29ドルで製品が出荷された。人件費ゼロで。

エンジニア1人を1ヶ月雇えば、最低でも50万円はかかる。外注すれば数百万円。それが当たり前だった「ソフトウェア開発」の世界で、ある開発者が5つのAIエージェントを連携させ、たった29.63ドル（約4,500円）で製品を出荷したという報告がX上で話題になった。

29ドル。飲み会1回分にもならない金額だ。

これは何を意味するのか。「すごい」で終わらせてはいけない。コストが100分の1になったとき、何が起き、何が壊れるのか。地方の中小企業にとって、これは本当に武器なのか。それとも、見えにくい罠なのか。

何が起きたのか——5体のAIエージェントが「チーム」になった

この開発者がやったことはシンプルだ。従来なら人間のチーム——PM、デザイナー、フロントエンド、バックエンド、QA——が分担していた工程を、それぞれ役割を持たせたAIエージェントに任せた。

具体的には、Cursor、Claude、ChatGPTなど複数のAIツールを組み合わせ、要件定義からコーディング、テスト、デプロイまでを一気通貫で処理させている。人間がやったのは「何を作るか」の指示と、最終的な品質チェックだけ。

かかったコストの内訳は、各AIサービスのAPI利用料の合計で29.63ドル。人件費はゼロ。

この数字だけ見れば、中小企業にとって夢のような話だ。これまで「開発費が出せないから」と諦めていた自社プロダクトの開発が、5,000円以下で試せる。月に10回トライしても5万円。年間60万円。正社員エンジニア1人の月給にも満たない。

コストが100分の1になると、何が変わるか

ここで大事なのは「安くなった」という話ではない。コスト構造が変わると、戦い方そのものが変わるということだ。

たとえば、これまで中小企業がソフトウェア開発をしようとすると、こうなっていた。

• 外注見積もり：300万〜500万円
• 開発期間：3〜6ヶ月
• 失敗したら？→ 致命傷

だから中小企業は「一発で当てなければならない」プレッシャーの中で開発し、結果として保守的な仕様になり、市場に出す頃にはニーズがズレている——という負けパターンを繰り返してきた。

これが29ドルになるとどうなるか。

• 「試す」コストが消える。 10個作って1個当たればいい。
• 「失敗」の定義が変わる。 5,000円の失敗は失敗ではなく実験だ。
• スピードが武器になる。 大企業が稟議を回している間に、10パターン市場に投げられる。

地方の中小企業が大企業に勝てる構造が、ここに生まれつつある。大企業は組織が大きい分、意思決定が遅い。中小企業は「今日思いついて、明日出す」ができる。AIエージェントは、その速度をさらに加速させる。

ただし、罠もある。3つの「見えにくいコスト」

29ドルという数字に飛びつく前に、冷静に見るべきポイントがある。

罠①：記憶喪失問題——毎回「はじめまして」からやり直し

現在のAIエージェントの多くは、セッションをまたぐと文脈を忘れる。ChatGPTの「メモリー機能」も、実態は簡易的なメモ帳であり、プロジェクト全体の設計思想や過去の意思決定の経緯を保持できるわけではない。

これは何を意味するか。プロジェクトが複雑になるほど、人間が「AIに文脈を教え直す」コストが増える。 29ドルで済んだのは、スコープが小さいプロダクトだったからだ。業務システムのような複雑なものを作ろうとすれば、この「教え直しコスト」が指数関数的に膨らむ。

現時点での現実的な対策は、プロジェクトの設計書やルールを構造化したドキュメントとして用意し、毎回AIに読み込ませること。これは地味だが効く。ただし、そのドキュメントを書けるのは「何を作るべきか」を理解している人間だけだ。

罠②：トークンコストの「見えない従量課金」

AIエージェントの利用料は、基本的にトークン（≒文字数）の従量課金だ。簡単なタスクなら数セントで済むが、複雑な処理やデバッグで試行錯誤が増えると、トークン消費は一気に跳ね上がる。

実際、Claude 3.5 Sonnetの場合、入力100万トークンあたり3ドル、出力100万トークンあたり15ドル。GPT-4oなら入力2.5ドル、出力10ドル。1回のやり取りは安くても、AIエージェント同士が連携して何十回もやり取りすれば、コストは掛け算で増える。

29ドルで済んだプロジェクトの裏に、「何度もやり直して学んだ試行錯誤のコスト」が含まれていない可能性もある。「成功した1回」のコストだけ見て判断すると、実際の運用コストを見誤る。

罠③：「動くコード」と「使えるプロダクト」の間の溝

AIが書いたコードは「動く」。だが、「動く」と「使える」は違う。セキュリティ、エラーハンドリング、ユーザビリティ、保守性——これらを担保するには、まだ人間の判断が必要だ。

特に中小企業が顧客向けにサービスを提供する場合、「動いたけど顧客データが漏れました」では済まない。29ドルで作って、訴訟で数百万円飛ぶ——というシナリオは、決して大げさではない。

では、中小企業はどう使えばいいのか

罠があるからやめろ、という話ではない。罠を知った上で、正しく使え、という話だ。

ステップ1：まず「社内ツール」から始める

顧客向けプロダクトではなく、社内の業務効率化ツールから始めるのが最もリスクが低い。日報の自動集計、見積書の自動生成、在庫データの整理——こうした「壊れても致命傷にならない」領域でAIエージェントを試す。

月5万円の予算で、毎月1つ社内ツールを作る。半年で6つ。そのうち2つでも定着すれば、年間の業務コスト削減効果は数十万〜数百万円になり得る。

ステップ2：「AIに任せる部分」と「人間が握る部分」を分ける

コーディングはAIに任せる。だが、「何を作るか」「誰のために作るか」「どこまでの品質が必要か」は人間が決める。この線引きを曖昧にすると、AIが量産する「誰も使わないツール」の山ができる。

ステップ3：コストの「天井」を決めてから始める

「月5万円まで」「1プロジェクト1万円まで」と上限を決める。AIエージェントの従量課金は、気づかないうちに膨らむ。クレジットカードの請求書を見て青ざめる前に、予算の枠を決めておく。

本当の問いは「AIを使うかどうか」ではない

29ドルで製品が出荷できる時代に、「AIを使うかどうか」を議論している段階ではもうない。

本当の問いはこうだ。「あなたの会社は、開発コストが100分の1になった世界で、何を作るのか」。

これまで「コストが合わない」と諦めていたアイデアが、全部テーブルに戻ってくる。地方の中小企業だからこそ、現場の課題を知っている。現場の課題を知っている人間が、ほぼゼロコストで解決策を試作できる。これは、東京の大企業にはない強みだ。

ただし、繰り返す。29ドルは「実験1回分の値段」であって、「事業の構築コスト」ではない。 実験と事業の間には、品質管理、顧客対応、継続的な改善という、AIだけでは埋められない溝がある。

まずは1つ、作ってみればいい。5,000円で。それが武器になるか罠になるかは、使い方次第だ。

—