モデル代ゼロ円の時代が、もう来ている

結論から言う。AIモデルの価格は、ゼロに向かっている。正確には、もうほぼゼロだ。

アリババのオープンソースモデル「Qwen」が累計30億ダウンロードを突破した。MetaのLlamaを抜き、世界で最もダウンロードされたオープンソースLLMになった。最新のQwen3は0.6Bから235Bまで8サイズを展開し、27Bモデルなら16GBメモリのノートPCでも動く。料金はゼロ。ライセンスはApache 2.0。商用利用も自由だ。

一方で、決済大手のStripeがAIゲートウェイ企業OpenRouterを約70億ドル（約1兆円）で買収する方向で交渉中だと報じられた。OpenRouterは、複数のAIモデルを一つのAPIで切り替えて使えるルーティングサービスだ。モデルそのものではなく、「モデルをどう届けるか」のインフラに1兆円の値がついた。

この2つのニュースを並べると、構造が見える。

モデルの価値は下がり、モデルを「届ける・使いこなす」仕組みの価値が上がっている。

中小企業にとって、これは朗報なのか。それとも新しい落とし穴なのか。

コストの地殻変動——300万円が5万円になった、その先

2年前、ChatGPTが登場した直後を思い出してほしい。GPT-4のAPI利用料は入力1Kトークンあたり0.03ドル、出力は0.06ドルだった。月間100万トークン使えば、APIだけで月数万円。カスタマイズやファインチューニングを外注すれば、初期費用300万〜500万円は普通だった。

今はどうか。

• Qwen3-27B：無料。ローカルで動く。API経由でも激安
• Google Gemini 2.5 Flash：無料枠あり。有料でもGPT-4の数分の1
• DeepSeek-R1：オープンソース。推論特化で高性能
• Llama 4：Meta提供。商用利用可

OpenRouterの価格表を見れば一目瞭然だ。GPT-4クラスの性能を持つモデルが、入力100万トークンあたり0.1〜0.5ドルで使える。2年前の10分の1以下。ローカル実行なら文字通りゼロ円だ。

つまり、かつて「AIを使うこと」自体がコストだった。今は違う。AIを使わないことがコストになった。

では、中小企業は何に金を払うべきなのか。

「選ぶコスト」が新しいボトルネックになる

モデルが無料になったことで、逆に厄介な問題が生まれた。選択肢が多すぎるのだ。

Hugging Faceには100万以上のモデルが公開されている。OpenRouterが接続するモデルだけでも数百種類。毎週のように新モデルがリリースされ、ベンチマークの順位が入れ替わる。

大企業なら専任のMLエンジニアがいて、ベンチマークを比較し、自社データで検証し、最適なモデルを選定できる。中小企業にそのリソースはない。社員5人の会社で「Qwen3とLlama4とGeminiを比較検証してくれ」と言われても、現実的じゃない。

ここで起きるのが2つのパターンだ。

パターンA：選べなくて止まる。 情報が多すぎて判断できず、結局何も導入しない。これが最悪だ。

パターンB：とりあえずChatGPTの有料プランだけ使う。 悪くはないが、月額2万円×人数分を払い続ける。10人なら月20万円。年間240万円。無料モデルで代替できる業務も多いのに、だ。

どちらも、もったいない。

中小企業が本当に投資すべき3つのこと

モデル代がゼロに向かう世界で、中小企業が払うべきものは何か。具体的に3つある。

1. 「業務を分解する力」に投資する

AIモデルは道具だ。道具の値段がゼロになっても、「何を作るか」が決まっていなければ意味がない。

中小企業がまずやるべきは、自社の業務を棚卸しして「AIに置き換えられる作業」を特定することだ。これは技術の話ではない。業務の話だ。

例を挙げる。

• 見積書の作成：過去の見積データをもとに、Qwen3-4Bでドラフトを自動生成。所要時間が1件30分→3分に
• 問い合わせ対応：FAQデータをベクトル化し、RAG（検索拡張生成）で自動回答。月100件の問い合わせのうち70件を自動処理
• 日報の要約と分析：社員が書いた日報をLLMで要約し、傾向を抽出。管理者の確認時間が1日1時間→10分に

