AIサービスでは、トークン数や利用者数に加え、問い合わせの解決や予約変更など、AIが完了した仕事の件数に応じて料金を決める方式も広がり始めています。企業が判断すべきなのは、AIを安く利用できるかではなく、AIに任せた仕事によって、実際にいくら利益が増えるかです。特に日本企業では、作業時間が減っても人件費が同じ割合で減るわけではありません。作業時間の短縮によって空いた人材をどの業務へ振り向け、利益につなげるかまで決めなければなりません。
【シリーズ「AIトランスフォーメーション（AX）」】
【2026年最新版】業務変革の要！AIエージェント導入ガイド
「神エクセル」がAXを阻害する？AIフレンドリーなExcel運用・管理法
オフライン駆動可能！ローカルLLM＋RPAでパーソナルなAIエージェント
データアナリティクス最前線！AI時代のデータ分析は何が変わったのか
AIエージェントはどこまで届く？MCPが広げる可能性とリスク
GeminiはAIモデル競争から脱落したのか？Googleの勝ち筋とは
「Claude Fable 5」規制騒動から考えるモデルルーティング戦略の必要性
ダッシュボードで「見える化」する時代は終わったのか
「A2A」でAIエージェント同士をつなぐ！期待が先行する技術の実像と課題
「AIの暴走」を止められるか？AIエージェント時代のリスク管理
Hugging Face事件を技術報告から読み解く！AIエージェントの責任境界はどこにあるのか
「モデル単価」から「仕事単価」へ
生成AIが普及した当初は、モデルの性能とともに、入力や出力にかかる料金が比較されてきました。しかし、AIエージェントが問い合わせ対応や予約変更などを担うようになると、企業はモデルの利用ではなく、完了した仕事に対して料金を支払うようになります。必要なのは大量の文章を安く生成する機能ではなく、顧客や従業員から依頼された仕事を完了する機能です。
料金も、AIが処理したトークン数ではなく、完了した仕事の件数に応じて決まるようになっています。価格競争の中心も、100万トークン当たりの料金から、完了した仕事1件当たりの料金へ移ります。
トークン単価とユーザー単価では仕事の価値を測れない
AIモデルのAPIでは、入力と出力のトークン数に応じて料金が発生します。OpenAIのAPI料金も、モデルごとに入力、キャッシュされた入力、出力の単価を100万トークン単位で定めています。モデルをシステムへ組み込む企業にとって、トークン単価は原価を見積もるための重要な情報です。
業務向けのAIサービスでは、利用者1人あたりの月額料金も広く使われています。Microsoft 365 Copilotの企業向け料金は、1人あたり月額30ドルです。利用する従業員の人数が決まれば、年間の契約額を計算できます。予算を管理しやすい一方、契約した従業員がAIを使わなくても料金は発生し、利用頻度が高くても低くても基本料金は変わりません。
トークン単価ではAIが処理したトークン数に応じて費用が決まり、ユーザー単価では利用できる人数に応じて費用が決まります。どちらも、AIが完了した仕事の件数や、企業が得た利益までは示しません。安価なモデルを選んでも、回答の確認や修正に時間がかかれば、業務全体の原価は上がります。利用者数を増やしても、使い道が定まっていなければ契約費だけが膨らみます。AIの価格を比較する際は、モデルやアカウントの単価だけでなく、仕事を終えるまでにかかった総費用を見る必要があります。
AIエージェントの登場による変化
従来の生成AIは、質問への回答や文章の作成など、人が行う仕事の一部を支援していました。利用者が回答を確認し、別のシステムへ転記し、必要な手続きを進めていたため、AIだけで仕事が完了する場面は限られていました。AIが担当した範囲も曖昧であり、完了した仕事の件数に応じて課金する方式には適していませんでした。
AIエージェントは、顧客情報を検索し、予約枠や在庫を確認し、システム上の情報を更新して顧客へ結果を通知できます。問い合わせ対応であれば、質問に答えるだけでなく、本人確認や契約内容の確認、登録情報の変更まで進められます。一連の手続きをAIへ任せられるようになり、「顧客情報の更新1件」「予約変更1件」「問い合わせの解決1件」といった単位で仕事を数えられます。
企業がAIに求めるものも変わります。文章をどれだけ速く、安く生成できるかより、依頼を正しく受け付け、必要なシステムを操作して仕事を最後まで完了できるかが重視されます。AIサービスを提供する企業には、モデルを利用できる環境だけでなく、業務を最後まで処理できる仕組みまで提供する役割が求められます。
料金の基準が「処理単位」から「成果単位」へ移っている
