著者 Zanus AIの価格は？自作サーバーとの費用比較
Zanus AIは価格見積もり制のノーコードAIサーバーです。同等の構成をレンタルGPUで自作する費用、必要な運用担当者、APIを選ぶ目安を比較します。
Zanus AI が 2026 年 10 月時点で販売しているもの
Zanus AI は企業向けのプライベート AI サーバーを販売しています。これを検索する人の多くが知りたいのは、同じプライベート AI サーバーを自分で構築する場合の費用です。要点は次のとおりです。このアプライアンスは、コードを書かずに使えるボックスで、価格は見積もり制です。設定済みの状態で納品され、インターネット接続なしでも動作します。自分で構築する場合は、オープンウェイトの LLM (大規模言語モデル) を推論サーバー、チャットインターフェース、ベクトルストア、エージェントフレームワークの背後で実行する、レンタル GPU (グラフィックス処理装置) サーバーを使います。Linux を運用できる人が 1 人必要です。どちらが適しているかは、エンジニアリングを誰が担当するか、データをどこに保管できるか、6 kW の機器に給電できるか、実際に 1 日何トークン使うかの 4 点で決まります。
ここでの Zanus に関する情報はすべて、zanusai.com と zanus.ai/pricing の背後にあるライブ価格データを、2026 年 10 月 17 日に確認したものです。同社は自社について、「フロリダ州 Pompano Beach に本社を置く、ハイテク AI ソリューションおよびエンジニアリングを専門とする非公開の米国 C-Corp」と説明しています。自社のページでは、所在地を Fort Lauderdale 広域圏としています。また、ハードウェアとソフトウェアは「米国で設計・組み立てられている」としています。
製品は 3 層で構成されています。Front Office AI は、顧客が電話、Web チャット、見積もり、予約を通じて利用する部分です。Back Office AI は、自社ページで「会社の AI オペレーティングシステム」と見出しが付けられている部分です。Airtight AI のページでは「15+ モジュール」と説明されています。サイト全体で挙げられている機能には、AI チャット、顧客記録、案件、ドキュメント、スケジュール管理、自動化、AI API (アプリケーションプログラミングインターフェース) があります。「自社側に開発者は必要ですか」という質問に対し、Back Office ページは「いいえ。必要なのはプロセスを理解している人です」と回答しています。第 3 層の Private On-Premises AI は、Zanus のハードウェア上で社内に設置して実行する同じシステムです。現在、サイトのメニューでは Airtight AI、「オンプレミス AI サーバー」という名前で掲載され、ホステッドプランとは別の製品とされています。「Zanus OS」を実行し、「完全所有の永続ライセンス」で販売されます。また「エアギャップ対応」であり、インターネットから切り離したまま運用する場合は、オフラインの更新パッケージを適用できます。サーバーページには、2 台目の機器である On-Prem Tokens Server も掲載されています。これは同じハードウェアと Zanus OS を使い、「純粋な生成エンドポイント」として動作します。OpenAI 互換 API を備え、業務モジュールはありません。以下で説明する自分で構築するボックスに、Zanus が販売する製品の中で最も近いものです。
モデルについて、サーバーページは、このボックスが「主要なオープンウェイトファミリー」を実行し、構成時に「顧客と相談して選択・サイズ設定」すると説明しています。また、「いつでもモデルを交換または追加でき、新しいウェイトはダウンロードする」としています。ファミリー名、GPU、RAM、ストレージ容量は、「RAID 10 NVMe」以外は明記されていません。電源について、サーバーページは「115 または 220V の標準 50A 回路」を求め、全負荷時の「最大 6 kW」を示しています。サーバーは静音でオフィス向けであり、サーバールームは不要と説明されています。価格について、このボックスは RFQ (見積もり依頼) 制です。価格は「GPU メモリ (モデル)、RAM/コンテキスト、1 日あたりのトークン数」に基づいて決まります。ハードウェアの公開価格はありません。ホステッドの Front Office には、2026 年 10 月 17 日に確認したライブ価格データ上の価格が掲載されています。5 つのバンドルプランは、月額 $329 の AI ANSWER から月額 $2,495 の AI PRIVATE までです。年額では $3,290 から $24,950 です。年払いは月払い 12 回より約 16.7% 安く、AI PRIVATE は年払いのみで販売されるため、実際の請求額は年額 $24,950 です。同じ構成要素は、各月額 $49 からの単体プランとしても販売されています。バンドルは、構成要素を単体で購入する場合より約 25% 安くなります。これらはいずれもアプライアンスではありません。「分離された独自環境で COMPLETE」と説明される AI PRIVATE であっても、ホステッドテナントです。Front Office の価格ページでは、自社施設で AI を運用したい場合は AI サーバーを案内しており、「別製品で、価格は見積もり制」としています。サーバーの納期は、設定済みで約 3 週間と見積もられています。
