AIに月数万円も払う時代が来た、ChatGPTだけでは済まない追加課金の連鎖とサービス淘汰の行方

　ChatGPTや、Gemini、Claudeなどのサブスクを契約している人は、増えていると思う。筆者も、日常的に原稿のアイデア出しや、取材情報のまとめ、原稿の校正、その他、アシスタント的にも使っている。しかし、それ以外にも『オプションとしてのAI課金』が増えていることにお気付きだろうか？　 ■月額3000円も、積み重なれば大きな負担になる 　たとえば、ZoomのAI Companion、Adobe Firefly、Adobe AcrobatのAI Assistant、Slackの上位プラン、Microsoft 365のCopilot、Notion AI、DropboxのAI機能など、ありとあらゆるウェブサービスにAI機能が組み込まれるようになった。

　ChatGPTや、Gemini、Claudeなどのサブスクを契約している人は、増えていると思う。筆者も、日常的に原稿のアイデア出しや、取材情報のまとめ、原稿の校正、その他、アシスタント的にも使っている。しかし、それ以外にも『オプションとしてのAI課金』が増えていることにお気付きだろうか？　 ■月額3000円も、積み重なれば大きな負担になる 　たとえば、ZoomのAI Companion、Adobe Firefly、Adobe AcrobatのAI Assistant、Slackの上位プラン、Microsoft 365のCopilot、Notion AI、DropboxのAI機能など、ありとあらゆるウェブサービスにAI機能が組み込まれるようになった。

　これらの中には、既存のプランにAI機能が含まれるものもあれば、上位プランへの移行や、追加のオプション料金が必要なものもある。料金も数百円程度から、数千円、あるいは数万円に及ぶものまでさまざまだ。 　また、スマートグラスや文字起こしデバイスにも、AIを使うためのサブスクが設定されていることがある。こちらも無料で利用できる機能がある一方、高度なAI処理や大量の文字起こしを利用しようとすると、月額2000〜4000円程度のプランが必要になることも珍しくない。

　「3000円ぐらい……」と思っていても、月額サブスクは積み重なるのが恐ろしいところ。月額3000円なら、1年経てば3万6000円。10年で36万円になる。 　うかつに増やすわけにはいかないが、便利な機能であることも多い。ChatGPTなどの基本的なAIサービスへの課金も含めれば、毎月の『AIサブスク支出』が数万円に及んでいる人もいるのではないだろうか？　 ■かつてのクラウドサービス乱立時代に似ている

　もちろん、それぞれは夢のように便利な機能であることが多い。 　たとえば、録音した2時間の会議が、すべて文字起こしされ、短時間でサマリーとしてとりまとめられる。以前だったら、録音を聞き直しながら文字起こしをしたり、議事録を作ったりするのに、何時間もかかっていた仕事だ。精度の高い文字起こしを外注に出せば、それなりの費用もかかっていただろう。 　大量のドキュメントを読み込ませて、内容に関してチャット形式で答えてくれる。何千ページものドキュメントを対象に、「概要を教えて」「部品コストについての言及をすべてまとめて」「論理的に破綻している部分はある？」なんていう質問も可能だ。もちろん、回答の正確性を確認する必要はあるし、一度に処理できる情報量にも限界はある。それでも、仕事が素晴らしく便利になっていることは確かだ。

　しかし、そのために支払っているコストは、我々の許容限度を超えつつある気がする。 　似たようなことが十数年前にあった。クラウドサービスの普及だ。 　Dropbox、Evernote、Box、iCloud、Bitcasa、SkyDrive、Amazon Driveなど、多くのクラウドサービスが勃興した。今も続いていて多くの人が利用しているものもあれば、利用者が減ってしまったり、その結果終了してしまったサービスもある。

　また、アプリや製品にオプションとしてクラウドデータ保管が加わっているパターンがあったのも今と同様だ。名刺やレシートを保管して、そのデータを活用できるサービスもあった。 　その時は、『フリーミアム』という施策が流行し、多くのサービスは無料で使い始められて、より多くの容量や高度な機能が必要になった段階で課金する仕組みだった。サービス提供企業は資金調達などによって無料ユーザーの利用コストをカバーし、利用に慣れてから、より便利に使うために課金してもらおうと考えていた。我々ユーザーは、なんとか無料範囲内でやりくりしようとしたし、課金するなら有効に使おうと努力していたように思う。

