AIのトークン消費は増え続ける──だからこそ「モデルの使い分け」がコスト戦略の核心になる
最近、AIのコストについて気になるニュースが続いています。Gartnerは「2028年までにAIコーディングツールへの支出が、平均的な開発者の年収を上回る」と予測しました。しかし私が言いたいのは、この予測の数字そのものではありません。
2028年を待つまでもなく、コスト問題はすでに今、目の前で起きているということです。
実は私自身、コストがあまりに高くつくため、Claude Codeの利用はすでにやめました。便利なツールであることは間違いありません。それでも、使い続けるには見合わないと判断したのです。
この記事では、なぜトークン消費が増え続けるのか、単価とデータセンターはこの先どうなるのか、そして「それでもAIは手放せない」という前提に立ったとき、どう賢く使っていけばいいのかを、私自身の実践を交えてお話しします。
トークン消費は、あらゆる場面で増えている
まず押さえておきたいのは、トークン消費が増えているのは間違いないという事実です。これはコーディングに限った話ではありません。
ここで言う「トークン」とは、AIが処理するデータの単位です。AIに何かをさせるたびに、このトークンが消費され、それが料金に直結します。
そして近年のAIは、単に1つの質問に1つの答えを返すだけではなくなりました。とくにAIエージェントは、タスクを計画し、ツールを呼び出し、データを取得し、何度も手順を繰り返します。1回のやり取りで完結していた処理が、裏側で何十倍ものトークンを消費するようになっているのです。
ある試算では、2023年に1回あたり0.04ドルだったシンプルな処理が、2026年の複雑なエージェント型では1回あたり1.20ドル、つまり約30倍に跳ね上がるケースが示されています。エージェントが賢く、自律的になるほど、消費するトークンは増えていく。これはもう避けられない流れです。
「単価は下がっているのに、請求は増える」という逆説
ここで多くの人が誤解しがちなポイントがあります。「でも、AIの料金ってどんどん安くなっているんじゃないの?」という点です。
確かに、トークンの単価は下がってきました。ある分析では、最先端モデルの単価はこの3年で99.7%も下落したとされています。これだけ見れば、コストの心配などなさそうに思えます。
ところが、現実の請求額はむしろ増えています。FinOps関連の調査では、企業の73%が「AIコストが当初の予測を超えた」と回答しました。
なぜこんなことが起きるのか。答えはシンプルです。単価が下がる以上のスピードで、消費量が増えているからです。安くなったぶん、人はより多くのトークンを使う処理を回すようになります。エージェントのループ、長大なコンテキスト、何度もの再試行。気づけば、単価の下落分など軽く飲み込んでしまうほど使用量が膨らんでいるのです。
「安くなったのに、高くなる」。この逆説こそが、コスト問題の本質だと私は考えています。
単価の下落は、もう鈍化し始めている
さらに気がかりなのは、その頼みの綱である単価下落そのものが、鈍り始めていることです。
あるデータ分析企業の調査によると、2025年後半には約半年で4割近く下落していた実効トークン単価が、2026年に入ってからは年初来でわずか6%の下落にとどまっているといいます。下落ペースが明らかに緩んでいるのです。
しかも興味深いことに、企業はあえて安いモデルに乗り換えるのではなく、むしろ高性能な最先端モデルへの利用配分を増やしているという傾向も報告されています。信頼性や性能を重視すれば、結局は高いモデルを使うことになる。これが現場のリアルな選択です。
つまり、「待っていれば勝手に安くなる」という楽観は、もう通用しなくなりつつあります。
データセンター投資が、この先の単価を押し上げる
そしてもう一つ、長期的に効いてくるのがインフラ、つまりデータセンターの問題です。
世界のデータセンター向け設備投資は、2026年に1兆ドルを超える規模まで膨らむと見られています。AI向けの次世代データセンターは、建設コストも従来型より大幅に上昇しているとの分析もあります。
