対象モデルや比較条件を分けて読むと判断を誤りません。
ITmediaはMAI-Thinking-1について、他モデルから蒸留せず、クリーンなデータで一から学習するゼロ・ディスティレーション方式を報じています。蒸留とは、別のモデルの出力を使って学習する手法です。この説明を、そのまますべてのMAIモデルの学習保証や生成物の権利保証へ広げることはできません。
Microsoftは7モデルの発表で、Maia 200との共同設計により1.4倍の効率向上を実現したと説明しています。ハードウェア効率、モデル効率、API料金は別の指標です。後述するコード生成やPowerPointの実績も、適用された製品と比較対象を添えて読みます。
▶ 関連記事: GPT-5.6（Sol/Terra/Luna）7/9一般公開｜情シス向け機能・価格・リスク・導入判断
▲ MicrosoftにおけるAI製品・提供基盤・モデル・チップの階層関係
7モデルの一覧と2026年の更新動向
Microsoftが発表した7モデルを用途別に整理し、後続モデルの改善値は発表時のモデルと区別して比較します。
Microsoftの7つのMAIモデルの公式発表では、推論、コーディング、画像生成・編集、文字起こし、音声合成を扱っています。次の表は、6月の発表時点の7モデル（MAI-Image-2.5とMAI-Voice-2のFlashバリアントを含む）を、業務用途と管理対象でそろえた比較です。MAI-Voice-2-Flashは発表時点では近日提供予定とされ、7月にパブリックプレビューとなりました。
モデル | 用途 | 特徴・更新情報 | 導入時の管理対象 |
|---|---|---|---|
MAI-Thinking-1 | 推論・テキスト処理 | 推論を担う基盤モデルで、ITmediaはコーディングベンチマークSWE-bench Proで53％を達成したと報じています。 | 業務別の回答精度、根拠の追跡、利用契約を管理します。 |
MAI-Code-1-Flash | コーディング | コーディング向けのモデルです。GitHub Copilotでは2026年9月10日に廃止され、後継のMAI-Code-1.1-Flashに置き換わっています。 | コードの送信範囲、リポジトリ権限、人間のレビューを管理します。 |
MAI-Image-2.5 | 画像生成・編集 | PowerPointへの展開では、GPT-Image-2比でGPUコストを最大84％削減したと窓の杜が報じています。 | 生成物の権利、社外公開前の承認、ブランド表現を管理します。 |
MAI-Image-2.5 Flash | 軽量な画像生成 | 速度とコストを重視する画像系の選択肢です。 | 生成枚数、修正回数、必要な画質を管理します。 |
MAI-Transcribe-1.5 | 音声認識・文字起こし | 会議や応対記録のテキスト化を検討するモデルです。 | 録音への同意、音声の保存期間、固有名詞の誤認識を管理します。 |
MAI-Voice-2 | 音声合成 | 読み上げや音声コンテンツ制作を検討するモデルです。 | 対象言語、声の利用許諾、対外公開時の承認を管理します。 |
MAI-Voice-2-Flash | 軽量な音声合成 | 窓の杜の報道ではMAI-Voice-2比で応答が2倍高速で、価格は32％低く設定されています。 | 応答速度、生成文字数、話者の同意を管理します。 |
窓の杜は、PowerPointのGPUコスト最大84％削減とMAI-Voice-2-Flashの速度・価格を報じています。7モデルの発表後も後継モデルが続いています。2026年7月にMAI-Image-2.5-ProとMAI-Voice-2-Flashがパブリックプレビューとなり、8月にMAI-Code-1.1-FlashがGitHub Copilotに追加されました。9月にはMAI-Image-2.6とMAI-Image-2.6-FlashがMicrosoft Foundryでパブリックプレビューとなり、文字起こしのMAI-Transcribe-2が年末までの期間限定価格1時間0.10米ドルで発表されています。10月にはMAI-Transcribe-2-Streaming、MAI-Voice-2.1、MAI-Voice-2.1-Flashが発表されました。表の7モデルは6月時点の構成のため、検証対象を選ぶ前に後継モデルの有無を確認します。
