生成AIの話をするとき、コストの論点はたいてい「トークン単価がいくらか」に寄ります。ですが実務で請求書を並べていて厄介なのは、単価ではなく 「誰にいくら払っているのか、社内の誰も全体像を持っていない」 という状態のほうです。
この記事は「AIでクラウド費用が急増する」という主張ではありません。むしろ後半で、急増を裏付けるデータは今のところ弱い、という逆風データを自分から並べます。それでも共通して起きるのは、請求先が分散して総額が見えなくなることです。これは市場予測ではなく請求書の構造の話なので、AI投資が伸びても縮んでも成立します。
前提: 法人のAI利用は、もう例外的な取り組みではない
先に前提を揃えておきます。「うちはまだAIを本格利用していないので関係ない」という感覚は、統計とはズレています。
| 数値 | 定義 | 出典 |
|---|---|---|
| 55.2% | 何らかの業務で生成AIを利用している企業 | 総務省 令和7年版 情報通信白書 |
| 33.9%（準備中を含め53.4%） | 言語系生成AIを導入済み | JUAS 企業IT動向調査2026 速報（2026年2月公表） |
| 87% | 生成AIを活用・推進中 | PwC Japan 生成AIに関する実態調査2026春 |
| 34.5% | 生成AIを活用している企業 | 帝国データバンク |
調査ごとに定義が違うので数字は割れますが、どの調査でも「一部の先進企業だけの話」ではなくなっています。
なぜ「席課金のSaaS」から「API」へ移るのか
ここがこの記事の中心です。外食と自炊で考えると分かりやすい。
これまでは外食だけでした。
┌──────────────────────────────┐
│ レストラン（SaaSの席課金） │ 会計は1枚・人数分・予算が読める
└──────────────────────────────┘
会計は1枚、金額は席数に比例するので、来月いくらかかるかが読めます。
ここから自炊、つまりAPIを自社システムに組み込む方向へ移る動機は、外食が不便になるからではありません。自炊のほうが便利で自分好みになるからです。使っているモデル自体は外食も自炊も同じで、変わるのは「材料」と「出てくる場所」だけです。
引き（自炊のほうが自分好みになる）
- 自分の冷蔵庫の食材が使える … 社内文書・顧客DBを踏まえた回答ができる
- 食卓まで運ばれてくる … 業務システムに埋め込まれ、AIの画面を開かなくても効く
- 好きな時間に食べられる … 夜間バッチ・24時間の自動処理に載せられる
押し（外食のままだと限界が来る）
- 席の数だけ料金がかかる … 全社展開すると人数に比例して増える
- コース料理しか選べない … 基幹システムやCRMの中に組み込めない
順序が大事で、引きが主、押しが従です。「席課金が高いからAPIにする」のではなく、「成果を出そうとすると自社データと繋ぐしかなく、その結果APIになる」というのが実際の順番です。
移った先で、会計が1枚から4枚に割れる
自炊を始めると、費用は1か所には出てきません。
【これから】外食 ＋ 自炊
┌────────────────────────┬────────────────┬──────────────┐
│ 費目 │ 請求元 │ 通貨 │
├────────────────────────┼────────────────┼──────────────┤
│ レストラン（席課金） │ AIベンダー │ 円/ドル混在 │
│ 食材費（APIトークン代） │ AIベンダー │ 💲 ドル建て │
│ 光熱費・キッチン設備 ★ │ AWS / Google Cloud │ 💲 ドル建て │
│ 調理の手間（開発・保守） │ 社内人件費 │ 円 │
└────────────────────────┴────────────────┴──────────────┘
会計が1枚から4枚に分散し、しかも請求元も通貨もバラバラになります。総額を誰も把握していない状態は、たいていこの分散から始まります。
見落とされやすいのは3行目です。APIを本番運用に載せると、トークン代とは別に、ベクトルDB、埋め込みの再計算バッチ、ドキュメント置き場のストレージ、推論を叩くアプリケーションサーバ、ログ・トレースの保管といった周辺インフラが必ず増えます。ここはAI関連費用としてではなく、普通のクラウド利用料としてAWSやGoogle Cloudの請求に紛れ込みます。
なお「トークン代と周辺インフラ費の比率」を示した公表データは見つかりませんでした。比率を語る記事があれば出典を確認してください。同様に、日本法人を横断した「席課金 vs API組み込み」の比率調査も存在しません。ここは定量化できない、と正直に書いておきます。
使用量が1ドルも増えなくても、円の支払いは増えている
上の表で通貨の列をわざわざ分けたのには理由があります。SaaSの席課金は円建てとドル建てが混在していて、たとえば Microsoft 365 Copilot や Google Workspace は日本円の定価が公開されています。一方で AWS と Google Cloud は確実にドル建てです。つまり図全体を為替リスクで囲むのは不正確で、影響を直接受けるのは💲を付けた行だけです。
その💲の行について、予測ではなく実績だけを見ます（FRED の DEXJPUS、2026年7月24日時点）。
| 年 | USD/JPY 年平均 |
|---|---|
| 2022年 | 131.46 |
| 2023年 | 140.50 |
| 2024年 | 151.46 |
| 2025年 | 149.57 |
| 2026年（7月まで） | 158.67 |
- 2023年平均 → 2026年平均で +12.9%（140.50 → 158.67）
- 2022年平均 → 2026年平均で +20.7%（131.46 → 158.67）
- 直近水準（163.71円）では、10円動くと約6.1%
読み方はひとつです。インスタンスを1台も増やしていなくても、ドル建てクラウド費用の円での支払額は2023年比で約13%増えている。 コスト最適化を頑張って使用量を10%削っても、為替でほぼ相殺されていた期間がある、ということでもあります。
将来のレンジは書きません。予測は外れるので、実績だけで十分に効きます。
取得は誰でも再現できます。
curl -s "https://fred.stlouisfed.org/graph/fredgraph.csv?id=DEXJPUS&cosd=2022-01-01" -o usdjpy.csv
マクロでも、クラウドの伸びの半分はGenAI起因
個社の請求書だけでなく、市場全体でも同じ方向の観測があります。Synergy Research Group の2025年2月6日の記事は、こう書いています。
"GenAI has been responsible for at least half of the increase in cloud service revenues."
