生成AIの利用料の見積もりと管理：定額と従量の考え方、上限と見直しの手順

自社の「基盤とセキュリティ」の準備度は？10問・約3分で確かめる（無料・登録不要）

生成AIの利用が広がると、「思ったより費用がかかっている」「どの部署がいくら使っているか分からない」といった声が出てきます。定額のプランと、APIの従量課金が混在していると、全体が見えにくくなるためです。この記事では、利用料の仕組み、見積もりの手順、使い続ける間の管理の方法をまとめます。製品ごとの単価は変わるため、ここでは書かず、考え方に絞ります。

生成AIの利用料は、どんな仕組みですか？

大きく2つに分けられます。

定額の例として、ある提供元は法人向けのサービスを、利用者1人あたりの月額のプランで案内しています。人数で費用が決まるため、見積もりはしやすい一方、使われていないアカウントがあると無駄になります。SaaSの棚卸しと合わせて確かめると効率的です（「SaaSの管理と棚卸しの進め方」参照）。

従量は、AIに送る文章と、AIが返す文章の量で決まります。量の単位は「トークン」と呼ばれ、文章を細かく区切った単位です。ある提供元の料金の案内では、料金は100万トークンあたりの米ドルで示され、入力と出力は別の単価で、出力のほうが高く設定されています。

従量の利用料は、何で増えるのですか？

利用料は「1件あたりの量×件数×単価」で決まります。1件あたりの量は、見えにくい要素で増えることがあります。公開されている料金の案内から、主な要素を挙げます。

• 参照する資料や会話の履歴：社内の資料を読ませて答える仕組みでは、読ませた資料も入力の量に数えられます。会話を続けると、それまでのやりとりも入力に含まれます
• ツールの定義と結果：ある提供元は、AIにツールを使わせる場合、ツールの名前や説明などの定義が入力に含まれ、ツールの呼び出しと結果も入力や出力として数えられると説明しています
• 考える過程の出力：ある提供元の料金表では、出力の単価が「考える過程のトークンを含む」と示されているモデルがあります。答えを出す前に考えるモデルでは、見た目の回答より出力の量が多くなることがあります
• モデルの違い：同じ文章でも、モデルによってトークンの数え方が違うことがあります。ある提供元は、新しい世代のモデルでは同じ文章から約30%多くトークンが数えられると案内しています。モデルを替えるときは、単価だけでなく量も確かめ直します

どう見積もればよいですか？

① 用途を分けます。 「問い合わせの回答の下書き」「会議の記録の要約」のように、用途ごとに見積もります。用途によって1件あたりの量が大きく違うためです。

② 1件あたりの量を測ります。 試験の段階で、実際の業務に近い入力で処理し、入力と出力のトークンの数を記録します。多くのサービスでは、利用の記録で数を確かめられます。数件ではなく、ばらつきが分かる程度の件数で測ります。

③ 1件あたりの料金を出します。 入力と出力を分けて、それぞれの単価を掛けて足します。

④ 件数を見積もります。 利用者の数、1人あたりの1日の利用の回数、営業日の数から、月の件数を出します。

⑤ 幅を持たせます。 使い慣れると利用が増える、参照する資料が増える、といった変化を見込み、少なめ・標準・多めの3つの見積もりを作ります。為替の変動も考えに入れます。

利用料だけでなく、開発・運用・確認の手間も含めた総額の考え方は「AIへの投資の判断基準と予算の立て方」、予算の全体は「AI関連の予算の立て方」にまとめています。

使い続ける間は、どう管理すればよいですか？

① 上限と通知を設けます。 月の利用額の上限と、上限に近づいたときの通知を設定します。サービスに機能がない場合は、利用の記録を定期的に確かめる担当を決めます。

② 用途ごとに分けて見られるようにします。 部署や用途ごとにAPIキーやプロジェクトを分けておくと、どこでいくら使ったかを追えます。利用の記録をAPIキーやモデルごとに確かめられるかは、サービスによって違うため、使い始める前に確かめておきます。

③ 月次で見直します。 利用額、件数、1件あたりの料金を用途ごとに並べ、前の月と比べます。増えている場合は、利用が広がったためか、1件あたりの量が増えたためかを分けて見ます。

④ 効果と並べます。 利用額だけを見ると「減らすこと」が目的になりがちです。削減できた作業時間などの効果と並べて、続ける・広げる・見直すを判断します（「AIの効果の測り方」参照）。

⑤ 単価や仕組みの変更を確かめます。 料金や割引の条件、モデルの提供の状況は変わることがあります。見直しのときに、公式の料金の案内も確かめます。

費用を抑える工夫には、どんなものがありますか？

効果を落とさずに費用を抑える方法を挙げます。どれも、使う前に品質への影響を評価用の例で確かめます。

• 用途に合ったモデルを選ぶ：簡単な分類や短い要約は小さく安いモデル、複雑な判断は大きなモデル、と使い分けます
• 入力を整える：指示文の重複を減らし、参照する資料は必要な部分だけを渡します
• 急がない処理はまとめて送る：ある提供元はバッチの処理で入力と出力を50%割り引くと案内しており、別の提供元もバッチの処理で費用を50%下げると案内しています。夜間の集計や大量の文書の分類など、すぐに結果が要らない処理に向いています
• 同じ前置きはキャッシュを使う：同じ指示文や資料を何度も送る場合、提供元のキャッシュの仕組みを使うと、くり返し部分の単価が下がります。ある提供元では、キャッシュから読む部分は多くのモデルで通常の入力の0.1倍とされ、別の提供元の料金表では、キャッシュした入力の単価が通常の入力の10分の1のモデルがある一方、保存した時間に応じた費用が別にかかるとされています
• 処理の繰り返しを防ぐ：AIエージェントなどで同じ処理が繰り返されないよう、1回の依頼で呼び出せる回数に上限を設けます

使い方そのものを見直す場合は、「生成AIの使い方の選び方（SaaS・API・自社環境）」もご覧ください。利用が多い業務では、定額と従量のどちらが合うかも比べ直します。

チェックリスト

• 定額のサービスと従量のサービスを分けて一覧にしている
• 定額のサービスで、使われていないアカウントを定期的に確かめている
• 従量の利用料を、用途ごとに「1件あたりの量×件数」で見積もっている
• 入力と出力の単価を分けて計算している
• 少なめ・標準・多めの幅を持たせた見積もりを作っている
• 月の利用額の上限と、上限に近づいたときの通知を設けている
• 部署や用途ごとに、利用額を分けて見られるようにしている
• 月次で、利用額・件数・1件あたりの料金を前の月と比べている
• 利用額を、削減できた時間などの効果と並べて判断している
• 料金や割引の条件、モデルの提供の状況の変更を確かめている