結論から言う。「どのAIが最強か」はもう、どうでもいい

GPT-4o、Claude 3.5、Gemini 1.5、Llama 3.1──毎月のように「最新最強」が塗り替わる。AI業界は今、モデル疲れの真っ只中にいる。

どのモデルを選ぶべきか。乗り換えるべきか。追いかけるだけで疲弊する。大企業のAI担当者ですら「もう追えない」とこぼす状況だ。

だが、ここで問いたい。

この「モデル疲れ」、中小企業にとっては最高のニュースだと気づいているか？

理由はシンプルだ。モデルが乱立するということは、AIの価格が壊れるということだからだ。そして価格が壊れた先に、中小企業が大企業に勝てる構造が生まれる。

—

何が起きているのか：API価格の崩壊

数字で見よう。

OpenAIのGPT-4が登場した2023年3月、APIの入力トークン単価は100万トークンあたり約30ドルだった。それが2024年5月のGPT-4oで5ドルに。さらにGPT-4o miniでは0.15ドルまで下がった。わずか1年半で200分の1だ。

これはOpenAIだけの話じゃない。GoogleのGemini 1.5 Flashは100万トークンあたり0.075ドル。Anthropicも価格を下げ続けている。MetaのLlamaに至ってはオープンソースで、自社サーバーで動かせば利用料はゼロだ。

つまり、こういうことだ。

• 2023年：月間のAI API利用料が数十万円かかっていた処理
• 2024年後半：同じ処理が数千円〜数百円で済む

これは「ちょっと安くなった」レベルの話ではない。構造が変わったのだ。

—

「最強」を追いかけるのは大企業の仕事。中小がやるべきことは違う

モデル疲れの正体は、「最新最強を追い続けなければならない」という強迫観念だ。ベンチマークで1位を取ったモデルに飛びつき、翌月にはまた別のモデルに乗り換える。これは体力のある大企業がやるゲームだ。

中小企業がやるべきことは真逆。

「十分に賢くて、圧倒的に安いモデル」を、自社の業務に徹底的にはめ込む。

たとえば、地方の製造業で見積もり作成に毎回2時間かかっていたとする。GPT-4o miniを使って過去の見積もりデータを食わせ、ドラフトを自動生成する仕組みを作る。精度は完璧じゃなくていい。8割の精度で下書きが出てくれば、人間の作業は30分の微修正で済む。API費用は月に数百円だ。

あるいは、飲食チェーンの口コミ分析。Googleマップのレビュー数百件をAIに読ませて、「味」「接客」「清潔感」ごとにスコアリングする。以前なら外部のコンサルに頼めば50万円。今はAPIとスプレッドシートの組み合わせで、月額1,000円以下で回せる。

50万円が1,000円になった。 この差は「効率化」ではなく「やるかやらないか」の差だ。

—

コモディティ化が生む「逆転の構造」

ここからが本題だ。

AIモデルがコモディティ化する──つまり「どれを使っても大差ない」状態になると、勝負の軸が変わる。

これまで：「どれだけ高性能なAIを使えるか」が競争力だった。
これから：「自社の業務データと現場の知見をどれだけAIに食わせられるか」が競争力になる。

ここに中小企業の逆転構造がある。

大企業は組織が大きい分、データがサイロ化している。部門間の壁があり、現場の暗黙知がシステムに反映されるまでに何ヶ月もかかる。稟議を通すだけで四半期が終わる。

一方、中小企業は違う。社長が「やろう」と言えば翌日には動ける。現場の職人が持つノウハウを直接プロンプトに落とし込める。顧客との距離が近いから、フィードバックも即座に反映できる。

AIの性能差がなくなった瞬間、「現場の速度」と「業務理解の深さ」が勝負を決める。 これは中小企業が構造的に有利なフィールドだ。

—

実践例：地方の建設会社がやったこと

具体的な話をしよう。

ある地方の建設会社（従業員30名）では、安全書類の作成に毎月延べ40時間を費やしていた。現場監督が夜遅くまで残ってExcelと格闘する、あの光景だ。

やったことはシンプルだった。

1. 過去3年分の安全書類（約200件）をPDFからテキスト化
2. Claude 3.5 Haikuに読み込ませ、工事内容を入力するとドラフトが自動生成される仕組みを構築
3. 現場監督はドラフトを確認・修正するだけ

構築にかかった費用は、外部のエンジニアへの依頼費15万円とAPI費用月額約2,000円。月40時間の作業が月8時間に減った。年間で384時間の削減。 現場監督の時給を3,000円とすれば、年間115万円相当の工数が浮いた計算だ。投資回収は2ヶ月で完了している。

ポイントは、使っているモデルが「最強」かどうかではない。自社の過去データという、他社には絶対に真似できない資産をAIに食わせたことだ。

—

価格崩壊の先に起きる3つのこと

AIのAPI価格がさらに下がり続けると、何が起きるか。3つ予測する。

1. 「AI導入」ではなく「AI前提」の業務設計が当たり前になる

月額数百円で使えるなら、もはや「導入するかどうか」の議論は意味がない。電気を使うかどうかを議論しないのと同じだ。すべての業務フローが「AIが下書きを作り、人間が判断する」前提で再設計される。

2. 「属人化」が最大のリスクになる

ベテラン社員の頭の中にしかないノウハウ。これをAIに食わせてシステム化できた会社と、できなかった会社の差が致命的になる。ベテランが退職した瞬間に業務が止まる会社は、AIの価格がいくら下がっても恩恵を受けられない。今やるべきは、属人化した知見の言語化だ。

3. 「仕組みを作れる人材」の価値が爆上がりする

AIそのものの知識より、「自社の業務を理解していて、AIとつなげる仕組みを設計できる人」が最も価値を持つようになる。これはプログラマーである必要はない。業務フローを整理し、「ここにAIを噛ませれば工数が半分になる」と見抜ける人だ。中小企業なら、現場を知っている社長自身がその役割を担えるケースも多い。

—

で、結局どうすればいいのか

「モデル疲れ」に巻き込まれる必要はない。最新モデルのベンチマーク比較記事を読む暇があったら、以下をやろう。

1. 自社で最も時間がかかっている定型業務を1つ選ぶ
書類作成、メール対応、データ集計、議事録作成──なんでもいい。まず1つ。

2. その業務の過去データを集める
過去の成果物、テンプレート、マニュアル。デジタルでもアナログでも。

3. 最も安いモデルで試す
GPT-4o miniでもClaude 3.5 Haikuでもいい。月額数百円の世界だ。完璧を求めず、「8割の精度で下書きが出るか」だけを検証する。

4. うまくいったら横展開する
1つの業務で成果が出たら、同じパターンを別の業務に適用する。仕組みは使い回せる。

大事なのは、最強のAIを選ぶことではなく、最初の1つを今日やることだ。

—

モデル疲れは、中小企業にとっての追い風

AIラボ同士が「最強」を競い合い、価格を叩き合ってくれている。その恩恵を最も受けるのは、実は大企業ではなく中小企業だ。

なぜか。大企業にとってAPI費用が月100万円から1万円に下がっても、全体のコスト構造からすれば誤差だ。だが中小企業にとって、「予算がなくてできなかったこと」が「やるだけでできること」に変わる。 これはゲームチェンジだ。

モデルの優劣を議論している間に、隣の会社は安いAPIで業務を自動化し終えている。そういう時代がもう来ている。

追いかけるな。使い倒せ。

—