最高財務責任者（CFO）が警鐘を鳴らす：新たなAIエージェントの制御不能なコスト

生成型AIは根本的な危機に陥っている。それは技術自体が失敗しているからではなく、その商業的な基盤が崩壊しているからだ。.

マイクロソフト、ウーバー、GitHubといったテクノロジー大手は既に抜本的な対策を講じている。自律型エージェントの利用により、AIツールの年間予算は数ヶ月で減少している一方、期待される生産性向上効果はしばしば測定不可能だ。その原因は、業界全体でトークンベースの課金モデルへの移行が進んでいることにある。「使用量に応じた課金」という名目のもと、プロバイダーは財務リスクの全てを企業顧客に転嫁し、AIがタスクを正しく解決したか、あるいは真の経済的価値を提供したかに関わらず、コンピューティング能力そのものに対してのみ課金している。本稿では、現在のAI価格設定の変革に潜むリスクを分析し、予算管理とAI導入の間の致命的な緊張関係を説明し、成果ベースの価格設定こそが企業AIの未来にとって唯一持続可能な解決策である理由を示す。.

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が何も成果を上げなかった場合、誰がその代償を払うのか？自らの価値創造を理解していなかった業界の、その報い。

生成型AIのビジネスモデルは根本的な危機に瀕している。技術そのものが失敗しているからではなく、その課金方法が経済論理を根底から覆しているからだ。企業はすべての財務リスクを負い、プロバイダーは結果に関係なく料金を徴収する。2026年5月、マイクロソフトはエクスペリエンス＆デバイス部門の数千人の従業員に対する社内Claude Codeライセンスをキャンセルした。Uberは5,000人のエンジニアがClaude Codeを集中的に使用し、1人あたり月額500ドルから2,000ドルのコストが発生したため、2026年のAI予算をわずか4ヶ月で使い果たした。マイクロソフト傘下の世界最大の開発者プラットフォームであるGitHubは、2026年6月1日に定額料金制を廃止し、トークンベースのクレジットシステムに切り替えた。この3つの出来事が数週間以内に起こったのは偶然ではない。これらはAI業界の価格設定アーキテクチャに深く根付いた構造的欠陥の兆候である。.

補助金時代の終焉：市場が価格を発見するとき

生成型AIの第一段階は、主に補助金によって支えられていた。Anthropic、OpenAI、Microsoftといったプロバイダーは、市場シェアの獲得、ユーザー行動の理解、開発者エコシステムの構築を目的として、実際のインフラコストを大幅に下回る価格でサービスを提供した。コーディングアシスタントの定額料金、月額1桁台の金額での無制限チャットセッション、プロバイダー負担による手厚い企業向けテストなど、これらすべてが可能だったのは、ベンチャーキャピタルが価格差を資金面で支えていたこと、そしてエージェントベースのワークフローを利用する真のコストがまだ不明だったためである。.

この段階は明らかに終了しました。GitHubは、トークンベースの課金への切り替えを明確に正当化し、エージェントベースの利用が標準となり、それに伴うコンピューティングコストがもはや以前の定額制モデルを維持できなくなったと述べています。同社は率直にこう述べています。「以前は、短いチャットの質問と数時間にわたる自律的なコーディングセッションのコストは同じでした。これは持続不可能でした。」以前は月額10ドルから39ドルで制限なくエージェントベースで作業できた開発者は、切り替え後、コストが月額50ドルから3,000ドル以上に増加しました。この変更を発表したコミュニティスレッドには、900票近い反対票が集まりました。.

ガートナーは、2026年の世界のAI支出が前年比44%増の2兆5200億ドルに達すると予測している。これほど大規模な支出が行われると、誰がコストを負担し、誰が利益を得るのかという問題は、もはや学術的な議論ではなく、企業統治の根本的な問題となる。AIインフラへの支出だけでも、2026年には1兆3700億ドルに達すると予測されている。同時に、2025年7月のMITの研究によると、企業全体のGenAIパイロットプロジェクトの約95%が、測定可能な損益効果をもたらさなかった。支出の増加とリターンの欠如というこの矛盾こそが、問題の本質である。.

トークン価格モデルが企業に転嫁する5つのリスククラス

「使った分だけ支払う」という一見無害なフレーズの裏には、5つの異なるリスク区分がプロバイダーから企業顧客へと体系的に移転される仕組みが隠されている。この仕組みを理解すれば、トークン課金が中立的な課金方法ではなく、むしろ購入者にとって構造的な不利となる理由が分かるだろう。.