以上が公開されている仕様です。以下では、この情報に何かを追加したり、記載のない点を推測したりしません。
自分で構築する場合の同じプライベート AI サーバーの構成
このアプライアンスは、自分で借りて組み立てられる4つの要素をまとめたものです。GPU、オープンウェイトモデルを読み込む推論サーバー、利用者向けのチャットインターフェース、そしてドキュメントを回答に変換する自動化レイヤー付きのベクトルストアです。Linux の構築には半日ほどかかります。ビジネスモジュールには数週間かかります。この差が、2つの方式の本当の違いです。
まず本体を選びます。RAM 16 GB から 32 GB の CPU 専用 VPS（virtual private server）なら、7B と 8B のモデルを一度に1人または2人が利用できます。ただし、誰かが依存する前に、速度を 1秒あたりのトークン数で測定する 必要があります。VRAM（グラフィックスカード上のメモリ）が 24 GB のレンタル GPU なら、8B モデルを小規模チームで使える速度で実行でき、4-bit では約30Bまでのモデルを収容できます。48 GB から 80 GB は 70B クラスです。どのモデルがどのカードに収まるかは、メモリ容量ごとにセルフホストできる AI モデル で確認できます。
推論サーバーをインストールします。Ollama の Linux へのインストールは1行で完了します。詳しい手順は VPS 上で Ollama を実行して LLM をセルフホストする にあります。
curl -fsSL https://ollama.com/install.sh | sh
sudo systemctl status ollama
ollama -vsystemctl status ollama は active (running) と表示されるはずです。GPU のないマシンでは、インストーラーは WARNING: No NVIDIA/AMD GPU detected. Ollama will run in CPU-only mode. と表示して処理を続行します。テストには問題ありませんが、利用者にとっては低速です。
モデルを取得して API と通信します。サービスはループバックアドレスのポート 11434 のみで待ち受けます。
ollama pull qwen3:8b
curl http://127.0.0.1:11434/api/generate \
-d '{"model":"qwen3:8b","prompt":"Reply with one word: ready","stream":false}'正常な応答は、response フィールドと "done":true を含む JSON オブジェクトです。独自の2つの値を指定した {"error":"model requires more system memory (6.4 GiB) than is available (3.8 GiB)"} という応答は、重みが RAM に収まらないことを示します。その場合は、より小さいモデルまたはより小さい量子化を選びます。
チャットインターフェースを追加します。通常は Open WebUI を使用します。Ollama が同じホストで実行されている場合のコマンドは、README に記載されています。
docker run -d -p 3000:8080 \
--add-host=host.docker.internal:host-gateway \
-v open-webui:/app/backend/data \
--name open-webui --restart always \
ghcr.io/open-webui/open-webui:mainサーバーのアドレスのポート 3000 にアクセスし、最初のアカウントを作成します。このアカウントが管理者になります。次にモデル一覧を開きます。一覧が空の場合、原因は上記のループバックバインドです。コンテナ内では host.docker.internal がホストの Docker ブリッジアドレスに解決されます。一方、Ollama は 127.0.0.1 でのみ待ち受けているため、接続が拒否されます。docker logs open-webui には Cannot connect to host host.docker.internal:11434 と表示されます。systemd のオーバーライドで修正します。
sudo systemctl edit ollama[Service]
Environment="OLLAMA_HOST=0.0.0.0:11434"sudo systemctl daemon-reload
sudo systemctl restart ollama0.0.0.0 は、パブリック側を含むすべてのインターフェースを意味します。この時点から、ファイアウォールがポート 11434 をブロックしない限り、API はインターネットから到達可能になります。また、API 自体にはパスワードがありません。そのため、会社のドキュメントを1つでも読み込む前に、Ollama API エンドポイントを保護する 必要があります。Open WebUI が重すぎる場合は、同じポートに接続する より軽量な Open WebUI の代替 もあります。
