月5万円のつもりが、50万円の請求書になる

AIエージェントを導入した中小企業から、同じ相談が増えている。

「月5万円くらいで回せると思っていたのに、請求が50万円を超えていた」

これ、特殊な事例じゃない。構造的に起きる問題だ。

なぜか。AIエージェントは、人間が「1回の指示」を出すだけで、裏側では何十回もAPIを叩く。GPT-4oやClaude 3.5に問い合わせ、外部ツールを呼び出し、結果を検証し、再度問い合わせる。1つのタスクで数千〜数万トークンが消費される。これが1日に何百回と回れば、コストは指数関数的に膨らむ。

問題の本質は「使いすぎ」じゃない。支出が見えないことだ。

エージェントの「勝手に動く」がコストを生む構造

従来のSaaSは月額固定だった。Slack月850円、Notion月1,650円。使っても使わなくても同じ。だから予算が読めた。

AIエージェントは違う。従量課金の塊だ。

具体的に見てみよう。OpenAIのGPT-4oは入力100万トークンあたり2.50ドル、出力100万トークンあたり10ドル（2024年時点）。一見安く見える。しかしエージェントが自律的に動くと話が変わる。

例えば、カスタマーサポートのエージェントが1件の問い合わせを処理するのに、以下のような動きをする：

1. ユーザーの質問を解析（500トークン）
2. ナレッジベースを検索して3件の候補を取得（各1,000トークン）
3. 候補を比較・統合して回答を生成（2,000トークン）
4. 回答の品質をセルフチェック（1,500トークン）
5. 必要に応じて再生成（2,000トークン）

1件で約7,000トークン。月に3,000件の問い合わせがあれば、2,100万トークン。GPT-4oの出力単価で計算すると、これだけで月210ドル（約3万円）。ここにコードレビュー、データ分析、メール作成など複数のエージェントが加われば、月50万円は簡単に超える。

さらに厄介なのが「ループ」だ。エージェントがエラーを検知して自動リトライする設計の場合、1つの失敗タスクが10回、20回とAPIを叩き続ける。深夜に誰も見ていない間に、トークンが燃え続ける。まさにメーターが回りっぱなしの水道管だ。

カーネギーメロン大学の研究チームが465件のAIエージェント生成プルリクエストを分析した結果も示唆的だ。コード品質が高いエージェントほど、トークンコストが3.5〜6.1%低いことがわかった。つまり、雑に動くエージェントほどカネを食う。品質とコストは表裏一体ということだ。

なぜ中小企業ほど危ないのか

大企業なら、専任のMLOpsエンジニアがダッシュボードを監視し、コストアラートを設定し、モデルの切り替えを最適化できる。

中小企業にはそんな人材はいない。

社長が「便利そうだから」とエージェントを導入し、設定は外部のフリーランスに任せ、運用は現場の担当者がなんとなくやっている。コスト管理？　月末にクレジットカードの請求書を見て初めて気づく。

この構造が危ない。AIエージェントは「導入コスト」より「運用コスト」のほうがはるかに大きい。SaaSの月額課金に慣れた感覚で従量課金のAIエージェントを使うと、確実に火傷する。

「Keydris」という選択肢——エージェントの財布を管理する

この問題に対して、直球の解決策を提示しているのが支出管理ツール「Keydris」だ。

Keydrisがやることはシンプルで明快：

• リアルタイム監視：各エージェントのトークン消費量と金額をリアルタイムで可視化
• 予算キャップ：月額上限を設定し、超過しそうになったらエージェントの活動を自動制限
• アラート通知：予算の70%、90%到達時に警告を発信
• コスト分析：どのエージェントが、どのタスクで、いくら使っているかを分解表示

要するに、AIエージェント版の家計簿アプリだ。

月5万円と決めたら5万円で止まる。どのエージェントが金食い虫かが一目でわかる。深夜のループ暴走も検知できる。

地味に聞こえるかもしれないが、これは中小企業にとって死活問題を解決するツールだ。50万円の想定外の請求は、月商500万円の会社にとっては利益が吹き飛ぶレベルの話だから。

ただし、ツールを入れる前に考えるべきこと

Keydrisを入れれば万事解決か？　そうじゃない。

まず自社で確認すべきは3つ。

1. そのエージェント、本当に必要か？

「AIエージェントを入れたら業務が効率化される」は幻想であることが多い。月3,000件の問い合わせのうち、エージェントが対応すべきは何件か。全部をエージェントに投げるのと、定型的な500件だけ任せるのでは、コストが6倍違う。

2. モデルの選定は適切か？

すべてのタスクにGPT-4oを使う必要はない。定型的な分類タスクならGPT-4o-miniで十分だし、コストは10分の1以下になる。入力100万トークンあたり0.15ドルだ。「このタスクに最高性能のモデルが必要か？」を問い直すだけで、月のコストが半分以下になるケースは珍しくない。

3. リトライ上限を設定しているか？

エージェントがエラー時に無限リトライする設計になっていないか。3回失敗したら止めて人間に通知する。これだけで暴走コストの大半は防げる。

この3つを整理した上で、Keydrisのような監視ツールを入れる。順番が大事だ。

「コストが見える」の先にあるもの

もう一歩踏み込んで考えたい。

AIエージェントのコストが完全に可視化されると、何が起きるか。

「この業務をAIにやらせる価値があるか」が数字で判断できるようになる。

例えば、月8万円かけてエージェントにやらせているデータ入力作業。パートさんを雇えば月6万円で済むなら、AIを使う意味がない。逆に、月3万円のエージェントが、人間なら月30万円かかる分析作業をこなしているなら、もっと投資すべきだ。

コストが見えることで、「AI vs 人間」の判断が感覚ではなく数字でできるようになる。これが中小企業にとっての本当の価値だ。

大企業は「とりあえず全部AI化」ができる体力がある。中小企業にはない。だからこそ、どこにAIを使い、どこに人を使うかの判断精度が競争力になる。その判断の土台が、コストの可視化だ。

今週やるべきこと

長々と書いたが、結局やることは1つ。

今使っているAIエージェントの先月の請求額を、正確に把握する。

OpenAIのUsageダッシュボード、AnthropicのBilling画面、AWSのBedrock請求。全部開いて、合計額を出す。

その数字を見て「思ったより高い」と感じたなら、Keydrisのようなツールの導入を検討する価値がある。「想定通り」なら、今の運用を続ければいい。

AIエージェントは、中小企業が大企業と戦える武器になる。ただし、武器の維持費で倒れたら意味がない。

見えないコストを見えるようにする。地味だが、これがAIエージェント時代の経営の基本動作になる。

—