生成AIを導入するとき、つい比較したくなるのはモデルの賢さです。しかし、機能が利用され始めた企業で次に問題になるのは、モデルの順位ではありません。
便利なAIを、利用が増えても採算を崩さず提供し続けられるか。
Canvaの最近の動きは、この問いをよく表しています。複数の報道によれば、同社はAI機能の提供コストが想定を上回ったことを受け、2026年の成長見通しを30%から20%へ引き下げました。一方で、自社向けのモデル、買収したLeonardo.Aiの技術、タスクごとのモデル選択を組み合わせ、AIタスク当たりのコストを約90%下げたと説明されています。CanvaによるLeonardo.Ai買収の発表と、CEO発言を報じたStartup Dailyの記事を合わせて読むと、これはAI利用を抑制する話ではなく、AIを大規模に続けるために経済構造を作り直す話です。
本稿では、この能力を「AIの財務主権」と呼びます。これは特定の製品名ではありません。企業がAIの価格、利用量、データの扱い、モデル依存を、自ら観測し、必要に応じて変えられる状態のことです。
AI導入の成功が、コスト問題を生む
生成AIの費用は、従来のユーザー課金SaaSとは性質が違います。
月額3,000円のSaaSを1,000人が使うなら、概算は月300万円です。もちろん追加費用はありますが、利用回数で請求額が大きく振れることは比較的少ないでしょう。
一方、AI機能では、ユーザーが一度押した「生成」ボタンの裏で、複数回のモデル呼び出し、検索、画像・動画生成、再試行、評価が走ることがあります。とくにエージェントでは、人間が一度「調査して」と指示しただけで、モデル呼び出しが数十回に増えることもあります。
さらに無料枠や定額プランを持つサービスでは、利用の増加がそのまま売上の増加になりません。AI機能が好評であるほど、原価だけが急増する局面が起こり得ます。
Canvaのケースを「AI導入の失敗」と読むのは正しくありません。むしろ、利用されるAIを本番製品に組み込んだとき、単価と利用量の組み合わせを管理できなければ、成功自体が損益を圧迫するという教訓です。
「最高性能を全部に」は、最適解ではない
ここで効いてくるのがモデルルーティングです。すべての処理を同じフロンティアモデルへ送らず、目的、品質要件、データ分類、許容レイテンシ、単価に応じて行き先を変えます。
たとえば問い合わせ対応を、次のように分類します。
| 処理 | 品質・リスク | 主な選択肢 |
|---|---|---|
| FAQの分類・定型回答 | 低〜中 | ルール、小型モデル、検索 |
| 文書要約・下書き | 中 | 中型モデル、RAG |
| 契約・障害・経営判断の支援 | 高 | 高性能モデル＋人間承認 |
| 高機密データの処理 | 高 | 自社管理環境、許可済みモデル |
ここでのポイントは「安いモデルへ無条件に逃がす」ことではありません。自社の評価セットで、必要な品質を満たす最も低コストな経路を選ぶことです。
仮に年間1,000万件の処理を、全件10円のモデルで実行すると1億円です。70%を1円、20%を3円、残り10%だけを10円で処理できれば、総額は2,300万円になります。この数値は説明用の試算ですが、利用量を減らさず、処理ごとに経路を選ぶだけで単価構造を変えられることが分かります。
Canvaの「約90%」は同社の条件下の結果であり、他社が再現できる削減率ではありません。それでも、モデルの使い分けと自社に近い技術を持つことで、タスク当たりの原価を経営上の変数にできる、という方向性は一般化できます。
KPIを「トークン数」から「成果単価」へ変える
トークン数、API呼び出し数、AI利用者率は、導入状況を知るには役立ちます。しかし、それ自体は成果ではありません。
営業提案を一件完成させるのに、モデルAは100円、モデルBは40円かかり、品質・確認時間・成約率が同等なら、企業が見るべきなのは「どちらが多くトークンを使ったか」ではありません。
見るべき式は、次のようになります。
成果当たりの残存価値
= 業務で得た価値
- モデル利用料
- 検索・クラウド・保存費
- 統合・監視・評価の費用
- 人間レビューと例外対応の費用
「AIコストを下げる」と聞くと、品質や安全性を削る施策に見えるかもしれません。しかし本当に比較すべきなのは、1件の正しい処理を完了するまでの総費用です。安価でも誤回答が増え、人が二重に確認するなら、成果単価は下がりません。
財務主権は、内製主義ではない