ベクトルストアを追加します。Qdrant は1つのコンテナとして実行できます。到達できるのはこのサーバー上のアプリケーションだけでよいため、ループバックにバインドします。
docker run -d --name qdrant --restart always \
-p 127.0.0.1:6333:6333 -p 127.0.0.1:6334:6334 \
-v qdrant_storage:/qdrant/storage \
qdrant/qdrant
curl http://127.0.0.1:6333/collections新規インストール直後のチェックでは、{"result":{"collections":[]},"status":"ok"} と処理時間のフィールドが返ります。Open WebUI には、小規模なライブラリであれば十分な組み込みドキュメントストアがあります。Qdrant は、エージェントフレームワークが埋め込みを直接検索する必要がある場合に使用します。
同時に数人を超える利用者がいる場合は、Ollama を vLLM に置き換えます。vLLM は GPU 上で利用者間のリクエストをバッチ処理します。公式イメージがインストール全体です。
docker run -d --runtime nvidia --gpus all \
-v ~/.cache/huggingface:/root/.cache/huggingface \
-p 127.0.0.1:8000:8000 --ipc=host \
vllm/vllm-openai:latest --model Qwen/Qwen3-8BDocker が GPU 機能について could not select device driver と返す場合、NVIDIA Container Toolkit がインストールされていません。そのため Docker はカードをコンテナに渡せません。Toolkit をインストールして Docker を再起動し、その後コマンドを再実行します。各サーバーを選ぶ基準は Ollama と vLLM の比較 で説明しています。
最後のレイヤーが、アプライアンスでモジュールと呼ばれている部分です。レンタル方式では、ベクトルストアから読み取り、モデルを呼び出し、他のシステムに対して操作を実行し、実行内容を記録するエージェントフレームワークです。候補とそれぞれの得意分野は 最高のセルフホスト AI エージェント で比較しています。エージェントがセッションをまたいで利用者を記憶する必要がある場合は、セルフホスト型 Mem0 メモリサーバー によってその機能を追加できます。これらは設定するまで存在しません。実際に料金を支払っているのは、アプライアンスのこの部分です。
費用: 月額請求との比較
ここに記載できる Zanus の数値はなく、推測で補うと役に立たないどころか誤解を招きます。サイトが説明しているのは、見積もりの規模を決める要素です。モデル用の GPU メモリ、コンテキスト用の RAM、そして 1 日あたりのトークン数で決まります。これらはレンタル構成の料金を決める変数でもあるため、少なくとも比較対象の条件は正確に設定できます。
レンタル側の費用は、GPU の固定月額料金と、その運用担当者の作業時間です。GPU がアイドル状態でもフル稼働でも、レンタル料金は変わりません。そのため、従量課金の API との比較は損益分岐点の計算になります。月額レンタル料金を、利用予定の API の 100 万トークンあたりの実効価格で割ります。その結果が、GPU を所有したほうがトークンのレンタルより安くなるために、実際にそのマシンで処理する必要がある月間トークン数です。単位は 100 万トークンなので、トークン数にするには 1,000,000 を掛けます。この量を下回る場合は、費用面では API が有利です。アイドル時間とバッチサイズに関する注意点を含む計算は、GPU VPS と API トークン: 損益分岐点の位置 に記載しています。
アプライアンス側は構成が異なります。初期購入費、永続ソフトウェアライセンス、電気料金に加え、見積もり時点で 1 日あたりのトークン数に基づく規模が設定されます。現在の処理量に合わせた見積もりは、同時に上限にもなります。その上限を超える場合は再度見積もりが必要ですが、レンタル GPU ではプランを変更します。
エンジニアリングを担当するのは誰か
アプライアンスの売り文句は、誰も担当しなくてよいということです。「こちら側に開発者は必要ですか」と尋ねると、ベンダーは「いいえ。業務プロセスを理解している人が必要です」と答えます。これが要点です。新しいツールをスタッフが習得し、誰かがナレッジをアップロードして電話メニューを作成する必要があるため、業務プロセスの変更自体は必要です。ただし、systemd unit の知識までは求められません。
レンタル方式では、上記のコマンドをすべて支援なしで実行し、その後も継続して運用できる人が1人必要です。具体的には、その人がオペレーティングシステムの更新、Docker イメージ、ファイアウォールと TLS (transport layer security) 証明書、ベクトルストアとチャット履歴のバックアップ、モデルの更新を担当します。また、kernel の更新後に GPU driver が壊れたことを知らせる監視も管理します。初回のインストールに1日、その後は毎月数時間を見込んでください。
