あす日和行政書士事務所 お問い合わせ
AI投資経済価値研究

AIは「使った量」ではなく「成果」で払う時代へ――成果課金でROIはどう変わるか

2026-09-01　/　関 光三

AIは「使った量」ではなく「成果」で払う時代へ――成果課金でROIはどう変わるか

2026年8月、米テクノロジー媒体The Informationは、OpenAIが一部の大口顧客に対し、AIが合意したタスクを完了した場合にのみ料金を支払う契約を提示し始めたと報じました。例として挙げられたのはカスタマーサポートで、AIが問い合わせ対応を完了した場合に課金する仕組みです。

ただし、現時点でOpenAIはこの料金体系を公式発表していません。The Informationの報道に対してもコメントを控えており、対象顧客、価格、成果の判定方法などの詳細は明らかになっていません。したがって「OpenAIが成果課金へ移行した」という段階ではなく、一部の大口顧客との契約で新しい課金方法を試している、と見るのが適切です。

それでも、この動きには大きな意味があります。企業がAIに払うお金の基準が「どれだけAIを使ったか」から「どれだけ仕事が終わったか」へ近づく可能性があるからです。課金単位が変われば、AIコストの捉え方が変わり、最終的にはAI投資の評価方法も変わります。

OpenAIが試していると報じられた「完了した仕事への課金」

現在、生成AIの料金には、ユーザー数に応じた月額料金や、APIで消費したトークン量に応じた従量課金が広く使われています。OpenAIも新規Enterprise顧客向けの一部料金体系で、入力、キャッシュ済み入力、出力の各トークン数に応じて料金を計算しています。

この方式では、企業が購入しているのは基本的に「AIを使う権利」や「AIが処理した計算量」です。AIエージェントが何度も推論を繰り返し、最終的に仕事を完了できなかったとしても、その過程で使った計算資源には費用が発生します。

一方、今回報じられた方式では、課金の基準が「問い合わせを解決した」といった完了した仕事に移ります。

これはOpenAIだけの動きではありません。AIエージェントを提供するSierraは、問い合わせの解決、解約防止、アップセルなど、あらかじめ定めた成果に応じて課金する「Outcome-based Pricing」を採用しています。IntercomのFin AI Agentも、2026年7月時点で、問い合わせの「Resolution（解決）」を1件0.99ドルなどと設定しています。SalesforceもAgentforceでアクション単位のFlex Creditsを提供し、料金表にはHelp Agentの解決単位の料金も示しています。

ソフトウェアの課金単位は、概念的には、

「席数」→「利用量」→「アクション」→「完了した仕事」→「成果」

と、少しずつ企業が得る価値に近づいていると考えられます。

なお、「タスクを完了したこと」と「売上増加やコスト削減という最終成果」は同じではありません。StripeもAIの料金体系を整理する際、「完了したタスク」と「成功した成果」を区別しています。この違いは、後述するROIを考えるうえで重要です。

「トークン単価が安いAI」だけではコストを判断できない

成果課金が注目される背景には、AIエージェントのコスト構造があります。

Bain & Companyは2026年6月、2024年12月から2025年12月にかけて平均的なトークン価格が半減する一方、消費されるトークン量は4.5倍に増えたと分析しました。モデル自体は安くなっても、AIエージェントがより複雑な仕事を担い、推論、ツール呼び出し、エラー修正、コンテキスト読み込みなどを繰り返すことで、「1つの仕事を終わらせるためのコスト」が思ったほど下がらない場合があります。

これは企業にとって重要です。

仮に100万トークン当たりの価格が半分になっても、同じ仕事を終わらせるために必要なトークンが3倍になれば、仕事1件当たりの費用は下がりません。

したがって企業が知りたいのは、必ずしも「1トークンはいくらか」ではありません。

「問い合わせを1件解決するのにいくらか」 「請求書を1件処理するのにいくらか」 「契約書を1件レビューするのにいくらか」

という、Cost per TaskやCost per Outcomeです。Bainも企業に対して、タスク、ワークフロー、成果ごとのコストを計測するよう提案しています。

成果課金になると、顧客側から見たコストはこの業務単位に近づきます。

内部で10回推論して成功しても、100回推論して成功しても、契約上「問い合わせ1件の解決＝250円」であれば、顧客企業から見たコストは250円です。AIの再試行や無駄な推論によるコストリスクの一部が、顧客側からベンダー側へ移ります。

もちろん、ベンダーはそのリスクを価格に織り込むため、成果課金が必ず安くなるわけではありません。変わるのは「安さ」よりも「何に対して払うか」です。

成果課金が主流になれば、ROIは「1成果当たり」で見やすくなる

この変化は、AI投資のROIにも影響します。

現在のAI投資では、AIライセンス、API、開発費、運用費などのコストに対して、削減時間、生産性、売上、品質向上などの効果を結び付ける必要があります。しかし、トークンは企業の成果から遠い単位です。

