人工知能（AI）トークンのコスト管理が企業の新たな課題として浮上している。高性能AIモデルの導入が進む中、最近では同じ業務に対してどれだけAIコストを効率化できるかが企業の新たな競争力として位置づけられている。
25日、情報技術（IT）業界によると、主要企業のITインフラ関連部門でAIフィンオプス（FinOps、クラウド・AIコストを部門・サービス単位で可視化し、制御する方式）の体制構築が本格化している。
社内のAIアプリケーションプログラミングインターフェース（API）呼び出し状況をリアルタイムで監視し、部門ごとの使用量やAI業務への貢献度に応じてエージェントの使用限度や優先順位を調整する。
これは、組織内の個人が行うAIトークン使用管理だけではコスト増加に対応しきれないとの判断が働いている。従業員が社内AIに無意味な作業を繰り返す「トークンマイニング」現象や、協業過程で発生する予期しないコストを管理することが重要になっている。
ネクソンはグループ全体でAIトークン使用の効率を点検し、全社およびプロジェクト単位のコスト予測モデルを構築している。過去の使用データに基づき、新規プロジェクトに必要なトークン規模と予算を算定するためである。
クラフトンは18日、ネクソン開発者カンファレンス（NDC）を通じて、組織のAIコスト状況を管理できるダッシュボードを構築していると発表した。組織ごとのAI活用成熟度に応じてAI使用方法を変える方向も検討中である。
実務者単位のAIモデル使用方法も変化している。開発現場では、リクエストの難易度や重要度に応じて適切なモデルを選択したり、自動分散する「混合型モデル（ルーティング）方式」がコスト削減手段として浮上している。複雑な企画・推論業務はプレミアムモデルに割り当て、単純な反復作業や基礎コーディングは相対的に安価なモデルで処理する。
100万トークン基準の入力単価は、オープンAIのGPT-5が2.50ドルであるのに対し、ディープシークV3.2は0.14ドル程度で約94%低い。出力単価の場合、その格差はさらに広がる。AIエージェントの活用が増えるほど、モデル配分の重要性は増している。
クロードとジェミナイの2つのモデルを使用している国内ソフトウェア企業の関係者は、「すべての業務に高価な推論モデルを使用することが多かったが、コストの問題から最近では業務の難易度に応じて異なるAIモデルを使用している」と述べた。
AIモデルAPIの購入構造もコスト管理の手法の一つとして挙げられる。企業が複数の生成型AIモデルをそれぞれ契約・管理するのではなく、単一API連携で多様なモデルを活用できる統合型サービスが登場している。AI使用量が一定規模以上に増加した企業ほど、モデル選択と同様に契約構造と運営方式がコストに与える影響も大きくなっている。
APIを借りて使用する方式のサービス型モデル（MaaS・Model as a Service）ソリューションを通じて、複数の生成型AIモデルを単一APIで活用できるようにしている。
技術的な節約手段としては、プロンプトキャッシングもある。企業が同じ指示、コードベースの説明、データパス、文書構造などを繰り返し入力すると、入力トークンコストが重複して蓄積される。繰り返される文脈とプロンプトパターンを一時保存し再利用することで、不必要な演算を減らす方式である。
業界はAIコスト管理が企業の運営能力の問題に拡大していると見ている。高性能モデル導入競争が本格化した後、AIエージェント使用管理能力が企業のAI利用における重要課題として浮上している。業界関係者は「企業のAI導入が本格化するほど、モデル性能だけでなく、運営コストと管理の便宜性が重要な判断基準となるだろう」と述べた。
* この記事はAIによって翻訳されました。
亜洲日報の記事等を無断で複製、公衆送信 、翻案、配布することは禁じられています。