SalesforceのAgentforceでは、処理単位のFlex Credits、会話単位、ユーザー単位の料金を選べます。Flex Creditsでは、顧客情報の更新、問い合わせへの回答、要約、独自処理の実行などをActionとして数えます。100,000クレジットが500ドルで、通常のActionは1回につき20クレジットを消費するため、1回あたりの料金は0.1ドルです。会話単位の料金は1件2ドルに設定されています。
Actionはトークンよりも実際の業務に近い単位ですが、個別の処理が成功しても、顧客の依頼を完了したとは限りません。本人確認、注文情報の取得、配送状況の回答という3つの処理を実行した場合、料金は3回分発生します。最後の回答が誤っていて顧客から再度問い合わせがあれば、その仕事は完了していません。
IntercomのFin AI Agentは、1成果あたり0.99ドルから利用できます。Finでは、顧客が問題の解決を確認した場合、回答後に追加の支援を求めなかった場合、AIが所定の手続きを完了した場合などを成果として数えます。AIが処理した回数ではなく、顧客の問題を解決したかどうかに料金を結び付けた方式です。
「完了の定義」が価格を決める
仕事単価で料金を比較するには、何をもって完了とするかを決めなければなりません。AIが回答を送信した段階で完了とみなすのか、顧客が解決したと回答するまで待つのか、回答後の一定期間に再問い合わせがなかった案件だけを成果とするのかによって、件数は変わります。人へ引き継いだ案件や、後から訂正した案件を成果に含めるかによっても料金は変動します。
予約変更では、希望日時を聞き取っただけでは仕事を完了していません。本人確認から、予約情報の更新、新しい日時の通知、元の予約が残っていないかの確認までを、1件の仕事に含める必要があります。途中までしか処理していない案件も成果に含めれば、表示上の完了件数は増えても、残りの作業を従業員が引き受けるため、会社の負担は減りません。
モデルの価格競争は今後も続きますが、トークン単価は、AIが仕事を完了するためにかかる原価の一部にすぎません。導入企業が最終的に比べるべきなのは、モデルの安さではありません。品質基準を満たした仕事を、いくらで完了できるかがAIの競争力を決めます。
利益をどう測るか
AIの導入効果は、削減した作業時間や自動化率で示されがちです。しかし、作業時間を月200時間減らしても、その分だけ人件費が減るわけではありません。AIの効果は、増えた利益で判断します。
利益は、増えた売上から売上原価を差し引いた粗利益で計算します。費用削減額には、残業代や外注費など、実際に減った支出だけを計上します。AI利用料や確認費用などを差し引けば、AI導入による利益を計算できます。
AIが生んだ利益を計算する
月間利益は、次の式で計算します。
AIが生んだ利益＝追加粗利益＋実際に削減した費用＋回避できた損失－AI関連の総費用
受注の増加、解約の抑制、処理能力の向上によって得た粗利益を、追加粗利益として計上します。削減した費用には、残業代、外注費、派遣費、採用費など、会計上の支出が減った金額を使います。導入前後の事故率や返品率を比較し、損失の減少を確認できれば、回避できた損失も加えられます。
AI関連の総費用には、サービスやAPIの料金だけでなく、既存システムとの連携やデータ整備、監視、保守、従業員教育にかかった費用も含めます。AIの回答を確認するために残業や外注が増えれば、その費用も差し引きます。セキュリティや法令への対応、障害時の復旧、モデル変更に伴う再検証にも費用がかかります。API料金だけをAIの原価とすると、導入後に発生した支出を見落とします。
既存の従業員が勤務時間内に行う確認や修正は、給与が変わらなければ当月の支出を増やしません。ただし、確認や修正に時間を使った分だけ、ほかの仕事に充てられる時間は減ります。損益計算では人件費の増減だけを反映し、仕事1件当たりの原価を比較するときは、確認や修正に使った時間も人件費として配分します。損益計算と原価計算を分ければ、同じ人件費を重複して差し引かずに済みます。
仕事1件あたりの利益を求める場合は、対象業務から得た月間利益を、品質基準を満たした仕事の件数で割ります。AIが回答した回数やシステムを操作した回数ではなく、顧客や社内の依頼を最後まで処理した件数を分母に使います。これにより、利用量が増えただけなのか、利益を生む仕事が増えたのかを区別できます。
「時短」が「経費削減」に直結しない日本の事情
月給制の正社員は、AIによって作業時間が短くなっても、給与が直ちに減るわけではありません。労働契約法第8条は、労働者と使用者の合意によって労働条件を変更できると定めています。労働契約法第9条では、労働者の合意なしに、就業規則の変更によって労働者に不利益となるよう労働条件を変更することは、原則として認められていません。AIによって作業時間が短くなったという理由だけで、賃金を自動的に下げられるわけではありません。
