AIが、また安くなった。中小企業の導入判断が変わる理由

AIが、また安くなった。

これまで「割に合わない」と諦めた自動化が、同じ予算のまま再び候補に戻ってきます。

AI業界では「性能が上がって値段は下がる」という動きがここ数年続いており、そのたびに「使えるか使えないか」の境界線がじわりと動いてきました。実際にOpenAIが公表してきた価格改定を見ると、その変化の大きさがわかります。

実際に、何がどれだけ安くなったのか

2024年5月に公開されたGPT-4oは、それ以前の主力モデルだったGPT-4 Turbo（入力100万トークンあたり10ドル、出力30ドル）に対し、入力5ドル・出力15ドルと半額の価格設定でした（OpenAI公式発表）。

さらに同年7月に公開されたGPT-4o miniは、入力0.15ドル・出力0.60ドルという価格を実現しています。これは、それまで安価モデルの代表格だったGPT-3.5 Turbo（入力0.50ドル・出力1.50ドル）と比べても数倍安く、しかも多くのベンチマークでGPT-3.5 Turboを上回る性能を示しています（OpenAI公式発表）。現在の価格体系は公式Pricingページで確認できます。

つまりここ1年ほどの間だけでも、「同じ、あるいはそれ以上の性能を、数分の1から数十分の1のコストで使える」という状態が実際に起きてきたわけです。これは一時的な安売りキャンペーンではなく、モデル世代が進むたびに繰り返されてきた傾向です。

なぜ安くしながら賢くできるのか

一見矛盾するように見える「値下げと性能向上の同時実現」ですが、背景には二つの構造があります。

一つは、モデルを軽くする技術の進歩です。大きなモデルの出力を小さなモデルに模倣させて能力を引き継がせる「蒸留」、数値の精度をあえて落として計算量を減らす「量子化」、推論時の計算を無駄なく回す最適化など、複数の技術を組み合わせることで、同じ計算資源でもより多くの処理をこなせるようになっています。開発初期のモデルは力任せに計算資源を投入して性能を出していましたが、世代が進むほど「同じ答えをより少ない計算で出す」技術が積み上がってきました。

もう一つは、提供企業間の競争です。OpenAIだけでなく、Google、Anthropic、さらには中国勢を含む複数のプレイヤーが同時にモデルを出し合う状況では、性能差が縮まった瞬間に価格競争が始まります。この競争構造がある限り、値下げの傾向は今後も続く可能性が高いと見ておくべきでしょう。

採算ラインが動くと、任せられる業務が変わる

コストが下がるということは、これまで「割に合わない」と判断していた業務の採算ラインが動く、ということです。

例えば問い合わせ対応の自動化。以前は「複雑な質問には対応できず、結局人が対応する範囲が広く残ってしまい、コスト削減効果が薄い」と見送っていた企業も、モデルの精度向上で任せられる範囲が広がれば、投資対効果の計算式が変わります。書類のドラフト作成、議事録の要約、簡易的なデータ分析なども同様です。単価が下がったことで「試しに使ってみて、ダメなら人力に戻す」という低リスクな試行がしやすくなりました。今まで「AIはまだ早い」と結論づけていた業務の一部は、その結論自体を見直すタイミングに来ています。

様子見にもコストがかかる

ここで重要なのは、「様子見」にもコストがかかるという事実です。AIの価格性能比は改善を続けており、様子見をしている間に競合が先にコスト削減や業務効率化を実現してしまえば、その差は営業力や価格競争力の差として跳ね返ってきます。

とはいえ、いきなり全社導入に踏み切る必要はありません。現実的なのは、コストが小さく失敗しても痛手が少ない業務から小さく試すことです。問い合わせ対応の一次対応、社内文書のドラフト作成、定型的なデータ整理など、影響範囲が限定された領域で試験導入し、効果を見ながら範囲を広げていく。モデルが数か月おきに更新される以上、「今のモデルに合わせて完璧なシステムを作る」よりも、「乗り換えやすい形で小さく始める」ほうが、結果的に投資を無駄にしません。

価格と性能の綱引きは、これからも続きます。大事なのは、その綱引きの結果を毎回ゼロから評価し直すのではなく、自社のどの業務が次に採算ラインを越えるかを、あらかじめ見極めておくことです。