AIトークン経済:請求書が届く前に企業が必要とするAI FinOps
重要ポイント
- •エンタープライズAIのコストは、固定サブスクリプションからトークンで計量される従量課金型の消費へと移行しつつあり、クラウドコンピューティングの課金の進化と類似している。
- •筆者は、クラウド時代のFinOpsがそうであったように、AI支出を可視化し、説明可能でビジネス価値に紐づける「AI FinOps」という規律が台頭すると予測している。
- •AIエージェントは1人の従業員のリクエストを多くのモデルトランザクションに変えうるため、ユーザー数に基づく予算では不十分になる。
- •AI支出の正しい指標はトークンあたりのコストではなく有用な成果あたりのコストであり、最も安いモデルが常に最良とは限らない。
- •キャッシュ、プロンプト短縮、選択的な文書取得、AIゲートウェイによるモデルルーティングといった消費管理手段は、主要なAI・クラウドプロバイダーによってすでにサポートされている。

この2年間、企業は従業員にAIの活用を促してきた。しかし間もなく、まったく異なる問いを発し始めるだろう。これらのトークンに一体誰が支払っているのか、という問いである。
今日この問題は些細なことに思える。多くの従業員はChatGPT、Claudeなどのツールの月額サブスクリプションを通じてAIに触れているからだ。コストは予測可能に見える。ライセンスを購入し、従業員に割り当て、その金額をIT予算に組み込むだけでよい。
しかし、それがエンタープライズAIの向かう先ではない。
企業がAIをカスタマーサービス、営業、マーケティング、ソフトウェア開発、法務、財務、分析、社内プロセスに組み込むにつれ、この技術は従来のソフトウェアよりもむしろ公共事業のようなものになっていく。つまり消費するものであり、使えば使うほど支払いが増える。そしてそのメーターはますますトークンで計測されるようになっている。
クラウド時代の似た物語
企業の世界はかつて同じ状況を経験している。10年以上前、企業はクラウドコンピューティングへ殺到した。Amazon Web Services、Microsoft Azure、Google Cloudは、企業ITが長年望んでいたもの、すなわちサーバー購入やデータセンター構築なしで得られるコンピューティングリソースを提供した。仮想マシンを起動し、ストレージを追加し、キャパシティを増強し、使った分だけ支払う。
素晴らしく効率的に聞こえた――請求書が届くまでは。
開発者はサーバーを作ってはシャットダウンを忘れた。テスト環境は何か月も稼働し続けた。ストレージは蓄積された。部門は中央の監督なしにクラウドサービスを購入した。1つ1つの意思決定が数ドル程度のときは誰も気にしなかったが、そうした何千もの意思決定が積み重なると、突然CFOが関心を持つようになった。
この苦痛の期間が、クラウド支出を可視化し、説明可能にし、ビジネス価値に紐づける規律であるFinOpsを生んだ。現在では組織化されたFinOpsコミュニティや認証団体によって支えられている。そして同じことがAIでも起きようとしている、と筆者は考える。それをAI FinOpsと呼ぼう。
導入指標から消費指標へ
今日、企業はAIの導入に注力している。何人の従業員がChatGPTを使っているか。いくつのAIプロジェクトを立ち上げたか。いくつのプロセスを自動化できるか。
これらは有用な問いだが、別の一連の問いが迫っている。我々は何トークンを消費しているのか。どの部門が消費しているのか。どのアプリケーションが最も多くの使用を生んでいるのか。どのモデルが使われているのか。AI支援による1回のトランザクションにはいくらかかるのか。そして最も重要なのは、その金額がどのようなビジネス成果をもたらしたのか、である。
トークンとは、AIモデルが処理するテキストの小さな単位にすぎない。しかし経済的には、企業はクラウドにおけるコンピューティング時間、ストレージ、ネットワークトラフィックを捉えることを学んだのと同じように、トークンを消費の単位として捉え始めるべきだ。主要なモデルプロバイダーはすでに従量課金型の価格を公開しており、通常は入力・出力トークン100万個あたりで提示されているため、この種の計量会計は今日すでに技術的に可能である。不足しているのは通常、組織内の誰が何を消費したかという可視性だ。
