財務部門が AI 予算を承認し、IT 部門もモデルの使用量を把握できているにもかかわらず、月末に届く請求額が予想を上回ることがあります。営業見積もり、購買価格の比較、カスタマーサポートの回答などを AI Agent に任せると、1つのワークフローで複数のデータソースを参照し、異なるモデルを呼び出し、エラーが発生すれば再実行する必要があります。管理者が最終的に目にするのは1つの成果物だけですが、実行するたびに状況が異なるため、その裏側で発生するコストも変動します。
TechOrange がまとめた Mavvrik と Benchmarkit の共同レポートによると、調査対象企業の98％がすでに AI インフラコストを追跡し、95％が正式な予算を策定しています。しかし、予測誤差を±10％以内に抑えられている企業はわずか11％です。原文では、調査対象が世界の396社に及ぶとしていますが、業種、企業規模、地域別の分布については説明されていません。そのため、これらの数値は企業にリスクへの注意を促す参考情報としては有用ですが、そのまま台湾企業のコスト基準として用いるべきではありません。企業は導入前からコスト管理に着手し、各ワークフローにかかる費用を明確にしたうえで予算上限を設定し、使用量が上限に達した場合はシステムがワークフローを直ちに停止するようにする必要があります。さらに、異常発生時の停止方法を定め、業務の難易度に応じて異なるモデルを使い分けることも重要です。
ワークフローごとの費用を明確にして、コストの発生源を把握する
すべての費用を単一の年間 AI 予算にまとめてしまうと、財務部門は総支出の増加を把握できても、どの部門、どのメンバー、どの AI Agent が予算を超過したのかを特定することが困難です。企業は「1回の業務を完了すること」を計算単位にすることができます。たとえば、見積もり提案書を1件作成する、購買価格の比較を1回完了する、カスタマーサポート案件を一括で整理するといった単位です。そのうえで、その業務に使用したモデル、データプラットフォーム、サードパーティーのアプリケーション・プログラミング・インターフェース（API）、さらに失敗後の再実行にかかった費用をすべて算入します。
このような計算が必要なのは、モデル利用料が必ずしも最大の支出項目とは限らないためです。レポートに記載された想定外コストの発生源を見ると、データプラットフォーム費用が47％を占め、言語モデルの token 費用である43％を上回っています。AI Agent がデータベースへ頻繁に問い合わせる場合、モデルを1回呼び出す際の料金が安く見えても、ワークフロー全体では予算を超過する可能性があります。企業が token 使用量だけを追跡していると、データ照会、ワークフローの実行管理、再実行に伴う費用を見落としてしまいます。
プロダクト型 AI（Product AI）とワークフロー型 AI（Workflow AI）も、分けて管理する必要があります。プロダクト型 AI は製品の粗利益と顧客体験に直接影響するため、製品側のコンピューティング費用と API 費用を売上原価に計上し、顧客とのやり取り1回あたりのコストを明確にすることが推奨されます。一方、ワークフロー型 AI は、従業員の日常業務や企業運営に使用されます。企業は1回のタスクを完了するための費用を算出し、削減できた人手による処理時間や、その後に必要となる人手での確認作業と比較できます。本番稼働前に、プロジェクト責任者は、各機能、各ワークフロー、顧客とのやり取りごとに発生する費用を個別に算出できるかを確認する必要があります。
実際に費用が発生する単位で予算を設定し、超過時には直ちに停止する
総予算の設定は引き続き必要ですが、企業は実際に費用が発生する単位にも予算を配分する必要があります。会社、部門、メンバー、AI Agent の各階層に上限を設定し、それぞれの責任者を指定することが推奨されます。たとえば、カスタマーサポート部門の使用量が上限に近づいた場合は、部門責任者が案件数とワークフロー設定を確認します。特定の AI Agent の使用量が急増した場合は、ワークフロー責任者が実行をいったん停止し、原因を調査します。
コストアラートとブロックも明確に区別する必要があります。アラートは関係者に通知するだけですが、ブロックは新たな費用の発生を停止します。システムが通知メールを送信するだけでは、深夜も稼働しているスケジュール処理は停止せず、請求額は増え続けます。企業は早い段階でアラートが発せられるしきい値を設定し、責任者が確認する時間を確保したうえで、使用量が予算上限に達した時点で実行を停止させることができます。業務上の理由で上限を引き上げる必要がある場合は、権限を持つ担当者が用途、増額する金額、有効期間を確認した後に、システムの実行再開を許可すべきです。