予算リスク：供給者が単位を管理しており、購入者は管理していない。

トークンベースの料金モデルでは、企業はコスト単位の年間予算を約束しますが、その価格はプロバイダーがいつでも変更でき、消費量は使用量の増加に伴って非線形的に変化します。たとえば、2026 年 5 月、Anthropic は、エージェント ツールとサードパーティ統合の加入者には、標準 API レートで請求される個別の月額利用枠が提供されると発表しました。これは、既存の予算を即座に減額する一方的な価格調整です。Uber はこれを身をもって経験しました。12 か月用に計算された予算が 4 か月で底をつきました。採用が問題だったわけではありません。実際には、採用は成功の証でした。問題は、エージェント ベースのワークフローが実装されるとすぐに「トークン」単位が指数関数的に増加するのに対し、予算は線形的に計画されていたことです。.

導入リスク：利用と価値創造が切り離されている。

トークンベースのシステムは、計算能力に基づいて課金され、結果に基づいて課金されるわけではありません。10万トークンを使用して誤った回答を返すモデルと、10万トークンを使用して正しい回答を返すモデルのコストは全く同じです。このコストと便益の乖離こそが、根本的な経済問題です。つまり、企業はトークンベースのシステムを中心としたワークフローを構築し、そのワークフローを運用し、料金を支払うことができますが、測定可能な付加価値を全く得られない可能性があるということです。2025年に企業の42%がAIイニシアチブの大部分を放棄したという事実（前年の17%から大幅に増加）は、こうした観点から見ると、技術的な問題というよりも価格設定の問題と言えるでしょう。欠陥のあるインセンティブ構造は、運用開始から数ヶ月後に初めて明らかになる誤った投資につながります。.

予測リスク：コスト計画における制御不能な変動

CFOにとって、トークン請求は通貨ヘッジの誤差のような振る舞いをする経費のカテゴリーです。請求に影響を与える外部変数が多すぎるため、根本的にモデル化できません。新しいユースケース、新しい内部ユーザー、モデル動作の変更、コンテキストウィンドウサイズの増加など、すべてが請求を予測不可能な方向に押し進めます。これに加えて、いわゆるエージェントの乱立があります。企業がさまざまな部門にエージェントベースのワークフローを展開すると、予測不可能性が増大します。新しいエージェントごとにトークン台帳にエントリが追加されますが、リターンは保証されません。Claude Opus 4.7では、Anthropicはバージョンアップを導入しましたが、推論チェーンの拡張により、前バージョンよりも約30%多くのトークンを消費します。これは、正当化する新しいトランザクションや顧客注文が1つもないのに、一夜にして30%のコスト増加です。.

ガバナンスリスク：データ保護とコンプライアンスは、利用量に応じて規模が拡大する。

金融サービス、医療、保険といった規制対象業界では、トークン呼び出しのたびにガバナンス上の問題が生じます。企業データは、API呼び出しのたびにサードパーティの推論インフラストラクチャを経由してルーティングされるため、トークンの消費量が増えるほど、内部セキュリティ境界からデータが流出することになります。GDPR、SOC 2、HIPAA、EU AI法といった規制環境下では、利用頻度が高まるにつれて、コンプライアンスコスト、監査リスク、法的責任リスクが増大します。このように、トークン課金とデータ主権は構造的な緊張関係にあり、AIの利用頻度が高いほど規制リスクも高まるという、安全かつスケーラブルなAI利用を阻害するインセンティブの問題が生じます。.

結果リスク：AIプロバイダーが影響について沈黙していること

最も議論されていないリスクこそが、最も重大な結果をもたらす。トークンの価格設定モデルは、価値創造ではなく消費量を測定する。プロバイダーは、企業のAIプログラムが損益計算書に測定可能な影響を与えるか、あるいは測定可能なリターンを生み出すことに失敗した企業のGenAIパイロットの長いリストに加わるかに関わらず、支払いを受け取る。MITの調査によると、この割合は95%に達する。つまり、ほとんどの場合、企業は検証可能な経済的価値を得ることなく支払いを行い、プロバイダーにはそれを変えるビジネスモデル上のインセンティブが全くないのだ。.

業界の価格設定ロジック：市場が自らの価値を理解していなかった。

現在の価格危機の根本原因は、GenAI市場の起源にある。業界は、生産的な企業環境における製品の真の利用コストを理解する前に、製品を市場に投入した。定額制やトークンベースの価格設定モデルは、持続可能な商業構造としてではなく、市場参入戦略として考案された。GitHub自身も、既存の定額制モデルが実際の推論コストを吸収しており、この仕組みはプロバイダーにとって長期的に持続可能ではないことを認めている。.

