AIエージェント時代、「AI利用料を管理する仕事」が生まれ始めた

AIで仕事を自動化する話をしていたはずなのに、企業のIT部門や財務部門が「AIにいくら使ったのか」を管理するための機能が相次いでいるようです。

2026年8月、SalesforceはAI・APIのトラフィックとトークン消費を管理する「MuleSoft Omni Gateway」を日本市場で提供開始し、マネーフォワードも法人向けにAI利用コストと利用量を可視化する「マネーフォワード クラウドAIトークン管理」を始めました。

IBMはAI関連支出とビジネス成果を結び付けて可視化する「IBM Apptio AI Value & ROI」を発表していますし、一社だけの提供であれば新しいサービスの登場として受け取れるのですが、複数社がほぼ同時期に「AIをどれだけ使ったか」「いくらかかったか」「その結果、何が得られたか」を管理する機能を打ち出していることは、今後の重要なファクターとなりつつあるようですね。

AIを使って仕事を減らしたら、今度は「AIの利用料」を管理する必要が

これまで企業がソフトウェアの予算を考えるとき、契約するサービスと利用者数、契約プランなどを基に決定することが多かったのですが、AIでは、利用するサービスによってトークンなどの消費量が費用に関係してくることになります。

Salesforceの新しい仕組みは、AI・APIのトラフィックとトークン消費を追跡し、トークン制限やレート制限を適用しながらコストを可視化するもので、マネーフォワードもAIツールの利用量とコストをダッシュボードで把握し、AI関連支出を集約する仕組みを提供しています。

つまり、AIを導入した後に「どのサービスを契約したか」だけでは十分ではなく、誰がどの程度使ったのか？そしてどんな処理に費用が発生したのかまでの利用実態が、管理する対象になってきています。

これはAIエージェントの使い方が、従来のソフトウェア利用よりも変動しやすいことと関係してきています。

AIエージェントの料金が難しいのは「使った量」が一定ではないこと

AIエージェントは、決められた一つの操作をするだけとは限りませんし、仕事の途中で情報を取得したり、ツールを呼び出したり、処理を繰り返したりし、その結果、同じような仕事を頼んでも、実際に消費する計算資源が同じになるとわけではありません。

この点は、Microsoft Researchの研究でもかなり具体的に表れていて、同研究はSWE-bench Verifiedを使い、8種類の最先端LLMによるエージェント型コーディングのトークン消費を分析したのですが、その結果、同じタスクでも実行ごとの総トークン数が最大30倍異なるケースがあったようですが、そのトークン消費量の多さが、そのまま高い精度につながるわけでもなかったのだとか。

問題となるのは「AIをたくさん使ったから損をした」という単純な話ではなく、むしろ難しいのは、使った量だけでは、そのAI利用が高かったのか安かったのかを判断できないこと。

たとえば、ある業務でAIの利用量が増えたとしても、その結果として人間が行っていた作業が大きく減ったなら、その支出には意味があるのですが、反対に、トークンを大量に消費しても成果がほとんど変わらなければ、利用方法を見直す必要があります。

だから「AI利用料を減らす」という発想だけでは、管理の目的を取り違えやすい。

「何円使ったか」から「何を得たか」へ

この変化を象徴しているのがIBMの取り組みで、IBMが発表した「IBM Apptio AI Value & ROI」は、AIトークン利用コストを含むAI関連支出を、売上、コスト、スピード、生産性、リスクといったビジネス上の成果と結び付けて可視化し、2026年8月18日時点では、既存顧客向けにパブリック・プレビューとして提供され、一般提供は2026年第3四半期予定とされています。

ここに、AIの管理が次の段階へ進もうとしていることが表れていて「AIに月いくら払ったか」だけなら、経費の管理範疇なのですが、そこへ「その費用で何が変わったか」が加わってくると、AI投資そのものの評価となり、判断が難しくなってくる。

この違いは重要なことで「AIは便利だから使う」という段階では、利用量が増えること自体、歓迎されやすいのですが、企業の中でAIエージェントが複数の業務に入り込めば、利用量の増加はそのまま成果を意味しなくなっていきます。

そのため、AIを管理する側が見るべき数字も変わり、利用量を抑えたかどうかではなく、必要な仕事に必要なだけAIを使い、その費用に見合う成果が出ているか？

AI導入の評価は、そこへ近づいていくでしょう。

AIを導入するとき、先に決めるべきなのは「どのAIを使うか」だけではない

この話は、大企業のIT部門だけのものではない。

会社で生成AIを使う個人にとっても、AIサービスを増やすことが目的になると、いつの間にか「便利そうだから使う」ようになっていくのですが、今後必要になってくるのは、AIを使う対象と範囲を決めること。

• どの仕事をAIに任せ、どこまで自動化するのか
• その仕事にAIを使った結果、何が改善すれば成功なのか

こうした基準があれば、利用量が増えたときにも、それが無駄な消費なのか、必要な投資なのかを考えられる。

Salesforceがトークン消費の可視化と制限を、マネーフォワードが利用量と支出の一元管理を、IBMが支出と成果の対応付けを製品として打ち出しているのは、まさにこの管理の必要性を企業向けの仕組みに落とし込もうとする動きで、今回確認できた製品発表だけから「すべての企業でAI利用料が大きな経営問題になった」とまでは言えませんが、今後のAI利用においては避けては通れない問題となっていきそうです。

複数の企業がAIの利用量、コスト、成果を管理する機能を相次いで提供している事実には意味があって、AIを仕事に組み込むほど、「どのAIが一番優秀か」というこれまでの判断基準は終わりを告げ、このAIにいくら使い、その費用で仕事の何が変わったのか？ここまでを見通さなければならないように変わっていきます。

「AIエージェントをうまく使えているかどうか」という人の判断が、またひとつ増えてくるわけです。