（クラウドサービス収益の増加分の、少なくとも半分がGenAI起因）
同記事では2024年通年のクラウド支出は $330B、前年比 +$60B、成長率は2023年比で+4ポイントとされています。また同社は、ChatGPT登場以降でクラウド市場の成長率が約7ポイント押し上げられたとも述べています。
ここは誤読されやすいので注意が必要です。「7ポイント」は成長"率"が押し上げられた幅であって、「クラウド支出の7%がAI」ではありません。 この2つを混同した引用をよく見かけますが、社内資料で使うと指摘されます。
重要なのは「増加分の半分」という表現です。増えた分の出どころがGenAIだとして、その請求は「GenAI費用」という名前では届きません。GPUインスタンス、ストレージ、データ転送として、普通のクラウド請求の中に溶けて届きます。これがマクロ側から見た「見えなくなる」構造です。
想定される反論に、先に答えておく
ここまでの話に対して、詳しい人ほど反論を持っているはずです。自分から並べます。
反論1「国内のAIインフラ支出は急増していない」
そのとおりです。IDC Japan の国内AIインフラ支出予測は 2025年の6,946億円から2030年に約1兆円で、CAGR 7.3%。これは「急増」とは言いにくい数字です。
だからこの記事は「急増する」を主張していません。総額が増えるかどうかは企業次第。だが請求先が分散して見えなくなるのは、増えても増えなくても起きる、というのが主張です。むしろ総額が横ばいのときこそ、内訳の移動（席課金からAPI+インフラへ）は見落とされます。
反論2「AI支出は+47%と聞いたが」
Gartner の「世界AI支出 2026年 +47%」（$1.7649T → $2.5956T）を指しているなら、それはクラウド支出ではなくAI支出の総額で、半導体やAI搭載端末を含みます。クラウド費用の話に持ち込むと混同を指摘されます。使うなら定義を必ず併記してください。
反論3「成果が出ていないなら、AI投資はむしろ縮小するのでは？」
これは一番鋭い反論で、実際に「成果が出ていない」データは存在します。ただし定義次第で絵が真逆になります。
| 数値 | 定義 | 出典 |
|---|---|---|
| 86.7% | 活用企業のうち「業務への効果が出ている」 | 帝国データバンク |
| 64% | 活用・推進中のうち「期待通り」以上 | PwC 2026春 |
| 10% | 「期待を大きく上回る」 | PwC 2026春 |
| 4.0% | 導入企業のうち「期待を大きく超える」 | JUAS 企業IT動向調査2025 速報 |
「成果が出ているのは数%」は、"期待を大きく超える"という厳しい定義なら 4〜10% で正しい。一方「何らかの効果」なら6〜9割。どちらか一方だけを引くのはフェアではありません。なお PwC 2026春では、効果を実感している企業の割合は日本が6カ国中最下位でした。
そのうえで、縮小するかどうかへの答えです。これはデータではなく論理なので、そう明記して使います。
汎用のまま使うから成果が出ない。成果を出しにいくなら、自社データ・自社業務と繋ぐしかない。それはAPI化を意味する。つまり 成果を出しにいく企業ほど、クラウド費用側が増える。
逆に成果を諦めた企業は席課金のまま留まるので、費用は増えないかわりに分散もしません。どちらに転んでも、この記事の主張とは矛盾しません。
なお、単価が下がると総使用量が増えるというジェボンズのパラドックス的な説明もよく見ますが、生成AIについてこれを裏付ける定量データは見つかりませんでした。比喩として使うのは構いませんが、根拠として提示するのは避けたほうが無難です。
実務: 分散した費用を、どうやって拾い直すか
構造の話だけで終わらせても仕方ないので、明日からできる手順に落とします。
1. まず「AI関連」の境界を決めて文書化する
一番よくある失敗が、境界を決めないまま集計を始めることです。最低限、次を決めてください。
- モデル呼び出し料（トークン代）を含めるか
- 推論を叩くアプリケーションサーバを含めるか
- ベクトルDB・埋め込み再計算バッチを含めるか
- 検証環境・PoC環境を含めるか
境界が違う数字が2つ出てくると、社内で数字が信用されなくなります。定義を1枚のドキュメントにして、集計クエリと同じ場所に置いておくのが確実です。
2. AWS: コスト配分タグを「有効化」まで済ませる
AWSはタグを付けただけでは請求データに列が生えません。Billing コンソールの「コスト配分タグ」で有効化して初めて Cost Explorer や CUR で分割できます。しかも有効化した時点以降のデータにしか適用されないので、遅らせるほど過去が取れません。
