結論から言う。APIの値段はもう気にするな。

OpenAIがGPT-5.6 APIを20%値下げした。Google Gemini Flashは前世代の1/10。推論特化チップ「Etched」の評価額は210億ドルに達し、ハードウェア側からもコストを叩き潰しにかかっている。

この流れが意味することは一つ。AI推論コストは、限りなくゼロに向かう。

「安くなったからAIを使おう」——そう考えた人は、もう一歩踏み込んでほしい。本当の問いはこうだ。

「AIを動かすコストがタダ同然になったとき、勝負を分けるのは何か？」

答えは明確だ。データ整備と業務設計。ここに金と時間を張れるかどうかで、中小企業の未来は決まる。

—

推論コストの崩壊——数字で見る「何が起きているか」

まず事実を並べる。

• GPT-4（2023年3月）：入力100万トークンあたり約30ドル
• GPT-4o（2024年5月）：同 約5ドル（6分の1）
• GPT-5.6（2025年）：さらに20%値下げ
• Gemini 2.0 Flash：前世代比で約10分の1

ざっくり言えば、2年で推論コストは20分の1以下になった。

月間10万回のAPI呼び出しをしている中小企業があったとする。2023年時点で月額30万円かかっていた推論費用が、今は1.5万円以下で済む計算だ。年間で350万円近い差額。これはもう「コスト」ではなく「誤差」に近い。

さらに、推論特化チップの競争も激化している。Etchedは既存GPUの10倍以上の推論効率を謳い、評価額210億ドル。Groqも独自チップLPUで超低レイテンシ推論を実現している。半導体レベルでコストを壊しにきている。

キャッシュ技術も進化した。頻出するプロンプトパターンをキャッシュして再計算を省略する仕組みが実装され、実質的なAPI呼び出しコストはさらに下がる。OpenAIのPrompt Cachingでは、キャッシュヒット時に最大50%のコスト削減が報告されている。

要するに、「AIを使うこと自体」のコストは、もはや投資判断の変数にならない。

では、何が変数になるのか。

—

コストがゼロになったとき、何の価値が上がるか

ここが本題だ。

技術のコストが劇的に下がると、必ず「別の何か」の価値が上がる。歴史が証明している。

• 印刷コストがゼロに近づいた → コンテンツの質と編集力の価値が上がった
• 通信コストがゼロに近づいた → 何を伝えるか（情報設計）の価値が上がった
• サーバーコストがゼロに近づいた → 何を載せるか（サービス設計）の価値が上がった

AI推論コストがゼロに近づく世界で価値が上がるもの。それは「AIに何を食わせるか（データ）」と「AIをどこに組み込むか（業務設計）」だ。

逆に言えば、この2つが貧弱なまま「とりあえずAI導入しました」は、高性能エンジンに水を入れて走らせるようなものだ。

—

中小企業が「今すぐ」やるべきこと①：データ整備

「データ整備」と聞くと大げさに聞こえるかもしれない。だが、中小企業の現場で必要なのは、ビッグデータ基盤の構築ではない。

やることはシンプルだ。「社内に散らばっている情報を、AIが読める形にまとめる」。これだけ。

具体的に言う。

• ベテラン社員の頭の中にある見積もりロジックを、スプレッドシートに書き出す
• 過去3年分の問い合わせメールをフォルダ分けして、CSVに落とす
• 紙の業務マニュアルをスキャンしてOCRにかけ、テキスト化する
• 商品マスタの表記ゆれ（「㈱」と「株式会社」、全角半角の混在）を統一する

どれも地味だ。だが、これをやるかやらないかで、AIの出力品質は天と地ほど変わる。

実際、私たちが支援した地方の製造業（従業員30名）の例を挙げる。過去5年分の見積もりデータ約2,000件をExcelからCSVに整理し、表記ゆれを修正するのにかかった工数は約40時間、外注コストにして約20万円だった。

このデータをRAG（検索拡張生成）の参照元としてAIに接続した結果、見積もり作成の所要時間が1件あたり平均45分から8分に短縮された。月間60件の見積もりで換算すると、月37時間の削減。年間で約450時間。人件費に換算すれば年間150万円以上の効果だ。

