「AIは安くなる」が終わった日——OpenAI値上げと、トークンを数え始めた企業

3月17日に起きた3つのこと

3月17日、3つのニュースが重なった。WSJが「OpenAIは全方位戦略を撤回し、コーディングと法人向けに集中する」と報じた。OpenAIアプリケーションCEOのFidji Simoが全社会議で「寄り道に気を取られてこの瞬間を逃すわけにはいかない」と述べたとされる。Sora、Atlasブラウザ、Agent mode——昨年発表した複数のプロダクトが「寄り道」に分類され、縮小対象になっている。

同じ日、OpenAIはGPT-5.4 miniとnanoを発表した。性能は大幅に向上した。miniのコード自動修正テストのスコアは前世代の45.7%から54.4%に向上し、PC画面を自律操作するテストでは42%から72%に跳ね上がった。だが価格も跳ね上がった。miniの入力トークン価格は100万あたり0.75ドル、GPT-5 miniの3倍。nanoの入力は0.20ドル、GPT-5 nanoの4倍だ。

そして同日、WSJのKatherine Bindley記者が別の記事を出した。米国企業がAIトークンの消費量を社員ごとに追跡し始めている、と。Zapierはトークン消費ダッシュボードを構築し、ある社員の消費が同僚の5倍だった場合、それが「増幅すべき成功パターン」か「修正すべき非効率」かを判断しようとしている。

この3つは別々のニュースに見えて、同じ構造変化の3つの面だ。

Anthropicの「集中」が、OpenAIの「散漫」を照らした

OpenAIの戦略転換の背景に、Anthropicの存在がある。米国の経費管理サービスRampのデータによると、Anthropicに支払いのある企業は全体の約24%に達し、1年前の約4%（25社に1社）から急増した。初めてAIを導入する企業がOpenAIとAnthropicを比較した場合、約70%がAnthropicを選んでいる（Ramp AI Index、2026年3月）。Claude Codeの推定年間売上は25億ドル（約3,750億円）に達している。

Anthropicは最初から「コーディング×法人」に集中していた。OpenAIがSora、Atlas、コマース機能、Jony Iveとのハードウェアデバイスと手を広げている間に、Anthropicは一点突破で法人市場を取った。Fidji Simoが社内でAnthropicの成功を「wake-up call」と表現し、「code red」状態にあると伝えたのは、このシェア反転の結果だ。

ここで見落とされがちなのは、戦略の集中と価格の引き上げが構造的に連動していることだ。コンシューマー市場では「安さ」が武器になる。だが法人市場では「安さ」より「生産性への貢献」が購入の判断基準になる。OpenAIがコンシューマーの全方位戦略からエンタープライズの集中戦略に切り替えたということは、価格を上げても売れる市場に移動したということでもある。GPT-5.4 mini/nanoの3〜4倍の価格は、単なる値上げではなく、顧客層の入れ替えを反映している。

先日のコマース戦略撤退の記事で、OpenAIがChatGPT内の直接決済に失敗したことを書いた。収益化の選択肢が狭まるなかで、今回のAPI価格改定の意味はさらに重くなる。

クラウドが辿った道を、AIが早送りで走っている

この構造変化には既視感がある。

2000年代後半、AWSが登場したとき、企業は「クラウドは安い」と飛びついた。初期費用不要、従量課金、スケーラブル。だが数年後、企業のクラウド請求書は膨らみ、「FinOps」（クラウドコスト管理の専門領域）という分野が生まれた。クラウドコストを可視化し、最適化し、部門ごとに配分する専門チームを企業は新たに設けることになった。

AIがいま辿っているのは、同じ道だ。「AIは安い」「トークン単価は下がり続ける」——この前提で企業はAI導入を進めた。だが実際には、モデルの世代が上がるたびに単価も上がっている。GPT-5 miniからGPT-5.4 miniへ、同じ「mini」というラベルのモデルの入力単価が3倍になった。性能が上がったから高い、という理屈は成り立つ。だがユーザーから見れば、「安い選択肢」のはずだったモデルの請求額が3倍になった事実だけが残る。

しかも、AIのコスト管理はクラウドより難しい。クラウドコストはサーバー台数とストレージ量に比例する。予測可能で、ガードレールを設定しやすい。AIのトークン消費は、モデルの選択、タスクの複雑さ、プロンプトの書き方、エージェントの自律度によって桁が変わる。Vercelのシニアエンジニアが1日で約1万ドル（約150万円）を使い、人間なら数週間〜数ヶ月かかるコードベースを1日で構築した事例が示すように、AIコストは「誰が、何に、どう使うか」で激しく変動する（WSJ報道）。Exceeds AIの創業者Mark Hullは、AnthropicのClaude Codeで3つのワークフローツール（約30万行）を約2,000ドル（約30万円）で生成した後、15人の全社員に展開したところ、48時間でコストが急騰し、利用制限を導入した（WSJ報道）。

先日配信したGPT-5.4の記事で、AIが「道具」から「オペレーター」になったと書いた。そのオペレーターが「給料」としてトークンを消費するなら、ROIの計算が必要になる。だが、そのROIの計算式はまだどこにも存在しない。

「5倍使う社員」を測る物差しが存在しない

Zapierの事例が、この問題の核心を映している。ある社員のトークン消費が同僚の5倍だった場合、Zapierのchief AI transformation officerはそれが「golden pattern（増幅すべき成功例）」か「anti-pattern（修正すべき非効率）」かを判断しようとする。だが、その判断は「消費されたトークンの先に何が生まれたか」にかかっている。

Vercel CEOのGuillermo Rauchは、現時点ではトークン高消費者がトップパフォーマーだと観察している。1日約150万円分のトークンを消費したエンジニアが、数ヶ月分の仕事を1日で完了した。Rauch自身、その投資は「数百万ドルの節約」だったと推定している。だが同時に、「副業やサイドプロジェクトに使う乱用も出てくる」と認めている。Kumo AIでは、エンジニアが週末にスキーに行っている間もAIエージェントがタスクを実行し続ける。トークンは人間の勤務時間に縛られず、24時間消費される。

シカゴ大学Boothスクールの研究者Brian Jabarianは「AIトークンを使えば生産性が上がって終わり、と皆が思っていた。現実はもっと複雑だ」と指摘する。50万人にAIツールを配った場合、トークン問題は「一次的な経営課題」になる。

物差しのない状態で、企業は「制限」と「放任」の二択を迫られている。制限すれば生産性向上の機会を潰す。放任すればコストが暴走する。この二択を超えるには、「トークン消費あたりのアウトプット」を測る仕組みが必要だが、アウトプットの定義自体がまだ固まっていない。クラウドが辿った道の先にAI版FinOpsが生まれるとすれば、それは「トークンを管理する技術」ではなく「AIの価値を定義する経営判断」になる。