企業向けAIをめぐる議論は、デモの構築から予算の精査へと移りつつあり、ベンダーは急速に適応している。OpenAIは最近、企業向けにクレジット使用量の分析と支出管理の強化を可能にするChatGPT Enterpriseの新ツール群を発表した。管理者は消費量、利用の定着パターン、コストの露出をより精緻に把握できる。
同様に、他のベンダーも、AIがアプリケーション開発予算というよりクラウド投資に近いものとして扱われる流れを、コストと統制の施策によって読み取っている。MicrosoftはCopilotに同様の管理レイヤーを構築し、導入状況、プロンプト活動、エージェントの利用状況、ビジネスインパクト分析に関する管理者向けレポートを提供している。AWSはAmazon Bedrockにコスト配賦ツールを追加し、アプリケーション別にモデル使用量をタグ付けして追跡できるようにした。Databricksも同じ方向に進み、AI支出上限、暴走するエージェントコストへの保護策、プロバイダー横断の推奨機能を打ち出している。企業向けAIベンダーにとって次の受注は、モデルの品質や能力だけでなく、統制とコストでも決まるという構図が明確になりつつある。
AIがカスタマーサービス、ソフトウェアエンジニアリング、営業、マーケティング、調達、法務レビュー、財務オペレーションなど、組織のより多くの業務に組み込まれるにつれ、AIコストはクラウドコンピューティングのように、細かな課金が積み上がって規模次第で大きな金額になり得る性質を帯びる。昨今では、月次のAIトークン請求が100万ドル以上に達する企業を見かけるのも珍しくない。
AI企業が「メーター」を付ける
企業顧客が求めているのは、ダッシュボード、スロットル（利用制限）、そして予算を焼き尽くしているチームを見つける手段を備えたモデルへのアクセスである。これはテクノロジー領域で繰り返されてきた、よくある話だ。クラウドコンピューティングも、自由に使う時期を経て、開発者運用とFinOps（財務運用）、リザーブドインスタンス、適正サイジング、部門課金（チャージバック）、遊休容量の整理へと進んだ。AIも同じ道を歩みつつあるが、成果の測定がより難しい。プロンプトによる気軽なAI利用はまだしも、常時稼働のエージェントは、ツール呼び出し、データ検索、タスクの再試行、長文出力、モデル間の引き継ぎなどによって、はるかに大きな請求額を生み得る。
経営層にとって、これはAIを予測可能なソフトウェアのサブスクリプションから、変動する生産コストへと変える。従業員1人がChatGPTに文書要約を依頼する費用は算定しやすい。だが、1000人の従業員が顧客データ、社内文書、コードリポジトリ、CRMシステムに触れるエージェントを使うとなれば、難易度は上がる。利用分析は、予算を超過する前にその「機械仕掛け」を可視化する助けとなる。
HSBCが最近、Google Cloudと複数年のパートナーシップを結んだことは、大企業がいまAIにどう向き合っているかを示している。同銀行は、資産管理や金融犯罪リスクなどの領域でAIを活用する計画を示し、収益拡大とコスト削減というより大きな取り組みにひも付けるとしている。ここからCFOは、率直な問いを投げかけ始める。先月、そのワークフローはどれだけのコストがかかったのか。どのチームが最も使ったのか。人員圧力を緩和したのか、売上を加速したのか、顧客成果を改善したのか。同じ能力に対して複数ベンダー経由で二重に支払っていないか。どのモデルがそのタスクを処理したのか、より安いモデルで済んだのではないか。
この数年、多くの企業は、ツールが実行した仕事の価格付けや得られた便益を測る手段を持たないまま、AIツールを購入し導入してきた。時間短縮につながったパイロットもある。より良いコード、より速い下書き、よりきれいな要約、より迅速な顧客対応を生んだものもある。一方で、社内の話題性以上のものをほとんど生み出さなかったケースもあった。
Gartnerは、データ品質の低さ、リスク統制の弱さ、コスト上昇、事業価値の不明確さを理由に、2025年末までに生成AIプロジェクトの少なくとも30%が概念実証（PoC）後に放棄されると警告した。2026年のGartner記事では見解がさらに明確化され、同様の理由により、2025年末までに生成AIプロジェクトの少なくとも50%がPoC後に放棄されたと述べた。
つまり、「AIで何かやろう」という熱狂的なゴーゴー期における、手っ取り早い資金は急速に消えつつある。生き残るのは、解決済みサービスチケット当たりコスト、レビュー済み契約当たりコスト、有望営業リード当たりコスト、出荷した機能当たりコスト、処理済み請求書当たりコストといった、測定可能な成果に結びついたプロジェクトである。
AIのコストセンターが移る
当初、多くの企業はAIを中央集権的に支払っていた。企業がAIの最適なユースケースを探る実験段階では、それが合理的だった。摩擦を減らし、利用を促進できるからだ。一方で、チームがツールを消費し、別の予算が請求を支払うという、典型的な支出問題も生んだ。
それは長く続かない。財務リーダーはAIコストを事業部門へ戻すだろう。営業はエンジニアリングチームと同様に、自部門のAI請求を目にすることになる。法務、人事、サポート、調達、マーケティングも同じ扱いを受ける。その瞬間、利用行動は変わる。チームの問いは「AIを使えるか」から「この仕事をこなす最も安く信頼できる方法は何か」へと移る。
Financial Timesは、Amazon、Walmart、Cisco、Uber、Metaといったテクノロジー重視の企業でさえ、コストが予算を圧迫するなかで自社のAIツール利用を抑制し始めていると報じた。Uberは、AI支出が計画を上回ったことを受け、ユーザー当たり月次のトークン上限を設定したとされる。
ベンダーの乱立が次の標的になる
AIエコシステムのもう1つの課題は、低レイヤーのインフラやモデル提供者から高レイヤーのAIアプリケーションまで、スタック全体にわたってAIベンダーがあまりに多い点にある。支出の締め付けは、すべてのベンダーに等しく及ぶわけではない。重複が罰せられる。
大企業の中には、Microsoft、Google、Salesforce、ServiceNow、Adobe、コーディングツール、データプラットフォーム、人事ソフト、サポートシステム、専門エージェント製品などにAIが組み込まれているケースがある。しかもこれは、重複する機能を提供する複数のベンダーやモデル提供者という冗長性の問題とは別だ。各ベンダーは自社システムにおけるAIの確かな活用を示せるが、いずれもAI利用に対して課金する。
調達部門は「企業にAIサブスクリプションはいくつ必要なのか」と問うだろう。独立した予算項目に値することを証明できるベンダーは多くない。答えは測定に左右される。利用状況、コスト、セキュリティ統制、監査証跡、ビジネスインパクトを示せるベンダーは、組織が支出を継続する必要性をより強固に擁護できる。一方、確かな数字を伴わない広範な生産性向上の主張を売りにするベンダーは、削られやすく見えるだろう。プラットフォーム企業はこの局面を統合の論拠に使い、小規模ベンダーはより明確な証拠、より狭いユースケース、あるいは計算が一目で合う価格設定が必要になる。
企業向けAIの自由奔放な支出の時代は終わりつつある。AIベンダーが統制とコスト管理へ新たに焦点を当てていることは、AI利用が「約束」から「運用」へ移ったことを示している。企業がテストプロジェクトから日々の業務へ移行するにつれ、経済性も変わる。パイロットやデモはビジョンと野心で弁護できるが、本番システムには領収書が要る。
