AI投資は「トークン単価」では測れない――OpenAIが示した成果ベース管理の考え方
2026年7月14日、OpenAIは「エージェント型AI時代のAI投資管理方法」を公開しました。企業がAIの利用状況と支出を把握し、価値の大きい取り組みに投資するための5つのステップを示したものです。そこでは、GPT-4からGPT-5.4にかけて100万トークン当たりの価格が97％低下したことにも触れています。
AIの価格低下は、企業にとって歓迎すべきことです。しかし、AIを安く使えることと、AI投資の効果が高いことは同じではありません。
OpenAI自身も原文で、「token price alone does not show whether AI is creating value（トークン価格だけではAIが価値を生み出しているか分からない）」と明記しています。そのうえで経営者が見るべきものとして、「useful work per dollar」、つまり1ドル当たりにどれだけ有用な仕事を生み出したか、という考え方を提示しています。
この考え方は、企業のAI投資管理に一つの重要な変化を示しています。AIを「どれだけ使ったか」ではなく、「何を成し遂げたか」で評価しようとしているからです。
ただし、OpenAIが示す「成果」まで測れば企業のAI投資ROIが完成するわけではありません。成果が最終的に利益やコスト削減などの経済価値へどう変わったかまで確認する必要があります。
AI投資の管理単位が「利用量」から「仕事」へ変わり始めた
企業がAI導入を管理するとき、最初に把握しやすいのは利用量です。
何人がAIを使っているか。何回利用したか。どのモデルを使ったか。何トークン消費したか。月額いくらかかっているか。こうした数字は管理画面から比較的簡単に取得できます。
OpenAIも利用状況の可視化自体を否定しているわけではありません。5つのステップの最初に挙げているのは「利用状況と支出の見える化」です。
特徴的なのは、その先です。
OpenAIは、誰が、どの製品・モデルを、どれだけ使っているかに加えて、「その利用がどのような業務を支えているのか」まで把握する必要があると説明しています。利用量が増えていても、それだけでは無駄遣いなのか、有益な実験なのか、あるいは事業に不可欠なワークフローが育っているのか判断できないからです。
ここには、AI投資を見る単位の変化があります。
従来は「AIという製品を何人が使っているか」を中心に管理できました。しかしエージェント型AIでは、一度の指示から複数の処理を行い、外部ツールを使い、長時間にわたって仕事を進めることがあります。同じ「1人がAIを使った」という事実でも、実行される仕事の量もコストも大きく異なります。
利用者数やトークン数は、AIの活動量を知る指標としては有用です。しかし、それ自体は投資効果ではありません。
「成果1件あたりコスト」で見ると、安いAIが高くつくこともある
OpenAIの記事で、AI投資の費用対効果を考えるうえで特に重要なのが「cost per accepted outcome」という考え方です。日本語版では「採用された成果1件あたりのコスト」と表現されています。
ポイントは「accepted」です。
AIが回答を出した、文書を作った、コードを書いた、というだけでは成果として数えません。あらかじめ定めた品質基準を満たし、実際の業務で受け入れられるところまで到達した成果を基準にします。
OpenAIは、モデルの効率を評価するとき、モデルやツールの利用量だけでなく、試行回数、完了率、レイテンシ、人によるレビューまで含めて、その品質基準に到達する総コストを測るよう勧めています。
これは、「最も安いモデルを使えばAIコストを抑えられる」という考え方への重要な注意点です。
トークン単価が安いモデルでも、失敗が多ければ何度もやり直す必要があります。人が長時間レビューし、大幅な修正を行うなら、その時間も企業にとってはコストです。一方、1トークン当たりでは高価なモデルでも、一度で使える成果を出し、レビュー時間を大幅に減らせるなら、仕事を完成させるまでの総コストは低くなる可能性があります。OpenAIも「最も低いトークン価格が、必ずしも最も低い総コストを生むわけではない」と説明しています。
例えばカスタマーサポートなら、AIが回答文を何件生成したかではなく、最終的に「解決済み」となった問い合わせ件数を見る。エンジニアリングなら、生成したコード量ではなく、テストを経てレビューを通過した変更を見る。OpenAIはそうした例を挙げています。
AIの「活動量」ではなく、業務として完成した「成果量」を分母にする。この考え方は、AI投資管理を一段実務に近づけます。
エージェント時代のAI投資は「ツール購入」から「ワークフローへの投資」へ
OpenAIが示した残りのステップを見ると、もう一つの方向性も見えてきます。
AI投資の対象を、個々のAI製品ではなく「ワークフロー」として捉えようとしている点です。
OpenAIは、企業のAI投資をポートフォリオとして管理し、日常的な生産性向上のための幅広い利用、特定部門で繰り返される業務のワークフロー、自社固有のデータや文脈を使う戦略的な取り組みなどに分ける考え方を示しています。
さらに、探索段階では「その仕事をAIができるか」を試し、検証段階では品質基準に照らして代表的なケースをテストし、本番段階では統合、ガバナンス、信頼性、変更管理などに投資する、としています。価値が実証されたワークフローについて、初めて利用可能なキャパシティを拡大するという順番です。
