「安いモデルで3回やり直し」と「高いモデルで一発完了」 コストが低いのはどっち？：従来の評価基準は通用しない OpenAIが提唱するAI時代のROI算定法

OpenAIは、AI投資の成果を測る指標として「1ドル当たりの有用なインテリジェンス」を提唱した。購入したシート数や利用者数といった導入状況ではなく、完了した仕事の量と品質、成功したタスク1件当たりのコストで評価する考え方だ。

[＠IT]

　AIツールの導入に伴うコストの発生は避けられない。投資に見合う具体的な成果や費用対効果をどう測るべきなのか、多くの企業が現場で頭を抱えている。

　こうした中、OpenAIは2026年7月17日（米国時間）、従来のIT投資評価の常識を脱し、「1ドル当たりの有用なインテリジェンス」という新たな評価軸を設けるべきとの見解を示した。購入したシート数やアクティブユーザー数ではなく、「AIがどれだけの仕事（タスク）を完了させたか」でROI（投資対効果）を測定するアプローチだ。

　AI活用において真に問われるのは、成果の価値がコストを上回るスピードだ。トークン単価が安いモデルを選んでも、タスクのやり直しや人間の確認が増えれば総コストは悪化する。目先の単価ではなく、「成功したタスク1件をいくらで完了できたか」というトータルの経済性で選定すべきだと同社は指摘する。

「シート数」でのROI評価はもう限界？　AI投資を最適化する「4つの問い」

　OpenAIはこの評価軸を実務に落とし込むため、組織が自問すべき「4つの問い」を定義した。

1．「どれだけの有用な仕事が完了しているか」

　1つ目は「仕事の量と成果」そのものだ。AIによって解決できた顧客課題の件数、リリースされたコード変更の数、レビューを終えた契約書の数、削減できた業務時間など、実務への貢献度を直接測定する。

　消費されるトークンは、人々が活用できる「成果物」に変わって初めて価値を生む。モデルの能力が高まるにつれ、コンテキストを維持した推論や、複数ツールをまたぐ処理が可能となり、状況の進行に応じて自律的に適応しながら、より長く複雑なタスクを担えるようになる。

　OpenAIは「最初に取り組むべき最適な場所は単一のワークフローだ」と推奨する。業務ごとに「完了」の定義をあらかじめ設定し、システムで成果を測ることが不可欠だ。

　カスタマーサポートチームなら「問い合わせの解決」、エンジニアリングチームなら「テストに合格したコードの実装」、法務チームなら「期限内の正確な契約書レビュー」が「完了」に該当する。

2. 「成功したタスク1件当たりの実際のコストはどうなったか」

　2つ目の問いは、求められる品質でタスクを完了させるための「実質コスト」だ。単一モデルのトークン価格や使用したコンピュート（計算リソース）の総量だけでなく、正しい結果に到達するために要した従業員の時間や手戻りによる人件費まで総コストを算出する。

　計算は単純で、業務にかかった総コストを「品質基準を満たした成功タスク数」で割ることだ。最上位のフロンティアモデルは、トークン単価が高価に見えても、一度で正確な答えを出して、手戻りや待ち時間をゼロにできるなら、結果として「タスク1件当たりのコスト」を最も低く抑えられる場合がある。

　またフラグシップモデル、性能とコストのバランス型、最速かつ手頃な軽量モデルといった「階層化されたモデル」を組み合わせる選択肢も有効だ。処理量重視の単純作業には軽量モデル、複雑な思考を要する業務には最上位モデルといった使い分けができる。

　OpenAIは「特定モデルの単価にとらわれず、タスク全体の経済性で適切なモデルを決めるべきだ」としている。

3．「AIはどれだけ正しく仕事を処理するか」

　3つ目は信頼性（精度と確実性）だ。AIの活用は段階的に深まる。最初は下書きを支援し、次にツールやデータをまたいでコンテキストを見つけて推論する。やがて行動を起こし、例外を処理し、ワークフローを完了するようになり、人は必要に応じて判断と統制を担う。

　精度が高く、根拠が明確で一貫性があり、適切に手戻りを処理できれば、人間が確認や修正、やり直しに費やす時間が減り、タスク完了当たりのコストは一段と下がる。

　OpenAIはこの信頼性を可視化するために、以下の3つのパターンで結果を追跡することを提案している。

• そのまま使える：最初の出力時点で品質基準を満たしていた
• 修正が必要：再実行や人間による編集を要した
• エスカレーションが必要：人が直接介入して仕事を完了させる必要があった

　信頼性には明確な境界も必要だ。AIが下書きから行動へ移る前に、システムがアクセスできるデータ範囲や使用または変更できるシステム、人が確認または承認すべきタイミングを組織が明確に定義することも重要となる。

4．「利用が増えるほど1ドルはより多くの価値を生むか」

　4つ目の問いは、利用規模が拡大したときに経済性が改善するかどうかだ。企業は同一のワークフローを時系列で追跡し、品質基準を満たした「成功タスク数」「総コスト」「タスク単価」の推移を見る。成果の伸びが総コストの増加スピードを上回っていれば、AIに投じた1ドルが時間とともに大きな価値を生んでいる証拠となる。

　この方程式の中核となるのが計算リソースだ。モデル学習用の計算リソースは「将来の能力」を育み、推論用の計算リソースは「目の前の仕事」を完遂させる。より優れたモデル、効率的な推論、専用ハードウェア、高い稼働率、賢いルーティング（処理の振り分け）、強力なシステム設計が進むほど、計算リソースがもたらす投資対効果は高まっていく。

4つの尺度が示すもの

　「完了した仕事」は創出された成果物を、「タスク単価」は必要なコスト効率を、「信頼性」は任せられる業務の割合を、そして「利用拡大時の価値」は時間の経過に伴う投資対効果の向上を示している。

　OpenAIは、これらの指標を用いることで、企業が単なるAIツール導入にとどまらず、AIが創出する成果に基づいてROIを測定できるようになるとしている。同社は今後もモデルの世代交代を通じてタスク当たりのコスト低減と品質向上を図っていく方針だ。