SlackにAIアシスタントを導入した話 - Local LLMの限界からGemini 3ハイブリッド構成まで

「SlackにAIアシスタント入れたら便利そう」「しかもOSSなら無料で動かせるんじゃ...？」

そんな甘い考えで調べ始めた経験、ありませんか？

GitHub 100k+スターのプロジェクトを見つけてしまいました。Peter Steinberger氏（PSPDFKit創業者）が開発したOSS、OpenClaw。

「これは触らないわけにはいかない」

えんじにあだもの。

みつを

OpenClawとは

SlackやDiscordなど複数のメッセージングプラットフォームに対応したAIアシスタントフレームワークです。

名前の変遷

ちなみにこのプロジェクト、名前が何度か変わっています。

1. Clawdbot - 最初の名前
2. Moltbot - Anthropicから商標に関する要請があり改名（2026年1月下旬）
3. OpenClaw - 現在の名前

（Claudeっぽい名前つけたら怒られた、というオチです）

魅力は「Skills」

OpenClawの最大の魅力はSkillsで機能を拡張できること。自分で作ったSkillsという資産を活用できる。これがあるから導入する価値がある。

...という前提で話を進めます。

最初の野望：Local LLMで完全無料運用

「セルフホストできるんだから、Local LLMで完全無料運用だ！」

意気揚々と試行錯誤開始。

使用機材

• M3 Pro MacBook Pro（メモリ18GB）

試したモデル

• Ollama + Llama 3.2
• Qwen 2.5
• その他いくつか

結論から言うと

全部ダメでした。

（ここで一番時間を溶かしました。コーヒー何杯淹れたか覚えてない）

Local LLMでハマった2つのポイント

1. 日本語がおかしい

返答の日本語が不自然。業務で使うには厳しいレベル。

「お手伝いすることができますか？何かお手伝いします！」

（日本語として通じるけど、社内で使うのはちょっと...）

2. 遅すぎてタイムアウト

M3 Pro 18GBでもメインPCで色々処理走ってたから足りなかったのかも。でも開発マシンって普通そうですよね。

散々待たされた挙げ句タイムアウト。コーヒーを淹れに行って、戻ってきて、飲み終わってもまだ待ってる。Skillsがまともに動かないなら、ただのチャットボット。導入する意味がない。

現実路線：Gemini 3ハイブリッド構成

Local LLMを諦め、クラウドAPIへ切り替え。

なぜGemini 3？

普段はClaude使ってるので、せっかくだからGemini試してみようかなと。

Flash + Proのハイブリッド構成

単純な質問はFlash、複雑なタスクはProに振り分ける構成に。

選定理由:

• コスト効率: Flashモデルは応答が速く、トークン単価も抑えめ
• Skillsが動く: 動く！動くぞ！！
• 日本語性能: 業務で使うなら自然さは譲れない

導入時につまずいたポイント

実際に運用してみて遭遇した問題をまとめます。

1. allowlist方式は必須

OpenClawはデフォルトで全チャンネルに応答しようとします。これはまずい。

• 機密チャンネルへの誤応答防止: 経営会議チャンネルでAIが勝手に発言したら...
• APIコスト管理: 全チャンネル監視はトークン消費が激しい

allowlist方式で「このチャンネルだけ応答」に制限するのが現実的です。

2. スレッドの挙動が不安定

OpenClawのSlack連携、スレッド周りで挙動が怪しいことがあります。

• DMでスレッド化しようとしても無視される（Issue #2411）
• 連続でメッセージを送ると、返信がスレッドから外れてメインチャンネルに出る（Issue #4424）

「あれ、なんでここに返信来たの？」という現象、Issue見たら同じこと言ってる人がいました。

3. AIの自律性ゆえの不安定さ

OpenClawはAIが自律的に判断するフレームワーク。ほとんどの場合は賢く動いてくれますが、たまに：

• プロンプトを誤解釈する
• タスク途中で止まる
• 同じ処理をループする

致命的ではないけど、「AIだな〜」という場面は時々あります。

Skillsの精度がすべて

OpenClawの価値はSkillsで機能を拡張できること。

• カレンダー連携
• Jira/GitHub Issue作成
• ドキュメント検索
• 定型作業の自動化

これらが「ちゃんと呼び出される」かどうかが生命線。Local LLMでは散々待たされた挙げ句タイムアウトで、Skillsがまともに動かなかった。これが諦めた最大の理由です。

実験結果まとめ

今回の学び

1. Local LLMの限界: M3 Pro 18GBでは、Skillsを使うAIアシスタントは厳しい
2. Skillsの重要性: ツールが動かないなら導入する意味がない
3. ハイブリッド構成: コストと品質のバランスはFlash + Proで取れる
4. Slack連携の癖: allowlistとスレッド周りは要注意

おわりに

「完全無料でLocal LLMで動かすぞ！」という野望は砕けましたが、現実的な構成に落ち着きました。

Gemini 3のAPI料金は、Local LLMのタイムアウト待ちで失った週末に比べれば安いもの。（あの土日、返して）

SlackにAIアシスタントを導入してみたい方の参考になれば幸いです。

→ お問い合わせはこちら