高価なGPUサーバーを買わなくても、必要なときに必要なだけ計算資源を借りられる——AI開発のハードルを劇的に下げたのがクラウドです。G検定第7章では、AIプロジェクトを支えるインフラとして、SaaS・PaaS・IaaSの3分類やSaaS型AIサービス特有の契約上の注意点とともに登場します。
📖 ひと言でいうと
クラウド(クラウドコンピューティング)とは、インターネットを介してコンピュータ資源やサービスを提供・利用する形態のことです。自前でサーバーやソフトウェアを持つ代わりに、必要なものをオンラインで必要な分だけ使います。
例えるなら、電気の使い方と同じです。かつて工場は自前の発電機を持っていましたが、いまは電力会社から使った分だけ買うのが当たり前です。コンピュータ資源も同様に、「所有」から「利用」へと変わった——これがクラウドの本質です。
🖼 1枚でわかるクラウド
📘 公式テキストの説明
クラウドコンピューティングは、インターネットを介してコンピュータ資源やサービスを提供・利用する形態を指す。従来、企業や個人は自前のサーバーやストレージを用意し、ソフトウェアをインストールして運用していた。しかし、クラウドの登場により、これらのリソースをオンライン上で必要に応じて利用できるようになった。クラウドサービスは大きく3つのモデルに分類される。まず、SaaS（Software as a Service）は、ソフトウェアをインターネット経由で提供する形態で、ユーザーはブラウザなどを通じてアプリケーションを利用できる。次に、PaaS（Platform as a Service）は、アプリケーションの開発や実行環境を提供するもので、開発者はインフラの管理を気にせずに開発に集中できる。最後に、IaaS（Infrastructure as a Service）は、仮想サーバーやストレージなどのインフラをサービスとして提供し、ユーザーは自分でOSやアプリケーションをインストールして利用する。クラウドの利点として、初期投資の削減やスケーラビリティの向上、場所を問わずアクセス可能な点が挙げられる。例えば、企業は自社でサーバーを購入・維持する必要がなくなり、必要に応じてリソースを増減できる。また、インターネット接続があれば、どこからでもサービスにアクセスできるため、リモートワークの推進にも寄与している。一方で、クラウドの利用には注意点も存在する。データを外部のサーバーに預けるため、セキュリティやプライバシーの確保が重要となる。また、サービス提供者の障害やサービス終了などのリスクも考慮する必要がある。
最重要ポイントは、SaaS・PaaS・IaaSの3分類です。この3つは「提供者がどこまで面倒を見てくれるか」の違いで整理できます。SaaSは完成したアプリまで(利用者は使うだけ)、PaaSは開発・実行環境まで(利用者はアプリを作る)、IaaSはサーバー等のインフラまで(利用者はOSから構築する)です。
利点(初期投資削減・スケーラビリティ・場所を問わないアクセス)と注意点(セキュリティ・障害やサービス終了のリスク)も対で押さえましょう。
🔍 しっかり理解する
SaaS・PaaS・IaaSを「自由度と手間」で整理する
3モデルは、下に行くほど自由度が高く、その分だけ利用者の管理負担も増える関係にあります。
| モデル | 提供されるもの | 利用者がすること | AI開発での例 |
|---|---|---|---|
| SaaS | 完成したソフトウェア | ブラウザ等で使うだけ | 翻訳・チャットなど完成済みAIサービスの利用 |
| PaaS | 開発・実行環境 | アプリやモデルを開発 | 機械学習プラットフォーム上でのモデル構築 |
| IaaS | 仮想サーバー・ストレージ | OSから環境構築し運用 | GPU仮想マシンを借りて独自の学習環境を構築 |
優劣ではなく用途で選ぶものです。「早く使いたい」ならSaaS、「独自モデルを開発したいがインフラ管理はしたくない」ならPaaS、「環境を細部まで自分で制御したい」ならIaaSが向いています。
AIプロジェクトにとってのクラウドの意味
ディープラーニングの学習には高性能なGPUが必要ですが、GPUサーバーの購入は高額な初期投資になるうえ、学習していない時間は遊休資産になります。クラウドなら学習を回す期間だけGPUリソースを借り、終われば解約できます。「必要に応じてリソースを増減できる」スケーラビリティは、計算需要の波が激しいAI開発と非常に相性が良いのです。