さらに、本質的な作業にも時間を割り当ててください。レンタル方式には、顧客テーブル、仕入先一覧、カレンダー、予約フローのいずれも含まれていません。これらはそれぞれ、既存システムと連携するために作成する integration か、設定後に想定外の動作が起きた際にも対応できるよう運用する agent framework です。スタッフの誰もその仕事を担いたくないのであれば、「開発者不要」という回答は、どのようなハードウェア仕様よりも価値があります。
データの保存場所
アプライアンスの最大の強みは、物理的な管理場所にあります。「データが建物の外に出ない。クラウドも、共有も、第三者からのアクセスもない」という説明は、ネットワークから切断しても使えるマシンを意味します。データを社内に保持する契約を結んでいる診療所や法律事務所では、これが判断を左右する要素です。この条件に一致する VPS はありません。
レンタル環境については、明確に説明する必要があります。VPS は、他者が所有するデータセンター内のコンピューターです。プロンプト、ドキュメント、モデルの回答、ベクトルインデックスは、プロバイダーが所有するホストの RAM 上で処理されます。また、これらはプロバイダーが物理的にアクセスできるディスクに保存されます。VPS における「Private AI」は、モデルベンダーと公開インターネットから隔離されているという意味にすぎません。ホスティングプロバイダーは引き続きアクセスできます。データの保存場所を顧客や監査担当者から尋ねられた場合も、回答は建物内の部屋ではなく都市名になります。保存時の暗号化は、ディスクが取り外された場合にディスクを保護します。しかし、モデルが回答している間にメモリ内にあるデータは保護しません。
この程度のプライバシーでさえ、デフォルトではなく設定によって実現します。上記の Open WebUI コマンドは、すべてのインターフェースで port 3000 を公開します。そのため、プライベートネットワークまたはリバースプロキシの背後に置き、サインアップを無効にしてグループ権限を設定するまで、ログインページは公開インターネットからアクセスできます。TLS は接続を暗号化しますが、第三者のアクセスを防ぐものではありません。Open WebUI の共有ガイドにも「共有ダイアログからチャットを Open WebUI Community サイトにアップロードすることもできます」と記載されています。サーバー外へのデータ送信を禁止する場合は、管理者設定で Community Sharing を無効にするか、初回起動前に ENABLE_COMMUNITY_SHARING=false を設定してください。
中間の選択肢は、借りたラックに自分のハードウェアを設置する方法、または他者と共有しない専用サーバーを利用する方法です。これにより、レンタル環境のモデル選択の自由と月額料金を維持しながら、物理的な隔たりの大部分を解消できます。ただし、アプライアンスでは不要だった作業も戻ってきます。誰かがマシンを構築する必要があります。
電力と設置スペース
6 kW のマシンは、オフィス用 PC ではありません。米国の標準的な壁コンセントは 15 A または 20 A の回路ですが、このサーバーページでは 50 A の回路を求めています。これは電気レンジや高速な電気自動車用充電器で使われる容量です。そのため、設置には電気工事士が必要です。Zanus の Airtight AI ページでは、同じオンプレミス製品について、「Standard AC circuits」、つまり「建物内にすでにあるコンセント」で動作すると説明しています。見積もりを依頼する構成に、どちらが適用されるのか確認してください。サイトでは、本体は静音でオフィスに適しており、動作中にピーク電力だけを消費すると説明しています。アイドル時の消費電力は公開されていません。
電気料金は、計算によって金額を出せる唯一の運用コストです。6 kW では、最大負荷で 1 時間動作するごとに 6 kWh を消費します。
このグラフのデータ
[
{
"label": "1 h/day at full load",
"kwh_per_month": 180,
"cost_usd_month": 27
},
{
"label": "4 h/day at full load",
"kwh_per_month": 720,
"cost_usd_month": 108
},
{
"label": "8 h/day at full load",
"kwh_per_month": 1440,
"cost_usd_month": 216
},
{
"label": "24 h/day at full load",
"kwh_per_month": "4,320",
"cost_usd_month": 648
}
]1 日 1 時間動作する本体の電気料金は、1 kWh あたり 0.15 USD とすると、月額約 27 USD です。24 時間フル稼働する本体は 4,320 kWh を消費し、月額約 648 USD かかります。ベンダー独自の数値では、最大負荷時に「およそ $1/時間」とされています。これは、グラフで想定している料金よりやや高い電気料金を示します。実際の料金で計算してください。消費したエネルギーはすべて本体から熱として放出されます。ピーク時には 1 時間あたり約 20,000 BTU (British thermal units) になるため、室内の空調で除去する必要があります。