20万円の投資で、年間150万円のリターン。ROIは750%。

この話のポイントは、AIのAPI費用ではない。月間のAPI費用は数千円程度だ。勝負を分けたのは「20万円かけてデータを整備したかどうか」だった。

—

中小企業が「今すぐ」やるべきこと②：業務設計

データ整備と並んで重要なのが、業務設計の見直しだ。

よくある失敗パターンがある。「今の業務フローはそのままで、AIだけ乗せる」というやつだ。

例えば、こういうケース。

> 問い合わせ対応をAIチャットボットにしたが、結局スタッフが全件チェックしている。工数が減るどころか、チェック工数が増えた。

これは業務設計の問題だ。AIの出力を「人間が全件確認する」前提で組んだら、工数は減らない。むしろ増える。

正しい設計はこうだ。

1. AIが自信度90%以上で回答できるもの → 自動返信（人間は見ない）
2. 自信度70〜90%のもの → 下書き生成＋人間が軽く確認して送信
3. 自信度70%未満のもの → 人間が対応

この3段階に分けるだけで、全件チェックが不要になる。実際に導入した地方のECサイト運営会社（従業員12名）では、問い合わせの約65%がカテゴリ1に分類され、カスタマーサポートの実稼働時間が週20時間から週7時間に減った。

この業務設計の見直しにかかったコストは、ワークショップ2回分と設定作業で約30万円。月間の人件費削減効果は約25万円。2ヶ月目で回収完了だ。

繰り返すが、ここでもAPIコストは月数千円に過ぎない。金を張るべきは「設計」の方だ。

—

中小企業「だからこそ」勝てる構造

大企業がAIを導入するとき、何が起きるか。稟議に3ヶ月、セキュリティ審査に2ヶ月、ベンダー選定に2ヶ月。PoC開始まで半年。全社展開まで1年。その間にAPIコストはさらに半額になっている。

中小企業は違う。社長が「やろう」と言えば来週から始められる。30人の会社なら、全員のデータを1ヶ月で整備できる。業務フローの変更も、朝礼で共有すれば翌日から変わる。

意思決定の速さと現場との距離の近さ。これは大企業が逆立ちしても手に入らない構造的優位だ。

AI推論コストがゼロに近づく世界では、「AIを使えるかどうか」は差別化にならない。誰でも使える。差がつくのは「どれだけ速く、自社の業務にフィットさせられるか」だ。

ここで中小企業は圧倒的に有利だ。

—

で、結局どうすればいいのか

3つだけ言う。

1. 今月中に、社内で一番「属人化している業務」を一つ選べ。
ベテランしかできない見積もり、特定の人しか知らない顧客対応ルール、誰かの頭の中にしかない判断基準。それを書き出してデータ化しろ。予算は10〜30万円で十分だ。

2. その業務にAIを組み込む「業務フロー」を設計しろ。
「AIに全部任せる」ではなく、「AIがやる部分」と「人間がやる部分」を明確に線引きしろ。ここに30万円かけても2ヶ月で回収できる。

3. APIコストの比較検討に時間を使うな。
GPT-5.6が20%安くなったか、Geminiの方が安いか。そんな比較に1時間使うくらいなら、その1時間で業務マニュアルを1本テキスト化しろ。月数千円の差を議論する暇があったら、月数十万円の業務改善に手をつけろ。

—

推論コストの崩壊は「スタートラインの平等化」だ

AI推論コストがゼロに向かうということは、「AIを使うこと」が競争優位ではなくなるということだ。電気が安くなっても「電気を使っています」は差別化にならないのと同じだ。

差がつくのは、電気で何を動かすか。AIで何を回すか。

その「何を」を決めるのが、データ整備と業務設計だ。

地方の中小企業にとって、今は歴史的なチャンスだと本気で思っている。大企業と同じAIが、ほぼタダで使える。あとは「自社の現場に合わせて組み込む速さ」だけが勝負。そしてそれは、中小企業の方が圧倒的に速い。

APIの値下げニュースに一喜一憂している場合ではない。今日、データを整備し始めた会社が、半年後に勝つ。

—