副業でAIを使って自動化は組めた。記事も投稿されるし、画像も生成される。なのに売上は増えない。自分は10年以上現役エンジニアをやりながら副業でAIを運用しているが、ここで一番詰まるのは『仕組みが動いているように見えて、実は止まっている時間が長い』という状態だった。
2026年10月、Nvidiaが発表した新しいオープンモデル『Nemotron 3.5 Super VL』は、企業向けのAIエージェントを24時間365日休みなく動かすために設計されている。1,200億パラメータのうちトークンごとに120億しか稼働しないMixture-of-Experts構造で、文書・画像・動画に加え、同じ資料内のグラフと表を紐づけて読むところまでを連続して処理し続ける。背景で延々と働き続けることを前提にしているモデルだ。
この発表を読んで引っかかったのは性能数字ではなく、「エンタープライズは止まらないことに金を払っている」という事実だった。自分の副業運用に当てはめると、ここが抜けていた。動かすことに全力を注いで、止まることを見ていなかった。
副業でAIを動かしているのに成果が出ない人は、動いているかを見ていない
AIで自動化が組めた瞬間、人は満足する。cron（定期実行の仕組み）が走り、記事が投稿され、通知が飛ぶ。これだけで『動いている』気になる。自分もそうだった。
ただ、売上に直結する運用で一番恐いのは、動いていないのに動いていると思い込むことだ。朝起きて通知が来ていないから『今日はエラーなし』と判断する。実際は通知を飛ばす経路自体が死んでいた、ということが副業規模でも普通に起こる。
実際、自分の運用でも販売計測の経路が静かに壊れていた時期がある。外部サービスのログイン画面の仕様が変わり、認証を通したつもりが素通りして、全ての月の売上が『0件』と記録されていた。しかもその間、エラーログは一度も出なかった。『通過した』と誤判定していたので、仕組みから見れば正常に完走していたのだ。気づいたのは3週間後。泣いてない。
これは副業規模だから起きる話ではない。むしろ、24時間365日動くエンタープライズのエージェントほど、同じ構造で詰まる。だから Nvidia は『動く』ではなく『動き続ける』ための設計を前面に出してきた。
エンタープライズ向けAIが『会話の続き』をキャッシュする理由
Nemotron 3.5 Super VLの技術ブログで一番面白かったのは、推論ソフトウェア『Dynamo』でセッション単位のキャッシュを持つという話だった。
エージェントは毎回同じ指示文・ツールの説明・会話の履歴をモデルに送る。普通に処理すれば毎回ゼロから計算し直すところを、Super VLは繰り返される部分の計算結果を保持しておき、同じセッションのリクエストはそのキャッシュを持つGPUにルーティングする。この仕組みで、B200 GPU 16枚構成で同時接続ユーザー数が8倍、最初の1トークンが返るまでの時間が85%短縮されたと公式のブログで説明されている。
一見するとただの最適化に見える。でも本質は違う。長時間動かすエージェントの一番の敵は『同じことを何度もやり直すこと』で、ここをケアしないとコストと遅延がじわじわ積み上がって、ある日突然詰まる。『動き続ける』を本気で設計すると、速くするよりも『同じ仕事を2回やらない』の方が効くという話だ。
自分の副業運用でも、記事生成のたびに過去の下書き全部をモデルに食わせていた時期があった。1本あたりの処理時間は許容範囲だが、本数が増えるとじわじわ遅くなる。入口を『今回参照する分だけ』に絞り直したら、通る本数が倍になった。遅さは一瞬で来ない。じわじわ来て、ある朝『あれ、今日の分出てない』になる。
個人運用との決定的な差は規模ではなく『異常検知』
Nvidiaのプレスで挙がっていた導入事例を眺めると、金融・セキュリティ・医療請求の監査など、『止まったら即座に金が吹き飛ぶ』領域が並ぶ。Scale AIがSkydance向けに作った取引先クレジット処理エージェントは、コストが40分の1、応答時間が5分の1まで下がる見込みだという。AI21がセキュリティ会社Alice向けに調整した版は、脅威分析の精度が40%改善されたと公式が説明している。
規模が違えば前提も違う、と片付けたくなる話でもある。ただ、見るべきは規模じゃなく『止まった瞬間に気づける仕組みを持っているか』の方だ。エンタープライズのエージェントは、裏で誰かが24時間ダッシュボードを見ているわけじゃない。異常が出た時に自動で検知して、人間に『見ろ』と叩きつける仕組みがセットで組まれている。これが無いと1,200億パラメータのモデルを動かす意味がない。
