トークンを多く使えば、必ず価値につながるわけではない。OpenAIが先週公表したレポートは、1500を超える組織を分析し、従業員1人当たり売上高は従業員のトークン出力量と有意な関連を示さなかったと明らかにした。
企業がトークン消費量をROI（投資対効果）に結びつけるのに苦慮する一方で、AI支出は増え続けている。法人カードおよび請求書支払いプラットフォームを利用する7万社超の支出データを用いるRamp AI Indexによれば、2026年7月時点で、上位1%の企業はAIに従業員1人当たり中央値で7400ドル（約118万円）を費やし、上位10%は650ドル（約10万円）を費やした。比較のために示すと、2026年1月には上位1%が2590ドル（約41万円）、上位10%が281.23ドル（約4万円）だった。
ゴールドマン・サックスも、消費者と企業がAIエージェントを採用するにつれて、トークン消費量は2026年から2030年にかけて24倍に増え、月間120京トークンに達すると推計している。一方で、半導体プロバイダーは推論向けのトークン当たりコストを年率60〜70%引き下げると見込まれている。
トークンへの支出が増えるにつれ、組織は価値を示す圧力を一段と受けることになる。しかし、AI導入のROI測定は依然として難しく、とりわけ「トークンマキシング」を行っている組織ではなおさらだ。トークンはAI利用を測定する指標として不完全である。
トークン支出を測定する
管理しなければ、企業におけるトークン支出は急速に膨らみ得る。5月には、UberのCOOがインタビューで、同社がわずか4カ月でAI予算を使い切ったと語り、注目を集めた。同様に7月には、Amazonでのクロード・ソネット（Claude Sonnet）の導入失敗に伴い180万ドル（約2億8700万円）のコスト超過が発生したと、フィナンシャル・タイムズが報じた。
最近、OpenAI会長のブレット・テイラーは、企業はいずれAIトークンを気にしなくなると予測した。しかしG2の調査によれば、ソフトウェア購入者の80%が現在、開発者または技術チームにトークンもしくはLLM（大規模言語モデル）の利用予算を与えており、AIコストが他の費目と同様に予算化され、追跡されていることを示している。
ソフトウェア比較プラットフォームG2の最高イノベーション責任者であるティム・サンダースは7月のビデオインタビューで、同社が2026年にAIトークンに127万ドル（約2億300万円）超、9700億トークン相当を費やしたと語った。従業員の間ではClaude CodeとCoworkの採用が増えており、トークン支出に占める割合は1月の17%から7月には79%に上昇した。
「かつて企業が従業員にT1回線アクセスを提供することさえほとんどなかった時代を覚えている」とサンダースは述べた。「私はBroadcast.comとYahooで働いていたが、そこにはWi-Fiがなかった。企業にT1サーバーを導入し、従業員にブロードバンドアクセスを与えることの投資対効果をめぐる議論があった。しかし間もなく、それは電気や水道のようなユーティリティ（インフラ）だと理解された。ユーティリティだと信じられないなら、サーバーを止めて全員の業務が停止するのを見ればよい。今では企業は、従業員のためにWi-Fiとノートパソコンを当然のように購入している。ROIを算出しないのは、それらが基盤だと理解しているからだ」
サンダースによると、G2はAIを電力のようなものと見なしているが、支出については「慎重」であるよう努め、時間短縮、コスト削減、収入増加の可能性を見ている。使用トークン総量を最適化するトークンマキシングではなく、G2は従業員ごとのトークン効率を測定して消費を管理している。より具体的には、同社は全社的な社内AI効率指数を維持し、各トークンから最大の成果を引き出しているチームメンバーを特定している。同指数の算式は、Tokens / Dollar * In(1 + Tokens / 1,000,000)である。
同社は一部のスーパーユーザーの効率に関するデータも共有した。G2共同創業者兼CTOのマイク・ウィーラーは7月に954万トークンのトークン効率、1ドル（約1万未満円）当たり1.09トークンを維持しており、G2のエンジニアリング担当バイスプレジデントであるダン・ノックスは955万トークンのトークン効率、1ドル（約1万未満円）当たり134万トークンを維持しているという。
