トークノミクス : 優れたチームが意図的に AI への支出を増やしている理由
Eric Lam
Head of Value, Delta, Google Cloud Consulting
規律ある組織は、AI の請求額に驚いて後手に回る段階を脱し、トークノミクスを取り入れています。AI を単なる固定のライセンス費用ではなく、変動可能で測定できる「ビジネスの推進力」として捉えるため、運用の可視化を進めています。
数か月前、私のチームは予算の見直し会議に立ち会いました。しかしそれは、レビューというよりは「事後検証」に近いものでした。
あるお客様の AI 支出がわずか 1 か月で 50% 以上も急増し、経営陣はその理由を把握しようとしていました。最も費用を押し上げたのは誰なのか、どのチームなのか、どのプロジェクトなのか、あるいはどのエージェントなのか。組織が AI の使用を開始したときにはガードレールやフレームワークが整備されていなかったため、支出の実態について明確かつ確定的な答えを出すことはできませんでした。財務部門は過去のデータを振り返り、推測することしかできませんでした。
AI 支出に頭を悩ませる組織が増えるなか、こうした会話は業界全体で珍しくなくなっています。AI リーダーボードや「トークン マキシング」といった概念が注目を集めていますが、これらは往々にして、実務における AI の真の可能性から目を逸らさせてしまいます。
多くの場合と同様に、今回のケースでも、請求額の大きさそのものが本質的な問題ではありませんでした。この会社の問題は、支出が多すぎたことではありません。テクノロジー関連の支出に本来伴うべき可視化や慎重さを欠いたまま、無計画に支出してしまったことが問題だったのです。
かといって、こうした測定が容易で単純だというわけではありません。AI の正確な予測には、こうした新しいツールがそうであるように、新たなアプローチが求められます。あらゆる業界のほぼすべての企業が AI 導入と費用管理の両立に奔走するなか、経営陣や財務部門は、競争力を維持するための投資という不可避な課題を前に、身動きが取れないような感覚に陥るかもしれません。しかし、アクセル全開の状態でコントロールを保つのは至難の業です。
AI で先行している企業が、投資を継続しているのはそのためです。変わったのは、1 ドルの支出が何をもたらすのかを、より細かく追跡し、その価値を正しく把握するようになったことです。この可視性こそが、意図的、かつ明確な目的を持って支出を拡大することを可能にしています。
一言で言えば、トークノミクスを実践しているのです。
費用の単位が変わった
長年にわたり、テクノロジー関連の支出は計画を立てやすいものでした。ライセンスや従業員数は変動がなく、予測も容易です。シートを購入すれば価格は確定し、請求書を見て、使いすぎた人を特定する必要もありません。
しかし、AI のトークン料金は勝手が違います。AI コンピューティングの基本単位であるトークンは、テキストやデータの断片であり、およそ 4 文字に相当します。プロンプトやレスポンスのたびに、電気メーターが回るようにリアルタイムで料金が発生します。ある意味、古いモデルはチームに必要な電球の数さえ把握していれば十分でした。対して現在は、誰がどのくらいの頻度でスイッチを入れているのか、そしてフィラメント（正確にはトークン）を光らせることで、ビジネスに価値のあるものを正しく照らし出せているのかまでを理解する必要があります。
さらに、モデルはターン間でメモリを保持しないため、毎回会話全体を再読み取りします。そのため、作業が複雑になるにつれて費用が膨らむ可能性があります。シンプルな chatbot のやり取りであれば、数千トークン程度で収まります。一方、エンジニアリング タスクをこなすエージェントの場合、数百万トークンに達することもあります。テクノロジーは同じですが、トークン数には 1,000 倍もの開きが出ることがあります。
このような性質を持つ費用は、安定した予測可能な支出を想定して設計されたツールでは、管理がほぼ不可能です。
古いハンドブックの書き換えが必要な理由
Cloud FinOps は、コンピューティング時間という概念が中心の世界で進化してきました。そこでは、ワークロードは計画可能で、支出の予測も立てやすく、月々の請求額もほぼ一定でした。エージェント型 AI は、こうした前提を覆します。現在の費用は、モデルが保持するコンテキスト量や、エージェントがジョブを完了するまでのループ回数に左右されます。そのため、同じタスクであっても、かかる費用が二度と同じになることはほとんどありません。財務部門が頼りにしてきた従来の決定論的なツールは、そもそもこうした事態を想定して設計されたものではありませんでした。
経験豊富な FinOps チームでさえ、請求書の明細だけでは実態がほとんど把握できないことに驚かされることがあります。トークンの請求書は、氷山の一角にすぎません。目に見えるテクノロジー レイヤ全体（トークンと、それに付随するライセンス、プラットフォーム、コンピューティング）は、実際の総費用の 3 分の 1 程度しか占めていないことがよくあります。
その水面下には、請求書の明細には現れない要素が隠れています。システムの構築と統合、安全な運用のためのガバナンスと統制、エージェントの生成物を精査する人員、そして全体を最新の状態に保つための保守作業などです。多くの AI イニシアチブにおいて、こうしたレイヤの費用はトークン費用そのものを上回ります。これらは請求書には決して現れないため、事前に全体像をモデル化して把握する以外に、管理する方法はありません。