　しかし、今回のさまざまなアプリのAIサブスクブームは、その時よりコスト負担が大きく、「利用したい」と思えるサービスすべてに課金できる人は少ないように思える。 ■なぜ、あらゆるサービスがAI課金を求めるのか？　 　2022年末にChatGPTが公開され、ClaudeやGeminiなどの競合サービスも登場し、生成AIが急速に普及して以降、おそらく多くの会社でこういう会話がなされたことだろう。 　「我々もAIを取り入れなければ、競合に敗北します！」

　「AIを使えば、こんな夢のような機能が実現できます！」 　いずれも事実だっただろうが、結果として到来したのは、AI課金を奪い合う激しい競争の世界だった。 　AIにはコストがかかる。多くのアプリやウェブサービスは、AIを利用する時に、OpenAI、Anthropic、Googleなどが開発したLLM(大規模言語モデル)の能力を『間借り』するために、API利用料を支払うようになった。 　これはどういうことなのか、筆者の身近な例から説明しよう。

　知人が、写真を撮ってAIで解析し、その情報を自分のストレージに蓄積するスマホアプリを自作して、個人的に使っていた。とても便利そうだったので「いいね！　　公開して使わせてよ！」と言ったのだが、「多くの人が使ったらAPI代で破産するよ！」と断られた。APIというのは、アプリを他のサービスやシステムに接続するための仕組みだ。AIの場合、外部のLLMをAPI経由で呼び出すと、処理した情報量や利用するモデルなどに応じて料金が発生する。

　自分だけが使うぐらいならいいが、一般に公開したらどれほどダウンロードされるか分からないし、どれほど頻繁にAIが利用されるかも分からないので、費用の予測がつかない。破産しないように公開するためには、それを賄うだけの収益をアプリから上げなければならなくなる。そうすると、料金プランの設定や利用制限、収支の管理といった『経営』が必要になってしまう。 　もちろん、AI機能の提供コストはAPI利用料だけではない。AI機能の開発や保守、データの保存や検索、セキュリティ対策などにも費用がかかる。自社でAIモデルを動かしている企業なら、そのための計算資源も必要になる。

　しかし、従来のアプリとは違い、ユーザーがAIを使うたびに継続的な推論コストが発生することは、AIサービスの大きな特徴だ。その費用を回収するために、企業はサブスク料金や従量課金、利用回数の制限などを設定する。 　それが、我々が支払う『AIサブスク』が増えている理由の1つだ。 　ただし、AIを動かすために費用がかかることと、ユーザーがその金額を支払う価値があるかどうかは、別の問題だ。我々は今、AI機能が便利かどうかだけでなく、その便利さが価格に見合うものなのかどうかを考えなければならない局面に到達している。

■AIを動かすために必要な、膨大な計算資源 　生成AIは、回答を生み出すために膨大な量の行列演算を行う。そのため、高性能なLLMを動かすには、大量の計算資源が必要になる。特に、複雑な推論を行ったり、大量の文章を読み込んだり、長時間にわたって自律的に作業を進めたりする場合、その処理コストは大きくなる。 　こうしたAIを動かすために、高価なGPUを大量に搭載した巨大なデータセンターが建設され、膨大な電力が消費されている。最先端の基盤モデルを開発できる企業は限られている。OpenAI、Anthropic、Google、xAIなどが、その代表だ。これらの企業は、自社で基盤モデルを研究・開発し、自社や提携先のクラウドインフラを使ってモデルを動作させている。

　新しいモデルが登場するたびに、その性能が「世の中を変える！」と話題になる。しかし、AI技術の進化はあまりにも速い。日々革新を続けていないと、あっという間に競争力を失ってしまう可能性がある。最先端のモデルを開発するためには、膨大な研究開発費用と計算資源が必要だ。 　しかも、モデルを開発するための学習だけでなく、世界中のユーザーにサービスを提供するための推論処理にも、継続的な費用がかかる。こうした競争に勝ち残るため、各社は莫大な投資を続けている。AIデータセンターの電力需要も急増しており、その規模は国家レベルのエネルギー政策に影響するほどになりつつある。

　米中のAI開発競争とか、最終的にAIが人類を滅ぼす可能性とか、ハイエンドで起こっていることは筆者には本当の意味では判断がつかないので、そこはさておくとしても、膨大な計算コストを最終的に誰が負担するのか？　　という問題はある。 　AIを活用したソフトウェア開発の現場では、エンジニアが大量のトークンを消費しながら仕事を進めるようになっている。高度なAIエージェントを長時間稼働させれば、個人のサブスク料金をはるかに超える利用コストが発生することもある。