これにより、逆説的な状況が生じた。導入が成功すればするほど、プロバイダーの損失リスクが高まり、企業の予算リスクも高まる。Uberはその最も顕著な例だ。Claude Codeの採用率は開発者の32%から84%に上昇し、コミットされたコードの70%がAIによって生成され、生産性の向上は実際に測定可能だった。しかし、UberのCTOであるPraveen Neppalli Naga氏は、この状況を次のように表現している。「必要だと思っていた予算がすでに使い果たされてしまったので、振り出しに戻ってしまった」。技術は機能したが、価格設定モデルが機能しなかったのだ。.

これは、MicrosoftがExperiences & Devices部門のClaude Codeライセンスをキャンセルし、開発者をGitHub Copilot CLIに移行させることを決定した理由も説明しています。公式には「ツールチェーンの統合」とされていますが、内部的には財務上の決定でした。Windows、Microsoft 365、Teams、Outlook、Surfaceを開発する数千人のエンジニアは、2025年12月のパイロット版リリース以来、Claude Codeを多用していましたが、トークンコストが年末をはるかに前に年間予算を使い果たしてしまいました。OpenAIに130億ドルを投資し、ほとんどのAIフロントエンドラボが稼働するクラウドを運営しているMicrosoftは、数字を見て、認識された価値ではなくコストに基づいて決定を下しました。.

成果重視の価格設定モデル：異なる商用アーキテクチャ、割引なし

成果報酬型価格設定という用語は、市場でしばしば誤解されています。これは、トークン価格の引き下げ、割引パッケージ、または支払いの延期を意味するものではありません。根本的に異なる商用アーキテクチャです。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検証された場合にのみ、完了したタスクごとに報酬を受け取ります。途中で発生した計算作業に対しては報酬は発生しません。.

数十年にわたり、エンタープライズソフトウェアはシステムとSLA（サービスレベル契約）の原則に基づいて運用されてきました。ベンダーはユニットエコノミクスに責任を持ち、ソリューションが約束された成果を確実に提供することを保証します。ERPシステム、CRMプラットフォーム、会計ソフトウェアなど、これらのカテゴリはいずれも、データベースアクセス、API呼び出し、計算サイクルに基づいて課金されたことはありません。課金はユーザー数、モジュール数、またはパフォーマンス結果に基づいて行われます。AIの価格設定も、同じ基準に従う必要があります。.

しかし、成果ベースの価格設定モデルは、プロバイダーが変動を自ら吸収できる場合、つまりリスクを内部化できるプラットフォーム効率を構築している場合にのみ、経済的に実現可能です。ほとんどのプロバイダーはこれができません。彼らの生産コストは、企業が負担するトークンカウンターと同じであり、彼らは単にそのカウンターを顧客に転嫁しているだけです。成果ベースの価格設定では、プロバイダーは自身の収入を成果に連動させる必要があります。これはリスクプロファイルが大きく異なるため、この価格設定モデルが市場でまだ稀である理由が説明できます。.

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

実践モデル：成果重視型AI配信の仕組み

成果重視の原則を一貫して実践するプラットフォームは、従来とは異なる顧客エンゲージメントのロジックを採用しています。インフラストラクチャをレンタルして単に課金するのではなく、まず企業のユースケースにおいて最も価値を生み出すワークフロー、つまり測定可能な効果を最も迅速に提供できるプロセスを特定します。次に、本番環境に対応したソリューションを企業のインフラストラクチャ内に展開します。エンタープライズクラウド、オンプレミス、プライベートクラウド、またはフルマネージドSaaSとして提供され、データは企業の境界外に持ち出されることはありません。支払いは、成果が得られ、顧客が満足した時点で初めて開始されます。.

このモデルは、リスク共有に関して広範な影響を及ぼします。プロバイダーは、多くのトークンを消費するユースケースではなく、真に価値を生み出すユースケースにリソースを集中させるようになります。また、プロバイダーと顧客の間で利害の直接的な一致が生まれます。AIが実際に機能すれば両者とも利益を得られますが、機能しない場合はどちらかが他方を犠牲にして利益を得ることはありません。規制対象業界においては、データが企業境界外に流出しないという前提により、GDPR、SOC 2、HIPAA、およびEU AI法に準拠したコンプライアンスアーキテクチャも実現できます。.

適切に実装され、成果重視型のプラットフォームの重要な利点は、その累積的な知識構造にあります。ワークフローが成功するたびに、共有された社内知識ベースが構築され、後続のタスクごとにその価値が高まります。これは、コストが蓄積される一方で、組織的な知識を社内に定着させることができないトークンベースの導入とは正反対です。.