そのため、削減した時間に時間単価を掛け、人件費の削減額とする計算には問題があります。作業時間を月200時間減らせば、ほかの業務に使える時間が月200時間生まれます。人件費に換算すると60万円分です。しかし、給与の支払額が変わらなければ、この60万円は利益に計上できません。
この60万円は人件費の削減額ではなく、別の仕事へ振り向けられる余力を金額で表したものです。残業を60時間減らして残業代が18万円減った場合、18万円は費用削減として計上できます。外注していた業務を社内へ戻し、委託費を減らした場合も同様です。一方、空いた時間をほかの業務に活用できなければ、作業時間を短縮しても損益は改善しません。
人員配置が利益を左右する日本企業
作業時間を月200時間削減した部署を例に考えます。従業員の人件費を1時間当たり3000円とすると、ほかの業務へ振り向けられる余力は60万円相当です。このうち100時間を既存顧客への提案や継続支援へ振り向け、追加で45万円の粗利益を得たとします。60時間を繁忙業務へ振り向けて残業代を18万円減らし、残る40時間を研修と業務改善に使います。
AI利用料、運用費、確認作業の外注費が月25万円であれば、当月の利益は、追加粗利益45万円と削減できた残業代18万円を足し、AI関連費用25万円を引いた38万円です。研修と業務改善に使った40時間は将来の成果につながる可能性がありますが、当月の利益には加えません。成果が現れた段階で、処理件数、品質、売上などがどのように変化したか確認しましょう。
空いた人材の配置先は、営業に限りません。問い合わせが滞っている部署へ配置する、商品開発に加える、保守や品質管理の人員を増やす、人手が不足している業務へ回すといった選択肢があります。厚生労働省の「令和6年版 労働経済の分析」も、人手不足へ対応しながら持続的な賃上げを実現するには、AIやICTの活用、高付加価値の商品やサービスの提供、人材育成を組み合わせる必要があると指摘しています。AIによって生まれた余力を付加価値の高い仕事へ振り向けて初めて、生産性の向上が利益に結び付きます。
品質の低下と手戻りも利益から差し引く必要がある
処理件数や自動化率だけを高めようとすれば、確認を省き、難しい案件までAIに任せる方法が有利になります。しかし、誤回答や処理ミスが増えれば、訂正や返金、顧客への説明に追加の費用がかかります。顧客が不満を感じて解約すれば、将来得られるはずだった粗利益も失います。
カスタマーサポート業務におけるAIの効果を調べた実証研究では、5172人の担当者に生成AIを導入した結果、1時間当たりの問い合わせ解決件数が平均15％増えました。ただし、効果は担当者の経験や技能によって異なり、経験豊富な担当者では品質がわずかに低下した項目もありました。AIによる生産性の変化は、利用者や仕事の内容によって一様ではありません。
削減した時間や処理件数だけで評価すると、確認や修正を別の部署に移しても、導入効果が出たように見えます。利益を測る際は、再処理率、人への引き継ぎ率、返金件数、解約率、顧客満足度も併せて確認し、品質の低下によって生じた損失を差し引く必要があります。
「仕事1件あたりの利益」を管理する
AIを仕事単位で評価するには、導入後に数値を集めるだけでは足りません。導入前に仕事の完了条件を決め、従来の原価と品質を記録しておけば、導入後の結果と比較できます。空いた人材をどの業務へ配置するかも事前に決めましょう。
AIベンダーが課金に使う成果件数と、導入企業が利益の計算に使う完了件数は分けて記録します。両者を同じ数字として扱うと、請求額は分かっても、会社に利益が残ったか判断できません。
開始条件と終了条件を業務ごとに定める
「問い合わせ対応をAIへ任せる」という目標だけでは、仕事の件数を正確に数えられません。質問を受け付けてから、顧客が求める処理を終え、対応記録を保存するまでを1件と定めます。一定期間内に同じ顧客から再問い合わせがあった案件や、後から訂正が必要になった案件は完了件数から除外します。
予約変更では、本人確認、空き枠の提示、予約情報の更新、顧客への通知までを1件の完了条件とします。経費精算では、申請内容の確認、規程との照合、不備の通知、承認システムへの登録までを1件の業務に含めます。AIが途中で人へ引き継いだ案件は、自動完了ではなく、人とAIが共同で処理した案件として記録しましょう。
難易度が大きく異なる仕事を同じ単価で扱うと、簡単な案件だけを多く処理するAIほど高く評価されます。仕事を難易度や承認の要否で分け、それぞれの完了率と原価を測る必要があります。これにより、難しい案件を人へ回し、簡単な案件だけをAIの成果として計上する偏りを防げます。