MAI-Code-1.1-Flashの実運用データ
コード生成の更新では、処理速度と消費トークン数を別々に評価できます。
MicrosoftはMAI-Code-1.1-FlashがGitHub Copilotの本番環境で稼働し、6月発表モデル比でコストを4分の1に抑えたと発表しています。同じ発表ではトークンストリーミングが25％高速化し、タスク完了に使うトークン数も25％減少しています。
開発部門が比較する場合は、同じ修正課題と同じテストを各モデルに与えます。完了時間だけでなく、テスト合格、採用した変更の割合、レビュー修正時間まで記録すると、生成が速くても手直しが増えるケースを分離できます。
MDASHとMAI-Cyber-1-Flashのセキュリティ実装
Microsoftは、脆弱性監査でも特化モデルと他モデルを組み合わせています。
IPAの2026年の資料は、MicrosoftがWindowsのコード監査に多モデル・エージェント型の脆弱性走査基盤MDASHを適用した事例を取り上げています。Microsoft側の説明として、MAI-Cyber-1-Flashに全タスクの最大9割を委ねる混合構成で、従来比約50％のコスト削減を紹介しています。
脆弱性探索へ応用するなら、対象リポジトリを読み取り専用にし、検出内容をセキュリティ担当が再現してから修正します。修正コードの本番反映までAIに一括で任せないようにします。
▶ 関連記事: MCP企業導入のセキュリティ完全ガイド｜ガバナンスとリスク対策
提供チャネルと判明している料金
MAIの予算は、ライセンスに含まれる利用と、処理量に応じて発生するAPI費用を別々に積み上げます。
提供チャネルの分類
同じモデルでも、契約主体と入力データの管理者が変われば、別の利用経路として扱います。
経路 | 主な利用形態 | 管理担当 | 導入判断への影響 |
|---|---|---|---|
GitHub Copilot・VS Code | 既存の開発支援機能から利用します。 | 開発部門とGitHub管理者が担当します。 | 既存契約の利用枠と組織ポリシーに収まれば、その範囲で検証します。 |
Microsoft Foundry・Azure Speech | アプリケーションからAPIを呼び出します。 | Azure管理者とアプリ担当が担当します。 | 予算とデータ条件を承認できたプロジェクトに限定して使います。 |
対象モデルがMicrosoft Foundryのモデルカタログに載っているかを調べ、載っていなければ接続対象から外します。サードパーティのプラットフォームで提供される場合も、提供事業者ごとの契約と再委託条件を評価してから社内接続します。外部プラットフォーム経由の利用は、Microsoftとの既存契約に含めて扱いません。モデルの開発元が同じでも、問い合わせ先、課金先、障害時の責任分界は利用経路ごとに台帳へ記載します。
判明している料金体系
2026年10月時点の検討では、発表・報道された単価を予備試算に使い、発注額は契約先の見積もりで確定します。
MicrosoftはMicrosoft Foundryの発表で、MAI-Thinking-1とMAI-Transcribe-1.5の開始価格を公表しています。画像・音声モデルの単価は、窓の杜とMicrosoft AIの発表が次のように伝えています。
モデル | 公表・報道された料金 | 試算時の扱い |
|---|---|---|
MAI-Code-1.1-Flash | MAI-Code-1-Flashは2026年9月10日にGitHub Copilotから廃止されました。後継のMAI-Code-1.1-Flashは定価が前モデル比73％低く、年間契約ではプレミアムリクエスト倍率0.25×が適用されます。 | 契約プランの利用枠と倍率から予算化します。Business・Enterpriseではモデルのポリシーが既定でオフのため、管理者が有効化してから検証します。 |