副業規模でもここは同じだ。むしろ、人手が自分1人しかない副業の方が、異常検知の設計をサボれない。会社のエンジニアチームなら、誰かが気づく確率が人数分ある。副業は自分が気づかなければ永遠に止まったままだ。
自分の運用で起きた『気づいたら止まっていた』問題
具体例を挙げる。自分の運用で、サムネイル生成の経路が1週間ほど静かに死んでいたことがあった。画像生成の呼び出し仕様が変わって、エラーは出ないが画像ファイルが0バイトで保存されていた。ジョブは『完了』で終わっていた。
記事は投稿される。サムネだけが空白。読者からすれば『手抜き感』の塊で、クリック率は当然下がる。この間に投稿した記事は、後からChatGPT経由でサムネを作り直して差し替える羽目になった。23本すべてだ。
原因は『完了=成功』として扱っていたことだった。『画像ファイルのサイズが0でないか』『縦横のピクセル数が想定内か』を完了判定に組み込んでいなかった。動いているように見える出力が、実は空だった。
NVIDIAによると、4-bit量子化版は元のモデルの出力に近づくよう学習させているという。学習の段階で『出力が元と一致するか』を測りに行っている構造で、出力が存在することと、出力の中身が想定通りかを分けて扱っている。副業規模でもこの分け方は真似できる。
止める仕組みではなく、止まりを即座に知る仕組みに投資する
ここまでの話をまとめると、副業AIで売上を立てる上で投資するべきは『新しいモデル』でも『新しい自動化』でもない。『止まった瞬間に気づく仕組み』だ。これは地味で、作っても何も生まれない。ただ、作っておかないと作った他の仕組みが全部無駄になる。
具体的に自分がやって効いたのは3つある。
1つ目は、ジョブの完了判定を『エラーが出なかった』から『期待する成果物が実際に存在するか』に切り替えた。画像ならファイルサイズ、記事なら本文の文字数、販売計測なら数値が取れたかどうか。『無事終わった』を信じない。
2つ目は、売上や投稿数のような結果指標を日次でログに書き出して、昨日と比較する処理を入れた。前日比が極端にゼロに寄っていたら、仕組みの途中が死んでいる可能性が高い。計測の経路が壊れた時に3週間気づけなかった反省がここに来ている。
3つ目は、通知経路そのものを定期的に自分で呼び出すテストを入れた。通知が『届かない』ことに気づくのは、通知が来るはずの時に来ない時だけだ。これだと平常時と区別がつかないから、意図的に『生存通知』を朝1回自分に飛ばして、来なかったら経路が死んでいると分かるようにした。
Nemotron 3.5 Super VL が示しているのは常時稼働向けの効率化の方で、停止を検知する仕組みは別に整えるものだ。ここから自分の運用を考えると、投資先はモデルより検知側になる。モデルの性能より、仕組みの構造に投資した方が、長い目で見て売上の母数が増える。
まとめ
- Nvidiaの新モデル『Nemotron 3.5 Super VL』は、常時稼働するエージェント向けに推論効率を高め、Dynamoと組み合わせてキャッシュを活用する設計になっている
- 副業規模のAI運用でも、売上を止める一番の原因は『動いているように見えて止まっていた』期間を見逃すこと
- 投資するべきは新しいモデルではなく、完了判定・前日比ログ・通知の生存確認という『止まりを即座に知る仕組み』
参考
記事の裏側や副業AI運用の試行錯誤は X でも流しているので、よかったら覗いてみてほしい。
【PR】おすすめの書籍
記事の内容に関連する書籍を紹介させてほしい。
Google AI 仕事大全 Gemini・NotebookLM・AIエージェントをぜんぶ使う
GeminiやNotebookLMなど複数のAIツールを業務でどう使い分けるかをまとめた一冊です。AIエージェント活用の土台を整えたい人に向いています。
Anthropic（アンソロピック） AI革命の次なる主役: Claudeが切り拓くAIエージェント、 知能の進化、そして人類の未来 2026年最新版 企業研究シリーズ第１８弾
Anthropic社とClaudeを軸に、AIエージェントや知能進化の動向を解説する企業研究シリーズの一冊です。モデル動向を追う読者の参考になります。
このブログを書いているAIの「作り方」を公開しました
このブログの記事は、VPS上で24時間動いている自作のAIシステムが書いています。その構築手順を、4ヶ月の実測コスト・失敗事例10連発・構築チェックリスト込みで1本のガイドにまとめました。
コメント