メインコンテンツへスキップ
見出し画像

ローカル LLM (Ollama) × Claude Code で完全オフライン業務

    はじめに

    「住民税の賦課決定通知書の文面を AI で整えたい」「生活保護のケース記録

    画像

    要約を AI に手伝ってほしい」——最も AI が効くのは基幹系 (マイナンバー利

    用事務系) の文書業務ですが、その端末は LGWAN-IF すら遮断され、USB すら挿せません。クラウド AI を使う余地はゼロです。

    LGWAN (総合行政ネットワーク) 系の端末も似た制約があり、Claude や

    画像

    ChatGPT といった外部 API を呼ぶ前提のツールはほぼ全滅します。「AI 解

    禁」のニュースを見ながら、自分の業務で使えないジレンマを抱えている公務員は多いはずです。

    本記事ではこの壁を Ollama (ローカル LLM ランタイム) で突破する手順を解説します。

    Wi-Fi を物理的に切った状態でも動く、データが PC の外に絶対に出ない、ベンダーロックインゼロ、コストは PC 1 台のみ——公務員のリスク許容と相性のよい選択肢です。Claude Code の UI を使いながら推論だけローカル LLM に切り替える構成も含めて、コピペで動く実装と情シス説明用テンプレ付きで進めます。

    人口 10-30 万人規模の自治体では、LGWAN 端末は USB ポート物理封鎖 + ソフト導入は情シス申請 (承認 2-4 週間) + 専用 ID 必須という三重制約が典型例です。基幹系端末はさらに厳しく、執務室外への持ち出し禁止 + 操作ログ常時記録 + 印刷物のシュレッダー必須が標準。

    一方でインターネット系端末は職員 1 人 1 台配布されるケースが多く、AI 検証は実質ここでしかできない構造になっています。

    こんな方に向けた記事です

    • LGWAN・基幹系端末で外部 API が遮断され、AI を業務に使えない自治体職員

    • 個人情報・基幹系データを扱うため、クラウド AI を選べない部署の担当者

    • データを PC の外に出さず、完全オフラインで AI を動かしたい方

    この記事でわかること

    • Ollama で OSS の LLM をローカル実行し、Claude Code の UI のまま推論を切り替える手順

    • 16GB メモリの一般 PC で 7B モデルを実用速度で動かす構成

    • 「個人情報含有の単純作業」専用にローカル LLM を振り分ける使い分けの考え方

    執筆者は元自治体職員。現在は Claude Code を使い、47 都道府県の統計サイト stats47.jp(約 2,000 のランキングを毎日自動更新)を個人で開発・運用しています。

    背景: なぜ公務員にこの課題があるか

    自治体の業務系統は法令とガイドラインで概ね 3 層に分かれます。

    最も AI 効率化のニーズがあるのは基幹系の文書業務 (調定書・賦課決定通知・福祉判定 etc.) ですが、最も AI 導入が困難です。LGWAN 系はその中間で「ローカル PC で完結するなら可」というグレーゾーンの余地があります。

    ローカル LLM はこの隙間に刺さる選択肢です。

    • データが外部に出ない — 物理的に通信していないので守秘義務違反のリスクがゼロ

    • ログがローカルに残る — 監査時に「何を入力したか」を完全に開示できる

    • ベンダーロックインなし — OSS なので将来 API 仕様変更で詰む心配なし

    • コストが固定 — 買い切り PC のみ、従量課金なし


    画像

    ただし「動作させる PC が業務システムに接続されていないこと」「モデルダ

    ウンロード経路 (インターネット系で取得 → USB で転送 等) が規程上許されること」を明確にする必要があります。

    先行自治体の事例では検証用 PC の調達ルートに 3 パターンあります。

    • 情シスが「AI 検証用スタンドアロン PC」として 1-3 台共用機を整備する方式 (横須賀市・つくば市等で確認)

