AIを組織で使うと請求が跳ねる理由｜個人のサブスクとAPI従量課金の違いと、トークンコストを抑える設計

個人のサブスクとAPI従量課金の違い

「AIでシステムを作った」「AIで営業チームを立ち上げた」「AIだけで数億円を売り上げた」——ここ最近、そんな華々しい話がネット上に急速に増えました。そして、その多くは本当のことだと思います。AIを使えば、以前とは比べものにならない速さで、いろいろなものが作れるようになりました。これは間違いありません。

ただ、今日お伝えしたいのは、その熱量の裏側で見落とされがちな、とても現実的な話です。AIで作った仕組みを 「一人で使う」のと、「チーム・組織で使う」のとでは、越えなければならない壁がまったく違います。

セキュリティや運用責任については、以前 SaaSを解約して自作する時代に、企業が見落としてはいけない「導入責任」で整理しました。今回はそこであえて詳しく触れなかった、もう一つの大きな論点——お金、とりわけAPIの従量課金について書きます。

1. 「AIで何でも作れる」は本当。ただし、それは"一人で使う"までの話

まず前提として、AIで個人が便利なツールを作れるようになったことは、心から歓迎すべき変化です。

Claude Code や ChatGPT のようなAIを使えば、業務を分かっている本人が、必要な仕組みを自分の手で形にできます。請求書を読み取って転記する、問い合わせメールを分類する、資料を要約する。こうした作業を、プログラマーを雇わずに自動化できるようになりました。

そして、この段階では コストはほとんど問題になりません。 ChatGPT Plus や Claude Pro といった月額サブスクリプション（月数千円程度）の範囲で、一人が対話しながら使う分には、たいてい十分に収まるからです。

だからこそ、多くの人がこう思います。「これだけ動くなら、うちのチーム全員で使えばいいじゃないか」と。

その気持ちはとてもよく分かります。ですが、まさにこの「全員で使う」に切り替えた瞬間、話が変わります。

2. 一人のサブスクと、チームのAPI従量課金は「別の料金体系」

見落とされがちですが、これは非常に重要な点です。

個人が使う月額サブスクと、システムに組み込んで複数人で使うAPIは、そもそも別のサービスであり、別の料金体系です。

月額サブスク（ChatGPT Plus / Claude Pro など）は、基本的に 「一人の人間が、画面を通じて対話する」ことを前提にした定額プラン です。人がキーボードで打ち込み、画面で答えを読む。この使い方だから定額で提供できます。

一方、これを 業務システムに組み込んで、プログラムから自動で・複数人分をまとめて呼び出す となると、通常は API（開発者向けの窓口） を使うことになります。そしてAPIは、ほぼ例外なく 従量課金 です。

なぜ、組織で使うと"APIベース"になるのか

「うちはサブスクのまま、組織で使えないの？」とよく聞かれます。しかし、自社の業務に合わせて本格的に使おうとすると、多くの場合、行き着く先はAPIです。理由はシンプルです。

サブスクは「人が画面で対話する」窓口しか持たない — 自社の業務システムに組み込んだり、プログラムから自動で動かしたりするための"差込口"が、そもそも用意されていません
既存システムとの連携・自動処理には、プログラムから呼べる口が要る — 基幹システムやCRM、社内ツールとつなぐ、大量のデータを自動でさばく、といった用途は、APIでしか実現できません
同時に・大量に・安定して叩く使い方は、単一アカウントのサブスクでは無理 — 数十人分を自動でまとめて処理するような負荷は、個人向けプランの想定外です（規約・技術の両面で）
誰が使い、データがどこへ行くかを管理するにも、自社システムへの組み込みが要る — 権限・ログ・データの保存先をコントロールできるのは、APIを組み込んで初めてです

補足すると、Microsoft 365 Copilot のような「最初から組織向けに作られたAI製品」を"そのまま"使う場合は、1人あたり月いくらのシート課金で収まることもあります。しかし、今回のように「自社の業務に合わせてAIで仕組みを作る」なら、その中身はほぼAPIベースになり、課金は従量 です。この記事で想定しているのは、まさにこちらのケースです。

「Claude Desktopで動いた」は、「組織のシステムが動く」ではない

ここは、とても誤解されやすい——そして、いちばん強調したいところです。

いま手元で Claude Desktop や ChatGPT のアプリを使って「これは便利だ、すごい」と感じているとき、それが成り立っているのは 「あなた一人が・あなたのパソコンで・あなた個人のアカウント（サブスク）で」動かしている からです。ファイルを読ませたり、いろいろな機能と連携できたりするのも、すべてあなたのPCの中で完結しています。

これを 「会社の20人が、それぞれの画面から、同時に、時には自動で」 使える形にするには、アプリを一台ずつ配って回るのではありません。システムの裏側から、AIをAPIとして呼び出す、まったく別の作り に変えなければなりません。そのとき、認証も、権限管理も、データの保存先も、同時アクセスへの耐久性も、稼働の監視も、すべてそのシステム側で自前で用意する ことになります。手元のアプリが当たり前に持っていた土台は、組織システムでは一つも付いてきません。

