結論から言う。AIにコードを書かせると、月20万〜50万円が「溶ける」

Claude Code、Cursor、Devin、GitHub Copilot Workspace——AIコーディングエージェントが次々と登場し、「もうエンジニアいらないのでは」という空気が漂っている。

だが、実際に使い込んだ現場から聞こえてくるのは、まったく別の声だ。

「APIの請求書を見て血の気が引いた」

これは誇張ではない。AIコーディングエージェントをフルに回すと、トークン消費量は人間の想像をはるかに超える。そして中小企業にとって、この「見えないコスト」は致命傷になりかねない。

なぜトークンが爆発するのか——構造的な問題

まず、AIコーディングエージェントのトークン消費がなぜここまで膨れるのか、構造を押さえておきたい。

従来のChatGPTやCopilotの「補完型」は、数行のコードを提案するだけだ。1回のリクエストで消費するトークンはせいぜい数百〜数千。月額20ドルの定額プランで十分収まる。

ところが、Claude CodeやDevinのような「エージェント型」は根本的に違う。ファイルを読み込み、コードベース全体を理解し、複数ファイルを横断して修正し、テストを実行し、エラーが出たら自分で直す。この一連のループを回すたびに、1タスクあたり数万〜数十万トークンが消費される。

具体的な数字を出そう。

• Claude 3.5 Sonnetの入力トークン単価：約$3/100万トークン、出力：約$15/100万トークン
• Claude 3.5 Opusクラスのモデルではさらに数倍
• エージェントが1つの機能実装で消費するトークン：平均5万〜20万トークン（コンテキスト読み込み含む）
• 1日に10タスク回すと：50万〜200万トークン/日
• 月間稼働20日で：1,000万〜4,000万トークン/月

これをAPI単価に当てはめると、月額3万〜60万円のレンジになる。開発者が2〜3人分のエージェントを並列で回せば、月額100万円を超えることも珍しくない。

ある海外のインディー開発者は、Claude Codeを1週間フルに使い、週あたり$1,000（約15万円）のAPI費用が発生したとXに投稿している。月換算で60万円。地方の中小企業のエンジニア1人分の人件費（月額40万〜50万円）を軽く超える。

「速い」と「安い」はイコールではない

ここで多くの人が見落としている構造がある。

AIコーディングエージェントが提供する価値は「速さ」だ。人間が3日かかる実装を30分で終わらせる。これは事実だし、圧倒的だ。

しかし「速い」ことと「安い」ことは、まったく別の話だ。

人間のエンジニアは月給制。月40万円払えば、月160時間働く。1時間あたり2,500円。速かろうが遅かろうが、コストは固定だ。

一方、AIエージェントは従量課金。速く終わっても、トークンを大量消費すれば高くつく。しかもエージェント型は「考える」プロセスでもトークンを食う。試行錯誤するほどコストが膨らむ。人間なら「ちょっと考える」だけでコストゼロだが、AIは思考にもカネがかかる。

つまり、AIエージェントの損益分岐点は「速さ」ではなく「トークン効率」で決まる。

品質問題がコストをさらに押し上げる

コスト問題に追い打ちをかけるのが、品質の問題だ。

AIが生成するコードは、動くことは動く。だが「動く」と「本番に出せる」の間には深い溝がある。

現場で頻発する問題を挙げる。

1. エッジケースの無視：正常系は通るが、異常系でクラッシュする。入力値のバリデーション漏れ、null参照、競合状態——人間のレビューなしに本番投入すれば事故になる。

1. 過剰な抽象化：AIは「きれいなコード」を書こうとするあまり、不要なデザインパターンを導入しがち。結果、中小企業の少人数チームでは誰もメンテできないコードが生まれる。

1. コンテキストの喪失：長いやり取りの中で、AIが最初の指示を忘れる。途中で方針がブレる。修正を重ねるほどトークンが消費され、品質も下がるという悪循環。

1. セキュリティホール：OWASPのTop 10に該当する脆弱性を平気で埋め込む。SQLインジェクション対策の漏れ、ハードコードされたAPIキー——AIは「動くこと」を優先し、「安全であること」の優先度が低い。