MAI-Transcribe-1.5 | Microsoftの発表で1時間当たり0.36米ドルからとされ、Azure Speech経由で提供されます。 | 音声時間に単価を掛け、保存・転送などの費用を別に計上します。契約前にAzureの料金ページか販売店の見積書で1時間単価と対象リージョンを照合し、単価が異なれば見積書の金額で試算し直します。 |
MAI-Image-2.5-Pro | 100万トークン当たり、テキスト入力5米ドル、画像入力8米ドル、画像出力106米ドルです。 | 入力と出力を分けて集計します。契約前にMicrosoft Foundryのモデルカタログと見積書で提供状況と3区分の単価を照合し、カタログに掲載がなければ試算対象から外します。 |
MAI-Voice-2-Flash | 100万文字当たり15米ドルです。 | 生成文字数と再生成分を集計します。契約前に見積書で100万文字当たりの単価と対象言語を照合し、日本語が対象外なら本番候補から外します。 |
MAI-Thinking-1 | Microsoft Foundryの発表で、100万トークン当たり入力2米ドル、出力8米ドルからとされています（2026年8月12日からパブリックプレビュー）。 | 入力と出力のトークン数を分けて集計します。プレビュー提供の間は本番利用の可否と利用条件を見積もり時に確認し、回答を稟議の条件にします。 |
画像・音声の金額の出典は、窓の杜のMAI-Image-2.5-ProとMAI-Voice-2-Flashの料金報道です。通貨は米ドルで、税、為替換算、契約割引、周辺サービスの費用は上表の単価と分けて計上します。
予備試算と対象・提供状況
Microsoftが公表する1時間0.36米ドルを前提に、文字起こしを月100時間処理する仮定なら、モデル利用料の予備試算は100時間×0.36米ドル＝36米ドルです。
これは公表単価による計算例で、実際の請求額ではありません。再処理を含む音声時間、保管容量、アプリ運用費を追加し、人間が修正する時間も効果測定に含めます。画像の出力トークン数は画像1枚当たりで固定と決めつけず、試用時の使用量から月間費用を見積もります。
対象・提供状況：2026年10月現在、Microsoftの発表と後続更新情報だけでは、全モデルの現行受付区分、全外部チャネルでの提供、日本語対応表、日本国内データセンターでの推論・保存・学習処理まで一律に確定できません。例えばMAI-Transcribe-1.5は、モデルカードで日本語を含む43言語に対応し、処理リージョンは米国中部、スウェーデン中部、東南アジアの3つと記載されています。MAI-Thinking-1の本番利用条件、商用利用条件、リージョン指定、Frontier Tuningの参加条件は、Microsoftの営業担当または販売店への書面での見積依頼で回答を取り、Foundryのモデルカタログに掲載がないモデルは接続対象から外したうえで、回答を一つの導入条件表へ集約します。
▶ 関連記事: 【2026年8月最新】Claude Code 企業利用の統制ガイド｜APIキー管理・MCP連携・シャドーAI対策
Frontier Tuningによる自社特化モデル開発
Frontier Tuningを検討する場合は、学習データを用意する前に、改善したい業務と合否判定を決めます。
Microsoft Frontier Tuningは、自社の業務に合わせてモデルを調整するための選択肢です。汎用モデルに長い指示を与え続ける方法と比較し、同じ作業を繰り返す業務で、精度や処理効率が改善するかを評価します。初期検証では、チューニングをしない既存モデルも比較対象に残します。
Excel向けモデルの効率化実績
MicrosoftのExcel向け事例は、業務を絞った調整で効率を高める方向性を示しています。
Microsoftは、Excel向けにチューニングしたMAIモデルがGPT 5.4に匹敵する性能で最大10倍の効率を実現したと発表しています。