利用者から見える姿は、どちらも同じ「AIが答えを返す」です。しかし、その裏側の契約・課金・構造は、まるごと別物 です。そして、この「別物」に切り替わった瞬間に、料金は定額のサブスクの世界を離れ、従量課金のAPIの世界へと移ります。

	個人のサブスク利用	組織のシステム利用（API）
想定する使い方	一人が画面で対話する	プログラムから自動で・大量に呼び出す
料金の性質	定額（月◯千円で使い放題に近い）	従量（使った分だけ積み上がる）
上限	プランの範囲で頭打ち	設計しない限り上限なし（青天井）
業務システムへの組み込み	規約・技術の両面で不向き／不可のことが多い	本来こちらが正式な手段
費用の予測	しやすい（毎月ほぼ一定）	作り方しだいで大きく変動する

ここで一番怖いのは、料金の性質が 「定額」から「従量」へ、静かに切り替わる ことです。

個人検証のときは「月数千円で余裕だった」ものが、システム化してチームに配ると、使った回数 × 使った人数 × 1回あたりの分量 のすべてが、そのまま請求額に効いてきます。しかも、上限を意図的に設計しなければ、青天井です。

「サブスクのアカウントを、みんなで共有すればいいのでは？」と考える方もいます。しかし、アカウントの共有や、画面を自動操作して業務システム代わりに使う運用は、多くの場合 利用規約に反し、動作も不安定で、止まったときに誰も直せません。 これは節約ではなく、別のリスクを抱え込むだけになりがちです。

3. トークンとは何か、なぜ「何でも投げる」と高くつくのか

API従量課金の単位が、トークン です。ここを理解すると、コストの勘所が一気に見えてきます。

トークンとは、ざっくり言えば AIが文章を処理するときの最小単位 です。日本語なら、文章が長くなるほどトークン数も積み上がっていく、と考えてください。そして課金は、

AIに渡した文章（入力）
AIが返した文章（出力）

の両方にかかります。つまり、AIに長い文章を渡せば渡すほど、答えを受け取る前から課金が始まっている わけです。

ここで問題になるのが、いま広がっている 「とりあえず何でもAIに入れればいい」 という空気です。

数十ページのPDFを、毎回まるごとAIに貼り付けて質問する
判定するだけでいい場面でも、資料を全文渡して考えさせる
写真やスキャン画像を、片っ端から画像認識にかける

一人が1日に数回やるだけなら、些細なコストです。ところが、同じ処理を20人が1日に何十回も繰り返す となると、話がまったく変わります。1回あたりのトークンが多い作りは、利用が広がった瞬間に、費用となって牙を剥きます。

特に 画像認識（写真やスキャンの読み取り） は、テキストに比べて1回あたりのトークン消費が大きくなりがちです。「AIに任せれば何でも読める」のは事実ですが、何でも読ませることと、それを大量に繰り返すことは、コストの意味がまったく違う のです。

4.【実例】月3,000円のつもりが、API請求が月数十万円に

具体的なイメージのために、実際に見聞きするケースをもとにした試算を紹介します（内容は匿名化し、数字は一般化しています）。

ある会社で、業務に詳しい担当者が、取引先から届くPDFの請求書・納品書を読み取って、内容を社内システムに転記するツール をAIで作りました。

個人検証のとき：作った本人が、1日に数件を試すだけ。ChatGPT / Claude のサブスク（月3,000円ほど）の範囲で、まったく問題なし。「これはいける」と手応えを得て、社内展開が決まりました。
チーム展開後：営業・経理・総務あわせて20人が、1日それぞれ数十件のPDFを処理するように。しかも、良かれと思って 「1件ごとに、数十ページあるPDFを丸ごとAIに渡す」 作りになっていました。過去分の再処理まで、同じやり方で一括実行。

結果、サブスク前提だったはずのコストは、API従量課金に切り替わった途端、文字どおり"桁"が変わりました。 「月数千円のつもりだったのに、気づけばまったく違うレンジになっていた」という状態です。担当者は「機能は完璧なのに、コストで止められた」と頭を抱えることになります。

ここで大事なのは、費用が跳ねた原因は「AIが高い」からではなく、「作り方（設計）」にあった という点です。毎回フルのPDFを丸ごと投げる——この一点が、トークンを何倍にも膨らませていました。同じ仕事を、後述する設計で作り直したところ、費用は現実的な水準まで下がりました。

5. 無駄なトークンを生む「4つのアンチパターン」

費用が跳ねるシステムには、共通するパターンがあります。自社のAI活用が当てはまっていないか、チェックしてみてください。

① 何でもAIに投げている — 単純なルールや条件分岐で判定できる処理まで、いちいちAIに考えさせている
② ドキュメントを毎回まるごと渡している — 数十ページのPDFやマニュアルを、質問のたびに全文プロンプトに入れている
③ 全工程で高精度モデルを使っている — 仕分けのような軽い処理にも、最上位（＝高価）のモデルを使っている
④ 同じ処理を毎回やり直している — 一度AIに解析させれば済む内容を、参照のたびに再解析している（結果をためておかない）