-
ai-workload/projectなどのタグキーを決めて有効化する - Bedrock を使っている場合、モデル呼び出し料はAWSの請求に乗ります。Cost Explorer のサービス別で
Amazon Bedrockを確認してください - OpenAI や Anthropic と直接契約している場合、その料金はAWSの請求には一切現れません。ここは別途カード明細を突き合わせるしかありません
- 周辺インフラは請求上ただのEC2/S3/データ転送なので、タグがなければ永久に分離できません
3. Google Cloud: ラベル + BigQuery請求エクスポート
Google Cloud 側はラベルと、Cloud Billing の BigQuery エクスポートが基本線です。エクスポートを有効化しておくと、SKU 単位で横断的に集計できます。
SELECT
service.description AS service,
sku.description AS sku,
SUM(cost) AS cost_usd
FROM `PROJECT.DATASET.gcp_billing_export_v1_XXXXXX`
WHERE DATE(usage_start_time) >= DATE_SUB(CURRENT_DATE(), INTERVAL 90 DAY)
GROUP BY service, sku
ORDER BY cost_usd DESC
LIMIT 50
Vertex AI のモデル呼び出しも Google Cloud の請求に乗るので、ここで拾えます。エクスポートも有効化した時点以降しか蓄積されないため、まだなら今日設定しておくのがおすすめです。
4. 為替は「使用量」と切り離して見る
ドル建て請求を円換算した金額だけを月次で追っていると、使用量が増えたのか円安が効いたのかが混ざります。
- ドル建ての請求はUSDのまま時系列で持つ
- 円換算は表示レイヤーで行い、適用レートを併記する
- 前月比を見るときは「USD差分」と「為替差分」を分けて出す
これをやると、コスト最適化の成果が為替に食われている月を正しく説明できます。逆に言えば、この分離をしていない限り、削減施策の効果は社内で正当に評価されません。
5. 直契約分は別台帳を作る
OpenAI や Anthropic との直契約、その他AI関連の月額サービスはクラウド請求に現れないので、スプレッドシートでもいいので別台帳を作り、月次で合算した「AI総額」を1枚にまとめてください。4枚の会計を1枚に戻す作業を、誰か1人の担当として明示的に置くのが結局いちばん効きます。
まとめ
- 法人の生成AI利用はすでに一般化しており、「まだ関係ない」は統計と合わない
- APIへ移る動機は、席課金が高いからではなく、自社データと繋いだほうが成果が出るから
- その結果、費用は「席課金 / トークン代 / 周辺インフラ / 人件費」の4か所に分散し、請求元も通貨も割れる
- ドル建ての行は、使用量が同じでも円の支払額が変わる。実績で2023年平均比 +12.9%
- マクロでも、クラウド収益の増加分の少なくとも半分がGenAI起因（Synergy Research Group）。ただし請求書には「AI費用」とは書かれずに届く
- 国内AIインフラ支出のCAGRは7.3%で「急増」とは言いにくい。だから主張は「急増する」ではなく「見えなくなる」
タグとラベルの有効化、請求エクスポート、USDと為替の分離、直契約の別台帳。この4つは今日からでも着手できて、後になるほど過去データが取り返せなくなります。
筆者は AWS / Google Cloud のクラウド費用削減を専門に扱う CloudCut を運営しています。請求明細の読み解きからコミットメント設計まで対応し、認定パートナー経由の請求切り替えで 最大20%の削減1 を実現しています。
正直に範囲も書いておくと、私たちが削減できるのは上の図でいう ★を付けた「光熱費・キッチン設備」の行、つまりAWS / Google Cloudの請求だけです。OpenAI や Anthropic と直接契約しているトークン代は対象外です。Bedrock 経由のモデル呼び出しはAWS請求に乗るため対象範囲に入りますが、Vertex AI はリセラー割引が効かないため、Google Cloud側は対象範囲が広がっても割引が同じように効くわけではありません。このあたりの線引きも含めて、まずは現状の内訳を可視化するところからご相談いただけます。
-
「最大20%削減」は、CloudCut提供元におけるこれまでの導入実績における最大削減率です。実際の削減率は利用規模・契約期間・現行サービス構成により変動します。 ↩