これらの手戻りコストを加算すると、AIが「節約した」はずの時間は簡単に吹き飛ぶ。AIが30分で書いたコードのデバッグに、人間が3時間かける——これは冗談ではなく、複数の現場で実際に起きている。

損益分岐点はどこにあるのか

では、中小企業がAIコーディングエージェントを使って「得をする」ラインはどこか。

簡易的な試算をしてみる。

前提条件：

• エンジニア人件費：月額45万円（地方の中堅エンジニア）
• 月間稼働時間：160時間
• 時間単価：約2,800円

AIエージェントのコスト：

• API費用：月額15万〜50万円（利用頻度による）
• 人間のレビュー・修正工数：AIが生成したコードの30〜50%に手戻りが発生すると仮定
• レビュー工数：月40〜80時間（エンジニアの稼働時間の25〜50%）

損益分岐の計算：

• AIなしの場合：エンジニア1人で月160時間分のアウトプット → コスト45万円
• AIありの場合：API費用30万円 ＋ レビュー要員の工数（半人分）22.5万円 ＝ 52.5万円
• AIによるアウトプット増加分が1.5倍以上なら、ようやくペイする

つまり、AIを入れてアウトプットが1.5倍未満なら、むしろコスト増になる。

そして現実には、AIのアウトプットの「量」は増えても、「使えるアウトプット」の量はそこまで増えないケースが多い。生成されたコードの半分を捨てているなら、実質的な生産性向上は1.2〜1.3倍程度。これでは赤字だ。

中小企業はどうすればいいのか

「じゃあAI使うな」という話ではない。使い方の問題だ。

1. エージェント型ではなく「補完型」から始める

Copilotの月額10〜19ドル（約1,500〜3,000円）で十分な場面は多い。コード補完、テストコード生成、ドキュメント作成——これらは定額制の補完型で十分カバーできる。トークン従量課金のエージェント型は、明確にROIが見えるタスクだけに限定すべきだ。

2. トークン消費を「見える化」する

多くの開発チームは、API費用をモニタリングしていない。これは家計簿をつけずにクレジットカードを使い続けるのと同じだ。日次でトークン消費量とコストを可視化し、タスクあたりの単価を把握する。「この機能の実装にAIで5,000円かかった」——この粒度で管理できなければ、コスト最適化は不可能だ。

3. 「AIに何をやらせるか」を仕分ける

AIが得意な領域と苦手な領域は明確に分かれる。

AIに任せて効率が出る：

• 定型的なCRUD実装
• テストコードの生成
• リファクタリングの提案
• ドキュメント・コメントの生成

人間がやるべき：

• アーキテクチャ設計
• セキュリティ要件の定義
• ビジネスロジックの核心部分
• エッジケースの洗い出し

この仕分けをせずに「全部AIに丸投げ」すると、トークンが爆発し、品質が崩壊する。

4. 月額上限を設定する

シンプルだが効果的。「月のAPI費用は10万円まで」と上限を決める。超えたら人間が書く。これだけで暴走を防げる。Claude CodeのAPI利用にはスペンドリミットの設定機能がある。使わない手はない。

本当の問いは「AIで何が安くなったか」ではない

ここまで読んで、「結局AIは高いのか」と思った方もいるかもしれない。

だが本質はそこではない。

AIコーディングエージェントが突きつけているのは、「コードを書くこと自体の価値が下がっている」という事実だ。

コードを書くコストが下がれば、コードを書けることの市場価値も下がる。逆に、「何を作るか」を決める力、「作ったものを届ける」力の価値は相対的に上がる。

中小企業にとって、これは実はチャンスだ。大企業は大量のエンジニアを抱え、その人件費が固定費として重くのしかかる。中小企業はAIを「変動費」として使える。必要なときだけ回し、不要なときは止める。この身軽さは、大企業には真似できない。

ただし、その身軽さを活かすには、コストの構造を正確に理解し、損益分岐点を見極める目が必要だ。

「AIを使えば安くなる」は幻想。「AIをどう使えば得をするか」を設計できる企業だけが、恩恵を受ける。

まずは今月のAPI請求書を見てほしい。そこに、あなたの会社の損益分岐点のヒントがある。

—