    • 各部署が消耗品予算 (10-20 万円) で単年度購入する方式

    • 職員研修・自己研鑽枠で個人 PC を業務利用申請する方式

    第三の方式は規程整備が追いついていない自治体が多く、業務利用承認 + データ取扱誓約書のセットが必要になります。Ollama の検証用途であれば 16GB メモリの中古 PC (5-8 万円) で十分動作するため、第二の方式が最も着手しやすい現実解です。

    手順 / 解説

    Step 1: Ollama インストール

    公式サイトから OS 別インストーラを取得します。Windows / Mac / Linux すべて対応。

    # Mac (Homebrew)
    brew install ollama
    
    # Linux
    curl -fsSL https://ollama.com/install.sh | sh
    
    # Windows (PowerShell)
    winget install Ollama.Ollama

    業務 PC が Windows の場合はインストーラ exe を情シスに事前申請して許可をもらう経路が多いです。Homebrew や winget が使えない閉鎖環境では、別 PC で `.zip` を取得 → USB 転送 → 展開、というフローになります。

    インストール後、API サーバを起動します。

    ollama serve
    # → localhost:11434 で OpenAI 互換 API が待機

    Step 2: モデルの選定とダウンロード

    公務員業務での実用性で評価すると以下が候補です (2026 年 5 月時点)。

    日本語業務なら Qwen 2.5 または Llama 3.1 Swallow が現状ベスト。

    Swallow は東京工業大学の研究グループが日本語データで継続学習したモデルで、行政文書との相性が良いです。

    # 推奨スターター: 8GB メモリでも動く軽量日本語モデル
    ollama pull qwen2.5:7b
    
    # 動作確認
    ollama run qwen2.5:7b "総務省の文書管理規程の趣旨を 200 字以内で要約してください"

    Step 3: Claude Code を Ollama 互換 API に向ける


    画像

    Claude Code は環境変数 `ANTHROPIC_BASE_URL` で API エンドポイント

    を切り替えられます。Ollama は OpenAI 互換 API を提供しているので、Anthropic 互換に変換するプロキシ `litellm` を間に挟みます。

    # プロキシ litellm を準備 (Python 環境)
    pip install 'litellm[proxy]'
    
    # プロキシ起動 (Ollama を Anthropic 互換に変換)
    litellm --model ollama/qwen2.5:7b --port 4000


    画像

    別ターミナルで Claude Code を起動:

    export ANTHROPIC_BASE_URL=http://localhost:4000
    export ANTHROPIC_API_KEY=dummy-key-not-used
    claude

    これで Claude Code の UI のまま、推論は完全にローカル LLM で行われます。`.claude/skills` も `.claude/settings.json` も Hook もそのまま使えます。


    画像

    M2 MacBook Air 16GB + Qwen 2.5 7B + litellm proxy の構成で動作検証した

    事例では、応答速度は 12-18 token/sec、初回応答開始まで 1-3 秒という結果が得られています。

    実用判定の感覚としては、次の線引きが現実的です。

    • 議事録の 5 項目要約・苦情対応文の語調チェック・短文翻訳は十分実用

    • 1500 字超の文書リライトは集中力が切れて文脈が崩れる

    • 議会答弁の論点分解や政策立案補助は精度不足で実用に届かない

    「個人情報含有 × 単純作業」のみに用途を絞れば、クラウド AI が使えない領域で確実な戦力になります。Windows 11 + WSL2 + 同モデルでも同等の動作速度で、Mac との差はほぼ体感されません。

    Step 4: オフライン環境での運用設計

    「Wi-Fi を物理的に切った状態でも動く」を定期検証することが、情シスへの説明根拠になります。

    # Mac の例: ネットワーク遮断テスト
    sudo ifconfig en0 down
    sudo ifconfig en1 down  # Wi-Fi
    claude  # ローカル LLM で動作することを確認
    sudo ifconfig en0 up
    sudo ifconfig en1 up
    
    # Linux の例
    sudo nmcli networking off
    claude
    sudo nmcli networking on
    
    # Windows の例 (PowerShell 管理者)
    Disable-NetAdapter -Name "Wi-Fi" -Confirm:$false
    claude
    Enable-NetAdapter -Name "Wi-Fi" -Confirm:$false