一つでも当てはまるなら、利用が広がったときに費用が跳ねる余地がある と考えてよいでしょう。逆に言えば、ここを設計で潰せば、コストは大きく下げられます。

6. コストを抑える作り方 — 「事前に整えてから、必要な分だけ渡す」

無駄なトークンを減らす設計の原則は、ひとことで言えばこうです。

AIに"全部を毎回"渡すのをやめ、"事前に整えて、必要な分だけ"渡す。

具体的には、次の4つが柱になります。

① ドキュメントは、取り込み時に一度だけ解析してJSONに集積する

これが最も効果の大きい設計です。

PDFやドキュメントは、業務に入ってくるタイミングで一度だけAIに解析させ、必要な項目を構造化データ（JSONなど）として抜き出し、蓄積しておきます。 たとえば請求書なら、取引先名・日付・金額・品目・税額といった項目を、最初の1回で抽出してデータベースに貯める。

こうしておけば、その後の照会・集計・転記は、すでに整理済みの構造化データ を相手にできます。数十ページの原本を毎回AIに投げ直す必要はありません。「一度だけ、丁寧に読む。あとは、その結果を使い回す」——これだけで、トークン消費は桁で変わります。

② 全文ではなく、関連する部分だけを渡す

AIに何かを尋ねるとき、資料の全文を渡す必要はほとんどありません。質問に関係する箇所だけを検索して取り出し、その断片だけを渡す 仕組み（一般に RAG と呼ばれます）にすれば、1回あたりの入力トークンを大幅に減らせます。

③ モデルを使い分ける

AIのモデルには、性能と価格の幅があります。仕分け・分類・下書きのような軽い処理は安価なモデルに任せ、最終的な判断や難しい文章生成だけを上位モデルに回す。 すべてを最上位モデルで動かすのは、軽自動車で済む用事に毎回リムジンを呼ぶようなものです。

④ キャッシュ・上限・監視を最初から組み込む

キャッシュ：同じ入力に対する結果はためておき、再利用する（同じPDFを二度読ませない）
上限（予算アラート）：1日・1ヶ月の利用量に上限やアラートを設け、青天井を防ぐ
監視：誰が・どの処理で・どれだけトークンを使っているかを可視化し、無駄を見つけられるようにする

コスト設計とは、突き詰めれば 「AIに何を渡さないかを決めること」 です。何でも渡せば動きますが、それは「動く」だけであって、「継続して運用できる」こととは別なのです。

7. これは「導入責任」のコスト版です

以前の記事で、私たちはこう書きました。「作れるか、ではなく、預けられるか」 だと。

今回の話は、その コスト版 です。

一人で使う試作品なら、多少トークンを無駄遣いしても、困るのは自分の財布だけです。しかし、組織の業務システムとして預かる となれば、話は変わります。利用が10人、50人、100人と広がったときに費用がどう伸びるのかを見通し、青天井にならないよう設計しておく。これもまた、導入する側が果たすべき責任 の一部です。

AIは、実装を驚くほど速くしてくれます。コスト削減のアイデアも出してくれます。しかし、「このシステムは、全社で使ったら月いくらになるのか」「どこにお金がかかり、どう抑えるのか」を見極めて設計することは、最後まで人間の——運用を分かっているプロの——仕事として残ります。

華々しい成功談の多くは、この地味な設計を、きちんと済ませた上で成り立っています。

8. まとめ

「AIで何でも作れる」は本当。ただし、それが通用するのは"一人で使う"までのことが多い
個人の月額サブスクと、システムに組み込むAPIは 別の料金体系。定額から 従量課金（青天井） へ静かに切り替わる
費用を決めるのは トークン。「何でもAIに投げる」「PDFを毎回丸ごと渡す」作りは、利用が広がった瞬間に費用が跳ねる
抑える鍵は設計。取り込み時に一度だけ解析してJSONに集積し、以降は必要な分だけ渡す。 モデルの使い分け・キャッシュ・上限も最初から組み込む
これは 「導入責任」のコスト版。全社で使ったときの費用を見通して設計することも、預かる側の責任

SIAは、20年以上にわたって業務システムの開発・運用を手掛けてきた経験と、日々AIを実務で使い込んでいる現場感の両方から、「AIを、コストまで含めて組織で運用できる形にする」 設計・開発を支援しています。「個人で作ってみたが、全社に広げる前にコストと運用を見てほしい」——そんな段階のご相談で構いません。

▶ CTO顧問サービス — AI活用・システム化の判断を外部CTOが支えます

▶ Webシステム開発・業務システム開発のサービス詳細はこちら

▶ まずはDXセルフチェック（無料・個人情報入力不要）

▶ お問い合わせ