価格競争と効率化によりAI支出の成長が鈍化

財務運営プラットフォームであるRampの新規データによれば、企業のAI利用量は過去最高水準に達しているにもかかわらず、総支出は停滞しています。この乖離は、主要なモデルプロバイダーであるOpenAIやAnthropicが公開市場への準備を進める中、激しい価格競争と顧客側の効率向上が収益成長を抑制していることを示唆しています。

何が起きたか

Rampの分析によると、2026年8月と9月のトークン支出成長率はわずか1.5%にとどまり、7月に記録した前月比42%の急成長から大幅に減速しました。10月には8.9%へとやや再加速が見られましたが、全体的なトレンドは「超成長期」が一時的に停止している可能性を示しています。Rampの主任エコノミストであるAra Kharazian氏は、最もAI依存度の高い上位1%の企業（しばしば「AI-pilled」と呼ばれる）において、夏季に達成した月額1万ドルのピークを下回る水準まで従業員一人当たりの支出がわずかに減少したと指摘しています。この少数のグループが総収益の大部分を占めているため、彼らの消費における小さな停滞でも、市場全体の成長をフラットにするのに十分です。

この減速は需要不足によるものではありません。トークン使用量は引き続き増加しており、企業がAIをより頻繁に利用していることを示しています。しかし、単位作業あたりのコストは大幅に低下しました。現在、中位企業では従業員一人当たり月額12〜15ドル、上位10%の企業では600〜1,000ドルを支出しています。Kharazian氏は、ヘルスケアや自動車小売など他の広範な業界が、ソフトウェアや金融で見られるような高支出レベルに到達するかどうかは不明だと主張しています。現在のプラトー（横ばい状態）を置き換えるような、新たに高コストなユースケースが出現しない限り、モデルプロバイダーの収益軌道には大きな逆風が吹くことになります。

メカニズム

この支出停滞の主な要因は、主要なAIプロバイダー間での激しい価格競争です。9月には、OpenAIがGPT-6 SolおよびGPT-6 LunaモデルのAPI価格を半額に引き下げました。これに対し、AnthropicもFable 5.1およびOpus 5.5に対して大幅な値下げを実施し、同社はこれが予測収益成長率を約6億ドル押し下げたと認めています。これらの値下げに加え、顧客を囲い込むために設計されたエンタープライズ向け割引が組み合わさることで、市場は買い手優位の状況に変貌しました。過去の技術独占企業のように、低価格の導入後に最終的にコストが高騰する傾向とは異なり、AIセクターはMeta、Nvidia、そして various open-source providers（各種オープンソースプロバイダー）などの参入者によって価格に対する圧力が維持され、依然として競争が激しい状態にあります。

外部からの値下げだけでなく、企業側でもAI予算管理がより高度になっています。各社は、長時間実行タスクに高価なモデルを使用することを防ぐための厳格なデフォルト設定を導入し、従業員に対してハードな予算上限を設定しています。また、ルーターを用いて標準モデルからの単純なクエリを、より安価で軽量な代替手段へオフロードする手法も採用されています。例えば、Jevのようなツールを利用すれば、単純なYes/No出力を汎用モデルの数分の一のコストで処理できます。Notionの共同創業者であるAkshay Kothari氏が「トークンはbrrr（増える）。コストはahhh（悲鳴を上げる）」と要約したように、使用量の増加が必ずしも支出の線形増加につながらなくなっている現状を浮き彫りにしています。

主要な詳細

• トークン支出の成長率は2026年8月と9月に1.5%へ減速し、7月の42%から大幅に低下しました。
• OpenAIは9月にGPT-6 SolおよびGPT-6 LunaのAPI価格を半額に引き下げ、Anthropicにも同様の値下げを促しました。
• Anthropicの価格引き下げにより、同社の予測収益成長率は約6億ドル減少しました。
• AI支出の上位1%の企業では、従業員一人当たりのコストが月額1万ドルのピークを下回っています。
• 中位企業は従業員一人当たり月額12〜15ドル、上位10%の企業は600〜1,000ドルを支出しています。
• AnthropicのIPO時の潜在評価額は、2兆ドルから推定1.2〜1.3兆ドルへと下落しました。

なぜ重要か

ソフトウェアリーダーや技術系創業者にとって、この変化は実験的な導入段階から運用効率重視の段階への移行を示しています。AI予算が使用量とともに無限に成長するという前提は崩れつつあります。代わりに、組織はユニットエコノミクス（単位経済性）に焦点を当て、トークンあたりのコストを削減しながら出力を維持または増加させる方法を探求しています。このような環境では、堅牢なルーティング戦略を実装し、使用状況を密接に監視し、最も高性能または高価なオプションをデフォルトとするのではなく、各特定のタスクに対して最もコスト効率の高いモデルを選択できるチームが有利になります。

投資家や経営陣も、AIベンダーの収益に関する期待値を再調整すべきです。混雑した市場で価格競争を行う中で、モデルプロバイダーの収益化への道は険しくなっています。パーソナルエージェントなどの新製品が次の成長エンジンとして謳われていますが、専門家たちはそれらがコーディングエージェントほどの経済的生産性を生み出すことには懐疑的です。その結果、企業側は交渉力を強め、OpenAI、Anthropic、およびオープンソース代替案間の競争を活用して、より良い条件と低いコストを獲得できるようになる可能性があります。

対応策

• 現在のAI支出を監査し、軽量で安価な代替手段で処理可能なタスクに高価なモデルを使用している箇所を特定してください。
• モデルルーターを実装し、分類やYes/No質問などの単純なクエリを自動的に低コストエンドポイントへ振り分けてください。
• プレミアムティアの無制限な使用を防ぐため、従業員アクセスに対して厳格な予算上限とデフォルトモデル制限を設定してください。
• 複数のプロバイダーとの間でエンタープライズ割引を交渉し、現在の価格競争を利用して長期的により良いレート確保してください。
• 社内でのトークン使用量対コストのトレンドを監視し、効率化の成果が市場平均を上回っているか確認してください。
• 汎用モデルでは過剰となる特定の狭いユースケースにおいて、Jevなどのオープンソースまたは専門ツールを検討してください。