ガートナーに聞く、AIコスト統制の最新動向　全社最適化はどこまで可能か？

AIのコスト統制はIT部門だけで考えられるものではなく、考えるべきでもない

　AIの使いすぎを抑える効果がある、という意味ではSaaSベンダーが提供を始めたダッシュボードも役に立ちそうだ。とはいえ、そのダッシュボードはユーザー企業が求める水準に達しているのだろうか。たとえば、英語だけでなく日本語を選択できるか、米ドル建てだけでなく日本円で利用状況を確認できるか、多様な分析の切り口に対応できるか──ユーザーやグループ単位で誰がどれだけトークンを利用しているのか把握することは重要だが、それ以外の分析をどこまでできるか──ユーザー企業が必要としているダッシュボードは、利用状況の可視化だけでは十分ではない。本当に求められているものは、AIを用いて創出したビジネス成果まで把握できるようなものだ。

　海老名氏が海外の同僚にコスト統制用のダッシュボードへの意見を求めたところ、分析の粒度の他に「リアルタイム性」について指摘されたという。モデルの進化スピードに追随することが難しいことは想像できるものの、ダッシュボード改善の余地は大きい。いまだにベンダーによっては、「利用状況を見たいのでしたら、請求書を見るといいですよ」と話すところもあると考えれば、何もない頃と比べると前進はしている。

　不完全でもダッシュボードが提供されるようになった。管理者による利用上限の設定もできるようになった。次に期待するのは「アラート機能」である。現在、割り当てられたトークンクレジットの8割まで利用したら、アラートを出すような設定ができるもの、そうでないものに分けられる。この領域もAnthropicやOpenAIのようなAIベンダーが先行しているが、日本企業の実運用にどこまで有効かはまだわからない。不完全だったとしても、使えるものは使うというスタンスが求められている。

　「AIのコスト統制はIT部門だけで考えられるものではなく、考えるべきでもない」と海老名氏。AIにどれだけ投資をするのかと同様、誰にどれだけAIトークンを割り当てるのかも経営の意思決定となる。そして、トップダウンで一方的に決めるだけでなく、現場がどれだけAIを必要としているのか、ビジネスユーザーの意見を聞くことも必要になるだろう。全社でのコスト最適化に向けては、人間のオペレーションに依存しない、より洗練されたプロセスの確立も必要だ。

　その参考になるのが「FinOps」である。FinOpsは、クラウドの普及・利用拡大にともない生まれた方法論であり、AIと同様にクラウドインフラの利用料金も従量制を基本としている。クラウドの黎明期、インフラエンジニアはそれぞれが工夫をしながら節約していたが、個人の努力に依存するやり方では限界があった。チームがクラウド上のリソースをどれだけ使い、どれだけの効果を得たか。その検証が必要になったことを機にFinOpsの整備が進んだ。

「Tokenomics Foundation」が透明性向上に向けた取り組みを開始

　米国では、FinOpsのAI版「AI FinOps」の確立に向けた動きが出てきた。Linux Foundationが立ち上げた「Tokenomics Foundation」である。団体発足の背景にあるのは問題意識だ。ベンダーによって、トークンと呼んだりクレジットと呼んだり、単位も計算方法もバラバラなのが実情だろう。契約を比較することもできず、複数のAIを用途にあわせて使おうとすれば、コスト統制はさらに困難を極める。コスト予測が難しいことを理由に利用を控えなくてはならないユーザー企業の現状は、ベンダーにとっても本意ではないはずだ。

　Tokenomics Foundationの発足は、2026年8月。既にAIコストの透明性向上に向けた活動がスタートしている。団体の趣旨に賛同しているベンダーとして、Accenture、Booking.com、Flexera、Google Cloud、IBM、JPMorganChase、KPMG、Microsoft、Oracle、Salesforce、SAP、ServiceNowが名を連ねる。その一方で、Anthropic、OpenAI、Amazon Web Servicesなどの重要なプレーヤーが参加を表明していない。AIのコスト統制は、このような動きが出てきたほど未成熟な分野であり、ベンダーの透明性を高める努力は始まったばかりだ。同団体の活動成果が得られるまでには時間がかかるだろう。

　今のAI市場はプレーヤーが少なく、ユーザー企業の交渉力は相対的に低い。希望を持てる材料があるとしたら、トークンコストの中長期的低下の可能性だ。どのテクノロジーでも出始めたばかりの頃は割高だが、その後に手頃な価格の選択肢が出てくる。AIでも同じようになる可能性はあるだろう。フロンティアモデルの開発競争は今も続いており、同じタスクを実行するにしても、将来はより少ないコストで実現できるようになってもおかしくはない。

　ただし、ここで注意しなくてはならないのが、トークンコストだけがAIのコストではないことだ。AIがアクセスするアプリケーションの利用料金、データストレージの利用料金、APIを呼び出すことにともなうコストも無視できない。トークンコストが徐々に低下するとしても、周辺のコストも含めた全体のコストが低下するとは限らない。だからこそ、Tokenomics Foundationの活動は、コスト低減ではなく、“コストの透明性”向上に焦点を当てている。