AI定額料金の知られざる終焉：AIの大きなコストトラップ ― トークンモデルが企業に数十億ドルの損失をもたらしている理由

Xpert プレリリース

オンライン連絡先 (Konrad Wolfenstein)

言語の選択 📢

公開日：2026年6月10日 / 更新日：2026年6月10日 – 著者： Konrad Wolfenstein

AI定額料金の知られざる終焉：AIの大きなコストトラップ ― トークンモデルが企業に数十億ドルの損失をもたらしている理由

AI定額料金の知られざる終焉：AIコストの大きな落とし穴 – トークンモデルが企業に数十億ドルのコスト負担を強いている理由 – 画像：Xpert.Digital

マイクロソフトとウーバーが緊急ブレーキをかける：AI定額料金の知られざる終焉

予算は4ヶ月で底をついた：AIエージェントが支出をエスカレートさせる仕組み

隠されたAIの氷山：これらの莫大なコストは、大手プロバイダーによって隠蔽されている。

人工知能は企業の日常的な生産プロセスに浸透しつつありますが、それに伴い、前例のない、そしてしばしば予測不可能なコストの急増が生じています。最初のパイロット段階では、補助金付きの定額料金と管理しやすいテスト実行の恩恵を受けていましたが、現在では自律的に動作するエージェント型AIシステムへの移行が進み、従来の課金モデルの致命的な弱点が露呈しています。トークン消費量に応じた課金は、予算にとって時限爆弾となりつつあるのです。.

マイクロソフトやウーバーといった巨大テクノロジー企業でさえ、AI予算を大幅に削減したり、わずか数か月でクレジットを使い果たしたりする状況を見ると、あることがはっきりと分かります。それは、現在の価格設定モデルでは、経済リスク全体がプロバイダーから購入者へと移転してしまうということです。この記事では、従量課金制AIにおける5つの最大の構造的リスクを検証し、膨大な隠れたインフラコストを明らかにし、パラダイムシフトが不可避である理由を示します。CFOやIT意思決定者にとって、今求められているのは、純粋なリソース支払いから脱却し、真の測定可能なビジネス価値に報いる成果重視の契約へと移行することです。.

これに関連して:

UNFRAME.AI：トークンベースの価格設定は破綻している。成果ベースのモデルがそれを解決する。

AI課金システムの大失敗 – トークン価格設定モデルが企業に財政的損失を与えている理由

他人の実験費用は誰が負担するのか？

補助金付きのAIサブスクリプションの時代は終わった。残されたのは、厳しい現実だ。マイクロソフトは、開発者一人当たりの月額費用が500ドルから2,000ドルに及んだため、社内で数千件のClaude Codeライセンスをキャンセルした。Uberは、約5,000人の開発者がClaude Codeを多用した結果、わずか4ヶ月で2026年のAI予算を使い果たした。マイクロソフト傘下のGitHubは、2026年6月1日にすべてのCopilotサブスクリプションを終了し、GitHub AI Creditsと呼ばれるトークンベースのクレジットシステムに切り替えた。これら3つの出来事は技術的な失敗ではなく、幻想の終焉を告げるものだ。.

世界中の企業は構造的な再評価に直面している。AI業界は、パイロットプロジェクトや限定的なユースケースに基づいて製品を価格設定してきた。しかし、自律的に計画、反復、実行するエージェントシステムへの移行に伴い、トークンの消費量は従来の企業予算では到底対応できないほど爆発的に増加している。ガートナーによると、世界のAI支出は2026年には2兆5900億ドルに達し、前年比47%増となる見込みだ。もはや企業がAIに投資するかどうかは問題ではない。問題は、もし投資に見合う成果が得られなかった場合、誰がその代償を支払うのか、ということだ。.