これは、全社員にAIライセンスを配布して利用率を上げることとは発想が異なります。
「どのAIを導入したか」ではなく、「どの仕事にAIを組み込み、その仕事がどの程度の品質とコストで完了しているか」を投資単位にする。
エージェント型AIが広がるほど、この考え方は重要になるでしょう。AIが一つのツールではなく、業務プロセスの一部として動くようになるからです。
日本企業では「時間削減」と「経済価値」を分けて考える必要がある
ここからはOpenAIの記事そのものではなく、日本企業のAI投資管理に置き換えて考えてみます。
IPAが2026年7月に公表した「DX動向2026」の調査では、国内企業1,799社から回答を得ています。AI導入は広がっている一方、AIの利用用途や効果は業務効率化・迅速化が中心で、「期待どおり」「期待以上」の効果を得ている企業の割合は限定的とされています。また、企業価値創出への展開も限定的だとしています。
この状況を考えると、日本企業ではAI投資の効果を少なくとも次のような段階に分けて見る必要があります。
利用（Usage） ↓ 業務処理（Work / Process） ↓ 採用可能な成果（Accepted Outcome） ↓ 事業成果（Business Outcome） ↓ 経済価値（Economic Value）
例えば、生成AIによって年間1万時間の作業時間を削減できたとします。
1万時間という数字は大きく見えます。しかし、その時間分だけ社員の給与が減るわけではありません。削減された時間が残業削減につながったのか、外注費を減らしたのか、新規採用を回避できたのか、処理件数を増やしたのか、売上を伸ばす仕事へ振り向けられたのかによって、企業に生まれる価値は変わります。
一方で、削減された時間が単に空いた時間として残ったのであれば、「1万時間削減＝1万時間分の人件費削減」と評価することはできません。
OpenAIも「cost per accepted outcome」と組み合わせるビジネス価値として、削減時間、サイクルタイム短縮、守られた収益、回避されたリスク、創出されたキャパシティなどを挙げています。
ただし、それぞれを最終的にどのように金銭価値へ換算するかまでは、今回の記事では示していません。
OpenAIの考え方を日本企業の経営判断へ応用するなら、ここにもう一段、「その成果が実際にどのような経済価値へ転換されたか」という測定が必要になります。
OpenAIの「Outcome ROI」は有用だが、企業のROIを完成させるものではない
OpenAIが示した枠組みは、AI投資管理を利用量やトークン単価だけで終わらせないという点で有用です。
一方で、この枠組みをそのまま「企業のAI投資ROIの測定方法」と受け取るのは慎重であるべきです。
第一に、この記事を公開しているOpenAI自身がAIサービスを提供する企業です。記事にはChatGPT Work、Guaranteed Capacity、Scale Tier、Batch API、OpenAI Frontierなど、OpenAI自身の製品や商用サービスも登場します。一般的なAI投資管理の考え方と、OpenAI製品を企業内で拡大するための実務的な提案が一つの記事の中に含まれています。
第二に、「Outcome ROI」という言葉は使われていますが、一般的な財務分析で使うROIの具体的な計算式や、投資回収期間、キャッシュフローなどの評価方法まで示されているわけではありません。
その意味では、「cost per accepted outcome」は企業全体の投資採算を計算する完成形というより、AIによる仕事のUnit Economics、つまり「使える成果を1件作るのにいくらかかったか」を把握する考え方として読む方が適切です。
そして第三に、採用可能な成果を安く作れたとしても、その成果自体が企業に大きな価値を生まなければ、良い投資だったとは限りません。
AI投資を経営判断までつなげるには、
トークンや利用量 → 採用可能な成果 → 事業成果 → 経済価値
と評価単位を後ろへ進めていく必要があります。
OpenAIが今回示した考え方の意義は、AIを「どれだけ使ったか」という管理から、「どれだけ使える仕事を生み出したか」という管理へ視点を移したことにあります。
AIの利用率やトークン消費量を把握することは必要です。しかし、それはAI投資評価のスタート地点にすぎません。
これから企業に求められるのは、AIを使った量を増やすことではなく、AIによって生み出された成果を見極め、その成果が最終的にどれだけ事業価値へ変わったのかを追跡することではないでしょうか。
---
主な情報源
- OpenAI, “How to manage AI investments in the agentic era”
- OpenAI 日本語版「エージェント型AI時代のAI投資管理方法」
- IPA「DX動向2026」
https://openai.com/index/managing-ai-investments-in-agentic-era/
https://openai.com/ja-JP/index/managing-ai-investments-in-agentic-era/
https://www.ipa.go.jp/digital/chousa/dx-trend/dx-trend-2026.html