AIを使って月50万件の顧客とのやり取りを処理する企業を考えてみよう。各やり取りは平均4,000の入力トークンと800の出力トークンを消費する。経営層は月間ボリュームを見積もり、該当するモデル価格を掛けることができる。ここで顧客数が20%増え、別のAIアプリケーションが加わり、より多くの従業員にアクセスが与えられ、1つのタスクを完了するために複数のモデル呼び出しを行うAIエージェントが導入されれば、予算は急速に変わりうる。
エージェントが方程式を変える理由
この課題はAIエージェントによってさらに重要になる。人は1つの質問をし、1つの答えを受け取る。対照的にエージェントは、1つの指示を受け取り、それを複数のタスクに分解し、文書を検索し、異なるシステムを呼び出し、自分の作業を確認し、AIモデルを繰り返し起動するかもしれない。1人の従業員のリクエストが、静かに多くのAIトランザクションへと変わっていく。
だからこそ、単にAIユーザー数に基づく予算編成はやがて不十分になる。企業はアプリケーション、部門、ワークフロー、ビジネス成果ごとにトークンを測定する必要がある。財務には予測が必要で、ITには利用管理が必要で、事業部門には説明責任が必要だ。
何百万ものパーソナライズされたメッセージを送るマーケティング部門は、自らのAIコストを知るべきである。コンタクトセンターは解決案件あたりのAIコストを、ソフトウェアチームは開発タスクあたりのAIコストを知るべきである。書類審査にAIを使う銀行は、処理した申請あたりのコストを知るべきである。
トークンあたりのコストではなく、有用な成果あたりのコスト
ただし、AI FinOpsはもう1つの企業のコスト削減運動になってはならない。最も安いモデルが自動的に最良のモデルとは限らない。AIに10ペソを使って従業員の時間500ペソが節約できるなら、AIコストを5ペソに削っても意味がないかもしれない。より高価なモデルがより少ないエラーでより多くの顧客の問題を解決するなら、より多く支払うほうが実際には良い決断かもしれない。
正しい指標はトークンあたりのコストではない。有用な成果あたりのコストである。
消費を管理する明白な方法もある。企業はあらゆるタスクに最も強力なモデルを必要とするわけではない。単純な分類、抽出、要約は、より小さなモデルで十分に機能しうる。プロンプトは短縮できる。何百ページもを繰り返しモデルに送るのではなく、文書を選択的に取得できる。長い会話は要約でき、繰り返される指示やコンテキストはキャッシュでき、アプリケーションはトークン制限を設定できる。AIゲートウェイは、複雑さとコストに基づいてタスクを異なるモデルへルーティングできる。これらのレバーのいくつか――キャッシュ、プロンプトコンテキストの再利用、モデルルーティング――は、主要なAIプロバイダーやクラウドプラットフォームが企業開発者向けに導入した機能やツールによって、すでにサポートされている。
自律エージェントや汎用人工知能の話と比べれば、どれも刺激的には聞こえない。しかしCFOは最終的に、退屈なことを重要にする。
クラウドコンピューティングは同じ道をたどった。まず熱狂、次に導入、次に制御不能な支出、そしてガバナンス。AIはおそらくそれをより速くたどるだろう。
次に来るもの
近い将来、企業がトークン使用量、ワークフローあたりのコスト、モデル稼働率、予算差異、ビジネス価値を示すAI消費ダッシュボードを導入する姿は容易に想像できる。部門は、出張・マーケティング・クラウドの予算と同じようにAI予算を与えられるかもしれない。そして誰かが最終的にその全体に責任を持つことになるだろう。
その人物は財務、IT、あるいはAIセンター・オブ・エクセレンスに属するかもしれない。肩書きは異なっても、規律は同じだ。AI FinOpsである。
企業は今すぐこの能力の構築を始めるべきだ。AIの請求書が、CFOが誰も答えたくない問いを発するほど大きくなる前に。すべてのトークンはどこへ行ったのか、という問いを。
ここに表明された見解は筆者自身のものであり、その職務およびFINEXの意見を必ずしも反映するものではない。
レイナルド・C・ラグツ・ジュニア(Reynaldo C. Lugtu, Jr.)は、デジタル・文化・顧客体験の変革コンサルティング企業Hungry Workhorseの創設者兼CEOである。米国のInstitute for Digital Transformationのフェローであり、FINEX AcademyのAI・デジタルトランスフォーメーション・ガバナンス・プログラムの議長を務める。デ・ラ・サール大学のMBAプログラムで戦略経営とデジタルトランスフォーメーションを教えている。連絡先:rey.lugtu@hungryworkhorse.com