最高財務責任者の視点：トークン課金はカテゴリー別予算問題である

財務担当者にとって、トークン課金は全く新しいタイプの運用費用であり、確立されたガバナンス構造は存在しません。クラウドコスト（コンピューティング、ストレージ、ネットワーク）は、過去15年間で専門化されてきました。FinOpsという分野は、クラウド支出を予測可能かつ制御可能にするための手法、ツール、組織単位を生み出してきました。しかし、AIエージェントの実行時コストについては、これに完全に匹敵するものはまだ存在しません。.

トークンの消費量はユーザー数に比例するのではなく、プロンプトの難易度、コンテキストウィンドウの長さ、同時実行されるエージェントの数、推論チェーンの複雑さに比例します。つまり、100人のエンジニアを単純なオートコンプリートからエージェントベースのワークフローに移行させる企業は、新規ユーザーを一人も増やすことなく、月間のAI開発量を5倍から20倍に増やすことができるということです。ユーザー数やセッション数に基づく従来の計画策定の前提は、このような状況では構造的に欠陥があります。.

これは予算計画に具体的な影響を及ぼします。支出構造には、エネルギーと同様の管理メカニズムが必要です。リアルタイム測定、しきい値アラート、チームごとの割り当て、エージェントレベルでの厳格な制限などです。導入開始前にこれらの対策を講じない企業は、予算が既に使い果たされた後にその影響に直面することになります。Uberがまさにその例です。Uberでは、チームごとの制限も、一元的な追跡システムも、消費状況のリアルタイムな可視化もなかったため、CTOが年間予算が使い果たされたと早々に報告するまで、その状態が続きました。.

市場の動向：この価格変動において、誰が権力を握っているのか

現在の価格変動は対称的ではありません。マイクロソフト、グーグル、アマゾンといった大手ハイパースケーラーは、小規模プロバイダーとは一線を画す構造的な優位性を持っています。彼らは流通チャネル、企業契約、クラウドインフラ、開発者ツールを支配しているのです。マイクロソフトがClaude Codeを閉鎖したのは、Copilotの方が優れているからではありません。社内調査では、開発者はClaude Codeを好んでいました。マイクロソフトが閉鎖したのは、流通を支配しているにもかかわらず、競合製品のトークンコストを制御または戦略的に活用できないためです。.

このダイナミクスは、価格変革全体を解釈する上で重要です。ハイパースケーラーにとって、定額料金からの脱却とトークン課金の導入は、価格改革ではなく、収益最適化です。モデルが稼働するインフラストラクチャを管理し、課金システムを運用し、企業契約を保有する企業は、従量課金制から構造的に利益を得ています。これとは対照的な成果報酬型料金体系は、リスクを転嫁するのではなくプロバイダー自身が負担することを強いるため、こうした収益基盤を脅かします。.

ハイパースケーラーではない中堅企業や大企業にとって、これは次回の契約更新時に大きな力関係の問題となる。JPモルガンの分析によると、AIインフラへの負荷は、約束された収益が実現する前に経済的な摩擦を引き起こす可能性がある。次回のAI契約におけるリスク配分について積極的に交渉しない企業は、構造的に不利な標準的な立場を受け入れることになるだろう。.

投資経済学からの教訓：効率性が目標でなければ、それは問題となる。

トークンベースの課金に対するコスト批判には、真剣に検討すべき反論がある。Uberでは、コミットされたコードの70%、ライブバックエンドアップデート全体の11%がAIによって生成された。サンフランシスコのエンジニア1人あたりの年間コストは、トークンコストの月額2,000ドルをはるかに上回る。AIを活用したコーディングによって、企業にとって最もコストのかかるリソースであるエンジニアの生産性がわずかでも向上すれば、投資対効果はコストを上回る可能性がある。.

この議論は間違っているわけではないが、不完全である。第一に、生産性向上効果が実際に定量化可能で、ツールセットに因果関係がある場合にのみ成り立つが、ほとんどの企業では体系的に測定されることは稀である。第二に、節約されたエンジニアリング時間が、実現されたコスト削減または直接的に帰属する追加収益につながることを前提としているが、多くの組織では、単に作業量が増え、それが結果としてAIシステムからより多くのトークンを消費するだけである。第三に、比較可能性は、AIの作業結果が検証された場合にのみ有効である。生成されたコードであっても、生産的に使用されない場合は、上級エンジニアの作業の価値とは同等ではない。.