価値の測定について、サンダースは自動化によって削減された時間よりも、アウトプットの質を重視している。「私たちは、どれだけ時間を節約したかだけを測定しているのではない。主要目標に対して成果を届ける速度も測定している」
価値への移行
トークンへの支出は、測定可能な価値に転換されなければ意味がない。ただし、どのワークフローを自動化するかを選別する組織は、エージェントへの支出が効果をもたらす可能性を高められる。たとえば7月に公開されたZapierのAI Workflow Indexは、1500を超える組織のAI利用を分析し、先進的な導入企業ではAIが登場するのはワークフロー全体のステップの18%にすぎず、82%のステップはコードとロジックで実行されていることを明らかにした。
「賢明な人たちは、いつ、どう最適に使うかを見極めている。AIは非常に効果的だが、あらゆる問題の万能薬ではない」と、Zapier共同創業者兼CEOのウェイド・フォスターはビデオインタビューで語った。この点を示すように、Zapierは、AIを判断が必要な場面にのみ使うワークフローは、すべてのステップをモデルに通すワークフローよりも実行コストが71%低いことを確認している。
フォスターによると、AIが最も大きな価値をもたらすのは4つの明確な役割においてだ。コンテンツを書く「コミュニケーター」、非構造化文書から構造化情報を抽出する「事務担当者」、判断に基づく意思決定を行う「アナリスト」、チーム横断で作業を割り当てる「コーディネーター」である。それ以外は、多くの場合、従来型の自動化で処理する方が適しているという。
どれだけの企業がエージェントを効果的に使っているかを尋ねると、フォスターは「ほとんどはおそらくそうではない」と述べ、「大量のトークンを比較的非効率に使うこと」と定義するトークンマキシングの傾向を指摘した。さらに同氏は、この手法はトークン支出から得られるリターンに疑問を呈するCFOからの「反発」を受けていると付け加えた。
そう言いつつも、フォスターによると、Zapier社内では非技術系の従業員が月に数百ドルを費やす一方、同社の開発者の大半は月に数千ドルを費やし、上位ユーザーは月に最大3万ドル（約479万円）を費やしている。こうした支出額の大きい開発者は一般にグリーンフィールド（新規開発）プロジェクトに取り組んでおり、そこではAIコーディングエージェントが明確なフィードバックループを持ち、バグ修正や新機能の反復開発を行っている。
トークン上限の限界
多くの組織はトークン支出を抑えるためにトークン上限を用いている。しかし、AI契約管理および契約ライフサイクル管理プラットフォームであるAgiloftのCFO、エンジェル・ランゲは、これは有効な制御策にならない場合があると指摘する。
「AIコストの管理とは、トークン使用量を制限し、価値がどこで生まれているかを理解することだと学んだ」とランゲはメールで述べた。さらに、ユーザーの74%はAI利用上限に達しておらず、広範な制限では支出の真の要因に対処できていないことを同社に示していたと付け加えた。
「そこで私たちは、可視性へと焦点を移した。どのワークフローがAIリソースを消費しているのか、そしてそれらが測定可能な事業成果をもたらしているのかを理解することだ」とランゲは述べた。「問うべきは『どれだけのトークンを使ったのか』ではなく、『そのトークンは何を可能にしたのか』である。納期を早め、品質を向上させ、従業員がより価値の高い仕事に集中できるようにしているのであれば、トークン支出は単に最小化すべきコストではなく、生産性への投資である」
注目すべきは、Agiloftがワークフローの一環としてAIを社内で利用し、トークン使用量を綿密に管理しており、AIツールの利用に起因する開発者の生産性向上率が67%に達したと報告している点だ。
トークン使用量の測定は、AI導入を評価する初歩的な方法を提供する。しかし、消費量を価値に結びつけることはより難しい。支出に加え、節約された時間、成果創出の速度、従業員の生産性を可視化することで、AI支出と事業のつながりをより明確に示せるようになる。