レンタル方式では、電力と冷却が利用料金に含まれ、回路はプロバイダーのデータセンターが用意します。その代わり、電気メーターを確認できません。GPU プランは、1 日 1 時間だけ稼働させても 24 時間稼働させても料金が変わりません。
モデルの選択
アプライアンスには、「主要なオープンウェイトファミリー」から、設定時に利用者と選んだモデルが搭載されます。ページには、新しい重みはダウンロードで提供されると記載されています。ベンダーのページには、モデルは「Zanus のエンジニアがインストールおよび最適化」し、「Zanus のエンジニアが更新」するとあります。どのファミリーが利用できるのか、Zanus OS 内でどのように交換するのか、ベンダーの一覧外のモデルを読み込めるのかは公開情報に記載されていません。そのため、契約前に確認してください。
レンタル方式では、推論サーバーが対応し、モデルを保持できる十分なメモリがあれば、公開ウェイトを持つモデルを実行できます。新しいオープンウェイトのリリースは、Ollama library に到達すれば ollama pull になります。または、vLLM がそのアーキテクチャを、ネイティブまたは Transformers のモデリングバックエンド経由でサポートすれば、vLLM に渡す Hugging Face リポジトリ名になります。主要なファミリーでは、リリース当日に対応することがよくありますが、保証はありません。そのため、今週リリースされたモデルを前提に計画する前に確認してください。特定の量子化や自分で作成したファインチューンを使いたい場合は、GGUF ファイルを Ollama に自分でインポート します。逆方向にも注意点があります。評価も自分で行う必要があります。利用者のドキュメントや1日あたりのトークン数に合わせてモデルを選定した人はいません。そのため最初の1か月は、どのモデルがどの速度で十分な性能を出せるか、そしてメモリで使用できる 量子化 はどれかを確認する期間になります。
プライベート AI 応答サービス: プロジェクトとは別のモジュール
「private AI server」への問い合わせの多くは、実際には電話受付を求めています。このケースは個別に扱ってください。
Zanus 側では、電話エージェントは Front Office AI の一部である AI Phone です。2026年10月17日時点のライブ料金データには、「最初の呼び出し音で応答し、24/7、365日対応する」、「発信者は40言語のいずれかで自由に話せる」、「機能ごとに音声とペルソナを選択できる」と記載されています。電話番号と IVR（interactive voice response）メニューも設定できます。言語に関する記載は、ベンダーの FAQ と併せて確認してください。FAQ には「English は含まれる。40言語は専門的に作成された買い切りパックとして利用できる」とあり、料金はパック単位です。したがって、English 以外の各言語には追加購入が必要です。電話エージェントはホスト型サービスとしてのみ提供されています。AI Phone 単体は月額 $99（年額 $990）で、1人のオペレーターが含まれます。最も安いバンドルである AI ANSWER は月額 $329 で、チャット、e-mail、Web フォーム、予約、アバターが追加されます。どちらの料金も2026年10月17日時点のものです。ベンダーは、Front Office が「自社専用のプライベートな Cloudflare 環境で稼働し」、「サーバーを必要としない」と説明しています。Front Office のどのプランにもオンプレミスの選択肢はありません。最上位プランの AI PRIVATE も分離されたホスト環境です。自社施設内で AI を利用したい場合は、オンプレミス AI サーバーという「別製品」を案内しています。使用する音声モデルと応答レイテンシは公開されていません。
レンタル環境で構築する場合、音声エージェントは上記のチャットスタックとは別のプロジェクトであり、より難易度も高くなります。追加で4つの要素が必要です。電話の入口となるテレフォニーエンドポイント（SIP トランク。SIP は session initiation protocol の略です）、または音声を受け渡すテレフォニー API、speech-to-text（STT）、LLM、text-to-speech（TTS）です。発信者が文を話し終えてから約1秒以内に返答が聞こえるよう、これらを連結します。各リンクで遅延が加わるため、モデルは小さくし、GPU は近くに配置する必要があります。STT と TTS の各部分、およびローカルで実行するエンジンとそれぞれの処理速度については、VPS 上での self-hosted speech-to-text と text-to-speech を参照してください。電話エージェントの構築には、上記のチャットスタック全体より長い時間がかかると考えてください。また、最初のバージョンでは発信者の発話に割り込むことも想定してください。受付だけが必要なら、ホスト型の音声製品を利用するほうが近道です。Zanus の Front Office プランもその選択肢に含まれます。チャットサーバーは本件では余計な要素です。