EgentWrX は、テナント（tenant、つまり会社全体）、部門、メンバー、AI Agent という4階層の予算設定に対応しています。いずれかの階層で予算枠を使い切ると、EgentWrX はそれ以降の実行をブロックできます。デフォルトのアラートしきい値は80％です。ただし、実際に実行を停止させるには、管理者が予算超過後の処理方法を「ブロック」に設定しておく必要があります。導入時には各階層の予算と、超過時の対応担当者を指定し、本番稼働前に必要なルールを整備することが重要です。その後は、業務量とワークフロー1回あたりのコストに基づいて毎月予算枠を調整し、未使用の総予算を各部門へ単純に均等配分しないようにします。
ワークフローが連続して失敗したら停止し、業務の難易度に応じてモデルを使い分ける
原文によると、自動再試行や複雑なワークフロー設計により、同じワークフローを2回目に実行した際の費用が当初の2倍、場合によっては10倍以上に増加する可能性があります。データ形式の変更、社内システムの応答停止、権限設定の誤りなどが原因で、スケジュール処理が繰り返し失敗することがあります。責任者が問題を解決する前に実行を再開してしまうと、企業は同じエラーに対して費用を払い続けることになります。
定期実行タスクについて、EgentWrX はタスクが5回連続で失敗すると自動的に停止し、担当者が問題を解決した後に再起動できる仕組みを備えています。ただし、企業側でも異常対応の担当者を事前に指定し、実行履歴を保存するとともに、再起動の条件を明文化しておく必要があります。たとえば、データソースの復旧を確認し、まず1件のタスクをテストして正常に完了した後、元のスケジュールを再開するといった条件です。自動停止は、担当者が確認する時間を確保するための仕組みです。再起動して費用の発生を継続するかどうかは、責任者が判断しなければなりません。
どのモデルを選択するかによっても、ワークフロー全体のコストは変わります。企業はまず業務の難易度に応じて、判断難易度の高い業務、一般的な文書処理業務、大量の定型業務という3種類にタスクを分類できます。そのうえで、それぞれに最高レベルの能力を持つモデル、性能とコストのバランスに優れたモデル、高速かつ低コストのモデルを割り当てます。EgentWrX では、同一のプラットフォーム上で Anthropic、OpenAI、オンプレミスモデル（on-premises model）を管理し、メッセージごとのタスク要件に応じてモデルを切り替えることができます。ただし、企業は完全なワークフローを使って実行回数と総費用を検証する必要があります。1回の対話にかかる料金だけでは、データ照会、ツールの呼び出し、失敗後の再実行に伴う費用を反映できないためです。導入前には、まず1つの固定ワークフローを選んで実測し、正常実行時と失敗時の費用をそれぞれ記録します。停止、アラート、人手による対応がすべて正常に機能することを確認してから、利用範囲を段階的に拡大します。
よくある質問
すでにクラウド予算を設定している場合でも、AI Agent のコストを別途管理する必要がありますか？
必要です。クラウド全体の予算では総支出を把握できますが、どのワークフロー、部門、AI Agent が費用を発生させたのかを必ずしも特定できません。企業は、モデル、データプラットフォーム、サードパーティー API、失敗後の再実行にかかった費用を同じレポートにまとめ、さらに業務を1回完了するために必要なコストを追跡する必要があります。
AI Agent の予算は、どのくらいの頻度で調整すべきですか？
実際の業務量とワークフロー1回あたりのコストに基づき、毎月調整することを推奨します。新しいワークフローの追加、モデルの変更、データ照会方法の変更があった場合は、改めて試算する必要があります。調整前には、正常実行時、失敗後の再実行時、ピーク利用時の記録を確認し、前期の予算総額をそのまま流用しないようにします。
コストアラートを設定した後も、ブロックを設定する必要がありますか？
必要です。アラートは通知するだけであり、スケジュール処理がそのまま実行され続ける可能性があるためです。企業は予算上限と、超過後に停止する業務を明確に設定する必要があります。同時に、誰が上限を引き上げる権限を持つのか、どこまで引き上げられるのか、いつ元の上限に戻すのかを指定し、通知メールが送信された後も費用が増え続ける事態を防ぐことが重要です。
先に低価格のモデルを選ぶべきですか。それとも、まずワークフローを短縮すべきですか？
まず、完全なワークフローを使って各工程にかかる費用を測定し、その結果に基づいてモデルの割り当てとワークフローの調整方法を決めます。判断難易度の高い業務には、より高性能なモデルを選択できます。一方、大量の定型業務には、より低コストのモデルを選択できます。また、データ照会や失敗後の再実行回数も確認する必要があります。そうしなければ、モデル費用だけを削減できても、ワークフロー全体の総コストはほとんど下がらない可能性があります。
参考資料
- 【企業の AI コストレポート】エージェント型 AI と AI 開発ツールのコストがビジネス上の意思決定に与える影響、「プロアクティブな財務防衛線」で制御不能な請求を防ぐ — TechOrange がまとめた Mavvrik と Benchmarkit の共同レポート。AI コストの予測、エージェント型ワークフロー、財務管理上の課題について解説しています。