AIの財務主権を「すべてのモデルを自社で学習・運用すること」と理解する必要はありません。GPU、電力、推論基盤、監視、セキュリティ、MLOps人材まで含めれば、内製はむしろ高くなることがあります。
重要なのは、特定モデルの値上げ、性能低下、提供条件変更、地域制約が起きたときに、業務を止めずに別の選択肢へ移れることです。
そのために企業側が持つべき資産は、モデルそのものより次の六つです。
- データ境界：どのデータをどの利用条件のモデルへ送れるか。
- 評価セット：自社業務での品質、安全性、レイテンシを比較するテスト。
- ルーティング規則：品質、価格、データ分類、障害時の切替条件。
- コストテレメトリ：部署、機能、タスク、顧客単位の総費用。
- ポリシーと承認：高額利用、機密データ、外部送信、エージェント実行の制御。
- 退出経路：プロンプト、評価、ログ、ツール呼び出しを持ち出し、別モデルで再検証できる仕組み。
価格が安いことと、選択肢を持つことは別です。ベンダー固有のプロンプト、評価、ワークフロー、ログ形式に閉じ込められていれば、初年度が安くても将来の価格交渉力は弱くなります。
AI Gatewayを「請求書の集計器」で終わらせない
実装では、社員やアプリケーションが直接モデルAPIを呼ぶ構造から、AI Gatewayを経由する構造へ移します。ただしGatewayは単なるプロキシではありません。
利用者・アプリ
↓
AI Gateway ── 認可・データ分類・予算上限・監査ログ
↓
Task Router ── 品質要件・単価・遅延・障害状態で振分け
├─ 小型モデル
├─ 社内管理モデル
├─ 外部モデルA
└─ 外部モデルB
ここに置くべき制御は、最低でも四つあります。
- 予算ガードレール：部署・機能・エージェントごとに、警告、上限、承認を分ける。
- 品質フォールバック：安価な経路が評価基準を満たさないときだけ上位モデルへ再実行する。
- データポリシー：個人情報・機密情報の外部送信可否を、利用者任せにしない。
- 停止と復旧：異常なトークン消費やツール連鎖を止め、原因を追えるログを残す。
エージェントでは「一回のリクエスト単価」だけでは足りません。開始から完了までのモデル呼び出し、ツール実行、再試行、失敗、打ち切りを一つの run_id で追い、業務完了一件当たりの上限費用を持たせます。これにより、無限に近い再試行をするエージェントを検知・停止できます。
導入順序は、モデルの乗換えから始めない
既存の生成AIをすぐ別モデルへ置換するのは危険です。先に自社の「十分」を測れるようにします。
- 代表業務を三つ選び、品質、時間、修正率、総費用の基準値を取る。
- 実データを匿名化・許可した評価セットにして、候補モデルと経路を同じ条件で評価する。
- 低リスク業務からルーティングを導入し、品質低下時の再実行・人間エスカレーションを設ける。
- タスク単価、失敗率、再試行回数、レビュー時間を週次で見て、ルールを更新する。
- 高機密・高影響の業務では、価格だけで経路を変えず、責任者の承認と監査を残す。
この順序なら、コスト削減を理由に品質やデータ保護を後退させずに済みます。
「AIを使う会社」から「AIの経済条件を運用する会社」へ
Canvaの事例は、90%という数字そのものよりも、AIの原価を自社で組み替える経営判断に価値があります。AIを大規模に使うほど、モデルは固定された部品ではなく、価格・性能・データ条件が変動する調達対象になります。
これから問われるのは、「どのAIを全社導入したか」だけではありません。
どの業務に、どの品質で、どの経路を使うのか。価格が変わったときに誰が切り替えるのか。切替後も品質と安全性をどう確認するのか。そしてAIが生んだ価値から、運用コストを引いた結果をどう測るのか。
この問いに答えられる企業が持つのが、AIの財務主権です。最安のモデルを持つことではなく、必要な品質と安全性を守りながら、経済条件を変更できることです。
参照したURL
- Canva: Welcome to Canva, Leonardo!
- Startup Daily: Canva cuts revenue forecast by a third as it tackles high AI costs
- Inc.: Canva’s Valuation Is Down. Can It Reverse the Slide?
- TechCrunch: Canva gets to $4B in revenue as LLM referral traffic rises
作成日: 2026-08-23