　一方で、こうしたAIの利用が、従来なら何日もかかっていた仕事を短時間で終わらせることにつながるなら、そのコストを十分に回収できる場合もあるだろう。つまり、問題は単にAIが高価だということではない。AIに支払う費用と、AIによって生み出される価値のバランスが重要なのだ。 ■AIを自社開発せずに、AIサービスを提供する企業の登場 　新しい潮流も生まれつつある。 　GensparkやManusなどのAIエージェントサービス企業は、OpenAI、Anthropic、Google、xAIなどの基盤モデル開発企業が提供するLLMを活用し、それらを組み合わせてユーザーにサービスを提供している。

　自社で最先端の基盤モデルをゼロから開発するのではなく、外部のモデルを利用し、ユーザーの指示を理解して仕事を進める仕組みを開発するというアプローチだ。 　たとえば、複雑な推論には高性能なLLMを利用し、比較的単純な作業には安価なモデルを利用する。複数のモデルを使い分けたり、ブラウザ操作やコード実行などの機能を組み合わせたりすることで、ひとつの仕事を完成させる。 　基盤モデル開発企業が、圧倒的な資金力でエージェントサービスを作ると容易に圧倒されるのではないか？　　という疑念はあるが、ユーザーにとって便利なフロントエンドさえ提供できれば、これはこれで成立するビジネスなのかもしれない。

　基盤モデル開発企業には、膨大な研究開発費用と、AIを動かすための計算資源の調達・運用費用がのしかかる。 　一方、AIエージェントサービス企業は、基盤モデルそのものの開発費用を負担せずに済む。ただし、外部モデルのAPI利用料は必要だし、ひとつの仕事を完了するために何度もAIを呼び出す場合、そのコストは決して小さくない。それでも、上手く運用できれば、AIエージェントサービス企業は新たな業態として定着するかもしれない。

　また、Gensparkでは、特定の作業に最適化した自社独自モデルの開発も進めている。これは、既存の基盤モデルをベースに追加学習を行い、スライド作成など特定の仕事を効率よく実行できるようにするアプローチだ。すべての作業に、最先端の巨大なLLMが必要なわけではない。簡単な分類や情報の整理、決まった形式への変換などであれば、比較的小さなモデルでも十分な場合がある。 　そこで、仕事の内容に応じて適切なモデルを選択する『モデルルーティング』という仕組みが重要になる。高性能なモデルが必要な時だけ高価なLLMを使い、それ以外の処理には安価なモデルを利用すれば、サービス全体のコストを抑えられる可能性がある。

　アップルのApple Intelligenceで行われている、デバイス上で動くモデルとクラウド上のモデルの使い分けも、方向性としては似ている。Apple Intelligenceでは簡単な処理は手元のデバイスで行い、より高度な処理が必要な場合にクラウドの計算資源を利用する。 　こうした工夫や、半導体の進化、モデル自体の効率化などによって、AIの処理コストは今後も下がっていく可能性がある。ただし、処理コストが下がったからといって、AIサービスの利用料金が同じ割合で下がるとは限らない。より高度な機能が追加されれば、その分だけ利用する計算資源が増える可能性もあるからだ。

■すでにChatGPTに課金しているのに、さらに課金する必要はある？　 　そして、我々ユーザーにとって、もうひとつ重要な問題がある。 　同じようなAIの能力に、何重にも料金を支払っているのではないか？　　ということだ。 　たとえば、すでにChatGPTの有料プランを契約している人が、Adobe AcrobatのAI Assistantにも課金する必要があるのだろうか？　　ファイルのハンドリングの手間はかかるが、PDFの内容を要約したり、質問に答えたりするだけなら、ChatGPTでも似たようなことができる。

　会議の文字起こしや要約も同様だ。ZoomやNottaなどのサービスでAI機能を使わなくても、録音データや文字起こしデータを別のAIに渡せば、同じような結果が得られる場合がある。 　もちろん、それぞれのサービスには独自の価値がある。 　Acrobatの中で直接PDFを扱えれば、ファイルを移動させる手間が省ける。Zoomの会議内容が自動的に要約され、参加者に共有されるなら、それも便利だ。文字起こし専用のデバイスなら、録音から文字起こし、要約、保存までを一連の作業として処理してくれる。また、企業で利用する場合には、情報の取り扱いやセキュリティ、管理機能なども重要になる。単に同じLLMを使っているからといって、すべてのサービスが同じ価値を提供しているわけではない。