消費課金の幻想

トークンベースの課金は、実際に使用した分だけ支払うという点で、一見公平なモデルのように思えます。しかし、この論理は根本的な構造的非対称性を覆い隠しています。従来の企業予算は、シートライセンス、サーバー容量、トランザクション量といった予測可能な入力に基づいて構築されています。一方、トークンベースの課金は、ユーザー数ではなく、個々のインタラクションの深さと複雑さに応じてスケーリングされます。簡単な質問をするユーザーは数十個のトークンを消費しますが、同じユーザーが50ページにも及ぶ契約書を分析すると、数万個のトークンを消費することになります。.

真の問題は、その非線形性にある。パイロット段階では、通常、熱心なアーリーアダプターがAIツールを構造化され最適化された方法で使用する。しかし、本番運用段階では、従業員はこれらのシステムを直感的に使用するため、長時間の会話、大量のドキュメントアップロード、繰り返しの反復、複雑な多段階の推論チェーンなどが必要となる。実証的な観察によると、パイロット段階と本番運用の間のリソース消費量は、多くの場合3～5倍、極端な場合には10倍にもなる。したがって、取締役会メンバーやCFOがAI投資を承認する際に当初用いたコスト予測は、構造的に無意味なものとなる。.

プロバイダーが購入者に伝える5つのリスクカテゴリー

トークン価格設定モデルは、5つのリスクカテゴリーを体系的に提供者から購入企業へと移転させる。これは偶然でも市場の失敗でもなく、ビジネスモデルそのものなのだ。.

予算リスクは、根本的な契約上の問題に起因します。企業は単位コストに基づいて年間予算を約束しますが、プロバイダーはいつでもその予算を調整できるのです。Uberの事例はこの点を如実に示しています。Uberは、2026年全体のAI予算を、規模拡大前の段階のコストモデルに基づいて算出していました。ところが、Claude Codeの利用率が社内の開発者の32%から84%に上昇したため、予算はわずか4ヶ月で使い果たされてしまったのです。.

受け入れリスクは、独特な論理に基づいている。トークンカウンターは、実装されたワークフローが実際に価値を提供しているかどうかに関係なく作動する。誤った回答に対して10万トークンを消費するモデルも、正しい回答に対して10万トークンを使用するモデルも、コストは同じである。MITのデータによると、企業のGenAIパイロットの95%が測定可能な投資収益率を達成できていない世界において、この課金モデルの品質に対する無関心は、些細な問題ではなく、問題の本質である。.

エージェントベースのAIシステムのダイナミクスを考慮すると、リスク予測は特に重要になります。固定のテクノロジー料金に慣れていたCFOは、支出が変動しやすく予測が難しいことに気づき始めています。エージェントベースのAIクエリは、エージェント間の通信、評価器、合成器、再試行ループによってトークン消費が増加するため、標準的なLLM呼び出しよりも5～25倍のコストがかかります。プログラミングエージェントは1日に700万トークンを消費する可能性があり、データ入力エージェントは最大2500万トークンを消費する可能性があります。ゴールドマン・サックスはこの変化を定量化し、AIエージェントが2030年までに世界のトークン需要を24倍に増加させる可能性があると述べています。.

ガバナンスリスクは、規制対象業界において特に深刻です。トークンベースのモデルでは、API呼び出しのたびに企業データがサードパーティプロバイダーの推論インフラストラクチャを経由します。金融サービスプロバイダー、ヘルスケア企業、保険会社にとって、これは使用量に応じて拡大する監査リスクとコンプライアンス対策につながります。GDPRは、個人データを処理するすべてのAIシステムについて、企業にデータ保護影響評価の実施を義務付けています。トークンの消費が増えるほど、企業のデータ保護範囲に影響を及ぼします。トークンの消費量が増えるほど、企業からデータが流出し、多くの場合、透明性が確保されません。.