ここで考えてみてください。これだけ巨額の投資をした以上、事業者はどこかでそれを回収しなければなりません。インフラ投資の回収圧力は、いずれモデルの利用料金に跳ね返ってくる可能性が高いのです。実際、Gartnerのアナリストも、インフラ投資と収益性の課題が今後のモデル価格を押し上げると指摘しています。
ここまでの話を整理すると、私たちが直面しているのは次のような構図です。
- トークン消費は、エージェントの普及であらゆる場面で増え続ける
- 頼みの単価下落は、すでに鈍化し始めている
- データセンター投資の回収圧力が、いずれ単価を押し上げる方向に働く
消費量は増え、単価の下げ止まりと押し上げ要因が重なる。この3つが同時に進めば、コスト環境はこれからさらに厳しくなっていくと考えるのが自然でしょう。「コスト削減のためにAIを入れる」という当初の発想は、そのままでは成り立ちにくくなってきているのです。
それでも、AIが不要になるわけではない
では、AIから手を引くべきなのでしょうか。私はそうは思いません。
コストが厳しくなるからといって、AIが不要になるわけではないのです。作業を高速化し、これまで人手では難しかったことを可能にする。その価値そのものは、本物だからです。
だとすれば、問われるのは一つだけ。いかにうまく使っていくかです。コストと向き合いながら、それでも価値を引き出す。その工夫こそが、これからますます重要になってくると私は考えています。
コスト削減のコツは、やはり「モデルの切り替え」
では具体的にどうするか。私の結論は、モデルの切り替えに尽きます。
ポイントはとてもシンプルです。
必要なときには、少しコストをかけてでも能力の高いモデルを使う。普段は、なるべく安いモデルを使う。
これだけです。すべての作業を最高性能のモデルに丸投げするのが、いちばんコストを跳ね上げる原因になります。実際、モデルによってはトークン単価に数十倍から数千倍もの開きがあります。安いモデルと高性能モデルの間で、これほどの差があるのです。
たとえば、簡単な整形作業や定型的な処理に、最高峰の推論モデルを使う必要はありません。そういう作業は安価なモデルに任せ、複雑な設計判断や難易度の高い実装といった「ここぞ」という場面でだけ、高性能モデルに切り替える。この使い分けだけで、品質を保ったままコストを大きく削れます。
業界の調査でも、用途に応じてモデルを振り分けるだけでコストを6〜8割削減できるとされています。裏を返せば、何も考えずに高性能モデルを使い続けることが、いかに無駄を生んでいるかということでもあります。
IDEで複数モデルを使い分けられる時代
ありがたいことに、こうした使い分けは、いまや非常にやりやすくなっています。
最近のIDE（開発環境）では、数多くのモデルを切り替えて使えるようになっているものが増えました。作業の内容に応じて、その場でモデルを選べる。普段は軽量なモデルで進め、難所にぶつかったら高性能モデルに切り替える。そんな運用が、ボタン一つで実現できます。これは本当に便利です。
ツールに縛られず、タスクごとに最適なモデルを選べる。この柔軟さこそが、これからのコスト戦略を支える土台になると思います。
まとめ──「使うか、やめるか」ではなく「どう使い分けるか」
トークン消費はこれからも増え続けます。単価の下落は鈍り、データセンター投資の回収圧力も加わって、コスト環境は厳しくなっていくでしょう。2028年を待つまでもなく、その兆候はすでに表れています。
しかし、だからこそ大切なのは、AIを「使うか、やめるか」という二択で考えないことだと私は思います。本当に問われているのは、**「どう使い分けるか」**です。
普段は安いモデルで軽快に。ここぞという場面では、コストをかけてでも高性能モデルで確実に。この切り替えを意識するだけで、AIはこれからもコストに見合う、頼れる相棒であり続けてくれるはずです。
私自身、Claude Codeはいったん手放しました。それでもAIから離れたわけではありません。むしろ、賢く付き合うための距離の取り方を、少しずつ見つけているところです。