したがって、成果重視型価格設定の根本的な論拠は依然として有効である。つまり、収益が実際に得られるのであれば、サービス提供者は契約によってそれを証明し、収益と連動させることができる。もしそれができない、あるいはしないのであれば、それには構造的な理由があり、それは購入者にとって不利益となる。.

企業経営における戦略的影響

2026年前半の出来事は、会社経営陣に明確な経営判断材料を提供するだろう。.

まず、AIを活用した支出管理には、専用のFinOps部門が必要です。この部門はクラウドFinOpsと同様の構造を持つ必要がありますが、独自のメソッドが求められます。トークンの消費は非線形であり、エージェント固有で、モデルのバージョンに依存します。ダッシュボードだけでは不十分です。必要なのは、チームおよびエージェントレベルでのリアルタイムの予算上限、しきい値を超えた場合の自動停止メカニズム、および単一実行レベルでの監査ログです。.

第二に、トークン課金方式を用いたパイロットプロジェクトでは、本番コストの信頼できる予測は得られません。月額1,000ユーロのパイロットプロジェクトは、本番環境では当初の使用量の最大100倍にまで拡大する可能性があり、予算を超過する恐れがあります。AIの支出計画は、パイロットプロジェクトでの使用状況ではなく、本番環境での想定に基づいて策定する必要があります。.

第三に、AIプロバイダーとの契約更新には、現在十分に活用されていない戦略的な交渉の側面が存在します。企業が次回の会議でAIプロバイダーに尋ねるべき質問は、シンプルかつ明確です。「もしうまく機能しなかった場合、いくら支払うことになるのか？」と。リスクを共有する意思のないプロバイダーは、真剣な調達プロセスにおいて無視できない、買い手との利益相反を抱えていることになります。.

第四に、データ主権は、コンプライアンスの問題だけでなく、明確なコストとリスクの変数です。パブリッククラウドでトークンベースのサービスを利用する規制対象業界の企業は、利用単位ごとにコンプライアンスの労力、監査リスク、潜在的な法的責任リスクを蓄積します。主権型AI、つまり企業自身の境界内で運用されるAIインフラストラクチャは、2026年までにクラウドフロントエンドモデルと技術的に同等になります。スタンフォードHAI 2026 AIインデックスによると、最も優れたオープン加重モデルと最も先進的な独自システムのパフォーマンスの差は、平均3か月に縮小します。.

展望：価格変動が2027年に意味すること

市場は変動期にある。定額料金制からトークン課金制への移行は、プロバイダーにとって短期的には有利だ。利用量に応じて収益が増加するからだ。しかし、中期的には、これは価格構造を根本的に変える3つの並行した発展の触媒となるだろう。.

まず、オープンソースモデルの普及により、競争圧力が高まるでしょう。企業全体のエージェント展開における独自トークンのコストが年間6桁に達し、オープンウェイトモデルがオンプレミスハードウェア上で同等のパフォーマンスを発揮する場合、総所有コストの計算ではオンプレミスインフラストラクチャが有利になります。特に、GDPRへの準拠とデータ主権を重視する欧州企業にとっては、その傾向が顕著になるでしょう。.

第二に、成果重視型の料金モデルは市場で成長していくでしょう。なぜなら、成果重視型の料金モデルは、トークン課金では提供できない交渉力を企業顧客に与えるからです。現時点では、このモデルを収益性高く提供できるだけのプラットフォーム効率性を持つプロバイダーはごく少数ですが、競争によって模倣が促されるでしょう。.

第三に、AIガバナンス（AIの投資対効果の測定、価値創造への貢献度の追跡、契約による成功指標の定義など）は、データ保護やサイバーセキュリティに匹敵する、独立したビジネス分野となるでしょう。ガートナーは、世界のAI支出が2027年までに3兆3400億ドルに達すると予測しています。この規模になると、企業の経営幹部は、検証可能な成功指標なしにAIを予算項目として受け入れることはなくなるでしょう。.

重要なのは、トークンベースの課金が成果重視型モデルに取って代わられるかどうかではなく、経済論理からすればそうなることは確実だ。問題は、企業がこの移行を積極的に主導していくのか、それとも増え続ける請求額によって受動的に押し付けられるままにするのか、ということだ。今、AI投資の契約構造を適応させている企業は、正しい方向へと舵を切っていると言えるだろう。.

Konrad Wolfenstein

喜んであなたの個人アドバイザーを務めさせていただきます。.

wolfenstein∂xpert.digital で私に連絡できます。

+49 7348 4088 965までお電話ください。

リンクトイン