結果リスクは、議論されることは少ないものの、構造的に最も重要なカテゴリーです。トークン価格モデルは、価値ではなく消費量を測定します。プロバイダーは、AI プログラムが測定可能な損益への影響を生み出すか、失敗したエンタープライズ GenAI パイロットの長いリストに加わるかに関係なく、同じ報酬を受け取ります。RAND コーポレーションのデータによると、すべての AI プロジェクトの 80.3% は、意図したビジネス価値を提供できていません。2025 年に、企業の 42% が AI イニシアチブの大部分を中止しました。これは前年より 17% 増加しています。Gartner は、生成型 AI を導入している企業の 65% が 2026 年までに予算予測を超えるだろうと推定しています。これらすべてをトークンベースの課金モデルと合わせて考えると、消費量に基づく課金は、構造的に企業の損失を招く賭けであることが明らかになります。.

隠された氷山：トークン価格以外に支払われるものとは？

目に見える請求額は、実際のコストのほんの一部に過ぎない場合が多い。2026年の業界横断的なデータによると、AIエージェントを実際に運用するために必要なインフラストラクチャ（ガバナンス、モニタリング、コンプライアンス、統合など）は、推論コスト自体よりも2～5倍も高額になる。明確に定義された単一のワークフローエージェントの開発コストは4万ドルから7万ドルで、継続的な運用コストは月額3,200ドルから1万3,000ドルだが、その大部分はトークン化されていない。.

可観測性と監視だけでも、エージェント1台あたり年間6,000ドルから50,000ドルの費用がかかります。企業向けAIエージェントへの世界的な支出は2026年には2,019億ドルに達すると予測されていますが、エージェント製品自体の市場規模はわずか90億ドルから110億ドルと推定されています。エージェント製品の売上1ドルにつき、インフラストラクチャ、統合、コンサルティング、社内開発にかかる費用が約23ドルありますが、これらはどのベンダーの貸借対照表にも記載されていません。AI支出の増加について報告するCFOは、まさにこの現象を指摘することがよくあります。注目を集めるのは表面的な請求書だけで、その下にある実際のコストブロックはAI支出として分類すらされていないのです。.

もう一つの構造的要因は、いわゆるエージェントの乱立です。新しいエージェントが増えるたびに、トークン消費スケジュールに新たな行が追加されますが、必ずしも収益が保証されるわけではありません。トークンの価格設定モデルでは、エージェントを効率的かつ戦略的に利用するインセンティブがないため、エージェントは内部で増殖していきます。その結果、並列かつ制御不能なAIワークロードが互いに通信し合い、トークンが増殖していくことになります。.

🤖🚀 マネージド AI プラットフォーム: UNFRAME.AI による AI ソリューションの高速化、安全化、スマート化

マネージドAIプラットフォーム - 画像: Xpert.Digital

ここでは、企業がカスタマイズされた AI ソリューションを迅速かつ安全に、高い参入障壁なしに実装する方法を学びます。.

マネージドAIプラットフォームは、人工知能（AI）のための包括的な安心ソリューションです。複雑なテクノロジー、高価なインフラストラクチャ、長期にわたる開発プロセスに煩わされることなく、専門パートナーからお客様のニーズに合わせてカスタマイズされた既製のソリューションを、多くの場合わずか数日以内にご提供いたします。.

主な利点を一目で:

⚡ 迅速な実装：アイデアからすぐに使えるアプリケーションまで、数ヶ月ではなく数日で実現します。私たちは、すぐに付加価値を生み出す実用的なソリューションを提供します。.

🔒 最大限のデータセキュリティ：お客様の機密データはお客様のもとで厳重に管理されます。第三者とデータを共有することなく、安全かつコンプライアンスに準拠した処理を保証します。.

💸 金銭的なリスクなし：成果に対してのみお支払いいただきます。ハードウェア、ソフトウェア、人員への高額な初期投資は一切不要です。.

🎯 コアビジネスに集中：得意分野に集中できます。AIソリューションの技術的な実装、運用、保守はすべて当社が担当します。.

📈 将来性＆拡張性：AIはお客様と共に成長します。継続的な最適化と拡張性を確保し、モデルを新たな要件に柔軟に適応させます。.