表計算業務へ適用するなら、数式の正しさ、参照範囲、単位、空欄の扱いを評価項目にします。人間が修正しなくても使える出力の割合と、修正にかかった時間を一緒に測定すれば、実務で使う範囲を決められます。複数シートをまたぐ処理など、失敗時の影響が大きい操作は、評価結果が出るまで承認制を維持します。
学習パイプラインの失敗パターン
避けるべき失敗は、個人情報や社外秘ログをマスキングせず学習パイプラインへ投入する運用です。
これは特定企業の事故例ではなく、設計時に防ぐべき失敗パターンです。例えば、業務ログをそのまま収集すると、顧客名、メールアドレス、契約番号、認証情報が混在します。投入後に削除を依頼する運用では、モデルや中間生成物へ影響が及んだ範囲を特定しにくくなります。データ抽出担当と承認担当を分け、投入前に機密情報を検出します。
業務部門が、改善対象の作業と正解例を定義します。
データ管理者が、収集根拠、利用目的、保存期限を記録します。
セキュリティ担当が、個人情報、秘密情報、認証情報の除去結果を検査します。
評価担当が、学習に使わない評価データを別領域へ保管します。
承認者が、利用範囲と停止条件に合意してから調整を開始します。
モデルの重みを調整できることと、重みの持ち出しや自由な再配布を認めることは別です。データと調整済みモデルの利用権、出力の扱い、解約後の削除範囲を契約文書に落とし込みます。学習データと評価データを分離できない段階では、まず学習を伴わない業務支援から検証します。
▶ 関連記事: Grok 4.5リリース！料金体系や情シスが今すぐすべき導入検証・Cursor連携
▲ Frontier Tuningにおけるデータ投入前の5つの準備工程
情シスが押さえるべき5つの観点
情シスは、モデルの性能比較に入る前に、契約、利用経路、費用、データ、日本語・リージョンの担当を割り当てます。
Copilot裏側モデルの変更把握
既存Copilotの機能更新も、新規AIサービスと同じ変更管理の対象にします。
GitHubの組織・エンタープライズ設定、管理者向け通知、利用中の開発環境を突き合わせ、許可モデルと実際の利用を記録します。MAI-Code-1-FlashがMAI-Code-1.1-Flashへ置き換わり、旧モデルが2026年9月10日に廃止されたように、利用中のモデルは契約期間中にも入れ替わります。Business・Enterpriseでは新モデルのポリシーが既定でオフのため、有効化の前に、社内で承認した入力範囲とレビュー手順を引き継げるかを点検します。
モデルを固定できる場合は評価済み版を本番利用し、新版は別環境で検証します。固定できない場合は、更新後に既存の評価データで回帰テストを実施します。開発部門には「Copilotだから従来と同じ」と扱わず、送信するコードと参照権限を管理するよう周知します。
既存のOpenAI・Anthropic API契約とMAIを業務単位で比較する場合は、費目や統制項目の分け方をClaude Fable 5の料金体系とコスト統制とGPT-5.6（Sol/Terra/Luna）情シス向け機能・価格・リスク・導入判断の記事に合わせると、費用台帳を共通化できます。
管理外利用とシャドーAIリスク
AI利用経路の棚卸しでは、人のアカウントとAPIキー・サービスIDを一緒に扱います。
IPAの2026年資料は、Netwrixの調査として、AI導入でID数が大きく増えた組織の過去1年の侵害率は43％、ID構成に実質的影響がない組織は11％と紹介しています。この差だけで因果関係は断定できませんが、AI向けIDを既存の棚卸しから除外しない理由になります。
管理対象には個人アカウント、部門購入の外部API、放置された検証用キーも含めます。利用者と責任者が判明した経路は承認・統合し、責任者を特定できない認証情報は停止します。連携の整理には、MCP 企業導入の完全ガイド｜セキュリティ統制とAI Agent ガバナンスと、Claude Code 企業利用の統制ガイド｜APIキー管理・MCP連携・シャドーAI対策も参照できます。
内包型と従量課金型のコスト二重構造
