AIに払う金の82%は、成果に届いていない

まず数字を見てほしい。

米国企業のAIエンジニアリング支出のうち、最終的な製品やサービスに反映されているのはわずか18%。残りの82%は、インフラ構築、PoC（概念実証）の繰り返し、ベンダーとのやり取り、そして「使われないモデル」に消えている。

年間1,000万円をAIに投じている企業なら、820万円がドブに落ちている計算だ。

大企業なら「学習コスト」と言い張れる。だが中小企業にとって、820万円は人ひとり雇える金額だ。この構造を放置したまま「AI導入しましょう」と言われても、経営者が首を縦に振れるわけがない。

そこに風穴を開けたのが、中国発のDeepSeekだ。

DeepSeekが変えたのは「性能」ではなく「価格の常識」

DeepSeekの衝撃は、性能が飛び抜けて高いことではない。「この性能が、この値段で出る」という事実にある。

具体的に比較してみる。

注目すべきは、APIコストが10分の1から60分の1になっている点だ。月50万円かかっていたものが3万円になる。この差額で何ができるか。パート1人分の人件費が浮く。あるいは、今まで手が出なかった業務のAI化に踏み出せる。

米国で「DeepSeekへの乗り換え」が急増しているのは、単に安いからではない。「この価格差を正当化できるほどの性能差が、もはや存在しない」と多くの企業が気づいたからだ。

「月3万円」が損益分岐点を変える構造

中小企業のAI導入には、見えにくいハードルがある。それは「月額いくらなら、元が取れるか」という損益分岐点の問題だ。

例を出す。

従業員30人の地方の製造業。問い合わせ対応に月40時間かかっている。時給換算で1,500円として、月6万円分の人件費。ここにAIチャットボットを入れて対応の7割を自動化できれば、月4.2万円分の工数が浮く。

• シリコンバレー系AIの月額が20万円なら、完全に赤字。導入する理由がない。
• DeepSeekの月額が3万円なら、月1.2万円の黒字。初月から元が取れる。

この差は決定的だ。

月20万円の世界では、AI導入は「投資判断」になる。稟議を通し、効果測定の仕組みを作り、半年後にROIを検証する——そんな大企業的プロセスが必要になる。

月3万円の世界では、AI導入は「実験」になる。ダメなら来月やめればいい。うまくいったら別の業務にも広げる。中小企業が最も得意な「まずやってみる」が可能になる。

これがDeepSeekが突きつけた本質的な変化だ。AIの損益分岐点が下がったことで、意思決定のスピードそのものが変わった。

ただし、安さだけで飛びつくと火傷する

ここで冷水をかけておく。DeepSeekへの乗り換えには、見過ごせないリスクがある。

1. データの行き先問題

DeepSeekは中国企業だ。入力したデータがどこに保存され、誰がアクセスできるのか。中国のデータ関連法規では、政府がデータ提供を企業に要求できる。顧客情報や社内の機密情報をそのまま流すのは、コスト以前の問題だ。

2. 品質のムラ

日本語での利用においては、GPT-4oやClaude 3.5と比較して、微妙なニュアンスの理解や専門用語の処理で差が出る場面がある。「8割の用途では問題ない。残り2割で致命的なミスが出る」——この2割が自社のコア業務に当たるなら、安さは意味をなさない。

3. 無限ループの罠

これはDeepSeekに限った話ではないが、AIのコストが下がると「とりあえずAIに投げる」が常態化する。人間が判断すべきことまでAIに丸投げし、AIの出力をそのまま次のAIに食わせる。結果、誰も中身を検証しないまま意思決定が進む。

コストが安いからこそ、この罠にはまりやすい。月3万円なら「まあいいか」で放置される。月50万円なら誰かが「本当に効果あるのか」とチェックする。安さが思考停止を招く逆説を、経営者は意識しておくべきだ。

中小企業が今やるべき3つのこと

では、結局どうすればいいのか。

1. 用途で切り分ける

全業務を一つのAIに任せる必要はない。

• 機密性が低く、定型的な業務（FAQ対応、議事録要約、翻訳など）→ DeepSeek等の低コストAI
• 機密性が高い、または精度が命の業務（契約書レビュー、顧客データ分析など）→ GPT-4o、Claude等の高精度AI
• 社内だけで完結させたい業務 → ローカルLLM（Ollamaなどで自社サーバーに構築）

この「切り分け」ができるかどうかが、AI活用の巧拙を分ける。全部を高いAIに任せるのも、全部を安いAIに任せるのも、どちらも間違いだ。

2. 月3万円で「実験枠」を作る

年間の予算から月3万円を「AI実験枠」として確保する。年間36万円。この枠内で、毎月1つの業務をAI化してみる。うまくいったら本格導入、ダメならすぐ撤退。

重要なのは、この実験を特定の社員に属人化させないことだ。「AIに詳しい若手」に丸投げした瞬間、その人が辞めたら全部止まる。手順書を作り、誰でも再現できる状態にする。仕組み化こそが、中小企業のAI活用の生命線だ。

3. 「何が変わったか」を数字で記録する

導入前と導入後で、何時間の工数が減ったか。何件のミスが減ったか。売上にどう影響したか。感覚ではなく数字で記録する。

この数字がないと、3ヶ月後に「AI、結局どうだったっけ？」となる。数字があれば、次の判断が速くなる。経営判断のスピードは、データの蓄積量で決まる。

本当の競争は「AIを持っているか」ではなく「AIをいくらで回せるか」

2024年まで、AIの競争軸は「性能」だった。どのモデルが賢いか、どのベンダーが最先端か。

2025年、競争軸は「コスト」に移った。同じ成果を、いくらで出せるか。

この変化は、中小企業にとって追い風だ。大企業が年間数億円かけて構築したAIシステムと、中小企業が月3万円で組んだ仕組みが、同じ土俵で戦える時代が来ている。

逆に言えば、「高いから良いはず」という思考停止が最大のリスクになった。シリコンバレーのブランドに月50万円払い続けている企業と、DeepSeekで月3万円から始めて毎月改善を回している企業。1年後、どちらが強いかは明白だろう。

AIベンダー選びは、もはやテクノロジーの問題ではない。経営判断の問題だ。

そして経営判断に必要なのは、最先端の知識ではなく、「月いくらで、何が変わるか」という地に足のついた計算だ。

まずは月3万円から、始めてみればいい。