どれも、無料モデルで十分にできる。必要なのは「この業務はAIに任せられる」と判断する目利きの力だ。

2. 「仕組み化」に投資する

属人化は中小企業の最大の敵だ。「田中さんしかできない」業務があるかぎり、その会社はスケールしない。

AIの本当の価値は、属人化を壊すことにある。

田中さんの頭の中にあるノウハウを、プロンプトとして言語化する。それをLLMに食わせて、誰でも同じ品質のアウトプットを出せるようにする。これが仕組み化だ。

具体的にやることはシンプルだ。

1. ベテラン社員の判断基準をヒアリングして文書化する
2. その文書をシステムプロンプトに組み込む
3. 新人がそのプロンプトを使って業務を回す
4. 結果をフィードバックしてプロンプトを改善する

このサイクルを回すのに、高額なAIツールは要らない。Ollamaでローカルにモデルを立てれば、ランニングコストはPCの電気代だけだ。月額数百円の世界。

投資すべきは、この仕組みを設計し、回し続ける「人の時間」だ。外部に頼むなら、月5〜10万円のAI活用コンサルで十分。年間60〜120万円。ChatGPTの全社導入より安い場合もある。

3. 「自社データの整備」に投資する

ここが最も見落とされているポイントだ。

モデルは無料で手に入る。しかし、モデルの性能を自社の業務で発揮させるには、自社のデータが必要だ。過去の見積書、顧客対応の履歴、製品マニュアル、社内ルール。これらが整理されていなければ、どんな高性能モデルも「一般的な回答」しか返せない。

逆に言えば、自社データこそが中小企業の「堀」になる。 大企業がどれだけ高性能なモデルを持っていても、あなたの会社の20年分の顧客対応ノウハウは持っていない。

データ整備にかかるコストは、実はそこまで大きくない。

• 過去の文書をPDF/テキスト化：社員の空き時間で対応可能
• ベクトルデータベースの構築：ChromaDBやFAISSなら無料
• RAGパイプラインの構築：LangChainやLlamaIndexで数日あれば動くものが作れる

外注しても50〜100万円程度。自社でやれば、ほぼ人件費だけだ。

OpenRouterの買収が示す「次の戦場」

StripeがOpenRouterに70億ドルを払おうとしている理由を考えてみてほしい。

OpenRouterは、モデルを作っていない。モデルを「つなぐ」サービスだ。ユーザーのリクエストに応じて、最適なモデルに振り分ける。Stripeにとっては、AI時代の決済インフラを押さえる意味がある。

ここから読み取れるのは、「モデルを作る」競争は終わりつつあり、「モデルをどう届け、どう使わせるか」の競争が始まっているということだ。

中小企業にとってのメッセージは明確だ。モデルの性能差を気にする時代は終わる。どのモデルを使っても、そこそこの性能は出る。差がつくのは、「そのモデルで何をするか」「どう業務に組み込むか」だ。

「このままでいいのか」という問い

最後に、率直に聞きたい。

あなたの会社は、まだAIを「よくわからないもの」として放置していないか。

月2万円のChatGPTを1人だけが使って「うちもAIやってます」と言っていないか。

世界では、30億回ダウンロードされた無料モデルが、ノートPCで動いている。APIの価格は毎月下がっている。1兆円の買収劇が示しているのは、この流れが不可逆だということだ。

モデルの値段はゼロになる。でも、「使いこなす力」の値段はゼロにならない。

中小企業が今すぐやるべきことは、3つだけだ。

1. 自社の業務を1つ選んで、無料モデルで置き換えてみる。 まず1つ。見積書でも日報でもいい
2. そのプロセスを文書化して、誰でも再現できるようにする。 属人化させない
3. 自社のデータを整理し始める。 これが半年後、1年後の競争力になる

高いツールも、難しい技術も要らない。必要なのは「まず動く」という判断だけだ。

モデルの値段がゼロになった世界で、最も高くつくのは「何もしないこと」だ。

—