PoC(概念実証)を小さく始めて、本格導入時に規模を拡大するというAIプロジェクトの進め方も、リソースを段階的に増やせるクラウドだからこそ低リスクで実行できます。
SaaS型AIサービス特有の注意——「提供者が追加学習する」
G検定の文脈で特に重要なのが、SaaS型AIサービスの契約上の論点です。SaaS型AIは不特定多数のユーザー向けにクラウド上で提供され、従来の受託開発型AIと異なり、サービス提供者が独自に追加学習を行える点が特徴です。ここから次のような契約上の配慮が必要になります。
- 追加学習が行われる可能性があること、それによりAIの出力が変化する可能性があることを契約書に明示する
- 出力の変化によるリスクをサービス提供者が負わないことを明確にする
- ユーザーが入力したデータを追加学習に利用する場合、特に複数ユーザーのデータで1つのモデルを更新する場合は、その旨を契約書に明記する
「昨日と今日で同じ入力に違う答えが返る可能性がある」のはAIサービスならではの性質であり、利用規約・契約書での取り決めが重要になります。
💡 具体例で考える
中堅メーカーが需要予測AIを導入する場面で、3モデルの選択が現実の意思決定になります。IT要員が少ないなら、需要予測機能を持つSaaSをそのまま契約するのが早道です。自社データの特性に合わせた独自モデルを作りたいなら、クラウドの機械学習プラットフォーム(PaaS)上でデータサイエンティストがモデルを開発します。研究開発部門が特殊なライブラリ構成で実験したいなら、IaaSでGPU付き仮想マシンを借りて環境を組みます。
また、業務チャットや文章生成のSaaS型AIを社内導入した企業が、「従業員が入力した業務情報が提供者側の学習に使われる設定になっていないか」を確認して規約と設定を見直す、というのも近年の典型的な場面です。クラウドの便利さとデータガバナンスは常にセットで考える必要があります。
⚠️ よくある誤解・紛らわしい用語
- SaaS・PaaS・IaaSの取り違え — 「ソフトウェアまで提供=SaaS」「開発・実行環境まで=PaaS」「インフラのみ=IaaS」。試験では定義の入れ替えが定番の誤答パターンです。
- 「クラウド=どこか遠くのあいまいな場所」ではない — 実体は事業者が運営するデータセンターのサーバー群です。データを外部に預けているという事実があるからこそ、セキュリティやプライバシーの確保が論点になります。
- クラウドとWeb APIの混同 — クラウドは資源・サービスの提供形態、Web APIはソフトウェア間の連携の仕組みです。クラウド上のAI機能をWeb API経由で呼び出す、というように組み合わせて使われます。
- 「クラウドなら安心」ではない — サービス提供者側の障害やサービス終了のリスクは残ります。重要システムでは依存リスクへの備えも設計に含めます。
📝 試験でのポイント
- 定義問題では「インターネットを介してコンピュータ資源やサービスを提供・利用する形態」が正解の目印です。
- SaaS/PaaS/IaaSの3分類は最頻出論点です。それぞれの英語の正式名称(Software/Platform/Infrastructure as a Service)と提供範囲を対応づけられるようにしましょう。
- 利点(初期投資の削減・スケーラビリティの向上・場所を問わないアクセス)と注意点(セキュリティ/プライバシー・提供者の障害やサービス終了リスク)は対で問われます。
- SaaS型AIの契約論点(提供者による追加学習で出力が変化しうること、ユーザーデータの学習利用の明記)は、法務・契約分野の設問でも出題されうる重要事項です。
📚 まとめ
- クラウドは、インターネットを介してコンピュータ資源やサービスを提供・利用する形態で、「所有から利用へ」の転換をもたらしました。
- サービスモデルはSaaS(ソフトウェア)・PaaS(開発・実行環境)・IaaS(インフラ)の3つに分類され、提供範囲の違いで区別します。
- 利点は初期投資の削減、リソースを増減できるスケーラビリティ、場所を問わないアクセスで、GPUを多用するAI開発と特に相性が良い仕組みです。
- データを外部に預けるためセキュリティ・プライバシーの確保が重要で、SaaS型AIでは提供者による追加学習に関する契約上の配慮も求められます。