ライセンス費とAPI費を同じ費用台帳へ集め、同一業務の重複支出を見つけます。
Azureサブスクリプション、リソースグループ、プロジェクトごとに費用の帰属先を決めます。費目はCopilotライセンス、推論API、文字起こし、音声合成、ストレージ、監視に分けます。既存のOpenAI・Anthropic API契約と目的が重なるなら、モデル名ではなく業務単位で比較します。
予算アラートと利用停止は別の制御です。アラートの通知先だけでなく、上限に近づいたときに誰がキーを無効化し、どの業務を継続するかまで決めます。無停止が必要な業務では、全面停止ではなく低優先度の処理を止める順序を設定します。
クリーンデータ主張とガバナンス対応
ベンダーの学習データ方針と、自社が入力するデータの適法性を分けて管理します。
クリーンなデータで学習したモデルでも、自社が顧客情報を入力できるとは限りません。法務は入力データの利用目的、第三者提供、生成物の利用条件を確認し、データ管理者は保存期限と削除手順を定めます。社内規程では、入力禁止情報と例外承認者を具体名で定義します。
ISO 42001などのAIマネジメントに関する文書へ反映する場合も、モデルの採用だけで適合を扱わないようにします。契約、リスク評価、教育記録、事故時の対応記録を、自社の運用証跡として残します。Frontier Tuningを使う業務は、通常のプロンプト入力と分けて学習利用の承認を取ります。
日本語対応とリージョン制限
日本語の実用精度と国内処理の条件は、別々の合否項目にします。
日本語の文字起こしでは、専門用語、話者の重なり、雑音、数字と単位を評価します。音声合成では、日本語対応に加え、読み、アクセント、固有名詞、音声利用の許諾を対象にします。MAI-Voice-2とAzure Neural TTSなどを比較する場合も、同じ原稿で評価して条件をそろえます。
国内保存が条件なら、推論処理、中間データ、ログ、学習処理の所在地を契約書で確認します。国内処理を契約で担保できない経路では、公開データだけを使って評価します。
情シス向け導入判断フローと実務チェックリスト
導入は、既存利用の棚卸し、限定PoC、本番承認の順に進め、各段階の証跡を稟議へ添付します。
初日に全モデルを試す必要はありません。既にCopilotを利用している部門を先に把握し、その後に文字起こしやコード支援など、入力と成果を比較しやすい業務を選びます。以下は社内の導入計画として使うタイムラインであり、製品の提供予定を示すものではありません。
フェーズ別実務チェックリスト
各行の担当と証跡を埋めると、確認漏れと承認待ちを区別できます。
フェーズ | 確認先・対象 | 担当部署 | 判断基準 | 証跡 |
|---|---|---|---|---|
着手日：既存利用 | GitHubの組織設定、Copilot契約、利用部門一覧 | 情シス・開発 | 責任者と入力範囲が明確なら現行運用を継続し、不明な経路は機密入力を止めます。 | 契約番号、設定画面、利用モデル・版の一覧 |
初週：利用経路 | ID基盤、SSO、経費、APIキー管理台帳 | 情シス・経理・各部門 | 所有者が判明すれば承認経路へ統合し、不明なキーは停止します。 | 利用者、キー所有者、契約主体、連携先 |
PoC前：契約・所在地 | Microsoftまたは販売店の回答、利用規約、データ処理条件 | 調達・法務・セキュリティ | 社内データ区分の条件を満たせば実データ評価へ進み、満たさなければ合成データに限定します。 | 回答日、回答者、契約条項、対象モデル・リージョン |
PoC前：予算 | Azureの費用管理、見積もり、既存ライセンス | Azure管理者・経理 | 費用責任者と停止手順が決まれば予算を付与します。 | 予算表、通知先、停止権限の一覧 |
1〜3か月：限定PoC | 既存業務の正解例、評価データ、処理ログ | 業務部門・開発・評価担当 | 開始前に定めた品質と総作業時間の基準を満たせば承認へ進みます。 | 入力データ版、モデル版、評価結果、修正時間 |
