エンタープライズ AI の価格設定がトークンベースの段階を脱した経緯
使用量ベースの価格設定モデルにより、AI への支出を成果に結び付けることができます。また、代替可能性があるため、優先事項が変化しても価格設定モデルを持続的に使用することができます。
Julie Colwell
プリンシパル ストラテジスト
Workday
使用量ベースの価格設定モデルにより、AI への支出を成果に結び付けることができます。また、代替可能性があるため、優先事項が変化しても価格設定モデルを持続的に使用することができます。
Julie Colwell
プリンシパル ストラテジスト
Workday
AI 機能の拡大に伴い、多くのベンダーが、定額制のサブスクリプション料金から、使用量ベース、成果ベース、ハイブリッド型の料金体系に移行しています。最高財務責任者 (CFO) にとって、こうした変化は、予算の確実性という点でデメリットと感じられるかもしれません。
しかし、テクノロジーの変化によって新しいコスト モデルへの移行を余儀なくされたのは、今回が初めてではありません。オンプレミスからクラウド コンピューティングへの移行も、当初は予算編成を困難なものにしましたが、やがて使用量ベースのクラウド支出が標準になりました。AI の価格設定モデルも、同様の経緯をたどっています。支出の追跡ツールと予測ツールが進化すれば、予算の予測と価値の測定が容易になると考えられます。
ガイド
AI の価格設定モデルが始まってから長い期間が経過しました。この間に、トークンの消費を AI 導入の指標として捉える「トークンマキシング」が急速に普及しました。Meta 社は、「クロードノミクス」という社内ランキングを通じて、約 8 万 5,000 人の社員をトークン使用量に基づいてランク付けしていました。最上位の社員は、1 か月で 2,810 億トークンを消費したとされています。
しかし、トークンマキシングはすぐに衰退しました。年初の数か月で年間の AI 予算をすべて使い切った Uber 社の CTO は、トークンマキシングの時代を終えると発表しました。また、Microsoft 社は社内のエンジニアに対して、「トークンマキシングを目標とはせず、社員 1 人当たりのトークン予算を設定し、安価なモデルをデフォルトで使用する」と伝えました。これらの出来事は、わずか数日のうちに発生しました。IBM 社は、使用量ではなくビジネスの成果を最適化する「バリューマキシング」の方が、持続性の高いフレームワークであると主張しました。
使用量ではなくビジネスの成果を最適化する「バリューマキシング」の方が、「トークンマキシング」よりも持続性が高いフレームワークです。
多くの財務リーダーは、自社内でも同じような経緯を目にしてきました。これは、AI がもたらす実際のビジネス価値が変化している中で、長期的な価格設定モデルを見つけることの難しさを示しています。
多くの財務部門にとっての解決策は、使用量ベースの価格設定モデルになりつつあります。これは、成果とは無関係な定額料金ではなく、実際に使用した分だけ料金を支払うという方法です。
使用量ベースの価格設定モデルの場合、クエリの実行時やトークンの使用時ではなく、タスクの完了時に AI エージェントの使用が計測されます。このモデルでは、完了したタスクを容易に定量化することができます。たとえば、変動は以下のようなことを示す場合があります。
この価格設定モデルでは、トークンを数える場合と比べて、予算編成の考え方が大きく異なります。料金の単位が、モデルの構造ではなく、ビジネス上の行動に基づいているため、財務部門のリーダーは、前年度の職務補充依頼や契約件数に基づいて翌年度の支出を予測することができます。
多くのベンダーがさまざまな業務に特化した AI エージェントを提供しているため、各エージェントで個別の従量制予算枠を設定するのが簡単な方法です (採用エージェント用の予算枠、財務エージェント用の予算枠、法務エージェント用の予算枠など)。しかし、個別の予算枠は一見すると正確に見えますが、実際には従来のソフトウェア ライセンスと同じような問題が発生します。
エンタープライズ AI 戦略では、柔軟性を持たせることが重要です。たとえば、財務部門が 1 月に契約書レビュー エージェントに予算を割り当てたとしても、6 月には、より高い価値を生み出す用途が見つかるかもしれません。ある用途に割り当てた支出を、新しい調達プロセスを経ることなく別の用途に振り替えられない場合、その価格設定モデルは、AI 導入の現状に適していないということになります。
代替可能な支出、つまり、その時点で最も大きな価値を生み出している AI エージェントや機能に適用できる単一の支出枠が、使用量ベースの価格設定を効果的に機能させる鍵になります。 このアプローチの場合、CFO は機能を購入してから用途を決定できるため、大規模な組織で AI を導入する場合に適しています。
代替可能な支出では、CFO が機能を購入し、その後で機能の用途を決定することができます。
代替可能な支出は AI の導入に適していますが、「すべての部門が同じ予算枠を利用できるのであれば、支出に対して誰が責任を負うのか」という重要な疑問が生じます。予算枠を制限すれば、代替可能な支出の目的が損われてしまいます。しかし、代替可能な支出とリアルタイムの可視性を組み合わせることにより、予算サイクルの終了時に初めて支出状況を知るのではなく、組織全体で支出がどのように変動しているのかを即時に把握できるようになります。
テクノロジーの初期段階を通して継続する価格設定モデルには、以下に示す共通の特長があります。
トークンベースの価格設定が期待通りに機能しなかった原因は、モデルが改善されるにつれて、トークンの使用量と実際の価値が乖離したためです。どの AI の用途が最も重要かという前提に基づいて支出予算を固定する、硬直的で分断された使用クレジット モデルも、衰退のペースは穏やかではあるものの、トークンベース モデルと同じような展開が予想されます。市場環境は常に変化しているため、それに伴って AI の用途も市場の変化していくことが予想されます。
シートベースの価格設定は、現在も残っています。これは、人間が業務を行うということを前提にした価格設定モデルです。予測しやすいというメリットから、Workday のお客様を含め、多くの企業が現在もこのモデルを使用しています。しかし、AI エージェントが単に思考するだけでなく、実際に行動するようになっているため、アクションや成果に基づいて価値を測定することが必須条件になりつつあります。ログイン数でツールの価値を測定する時代は終わりました。
アクションや成果に基づいて価値を測定することが必須条件になりつつあります。
料金の単位がトークンやシートではなく、アクションや成果である場合、財務部門が支払うのは単純な請求額ではありません。AI がビジネスにもたらす具体的な価値の対価を支払っているのです。
ガイド