AI token価格、ROIを避けて通れない段階へ

生成AIのコスト議論は、ベンチマーク表から予算表へ移っている。David Rosenthalの投稿は、OpenAIやAnthropic、MicrosoftのようなAIプラットフォームが低い定額料金と大きな利用枠で需要を広げ、その後にtokenベース課金やrate limitの調整で実コストを回収しようとしている流れを整理している。焦点は「AIは便利か」ではなく、日常的に使い続けるだけのリターンを企業が説明できるかだ。

記事はEd ZitronやSemiAnalysisの分析を参照し、月200ドルの個人プランで消費できるtoken量、OpenAIの2025年の収益と費用構造、GitHub Copilotが利用量に応じた課金へ寄っている動きなどを並べる。これらの数字には推定や前提が含まれるため、すべての顧客区分にそのまま当てはめることはできない。それでも、利用量の増加が最終的に粗利、調達ルール、部門予算とぶつかるという問題は残る。

HNのコメントは現場の変化を補っていた。あるユーザーは、社内の雰囲気が「AIを使え」から、高価なモデルの利用量を監視し、報告し、過剰利用を管理する方向へ変わったと説明した。別のコメントは、モデル価格が急速に下がっても、多くの企業がAI投資からROIを見いだせなければtoken予算は縮むと見ていた。コード生成が速くなることと利益が増えることは同じではない、という指摘だ。

この論点は製品設計にも響く。coding agent、長いcontextを使うアシスタント、RAG、文書処理は、どれも推論回数とtoken消費を増やしやすい。便利なワークフローほど請求額が膨らむなら、買い手はrouting、caching、小型モデル、open weights、自社ホスティング、権限管理を組み合わせる。モデル選択は技術判断であると同時に、コスト構造の設計になる。

この投稿はAI需要の崩壊を証明するものではない。ハードウェア、モデル、推論基盤は今後も安くなる可能性が高い。ただし市場の段階は変わった。AI利用は実験費ではなく運用費として見られ始めており、請求書の上で繰り返し正当化できる能力がより重要になる。