先月、自社がAIにいくら使ったか即答できますか。
生成AIを業務に入れた会社が、次にぶつかるのがこの問いです。便利になった実感はある。請求書も届いている。けれど「誰が」「何に」使った分なのかが分からない。
米国のテック番組「TBPN」の2026年7月16日の回（配信アーカイブ／2時間4分）に、Rampの共同CEO Eric Glyman氏が出演していました。
Rampは米国の法人向けフィンテックです。法人カードを軸に、請求書払い・経費精算・会計連携をひとつにまとめたサービスで、日本でいえば法人カードと経費精算システムが一体になったものにあたります。同じ回には、ベンチャーキャピタルBenchmarkのEverett Randle氏も出演していました。数字が具体的で、日本の中小企業にもそのまま効く話だったので整理します。
数か月で21倍──トークン支出はここまで動いている
Rampは米国の法人支出の約1%を扱っており、顧客企業の支出動向が統計としてそのまま見えます。Glyman氏が挙げた数字がこちらです。
- Ramp顧客のトークン支出は直近の数か月で21倍
- Ramp自身も、2026年5月にはAI関連の支出が人件費の約10%に到達
- ある企業では1週間で150万ドルの請求が届いた
規模の違いはあれ、増え方の傾向は日本の会社でも変わりません。数年前は「誤差の範囲」だった費目が、気づくと人件費と並べて語る対象になっている、という構図です。
「減らそう」ではなく「もっと有効に使いたい」
意外だったのが、顧客の反応です。
「使うのをやめよう」という声は出てこない。むしろ「必要なところにもっと使いたい」と言われる。
つまりこれは経費削減の話ではありません。投じた分が何を生んだのかを説明できるようにする、という話です。実際Rampでも、プロダクトのリリースは以前より速くなり、効率も上がっていると述べています。
問題は金額そのものではなく、中身が見えないことでした。請求はまとめて月末に届く。しかも財務担当は、その金額を開発に、営業に、と部門ごとに割り振らなければならない。ところがその作業を助ける仕組みが、まだどこにも用意されていなかったわけです。
見せるだけで支出が下がる
対策として紹介されていたのが、法人カードの運用で先に確立していた考え方です。
うっかり社内ルールの対象外の支払いをしてしまったとき、何も知らせなければ本人は気づかないまま使い続けます。ところがその場で一度「この支払いは経費で落ちません」と知らせるだけで、ルール外の支出は目に見えて減る。Glyman氏はこう言い添えています。「人は本来、正しくありたいと思っている」。
同じことがAIでも起きていました。使用量を本人に見せると、こういう反応が出るそうです。
天気を調べるのに100ドル使っていたとは気づかなかった。
最上位モデルで天気を調べる。笑い話のようですが、社内の誰かは必ずやっています。制限をかける前に、まず本人に見せる。それだけで効率化が進む、という指摘でした。
高いモデルと安いモデルの使い分け
もうひとつ実務的だったのが、モデルの振り分けの話です。Rampのデータでは、平均的な企業はトークン支出の59%を最上位モデルに使っているとのこと。ここに手を入れる余地があります。
原則はシンプルです。タスクの複雑さに応じて振り分ける。Glyman氏の言い方が分かりやすいので引用します。
会計の処理に、がんを治したり量子物理を解いたりできるモデルを使う必要はない。
試行錯誤の段階では最上位モデルを使い、毎日・毎週繰り返す定型処理が固まってきたら軽量モデルに寄せる。用途が絞れているなら、そこに特化させてしまう。この順番です。
ただし逆のケースもある、とGlyman氏は釘を刺していました。安いモデルのほうが高くつくことがあるのです。1回あたりの単価は安くても、そのぶん深く考える必要があり、処理を何度も呼び出す。結果として合計額が上回る。賢い人が暗算で済ませるところを、そうでない人が筆算を繰り返すようなものだ、という喩えでした。
単価表だけを見て決めず、自社の業務で実際に測る。ここは当社がローカルLLMの比較検証でも痛感しているところです。
「安い時代」は終わりつつある
背景として、Randle氏が2年前に書いた一節が紹介されていました。「Uberが街中どこへでも3ドルで乗れた頃のような、今のAIの安さを当たり前だと思わないほうがいい」。
各社が競争のために価格を抑えていた時期は、確かに安かった。しかし推論を重ねるモデルが主流になり、さらに裏で複数のエージェントが動くようになったことで、消費量そのものが跳ね上がっています。Randle氏は、各社が身銭を切って支えてきた安さは少しずつ薄れていると見ています。
一方で、真逆の考え方も紹介されていました。「トークン費が人件費を超えてほしい」という立場です。競合が安いモデルで済ませているうちに、自社は最上位の知能を使う。それ自体を競争優位にする、という発想です。
どちらが正しいかではなく、自社がどちらの立場を取るのかを決めておく。それが今年の分かれ目になりそうです。
今からできること
規模の大小に関わらず、明日から着手できるのは次の3つだと考えています。
- まず可視化する。誰が・何に・いくら使っているかを、月末の請求書ではなくその日のうちに見られる状態にする。
- 本人に見せる。上限で縛る前に、使った量をその人自身に見せる。それだけで無駄は減ります。
- 用途で振り分ける。探索は上位モデル、定型処理は軽量モデル。そして単価表ではなく自社の業務で測る。
社外に出せないデータを扱うなら、ローカルLLMという選択肢もここに加わります。トークン単価が積み上がらないため、定型処理を大量にさばく用途では投資回収の計算が変わってきます。
まとめ──請求書ではなく「何を生んだか」で語る
AIの費用対効果を聞かれて、多くの会社はまだ請求金額しか答えられません。それは高いか安いかの話にしかならず、判断材料になりません。
いくら使い、その結果どの仕事が速くなったのか。ここまで説明できて初めて、増やす・減らすの判断ができます。生成AIを一通り試した会社にとって、次の一手はここだと思います。
当社でもAIワークステーションやローカルLLMの検証を進めており、社内利用の可視化についてもご相談を承っています。
出典：TBPN「TML Inkling, California Forever? TSMC Capex, Tokenomics, Roblox」（2026年7月16日ライブ配信）。引用部分は当社による要約・翻訳です。
