単価は下がっているのに、請求額が読めない
AIが自分で何度も考え直すとき、その費用は誰の予算から出ているのでしょうか。
AIの利用単価は、ここ数年で大きく下がりました。米スタンフォード大学の研究機関HAIが毎年発表する「AI Index 2025」によると、GPT-3.5相当の性能を持つAIの推論コストは、2022年11月から2024年10月までに280分の1以下になっています。
それでも、AI支出が必ずしも小さくなるとは限りません。
米調査会社Gartnerが2026年3月に発表した予測によると、エージェント型AIは標準的な生成AIチャットbotと比べ、1タスクあたり5〜30倍のトークンを必要とするとされています。
トークン単価が下がっても、AIが処理する仕事の量や、一つの仕事に費やす計算量が増えれば、総コストはむしろ膨らみます。
AIコストの問題は、「高いか安いか」から「何に、どれだけ考えさせるか」へ変わり始めています。
「単価×人数」では、AIのコストを説明できない
19世紀の英国では、石炭を効率よく使えるようになった結果、かえって石炭の総消費量が増えました。「ジェヴォンズ・パラドックス」と呼ばれる現象です。
AIにも似た構造があります。
利用単価が下がれば、これまで人が一部だけ確認していた業務を全件AIに見せたり、顧客ごとに個別の提案を作らせたりできるようになります。さらにAIエージェントは、目標を与えられると、自ら計画を立て、調べ、修正しながらタスクを進めます。
つまり、1回の利用料金だけを見ても、実際の支出は分かりません。
従来のSaaSであれば、「1人あたり月額×利用人数」で比較的予算を立てやすかった。一方、自律的に動くAIでは、同じ業務でも、何回推論するか、どのモデルを使うか、どこまで試行錯誤させるかで費用が変わります。
これから必要なのは、「どの業務に、どれだけの思考量を使うか」という見方です。
ここでいう「思考量」とは、推論回数、使用モデル、探索の深さ、再試行回数など、タスクに投入する計算資源の総量を指します。
すべての仕事に「深く考えるAI」は必要ない
思考量を増やせば、性能が高まる場面はあります。
Stanford HAIも、推論時により多く計算する「test-time compute」がモデル性能を大きく向上させる一方、その分コストと処理時間が増えることを指摘しています。
だからといって、すべての仕事で最も高性能なAIに深く考えさせる必要はありません。
例えば、定型的な問い合わせ対応と、数億円規模の投資判断を支援する分析を、同じモデル・同じ推論量で処理する必要はありません。
日常的で頻度の高い仕事には、小型で安価なモデルを使う。判断が難しく、事業への影響が大きい仕事にだけ、高度な推論を使う。
高コストな推論を複雑で価値の高いタスクに絞り、それ以外は小規模なモデルへ振り分ける考え方は、調査会社からも示されています。
つまり、AIコスト管理とは利用を抑えることではありません。
価値の高い仕事に、計算資源を厚く配分することです。
予算表を「ツール名」から「業務名」へ
この変化は、企業のコスト管理にも表れ始めています。
クラウドなどのIT支出管理の実践を広める非営利団体、FinOps Foundationの2026年調査では、AI支出を管理している組織は98%に達し、2年前の31%から急増しました。AIコスト管理は、チームが身につけるべきスキルの第1位にも挙げられています。
一方で、AIコストを事業部門へ正しく配賦することや、投資対効果を把握することは容易ではありません。
ここで重要になるのが、予算を見る単位です。
AIの費用を「OpenAIにいくら」「Claudeにいくら」「Geminiにいくら」とツール別に見ていても、なぜその費用が発生したのか、何を生み出したのかは分かりません。
これを「営業提案」「審査」「問い合わせ対応」「開発」と業務別に組み替え、その成果とセットで評価する。そうすれば、その業務にどれだけAIを使い、どれだけの成果が得られたのかを議論できます。
これは単なる経理上の整理ではありません。AI支出を「IT経費」ではなく、「業務への投資」として経営が判断するための転換です。
業務単位で見えて初めて、「この業務にはもっと思考量を割いてよい」「ここは軽量なモデルで十分」といった判断も可能になります。
コスト管理は、組織設計の問題になる
ここまで来ると、AIコスト管理は財務部門だけの仕事ではありません。
どの業務が重要なのか。その判断にはどれだけの精度が必要なのか。失敗したときのリスクはどれほど大きいのか。
それを理解しているのは、事業部門です。
一方で、全社の支出や投資対効果を管理するのは財務部門です。技術側には、モデルや処理方法を選ぶ役割があります。
AIが自律的に動くほど、この三者をつなぐ設計が必要になります。
AIの請求額が増えたとき、「使いすぎだから削る」で終わるのか。それとも、「どの業務に、どれだけ考えさせるべきか」を議論できるのか。
自律AI時代のコスト管理で問われるのは、金額そのものではありません。
限られたAIの思考量を、どの仕事に配分するか。
その判断を誰が担うのかという、組織の問題です。
AIxができること
AIxは、AIを前提に企業の仕事・人材・組織のあり方を再設計し、実行まで支援する会社です。
独自のREWIREフレームワークを用いて、AI導入を単なるツール導入で終わらせず、業務プロセスや組織、人材まで含めて「AI時代にどう変えるべきか」を整理します。
人材領域では、企業やプロジェクトに必要なAI人材を定義し、適切な人材のマッチングやチーム組成まで支援しています。
AIコストについても、単なる利用料金の削減ではなく、どの業務にどの程度のAIを使うべきか、その判断を誰が担うべきかという観点から、推進体制や必要な人材の設計を支援します。
AI支出の増加を、業務と組織を見直すきっかけにしたいとお考えの方は、ぜひAIxへご相談ください。
参考情報
Stanford Institute for Human-Centered Artificial Intelligence (HAI)「The 2025 AI Index Report」
＠IT（アイティメディア）「AIの推論コストは90％下落も、企業の予算を圧迫か Gartnerが警告：2030年に登場するLLMの推論コスト 2つのシナリオで予測」
https://atmarkit.itmedia.co.jp/ait/articles/2605/12/news024.html
FinOps Foundation「State of FinOps 2026 Report」
