嘘の産業、あるいはリーダーが知っておくべきAIの真実

先日、AI導入に意欲的な部門リーダーと話す機会がありました。彼は技術的なバックグラウンドを持たず、部門全体がAIとは無関係の分野の専門家で構成されていました。彼は、リーダーとしてAIについて何を知っておくべきか、AIユースケースが失敗する最も頻繁な理由は何かと尋ねました。これを受けて、リーダーが実際に知っておくべきことは何かを考え始めました。

答えは、AIが変革的で革新的だということではありません——彼らは何十ものプレゼンテーションでそれを聞いてきました。実際、AIは従業員に強制されつつあります。アクセンチュアは、シニア従業員が週にどれだけ人工知能を利用しているかを追跡し、その指標を昇進機会に結び付けていると報じられています。近年、AIは嘘の産業と化しています：ベンチマークの魔術、幻覚のコンサルティングレポート、過剰な約束と実現不足、損失関数すら聞いたことのないAI専門家——AIほど嘘に満ちた分野は他にほとんどありません。

まず理解すべきは、AIは決して安くないということです。適切な管理なしでは、実際に役立つAIアプリケーションがフルタイム従業員よりもコストがかかる可能性があります。さらに厄介なのは、価格が予測不可能なことです。3ヶ月前、30人の開発者チーム向けにGitHub Copilot Enterpriseに月額約1,100ユーロの予算を立てていたかもしれません。今では、その同じ予算が一人のヘビーユーザーにも足りないかもしれません。2026年6月にGitHubが従量課金制に移行して以来、コストはリクエストを処理したモデルのAPIレートに基づいてトークンごとに計算され、推論モデルがデフォルトになるにつれて、個人の月額請求額はすでに数百ドルに達しています。実際にいくら予算が必要か事前に計算する信頼できる方法はありません。

多くのAIツール——特にコーディングアシスタントやエンタープライズプラットフォーム——は定額制から従量課金制に移行しており、100万トークンあたりの支払いになります。AI APIも影響を受けていますが、これらは元々従量課金制でした。トークンのコストは上昇しています。AnthropicのClaude Fable 5は新しいトークナイザーを搭載し、同じ入力テキストから約30%多くのトークンを生成します。つまり、昨日10,000トークンだった同じシステムプロンプトと会話履歴が、今日は13,000トークンになるということです。OpenAIのGPT-5.5は、すべての課金ラインでGPT-5.4の2倍の価格です。100万トークンあたり最大50ドルを支払うこともあります。100万トークンでどれだけできるかは予測不可能です。

価格には推論トークン——LLMが問題を解決しようとする内部の思考——が含まれています。出力で500トークンに見える応答が、50,000以上のトークンを消費している可能性があります。各リクエストの価格は、プログラマーがタスクを表現するスキルにある程度依存しますが、決定的な要素は各リクエストで送信されるコンテキストの量です：チャット履歴全体、エージェントの説明、ツール、MCPサーバー、システムプロンプト——これらすべてが毎回課金されます。しかし最も重要な要素は運です。LLMが適切な推論トレースを素早く生成すればコストを節約できますが、そうでなければ無限に自己修正を試みる可能性があります。モデルの選択も重要で、あるモデルは他より長く推論します。禁止されたFableは、単一のプロンプトから簡単に50ドル以上を消費する可能性があります。

従業員が月にXトークンを必要とすると誰にも言えません。最善の方法は、経済的に実行可能なものを計算することです：生産性とコストのトレードオフ。開発者の割り当てが3日以内に使い果たされた場合、二つのことが起こります：月末まで出荷が大幅に遅くなるか、個人アカウントを使用するかです。従業員の68%がすでに仕事で個人のAIアカウントを使用しており、その57%が機密の会社データを入力しており、シャドーAIデータ漏洩の平均コストは420万ドルです。

重要なステップは次の通りです：チームに価格と割り当てを透明にすること；トークン消費を減らすベストプラクティス——プロンプト最適化、コンテキスト管理、キャッシングだけでコストを削減できる——について開発者を訓練すること；代替オプション、例えばMiniMaxモデルのローカルデプロイメントを検討すること。ローカルモデルは専有モデルを完全に置き換えるわけではありませんが、単純なタスクをそこにルーティングすることでコストを抑えられます。

AIの激しい競争を活用しましょう。AIは非常に競争の激しい分野になっています。Anthropic、OpenAI、Googleは常に互いに挑戦しています。中国のプロバイダーは西側の価格を大幅に引き下げており、ローカル、クラウド、API経由で利用可能な高性能モデルをリリースしています。OpenAIはエンタープライズ市場シェアをAnthropicに奪われるのを避けるため、大幅な値下げを検討しています。これらすべてに注目し、プロバイダーを多様化し、オファーを再交渉すべきです。私は多くの企業が単に開発者が1、2年前に選んだプロバイダーを使い続けているのを見てきました。切り替えることで、シャドーAIを防ぎ、モデルへの中断のないアクセスを確保し、数千ドルを節約できます。例えば、GLM-5.2——Z.aiが3日前にリリースしたオープンウェイトモデル——は、入力100万トークンあたり1.40ドル、出力100万トークンあたり4.40ドルです。これはクラウドソースのHTMLデザインベンチマークDesign Arenaで1位を獲得し、Claude Fable 5（出力100万トークンあたり50ドル、現在米国政府の輸出規制により利用不可）を破りました。『百ページ機械学習ブック』シリーズの著者Andriy BurkovがXで述べているように、彼は3日間Codexの代わりにOpenCodeとGLM-5.2を実行しており「違いを感じない」として、Anthropicのサブスクリプションを解約したとのことです。

ただし、これはそれほど簡単ではありません：開発者にタスクに対して弱すぎるモデルを強制すると、大きな技術的負債を生み出します。強力な専有モデルを安価なオープンウェイト代替品に置き換えると、コスト削減を正当化できないほど製品品質が低下するリスクがあります。内部の専門家に相談し、厳格な評価パイプラインを導入し、検証された研究と信頼できるベンチマークに依存してください。AI Realistは企業のAIスタックと消費を最適化するサービスを提供していますが、私たちを選ぶかどうかにかかわらず、リスクを明確に理解して進んでください：パフォーマンスの低いモデル、データプライバシーの制約、自社インフラ維持のオーバーヘッド、スループットなど。

結論として、AI導入の鍵は生産性とコストのバランスをとり、透明な価格設定、従業員教育、賢明なプロバイダー選択、厳格な評価を通じて、企業が真にAIの恩恵を受けられるようにすることです。