最終更新: 2026-04-28
この記事でわかること
毎日 Mac で 4 つの AI ツールを並行稼働させている。Claude Code、Ollama、ChatGPT Plus、GitHub Copilot——それぞれ役割が違う。「一番いい AI を 1 本選べばいい」という発想でやっていた時期があって、そのときは月 ¥15,000 を Anthropic API だけに溶かしていた。今は ¥5,000 だ。この記事は、その差が何で生まれたかをそのまま書いたものだ。
私の環境と前提
MacBook Pro M5 32GB。SNS 投稿・ブログ記事・KDP 出版・Discord 通知を Python + launchd で全自動化している。コードを書くのは Claude Code 任せで、私は指示文を入力するだけだ。
今月の実コストは Claude Pro ¥3,200 + Anthropic API 従量課金 ¥1,800 Claude API と ChatGPT API の実測コスト比較 で合計 ¥5,000。半年前は同じ処理量で月 ¥15,000 を超えていた。変えたのは Ollama の導入だけで、パイプラインの構造は触っていない。削れる部分は最初から決まっていた、と後になってわかった。
クラウド AI ツール 実運用比較
外部 API・サービス系の実測値をまとめた。
| ツール | 月額 | Mac 対応 | 主な用途 | 実測応答速度 |
|---|---|---|---|---|
| Claude Code（Pro） | ¥3,200 | ターミナル/Web | コーディング、長文生成 | 初期 3 秒、ストリーミング |
| ChatGPT（Plus） | $20 | Web/アプリ | 汎用、画像生成 | 初期 2 秒 |
| Gemini Advanced | $19 | Web | 検索連携、テーブル分析 | 初期 4 秒 |
| GitHub Copilot | $10 | VSCode 拡張 | コード補完のみ | 補完 0.5 秒 |
| Cursor | $20 | アプリ | コーディング、エージェント | 初期 2 秒 |
Claude Code をメインに使い始めてから、他のコーディング支援ツールはほぼ触らなくなった。指示を出したら完結まで全部やってくれる——ファイル修正、テスト実行、git コミット、全部だ。先月、450 行の Python スクリプト修正を「このファイルを修正して」の一行で頼んだ。12 分後に完了していた。修正内容の確認、エラー対応、再テストまで Claude が回した。Copilot で同じことをやると、私が手動で対応するぶんだけで 1 時間かかる計算になる。
Cursor も 2 週間試した。機能は悪くない。ただ Claude Code とコストが完全に被っている。どちらか一方を選ぶなら Claude Code だ——ターミナルで完結するから、エディタを開く必要すらない。
Ollama ローカル LLM への切り替え戦略
Ollama は Mac 上で LLM をローカル実行するためのツールだ。M5 32GB なら 9B パラメータのモデルが普通に動く。API コストはゼロ。その代わり、生成速度と品質でクラウド API に劣る。
先月、本格導入した。モデルは Qwen2.5:9b にした——3b・7b と比較して日本語の出力が体感で一段上だったからだ。実測で SNS 投稿文の生成が 1 トークン/秒前後。Claude Haiku が 100 トークン/秒近く出るので、100 倍遅い。ただし月額ゼロ。
brew install ollama
ollama run qwen2.5:9b運用では ai_config.yaml の prefer_claude: true/false を切り替えるだけで、全パイプラインの LLM を差し替えられる構成にした。Claude API が落ちたときや月額を節約したい局面で、1 秒で Ollama に移行できる。
| タスク | 使うモデル | 生成時間 | 理由 |
|---|---|---|---|
| SNS 投稿文 | Claude Haiku | 3 秒 | 短文、高品質が必須 |
| ブログ記事・KDP | Claude Sonnet | 12 秒 | 長文、構成力が必須 |
| YouTube 台本 | Claude Sonnet | 15 秒 | 構成、推敲が必須 |
| 定型レポート | Ollama Qwen2.5:9b | 90 秒 | テンプレート化可、コスト重視 |
| データ整形 | Ollama Qwen2.5:9b | 60 秒 | ルール単純、コスト重視 |
最初の 2 週間、コスト削減に気を取られて全タスクを Ollama に投げた。SNS 投稿文もブログ記事の要約も、全部 Qwen2.5:9b 一本。結果、BSky のいいね率が 20% 落ちた——3 日間気づかなかった。ログを掘ったら原因は単純で、Qwen が「この方法で〜できます。この方法で〜できます。」みたいな機械的な繰り返しを出力していた。SNS 系だけすぐ Claude Haiku に戻した。データで確認するまでわからなかった、というのが正直なところだ。
Mac × launchd で AI を常時稼働させる
毎日決まった時間に AI 処理を回す基盤として、Mac の launchd を使っている。朝 7:00 に SNS 投稿文 5 本を生成する——所要約 5 分。昼 12:30 はブログ記事 1 本の書き下ろしで 18 分。夜 20:30 は KDP 1 章の完成と品質スコア算出で 12 分。この 3 本が毎日自動で回ることで、手動作業を月換算 40 時間削れた。
plist の基本構成はこれだ。
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
<key>Label</key>
<string>com.user.ai-task</string>
<key>ProgramArguments</key>
<array>
<string>/opt/homebrew/bin/python3</string>
<string>/path/to/generate_content.py</string>
</array>
<key>StartCalendarInterval</key>
<dict>
<key>Hour</key>
<integer>7</integer>
<key>Minute</key>
<integer>0</integer>
</dict>
</dict>
</plist>ひとつ詰まった点がある。launchd が実行するとき、通常のシェル環境が引き継がれない。python3 と書いたままだと「command not found」で静かに死ぬ。2 週間、スクリプトが一度も動いていなかった——~/Library/Logs/ のログファイルを確認するまで気づかなかった。原因は Python3 の絶対パスを指定していなかっただけだ。Apple Silicon Mac なら /opt/homebrew/bin/python3 を入れる。
2026 実測に基づく選定チェックリスト
ツールを選ぶ前に、自分のタスクをどれに当てはめるかだけ考えればいい。
- 品質最優先のタスク（SNS 投稿、KDP、ブログ）→ Claude Sonnet または Haiku
- 速度最優先のタスク（数秒以内に結果が必要）→ Ollama のメリットなし、Claude 一択
- コスト最優先でテンプレート化できるタスク（定型レポート、データ整形）→ Ollama Qwen2.5:9b
- IDE でのコード補完だけが欲しい → GitHub Copilot
- ターミナルから自律的にコードを書かせたい → Claude Code
まとめ：ハイブリッド運用で月 ¥5,000 削減
月 ¥15,000 が ¥5,000 になった。やったことは Ollama の導入と、タスクの分類だけだ。
品質の低下は実測 2% 程度——SNS のいいね率も、KDP 販売数も動かなかった。つまり、最初から削れる部分があったということだ。テンプレート化できる定型処理をクラウド API に投げ続けていたのが無駄だった。気づくまでに半年かかった。
ツールを選ぶ前に、自分のタスクを「品質必須」「速度必須」「コスト最優先」の 3 つに分けてほしい。分類が終わったら、ツールの割り当てはほぼ自動で決まる。
Claude Code × Ollama × launchd で SNS・ブログ・KDPを全自動化。実測データと失敗談を軸に、月5万円収益化のリアルな記録を発信中。
💬 自動化の相談・小規模受託も受付中：「launchd で毎朝 AI が動く仕組みを作りたい」「KDP の自動出版を組みたい」など、X (@taito_automate) の DM からお気軽にどうぞ。