請求書に記載される支出でさえ、それだけでは実態を説明していることにはなりません。各エージェント、モデル、ツールが実際に行ったことと、個々の課金を紐付けるエンドツーエンドのトレーサビリティがなければ、どれが請求額を押し上げたのかを特定することはできません。
トークン数の計測から、成果あたりの費用へ
ある企業が、自社データに基づいて回答を生成するタイプの大規模な検索拡張生成（RAG）パイプラインを、本番環境に移行する場面を想像してみてください。請求額が跳ね上がり、経営陣はインフラストラクチャ費用の明細項目を見てパニックに陥ります。
その後、チームがその費用にビジネス指標を重ね合わせると、会議室の雰囲気は一変します。
たとえば、トークン支出の 20% の増加が、カスタマー サポートの処理時間の 40% 削減と一致していることが、オーバーレイによって示されたとします。請求額は同じでも、その意味は異なります。中身を正しく理解できるようになったからです。
費用管理とは、1 ドルあたりの費用対効果を最大化するために、どこに、どのように支出すべきかを見極めることです。企業は、次の 3 つの段階を経て、この目標に到達します。
- AI 支出を可視化し、1 円単位まで把握する。
- ユニット エコノミクスを定義し、インタラクション単価を把握する。
- 支出をビジネス価値に関連付け、実際に何に使われたかを把握する。
トークンの請求書が教えてくれるのは、何を支出したかということです。成果あたりの費用が教えてくれるのは、その理由です。「この支出で何が得られたか？」という問いに答えられるようになれば、より精度の高い投資判断を下せるようになります。
エンタープライズ向けエージェントのフリートを持続的に拡大するには、予算を慎重に組む必要もあります。エージェントの運用にかかる日々の費用と、エージェントの改善にかかる費用を別々に予算化します。予算をこの 2 つに分けることで、チームは現状維持にすべてを費やしてしまう「メンテナンスの罠」を回避できます。
エージェントの作成は安価ですが、エッジケースやプロンプトのドリフトに伴う手動メンテナンス費用（コスト）は、難易度が 100 倍に跳ね上がる過酷な曲線を描いて増大します。最適化予算を自律的な自己進化に充てることで、この問題は解決します。これにより、エンジニアの手を借りることなく、システムが自らドリフトに適応できるようになります。
規律あるチームがより多く支出する理由
最も取り組みが進んでいるチームは、成果あたりの費用を測定できるようになると、支出をさらに増やす傾向があります。CFO は、支出そのものを嫌っているわけではありません。彼らが嫌うのは、定量化不能で管理の及ばない財務リスクです。リスクを排除してリターンを証明すれば、予算の締め付けも緩むはずです。費用対効果が明確になれば、CFO がさらなる支出を後押しすることさえあります。
あるテクノロジー企業から、トークン消費によるリターンを、収益、機能の導入、ユーザーの増加とエンゲージメント、コンテンツの視聴者数といった最重要指標に照らして測定してほしいという依頼がありました。これにより、AI 関連の支出は心配の種からロードマップへと変わり、どのセグメントや機能に予算を重点的に配分すべきかが明確になりました。
トークンの請求書が教えてくれるのは、何を支出したかということだけです。成果あたりの費用が教えてくれるのは、その理由です。企業がその違いを理解すれば、請求書は心配の種ではなくなり、ロードマップへと変わります。
Google が支援している大規模な多国籍医療機関でも、同様の規律が見て取れます。同組織は、マルチエージェント システム全体で AI ユースケースを約 5 倍に拡大する準備を進めています。その規模になると、クエリあたりの費用を正確に見積もることは非常に困難になります。そのため、チームはスケーリングの前にまず可視化レイヤを構築しました。これを実現するために、すべてのサブエージェントやツール呼び出しを対象に、各モデルが消費したトークン単位で費用とレイテンシを追跡できるアトリビューションの仕組みを導入しました。
これで、準備は万全です。クエリあたりの費用の見積もり速度が以前より約 5 倍向上し、営業チームとデリバリー チームが共通のベースラインに基づいて計画を立てられるようになりました。次のフェーズに着手する前に、その費用を確実に見極めることができます。これは、後で高くつく事後検証を行うよりも、予防的な手を打つ企業の好例です。
開発者が思う存分腕を振るえる環境を
コスト アトリビューションとガバナンスを早期に構築するのは、適切な費用管理を徹底することで、開発者に制限のない安全なアクセスを提供できるようにするためです。ガバナンスが適切に機能してこそ、確信を持って支出できるようになります。
優位性は、もはや AI を一番乗りで導入することではなく、適切な費用管理構造と優れた規律を整えたうえで、いかに迅速に導入するかにかかっています。
エージェント型 AI ユースケースのフルコスト モデルを定義および構築し、可視性を価値に変えたいとお考えであれば、delta がお手伝いします。私たちは、ビジネス価値の最大化を支援する Google Cloud コンサルティングの FDE 専門チームです。これまで数多くの組織を対象に、AI 支出の適切な把握と管理を支援してきました。
※この投稿は米国時間 2026 年 8 月 22 日にGoogle Cloud blog に投稿されたものの抄訳です。
- Google Cloud コンサルティング、delta、価値担当責任者、Eric Lam