「今月1億トークン使った」と分かっても、それによって会社が何を得たかは分かりません。

成果課金なら、少なくとも分母であるAIコストを業務単位に近づけられます。

例えば、人が問い合わせを1件処理するために必要な経済コストが800円で、AIによる解決1件の料金が250円だったとします。

単純な業務原価比較では、

800円−250円＝550円

となり、「この業務をAIへ任せることによる1件当たりの経済差額」を把握できます。

AI投資判断が、

「どのモデルの100万トークン単価が安いか」

から、

「この仕事をAIに1件完了させるといくらか」

へ変わるわけです。

これはAIを「ITツール」として見る考え方から、「業務を処理する生産資源」として見る考え方への変化とも言えます。

それでも「AIが仕事を完了した＝ROIが出た」ではない

ただし、ここには注意が必要です。

先ほどの例で、人が処理すれば800円、AIなら250円だから「550円の利益が出た」と考えるのは早計です。

AI導入後も社員数や給与が変わらず、残業も減らず、外注費も減らなければ、800円の人件費がそのまま消えるわけではありません。

AIによって問い合わせ対応の時間が減ったとしても、その時間が別の仕事に使われなければ、財務上の価値は限定的です。

AI効果を考える際には、

「AIが仕事を完了した」→「人間の作業時間が空いた」→「残業削減、外注削減、採用回避、売上増加などに転換された」→「実際の経済価値が生まれた」

という段階を分けて考える必要があります。

筆者がAI投資の経済効果を調査する中でも、AIによって生まれた余力である「Capacity Created」と、その余力が実際に企業価値へ転換された「Capacity Realized」は分けて測る必要があると考えています。

成果課金は、この問題を解決するものではありません。

むしろ、AIベンダーが保証する「仕事の完了」と、企業側が確認すべき「経済価値」の境界を明確にする仕組みだと捉えた方がよいでしょう。

AI投資は「どのAIを買うか」から「どの仕事を何円で任せるか」へ

もし成果課金が広がれば、企業のAI投資には少なくとも4つの変化が考えられます。

第一に、AIベンダーの比較方法が変わります。モデル性能やトークン単価だけではなく、問い合わせ解決、資料作成、契約レビューなど「特定業務を完了するための単価・品質・成功率」で比較しやすくなります。

第二に、AI予算の見方が変わります。AI費用は一律のソフトウェア利用料というより、特定業務を処理するための変動費に近い性格を持つようになります。管理会計上、従来の人間処理原価や外注費との比較もしやすくなります。

第三に、「自社で作るか、外部AIに任せるか」というBuild or Buyの判断が変わります。自社開発ではトークン、開発、人材、監視、失敗した推論などを含む総コストを負担します。外部サービスが「1件○円」で成果を提供するなら、両者を業務単位で比較できます。

第四に、契約と効果測定がより重要になります。

何をもって「完了」とするのか。顧客が後から再問い合わせした場合はどうするのか。人間が途中で介入した場合は成果として数えるのか。売上が増えた場合、AI以外の営業活動や広告の影響をどう除くのか。

Stripeも成果課金には、成果の明確な定義、測定、帰属、契約ルールが必要だとしています。

AI時代には「成果の定義」が料金表であると同時に、ROI測定の基準にもなっていく可能性があります。

まとめ――AIコストと事業成果の距離が縮まる

OpenAIが一部の大口顧客に成果連動型の料金体系を提示しているという報道が事実であれば、これは単なる新しい値付け方法以上の意味を持ちます。

AIに払うお金の単位が、

「ユーザー数」 「トークン数」 「アクション数」

から、

「完了した仕事」 「得られた成果」

へ近づいていくからです。

この変化によって、企業は「どのAIが安いか」ではなく、「どの仕事を、どの品質で、いくらでAIに任せられるか」を基準に投資判断できるようになります。AI投資は、ソフトウェアの購入判断から、業務そのもののUnit Economicsを比較する経営判断へ近づいていくでしょう。

一方で、成果課金になってもROI測定が不要になるわけではありません。

「AIが仕事を完了したこと」と「会社に経済価値が生まれたこと」の間には、依然として距離があります。

むしろ成果課金の本当の意味は、その距離を短くすることです。

AIベンダーが「何を、いくらで完了させたか」を示し、企業が「その完了した仕事が、最終的にいくらの経済価値へ変わったか」を測る。

この二つを接続できる企業ほど、AIを「たくさん使う」ことではなく、「投資として成果を生む」ことへ近づけるのではないでしょうか。

---

主な情報源

  • The Information, “OpenAI Starts Letting Some Customers Pay Only When the AI Works”

    • https://www.theinformation.com/briefings/openai-starts-letting-customers-pay-ai-works

  • Superpower Daily, “OpenAI Reportedly Tests Pay-on-Completion AI Deals With Some Large Customers”

    • https://superpowerdaily.com/posts/openai-reportedly-lets-large-customers-pay-only-for-completed-ai-tasks-raising-a-proof-test

  • OpenAI, “ChatGPT Rate Card (Enterprise token-based pricing)”

    • https://help.openai.com/en/articles/20001415-chatgpt-rate-card-enterprise-token-based-pricing

  • Sierra, “Outcome-based pricing for AI agents”

    • https://sierra.ai/blog/outcome-based-pricing-for-ai-agents

  • Intercom, “Fin AI Agent outcomes”

    • https://www.intercom.com/help/en/articles/8205718-fin-ai-agent-outcomes

  • Salesforce, “Agentforce Pricing”

    • https://www.salesforce.com/agentforce/pricing/

  • Stripe, “A framework for pricing AI products”

    • https://stripe.com/blog/a-framework-for-pricing-ai-products

  • Stripe, “Outcome-based pricing: A guide to linking revenue to results”

    • https://stripe.com/resources/more/outcome-based-pricing

  • Bain & Company, “How Token Economics Will Change Opex”

    • https://www.bain.com/insights/how-token-economics-will-change-opex/