本番前：運用移管 | 監視、権限、障害対応、退職時の削除手順 | 運用・セキュリティ | 停止と復旧を試せれば本番化し、試せなければ限定運用を続けます。 | 運用手順、訓練結果、承認記録 |
PoC評価シートの設計
PoCでは、品質、速度、費用、人間の修正時間を同じ入力データで測ります。
例えば文字起こしの評価では、会議音声を専門用語が多いもの、雑音があるもの、複数人が重なるものに分けます。各音声の正解文を業務担当が用意し、固有名詞や数字の誤りを記録します。平均値だけで合否を決めると、契約金額など重大な誤りを見落とすため、業務上許容できない誤りは個別の停止条件にします。設計例として、月次会議10本を対象に、契約金額の誤りは0件、固有名詞の誤りは1本当たり3か所以内、修正後の完成時間は従来の議事録作成の半分以下を合格条件とする組み立て方があります（数値は仮置きで、自社の現行実績から決めます）。
コード生成は、テスト合格、脆弱な変更、レビュー修正時間を記録します。
文字起こしは、固有名詞、数字、話者分離、修正後の完成時間を記録します。
画像生成は、指示適合、文字の誤り、権利・ブランド上の問題、再生成回数を記録します。
音声合成は、読み間違い、不自然な間、再収録の必要性、生成文字数を記録します。
導入効果は「従来の作業時間」と「AI処理後の確認・修正時間」を差し引いて計算します。出力が速くても承認作業が増えるなら、対象業務を絞るか、既存手順を維持します。評価結果と失敗した入力も保存し、モデル更新時の回帰テストへ再利用します。
他社モデルを含む選定では、Grok 4.5リリース！料金体系や情シスが今すぐすべき導入検証や、Claudeとは？正しい読み方や料金、日本語精度と安全な活用法も参照し、MAI・GPT・Claude・Geminiを同じ業務条件で比較します。
▶ 関連記事: 【2026】Claude（クロード）とは？読み方・料金と企業活用
▲ 情シスにおける利用経路の棚卸しから本番承認までの導入判断フロー
マルチモデル環境における統制基盤の整備
管理ツールを選ぶ前に、AIサービス、利用者、権限、費用を結び付ける台帳を用意します。
手動のスプレッドシート管理でも、対象が特定でき、更新責任者が決まっていれば運用できます。一方、部門ごとの回答待ちや複数台帳の照合が増えると、記録を更新している間に利用状況が変わります。そこで、サービスの検出、アカウントの集約、課金データの収集のうち、どこに時間がかかっているかを分けて測定します。
手動管理と自動収集の比較基準
自動化の効果は、製品の宣伝値ではなく、自社で減った照合作業と残った例外処理で評価します。
管理方法 | 収集方法 | 得意な範囲 | 残る作業 |
|---|---|---|---|
スプレッドシート | 部門回答とCSVを手動で集約します。 | 独自の契約条件や例外を自由に記載できます。 | 回答の督促、名寄せ、変更履歴の整理を人が行います。 |
ID基盤・SSOログ | 認証イベントを収集します。 | 管理対象アカウントの接続状況を追えます。 | SSO外利用や請求データは別に集めます。 |
SaaS管理ツール | 接続可能なサービスから情報を収集します。 | 複数サービスの利用者と契約を照合します。 | 未対応経路やAPIキー、Azureの従量費用は補完します。 |
例えば、月1回の棚卸しで20部門に各30分の回答作業があり、情シスの集計に10時間かかるという仮定なら、合計は月20時間です。これは実績値ではなく工数計算の例です。自動化後も例外確認と承認は残るため、削減効果は実測した「導入前20時間－導入後の残作業時間」で算出します。
マネーフォワード Adminaの検討範囲
マネーフォワード Adminaは、SaaSアカウントと契約の棚卸しをまとめる候補として検討します。
MAIはGitHub Copilot、Foundry、外部APIと経路が分かれるため、SaaS管理の対象とAI統制の対象を区別し、導入検証では、これらの経路のうちどこまで検出できるか、利用者を名寄せできるか、退職者のアカウントを追えるかを確かめます。必要な情報を取得できるなら手動集計を置き換え、取得できないAzureの従量課金や外部APIは、費用管理とAPIキー台帳で補います。