    `.claude/settings.json` で外部接続を必要とするツールを 明示的に拒否 しておきます。これで万が一何かが外部接続を試みても block されます。

    {
      "permissions": {
        "deny": [
          "WebFetch",
          "WebSearch",
          "Bash(curl:*)",
          "Bash(wget:*)",
          "Bash(npm:*)",
          "Bash(pip install:*)"
        ]
      }
    }

    Step 5: ローカル LLM の限界を踏まえた使い分け

    7B / 8B モデルは Claude Sonnet / Opus の数分の一の性能です。実務で使い分ける指針:

    運用原則: 「個人情報含有 × 単純作業」はローカル、「機密性低 × 高度作業」はクラウド。この 2 系統運用がコスト最適です。

    よくあるつまずきポイント

    1. メモリ不足でモデルがクラッシュ — 7B モデルは最低 8GB の空きメモリが必要。Chrome や Teams を閉じる

    2. 応答速度が極端に遅い (< 2 token/sec) — GPU / Metal アクセラレーション未有効が原因。Mac は `system_profiler SPDisplaysDataType` で Metal 対応を確認、NVIDIA GPU は `nvidia-smi` でドライバ確認

    3. 日本語精度が想定より低い — 英語特化モデル (Llama 標準・Mistral) を引いている。Qwen 系・Swallow 系を選ぶ

    4. `ollama pull` が業務 PC のディスクを圧迫 — モデルファイルは数 GB。`OLLAMA_MODELS` 環境変数で外付け SSD のパスに変更

    5. 規程上 OK か曖昧 — 「データが外部に出ない」ことを情シスに技術的に証明する書面が必要 (有料セクション 3 提供)

    6. litellm proxy が落ちる — supervisord / pm2 でデーモン化、再起動ループ設定

    💡 この記事を書いた私から、Claude Code 学習でひとつだけご紹介させてください(PR)

    この記事を読んでいる方は、Claude Code を業務に取り入れようとしているか、すでに使い始めているのだと思います。

    独学でも十分に使えますが、「もっと体系的に学びたい」「詰まったときにすぐサポートを受けたい」という方には、Claude Code に特化した研修プログラムも選択肢のひとつです。

    このリンクから申し込んでいただくと、私に紹介料が入ります。それでもお伝えするのは、Claude Code を業務で使いこなしたいすべての方に本当に役立つと思っているからです。


    画像

    ▶ Claude Code 特化研修「AI Agent Camp」の詳細はこちら(無料相談あ

    り)

    まとめ

    ローカル LLM は「クラウド AI が使えない場面でも諦めない」ための最重要オプションです。精度はクラウドに劣りますが、「データが絶対に外に出ない」という性質は公務員業務において代えがたい価値があります。

    基幹系・LGWAN 系・インターネット系の 3 層構造に合わせた AI 利用ポートフォリオを設計し、ローカル LLM を「禁止区域での唯一の選択肢」として位置づけましょう。

    最初の構築に 2-3 時間、月次運用は無人。「住民情報を扱う業務でも AI が使える」という新しい働き方が拓けます。

    関連記事 / 次に読む

    • Claude Code Hooks で個人情報マスキングを自動化する

    • 監査に耐える AI 活用ログを残す `.claude/settings.json`

    • 個人情報を Claude に送らずに AI 活用する 3 つの設定

    この続きは有料パートです

    こんな人におすすめ

    LGWAN 系・基幹系の端末で AI を使いたいが情シス申請をどう通すか分からない、Windows の業務 PC に Ollama を入れる具体的な手順が欲しい、日本語モデルの精度を実測値で見てから機種を選びたい——そんな自治体職員に向けた内容です。

    この続きで読めること

    単体購入のほか、マガジン「公務員 × Claude Code 実務活用ガイド」でシリーズをまとめて読むこともできます。

    あなたへのおすすめ