AI料金、計算量より成果で…Finは1件0.99ドル

カスタマーサポートサービスのFinは問い合わせ解決などの成果1件につき0.99ドルを、米国のAIドキュメントプラットフォームMintlifyは質問への回答1件につき25クレジットを課金するなど、サービス企業がAIの成果に対して料金を設定し始めています。Mintlifyは2026年9月、トークン使用量に応じて変動していたAI料金を作業結果ごとの固定クレジット方式に変更し、自動化機能がドキュメントを更新すると250クレジットを課金します。回答できなかった場合やドキュメントの修正点を見つけられなかった作業には課金しません。顧客はAIが内部でどれだけ計算したかではなく、自分が受け取った成果物を基準にコストを予測できます。Zendeskもオペレーターの介入なしにAIが解決した問い合わせを課金基準にしています。

AIコストはどのように下がっているか

エージェントが長時間作業したり同じ作業を繰り返したりするとトークン使用量が増えることもありますが、トークンを多く使ったという事実がより良い結果を保証するわけではありません。企業が確認すべきは使用量とともに増加した売上、短縮された処理時間、解決した顧客課題です。モデル提供企業はより低価格なモデルを発表しており、簡単な質問は小型で高速なモデルが、複雑な分析は高性能モデルが処理するよう振り分ける「モデルルーティング」も使われています。

• OpenAIは「GPT-6.1 Sol」がエージェント型コーディングやコンピュータ操作、専門業務などで上位モデル「GPT-6 Astra」に近い性能を発揮しつつ、標準の入出力トークン価格はそれぞれ5分の1水準だと説明しました。100万トークンあたりの入力価格は2ドル、出力価格は10ドルで、Astraはそれぞれ10ドルと50ドルです。
• Anthropicは「Claude Opus 5.5」の入出力価格を100万トークンあたりそれぞれ4ドルと20ドルに設定しました。これは従来のOpus 5より20%低く、既に処理済みの入力を再利用するキャッシュ読み取り価格は60%引き下げました。Anthropicはデフォルト設定での一般的な作業における利用コストが従来モデルより40%削減されるとし、トークン単価だけでなく実際の作業にかかる総コストを前面に打ち出しました。
• Amazon Web Services(AWS)のBedrock「インテリジェントプロンプトルーティング」は同じモデルファミリー内でリクエストごとの予測性能を比較し、適切なモデルに振り分けます。AWSは精度を維持しながらコストを最大30%削減できるとしており、これはAWSが提示した効果です。
• サムスン電子の「ハイブリッドAI」は、迅速な応答とプライバシー保護が重要な作業は端末内で、大規模な計算が必要な生成・推論作業はクラウドで処理します。サムスン電子は2026年9月30日に開催された「サムスンAIフォーラム2026」でも効率的なAIを主要研究テーマとして取り上げました。

AIの成果は何で測るか

2025年に経済学術誌「Quarterly Journal of Economics」(QJE)に掲載された「職場における生成AI」研究は、カスタマーサポート担当者5172人を分析しました。AI支援ツールを利用した担当者は時間当たりの顧客課題解決件数が平均15%増加し、その効果は労働者ごとにかなりのばらつきを示しました。この研究が生産性の基準としたのは、AIへの質問回数や生成した文章量ではなく、与えられた時間内に解決した課題の数でした。

成果ベースの料金も「成果」という名前だけで効果が保証されるわけではありません。Finは顧客が回答に満足したことを確認できた場合だけでなく、回答後に追加の問い合わせがなかった場合も解決とみなします。事前に設定した手順を実行した後、人や別の業務フローに引き継いだ場合にも課金されることがあります。

SKテレコムは社内AXをどう変えるか

SKテレコムが2026年10月28日に公開したグローバルAX動向資料によると、同社はAIエージェントを従業員と協業する業務主体と定義し、人とAIの役割を共に設計する方向で社内AI転換を推進しています。目指す姿は、社員1人が複数のAIエージェントと協業し、企画から開発、デザインまでを担う「マルチロール」方式です。これを支えるため、次の点を変えます。

• 社内で分かれていたAI開発プラットフォームの統合
• 業務システムとの連携強化
• データアクセス規定とセキュリティ体系の整備

SKテレコムは先に公開した「AXイノベーション2.0」で、既存の業務プロセスをAI中心に再設計する「AXサンドボックス」を全社に拡大する方針を示しました。AI社内独立企業(CIC)の一部組織で約3カ月間試験運用した結果、企画業務の所要時間や意思決定スピードなどで改善の可能性を確認したと説明しており、今回の参考資料では全社レベルの生産性改善数値は示されていません。

SKテレコムのチョン・ジェホン最高経営責任者(CEO)は2026年9月1日、ソウル大学での特別講義で「AXのJカーブ」を提示しました。導入初期は学習と業務再設計の負担で生産性が低下するものの、これを乗り越えると生産性が急激に上昇し得るという内容です。チョンCEOは、企業には事業と働き方をAIの観点から再設計する実行力が必要だと強調しました。

韓国企業AXへの示唆

AI予算を組むなら、トークン単価表よりも業務1件を完了するのにかかる総コストを基準にする方が適切です。どのリクエストをどのモデルが、どこで処理するかという設計までコストに含めて検討しつつ、コスト削減の過程で回答精度や業務品質が落ちていないかも併せて確認する必要があります。

Fin・Zendesk・Mintlifyのように成果単位で課金するサービスを導入する場合は、契約前に「解決」の定義が自社の求める成果と一致しているか確認してください。追加の問い合わせがなかった場合まで解決としてカウントするか、人に引き継いだ案件も課金対象とするかによって、同じ1件当たりの料金でも実際の効果は変わってきます。

国内事例として紹介したSKテレコムとサムスン電子は、料金基準よりも組織と処理構造を先に見直した企業です。SKテレコムはAIの役割とデータアクセス規定を、サムスン電子は機能別の処理場所を切り分けました。社内エージェントを増やそうとするなら、エージェントの数よりも、AIがどの部署のどの業務を担い、どこまで情報にアクセスし、どの段階で人の判断を仰ぐのかを先に定めておく順序が望ましいでしょう。Jカーブの初期段階を考慮し、導入直後の指標だけで成否を判断しないよう、評価時点をあらかじめ定めておくことも一つの方法です。

今週確認すべきことは一つです。今使っているAIツールの成果レポートが、問い合わせ回数やトークン使用量を数えているのか、それとも処理時間・再作業・解決件数を数えているのかです。

出典： AI、導入から成果へ…企業の「AXシフト」