詳細はこちら:

マネージドAIプラットフォーム

トークンではなく成果：AI契約のあるべき姿とは

なぜ既存のソフトウェアの世界はとっくにこのモデルを克服したのか

現在のAI価格設定に関する議論を、ソフトウェア業界の歴史を背景に考察することは有益である。エンタープライズソフトウェアは、過去数十年にわたり、純粋な消費ベースのモデルから、ベンダーがコストを負担するシステムおよびSLAモデルへと着実に進化してきた。ERPシステム、CRMプラットフォーム、クラウドインフラストラクチャなど、これらのベンダーはソフトウェアのコンピューティング時間消費量に対して料金を受け取るわけではない。報酬は、可用性、容量、および定義されたサービスレベルに基づいて支払われる。.

AIプロバイダーは、自社のコスト構造が顧客に転嫁するトークンメーターと同じ仕組みに基づいているため、この慣習を破っています。AIプロバイダーの大多数は、OpenAI、Anthropic、Mistralといった同じ基盤モデルプロバイダーからモデルを購入し、変動費を転嫁しています。他のソフトウェアレイヤーとの違いは、限界費用がゼロではないことです。ユーザー数、リクエスト数、モデルバージョンが増えるごとに、プロバイダーのコストは増加します。このジレンマは現実のものですが、だからといって、プロバイダーがリスクを企業側に体系的に転嫁するのではなく、自ら解決する責任を免れるわけではありません。.

従来のSaaS論争との類似点は示唆に富む。SaaSがオンプレミスソフトウェアに取って代わった際、ユーザー数に応じた料金体系が標準となった。つまり、ユーザー1人につき料金1つという仕組みだ。しかし、AIはこのモデルを覆す。タスクによっては、1人のユーザーが従来の10倍から10万倍ものリソースを消費する可能性があるからだ。このリスクをすべて購入者に転嫁することは解決策にはならない。解決策は、プロバイダーのインセンティブと購入者の成果が再び一致するような商業構造を構築する必要がある。.

成果重視型価格設定：代替的な契約パラダイム

AIにおける成果重視型の料金モデルは、割引制度やマーケティング上の約束ではありません。これは根本的に異なる商業構造を表しています。プロバイダーは、定義されたワークフロー上で定義されたビジネス成果が確認された場合に、ソリューションごと、年間単位で報酬を受け取ります。プロセスで消費されたトークンに対して報酬を受け取るわけではありません。.

このアプローチは構造的に重要性を増している。アンドリーセン・ホロウィッツは2024年末の時点で、AIがソフトウェア市場にもたらす3つの重要な変化を指摘した。ソフトウェアが労働力になりつつあり、シートライセンスは会計単位としての正当性を失い、変動費の予測がますます困難になっているというものだ。デカゴンなどのAIネイティブ企業は、消費ベースと成果ベースの両方の要素を組み合わせたハイブリッドモデルで既に対応している。構造的な傾向は明らかだ。AIが顧客サービスチケット、コード行数、ドキュメントレビューといった測定可能な活動に取って代わるにつれて、自然な会計単位はリソース投入ではなく成果になるだろう。.

成果ベースの価格設定モデルとトークンモデルを構造的に区別するのは、リスクの分配方法です。トークンモデルでは、購入者が失敗のリスクをすべて負い、プロバイダーは結果に関わらず収益を得ます。一方、成果ベースのモデルでは、プロバイダーは変動を吸収できるプラットフォームの効率性を構築しなければならず、サービスが期待通りの効果を発揮しない場合は収益を失うリスクを負います。これにより、トークンモデルには構造的に欠けている品質向上へのインセンティブが即座に生まれます。しかし、そのためにはプロバイダーは内部コストを経済的に維持できる程度に管理する必要があり、現在のトークンプロバイダーのほとんどはこの要件を満たしていません。.