Adminaを含む管理ツールを導入しても、モデルへの入力内容やプロンプトインジェクションをすべて制御できるとは扱いません。契約と利用者の把握はSaaS管理、操作権限はID管理、従量費用はクラウド費用管理、出力の業務承認は利用部門という形で担当を分けます。製品を増やす前に、この責任分担を一枚の運用図へ落とし込みます。
よくある質問
MAIの商用利用と国内処理は、モデル名ではなく、利用するサービスと契約条件から判断します。
Q1. MAIとCopilotの違い
MAIはMicrosoftが開発するAIモデル群で、Copilotは利用者が操作する製品です。Microsoftの発表では、MAI-Code-1.1-FlashがGitHub Copilotの本番環境で稼働しており、モデルの利用が既存製品の中で始まる場合があります。
Q2. MAIモデルの利用開始方法
既存Copilot内の利用を調べる場合は、組織の管理者と契約プランを起点にします。APIやチューニングを使う場合は、対象モデルを扱う契約経路と利用権を確定させ、機密情報を含まないデータで接続テストを始めます。
Q3. MAIモデルの料金
Copilot内包型とAPI従量課金型で異なり、単一の「MAI利用料」はありません。文字起こし、画像、音声は課金単位が異なるため、料金表の単位をそろえずに比較せず、各業務の月間処理量から計算します。
Q4. MAIモデルの商用利用条件
商用利用の可否は、モデルの開発元だけでなく、利用サービスの規約、契約プラン、プレビュー条件、出力の利用条件で決まります。対象業務に使える契約上の権利が確定すれば本番承認へ進み、プレビュー評価しか認めない条件なら、外部提供サービスへ組み込まず検証に限定します。
Q5. 日本国内データセンターでの稼働
日本語を扱えることと、日本国内データセンターで推論・保存・学習を処理することは別です。国内処理が必須の業務では、提供状況の条件表に記載した所在地を契約で担保できる経路だけを本番対象にし、それ以外は公開データでの評価にとどめます。
Q6. 日本語対応の判断方法
日本語対応は、テキスト推論、音声認識、音声合成を分けて評価します。文字起こしは社内固有名詞と数字、音声合成は読みとアクセントを同じ評価データで測り、修正時間が既存手順を上回る業務では切り替えません。
Q7. OpenAIとの関係
MAIの拡大を、OpenAIモデルの提供終了と同一視しないようにします。MicrosoftはMaia 200でOpenAIとMAIなど複数のモデルを稼働させており、企業側も既存契約を残して業務別に比較できます。
マルチモデル時代に向けた情シスの初期アクション
明日は、GitHub Copilotの管理者とAzureの費用責任者を集め、利用モデル・契約・請求先を一枚にまとめます。
続いて、個人アカウントと部門購入APIを棚卸しし、所有者不明のキーは停止します。検証対象は一つの業務に絞り、品質、修正時間、費用、停止条件を事前に決めます。国内処理や商用利用の条件が確定した経路から限定PoCへ進め、未確定の経路では機密データを使いません。稟議には、評価結果とフェーズ別チェックリストの証跡を添付します。
まとめ
MAIモデルは、既存のCopilot利用にも関わるMicrosoftの自社開発モデル群です。情シスは7モデルの比較と後続更新を追いながら、ライセンス費とAPI費を分けて管理します。最初に既存利用を棚卸しし、契約・データ条件が確定した業務から限定検証へ進めます。
本記事の内容に誤り等がございましたら、こちらからご連絡ください。
監修
Admina Team
情シス業務に関するお役立ち情報をマネーフォワード Adminaが提供します。
SaaS・アカウント・デバイスの管理を自動化し、IT資産の可視化とセキュリティ統制を実現。
従業員の入退社対応や棚卸し作業の工数を削減し、情報システム部門の運用負荷を大幅に軽減します。
中小企業から大企業まで、情シス・管理部門・経営層のすべてに頼れるIT管理プラットフォームです。