導入方法の判断基準
次の4つをすべて満たす場合は、機器を購入します。契約または規制によってデータを建物内に保管する必要があること、社内に Linux を運用する担当者がいないこと、50 A の回路を用意済み、または増設できること、そしてページに記載されたモジュールが実際の業務に適合していることです。見積金額は、エンジニアを雇わないための費用です。契約前に、モデル一覧と交換手順を書面で入手してください。
1 人でサーバーを管理でき、審査済みのホスティングプロバイダーにデータを置けて、自分でモデルを選びたい場合は、借りて構築します。使用量が安定しており、上記の損益分岐点では月額 GPU のほうがトークン料金を下回る場合も、この方法が適しています。推論サーバーがサポートするオープンウェイトモデルを、通常はリリース後まもなく利用できます。翌月には変更できる料金体系も得られます。一方で、すべての連携を自分で実装する必要があります。
使用量が一時的、または少なく、データが機密ではなく、運用を担当する人もおらず、今週中に稼働させる必要がある場合は、API を使用します。損益分岐点の使用量を下回る範囲では、こちらのほうが安価です。開始も常に速くなります。トークン料金やデータポリシーの都合で必要になった時点で、後から自己ホスト層を追加できます。
FAQ
Zanus AI は実際に何を販売していますか？
2026 年 10 月時点で、zanusai.com には 3 つの層が記載されています。Front Office AI は、ホスト型プランとして電話、Web チャット、見積もり、予約を処理します。Back Office AI は、会社向けの AI オペレーティングシステムです。ベンダーによると、「15+ modules」を備え、開発者は必要ありません。Private On-Premises AI は現在、別製品として Airtight AI の名称で掲載されています。これは、建物内で「Zanus OS」を実行する Zanus のハードウェア上で動く同じソフトウェアです。完全所有型として販売され、エアギャップ構成にも対応できます。ハードウェアの価格は RFQ で提示されます。サーバーページでは 50 A の電源回路を求めており、最大消費電力は 6 kW と記載されています。同社の本社は Florida 州 Pompano Beach にあります。
Zanus AI のプライベートサーバーはいくらですか？
ハードウェアの公開価格はありません。サーバーページには「Price by RFQ」と記載されており、GPU メモリ、RAM、1 日あたりのトークン数に基づいてサイジングされます。2026 年 10 月 17 日時点で、ホスト型の Front Office バンドルは月額 $329 から $2,495、年額 $3,290 から $24,950 です。単一の機能は月額 $49 から個別に購入でき、AI Phone は $99 です。これらはオンプレミスの選択肢がないホスト型サブスクリプションであり、サーバー本体の価格ではありません。比較するには、同じ変数を使ってレンタル構成の費用を計算し、API トークン利用時の損益分岐点を求めます。
GPU なしの VPS にプライベート AI サーバーを構築できますか？
少数のユーザーが小規模なモデルを使う場合は可能です。RAM が 16 GB から 32 GB の CPU 専用 VPS では、Ollama を通じて 7B および 8B モデルを毎秒数トークンで実行できます。これはドキュメントアシスタントのテストには十分です。ただし、チームが同時に利用する場合や、応答時間が重要な音声エージェントには不十分です。利用者が依存する前に、契約中のプランで毎秒のトークン数を測定してください。
VPS 上のセルフホスト LLM は本当にプライベートですか？
モデルベンダーやパブリックインターネットから隔離することは可能です。ただし、その構成に設定した場合に限ります。ファイアウォールでポート 11434 をブロックし、チャットインターフェースには、プライベートネットワーク経由、またはサインアップを無効にして権限を設定した TLS リバースプロキシ経由でのみアクセスできるようにします。また、Open WebUI の Community Sharing を無効にし、誰もチャットを Open WebUI Community サイトへアップロードできないようにします。TLS は接続を暗号化しますが、ログインページへの第三者のアクセスを防ぐものではありません。例外はホスティングプロバイダーです。プロバイダーのスタッフはディスクにアクセスでき、ホスト環境ではモデルがメモリ上で実行されます。データを建物内に保管する必要があると契約で定められている場合、VPS は要件を満たしません。オフィス内、またはレンタルラック内に設置した自社ハードウェアなら要件を満たせます。
自分で構築する場合、電話受付担当も含まれますか？
標準では含まれません。音声エージェントは別のプロジェクトです。電話網への接続点、音声認識、LLM、音声合成を、発信者が約 1 秒で応答を聞ける程度に緊密に連携させる必要があります。これはレンタル構成で最も難しい部分であり、ホスト型の音声製品を使うと最も時間を節約できる部分です。Zanus の Front Office プランもこれに含まれます。