成果モデルの批判者たちは、このモデルが効率化による利益をプロバイダー側に転嫁していると主張する。AIプロバイダーが改良されたモデルによって同じ結果を得るために必要なリソースを削減できたとしても、利益率の向上から恩恵を受けるのは企業ではなくプロバイダー自身である。この批判は妥当であり、成果モデルが必ずしも公平であるとは限らないことを示している。成果の正確な定義、測定方法、そして価格設定メカニズムによって、企業にとっての実際の利益が決まるのだ。.

次の交渉：すべてのCFOとCIOが要求すべきこと

交渉力は買い手側にある――少なくとも契約更新交渉においては。現在トークン契約を保有している企業は、次回の更新ラウンドにおいて、100万トークンあたりの価格といった単純な数字にとどまらない、より包括的な質問を提起する必要がある。.

中心的な疑問は、これがうまくいかなかった場合、私は何を支払うことになるのか、ということです。損失リスクを共有したがらないベンダーは、買い手の取締役会やCFOとは構造的に異なる利害関係を持っています。これは善意の問題ではなく、インセンティブ構造の問題です。2つ目の重要な疑問は、データ主権に関するものです。API呼び出しのたびに、会社のデータが自社の境界外に流出するのでしょうか？金融サービス、医療、保険といった規制対象業界にとって、これは任意のコンプライアンス上の考慮事項ではなく、GDPR、SOC 2、HIPAAに基づく基本的な法的原則です。.

3つ目の重要な要件は、測定可能性です。企業の49%は、クラウドプロバイダー、GPUサービス、APIプロバイダー、SaaSプラットフォームなど、さまざまなプロバイダーに費用が分散しており、標準化された請求フォーマットが存在しないため、AI投資の投資収益率（ROI）を確実に算出できないと報告しています。測定の基準がなければ、企業は成果モデルを交渉したり、どのワークフローが実際にプラスのROIを生み出すかについて情報に基づいた意思決定を行うことができません。したがって、AIコストを測定できる組織的な能力は、体系的な価格交渉を行うための前提条件となります。.

ガートナーはまた、エージェント型AIプロジェクトの40%以上が、実運用準備が整う前に中止されると予測している。その主な理由は、エージェント型AIのスケーリングに伴う実際のコストと複雑さにある。今日、確固たるROIフレームワークなしにエージェント型ワークフローのトークン契約を結ぶ企業は、高額な実験を行った後に中止してしまう、まさにその40%の企業に陥るリスクを負うことになる。.

構造変化は避けられないが、そのペースは買い手によって決まる。

AI業界は、商業的な成熟という避けられない段階に直面している。補助金段階から持続可能な価格モデルへの道は、まさに現在顕在化しつつある危機を経ることになる。世界最大級のAIインフラ投資家であり、OpenAIに130億ドルを投資しているマイクロソフトは、競合他社のコーディングツールの価格を検討した結果、支払う意思がないと判断した。これは、特定の製品だけでなく、価格モデル全体にとって、非常に重要な象徴的なメッセージとなる。.

ソフトウェア業界の統合ロジックは、ベンダーのインセンティブとビジネス成果を一貫して一致させる唯一のモデルである成果重視型モデルが、中長期的に主流となることを示唆している。現代のエンタープライズソフトウェアの他のすべてのレイヤーは、すでにこの発展を遂げている。AIも例外ではない。唯一の疑問は、この成熟プロセスが市場メカニズムによって推進されるのか、それとも契約更新のたびに「成果が出なかった場合、私は何を支払うことになるのか？」という単純な質問をするビジネスリーダーの世代によって推進されるのか、ということである。

企業が現在AI契約交渉で下す決断は、AI投資が目に見える成果につながるか、それともリスクを外部委託することに成功したベンダーの製品開発ロードマップへの資金提供を継続するかを決定づける。この違いは技術的なものではなく、商業的なものだ。そして、それは次の契約締結から始まる。.