導入前後で比較する
AIの導入前に、仕事の種類ごとの処理件数、所要時間、再処理率、引き継ぎ率、残業代、外注費を記録しましょう。売上に関係する業務では、成約率、解約率、粗利益も記録します。導入後も同じ指標を測り、増えた粗利益と削減できた費用の合計からAI関連費用を差し引きます。
導入前後の数値を単純に比べるだけでは、繁忙期、値上げ、人員の増減、広告、商品構成などの影響が含まれ、AIの効果だけを取り出せません。可能であれば、拠点や担当チームを分けて段階的に導入し、AIを使うチームと従来の方法を続けるチームを比較しましょう。扱う仕事の難易度や顧客層もそろえれば、AIによる変化を把握しやすくなります。
短期間の結果だけでは、正確な利益は分かりません。導入初期には、従業員が使い方を学び、生成物を確認し、後工程を調整するための時間がかかります。DORAのAI支援開発に関する報告では、学習、生成物の確認、テストや承認工程の調整によって、導入初期に生産性が下がる場合があると指摘されています。初期費用の回収期間と、通常運用後の月間利益は分けて確認します。
完了件数から損益までを追跡する
AIの運用にあたっては、利用回数やトークン数だけでなく、品質基準を満たして完了した仕事の件数も確認できるようにしましょう。AIの利用料、確認作業にかかった人件費、修正費用を合計し、仕事1件当たりの総原価を求めます。再処理や取り消しの件数と費用も記録し、完了件数と利益の計算に反映します。
AIの導入効果を測る期間に合わせて、人材を配置転換した効果も追跡します。記録するのは、AIの導入によって削減した作業時間、別の業務へ振り向けた時間、配置先で増えた処理件数や粗利益です。営業へ配置した場合は商談件数、顧客対応へ配置した場合は継続率、滞留業務へ配置した場合は未処理件数や納期、品質管理へ配置した場合は不良件数や事故件数を測ります。
月次では、品質基準を満たした仕事の件数、仕事1件当たりの総原価、実際に削減した費用、配置転換後に増えた粗利益、AIが生んだ利益を一覧にして確認します。四半期ごとに経理部門がこれらの数値を損益と照合すれば、現場で削減した時間が実際の利益につながっているか確認できます。
ベンダーの成果と自社の利益を分ける
成果単位の料金体系には、課金対象となった件数と請求額の関係を把握しやすいという利点があります。ただし、ベンダーが定める成果は、課金のための基準です。問い合わせ後に顧客から反応がなければ解決と数える方式では、顧客が問い合わせを諦めた場合も成果に含まれる可能性があります。導入企業は、その後の再問い合わせの有無や解約率、返金件数まで確認し、自社の基準で完了件数を数える必要があります。
契約時には、成果とみなす条件、再処理や取り消しの扱い、人へ引き継いだ場合の料金を決めておきましょう。処理の難易度によって単価を分ける場合は、分類方法の明確化も欠かせません。利用上限や通知条件に加え、完了率や品質が基準を下回った場合の扱いも契約で定める必要があります。
AIの運用責任者だけでは、導入後の利益を正確に管理できません。配置転換先の部門責任者は、新しい業務で得た成果を記録し、経理部門は粗利益や削減額を確認します。人事部門は、配置転換に伴う教育を行い、人員配置を見直します。AIが利益を生むかどうかは、AIの性能だけでなく、企業が仕事の完了条件をどう定め、空いた人材をどこへ配置するかにも左右されます。
まとめ
AI市場の競争軸は、トークンや利用者の単価から、品質基準を満たした仕事1件あたりの価格へ移ります。しかし、ベンダーが数える成果件数だけでは、導入企業に利益が残ったか判断できません。追加で得た粗利益と実際に削減した費用から、AIの利用料、確認や修正にかかる費用、運用費を差し引く必要があります。
日本企業では、AIによって作業時間が減っても、正社員の人件費が同じ割合で減るわけではありません。削減した時間を人件費の削減額として計上するのではなく、空いた人材を営業や顧客支援、商品開発、人手が不足している業務へ振り向け、配置転換後に生まれた利益を測らなければなりません。
作業時間の短縮によって生まれた余力は、利益そのものではありません。別の仕事へ振り向けられる経営資源として扱うべきです。
AIを導入する前に、仕事の完了条件、利益の計算方法、空いた人材の配置先を決めておくべきです。これからは、「最も安いAI」ではなく、「仕事1件当たりの利益が最も大きいAI」を選ぶべきです。
参考文献
DORA: ROI of AI-assisted Software Development report
How to unlock true ROI in software development
この記事を書いた人
