タグ: SaaS

はじめに：AIが使われるほど、利益も増えるのか

AIの利用が広がれば、AIサービスを提供する企業の売上も増える。では、利益も同じように増えるのだろうか。

企業向けのデータ基盤を提供するSnowflakeは、この問いを考えるうえで分かりやすい事例である。同社は、ソフトウェアを使う人数ではなく、実際に使われた計算処理の量に応じて課金する。AIエージェントが企業のデータを扱う機会が増えれば、その分だけ売上が伸びる形になっている。

実際、2026年7月末に終わった四半期の製品売上は前年同期比37%増となり、伸び率が高まるのは3四半期連続だった。経営陣は、この加速のおよそ半分がAI製品によるものだと説明している。

一方で、同社は同じ決算発表で、通期の製品粗利率の見通しを75%から74%へ引き下げている。

背景にあるのは、AI特有の原価の構造である。AIの処理には、従来のクラウド基盤の費用に加えて、外部のAIモデルへの支払いが発生する。利用が増えれば売上は伸びるが、原価も同時に増える。

こうしたなかで、SnowflakeはAI専用の課金単位「AI Credits」への移行を進めた。もともと使った量に応じて課金していた会社が、なぜAIのために別の価格体系を用意したのか。

そこを読み解くと、AIを提供する企業が売上の成長と利益率を両立させるうえで直面する課題が見えてくる。

1. 使われるほど売上が増える会社

Snowflakeは、企業がデータを集め、分析するためのクラウド基盤を提供している。2026年1月期の製品売上は44.7億ドル、前年比29%増だった。

課金の仕組みは、利用者数に応じた課金とは根本的に違う。年次報告書（10-K）は、売上を「顧客が計算処理、ストレージ、データ転送を消費するにつれて認識する」と書く。多くの顧客は一定量の利用を前もって契約して支払うが、売上になるのは実際に使われた時点である。公式ドキュメントにも「席ごとの料金はない」と明記されている。

この仕組みの下では、顧客がAIを使ってデータを扱う量が増えれば、そのまま売上が増える。AIエージェントの普及は、この会社にとって素直な追い風に見える。

2. 成長の加速と、利益率への圧力

実際、数字は追い風を示している。2026年7月末に終わった四半期の製品売上は14.9億ドルで37%増。通期の見通しも31%増から36%増へ引き上げられた。

しかし同じ決算発表で、通期の製品粗利率の見通しは引き下げられた。財務責任者は理由を、「急成長しているAIのワークロードの構成比が高まっており、それらは現時点では貢献利益率が低い」ためと説明している。5月にも「AI製品の粗利率はコアの基盤より低い」と述べていた。

Snowflakeは、AI以前から、顧客の利用量が増えるほど外部のクラウド基盤への支払いも増える事業だった。四半期報告書（10-Q）によれば、製品売上原価の約75%は外部のクラウド基盤に支払う費用である。ここには従来のデータ処理にかかる分に加えて、AIの推論やGPUに関連する費用も含まれる。AI関連の費用だけを取り出した金額は開示されていない。

AIによって変わったのは、従来のデータ処理とは原価の構造が違うサービスが加わり、その構成比が高まっていることである。10-Qは、コストと粗利率が「AnthropicやOpenAIのような最先端のAIモデル提供者」との価格交渉に左右されるとも書いている。

加えて、Snowflakeは将来のAI需要を見込んで、外部の事業者に対する一定の支出をあらかじめ約束している。開示されている第三者のAIサービス事業者との契約では、2028年11月までの3年間の最低購入額は3億9,000万ドルで、2026年7月末時点では2億7,000万ドルの購入義務が残っている。各契約年の最低購入額に届かなかった場合には、差額を支払う必要がある。

ここには、消費型のAI事業に特有の非対称性がある。顧客からの売上は実際に使われた量に応じて立つ一方で、提供する側は、将来の需要を見込んで調達を先に約束する。

もっとも、この最低購入額は将来の義務を含む契約上の金額であり、当期の費用ではない。製品粗利率の見通しの引き下げが、この契約によって直接生じたと同社が説明しているわけでもない。

その上で二つを並べると、消費型のAI事業が抱える課題の形が見えてくる。需要が拡大しても、販売価格と原価の差が十分に取れなければ粗利率は下がりうる。一方、需要の拡大を見込んで調達を約束していれば、想定どおりに利用が増えなければ、先行した支出が負担になりうる。

なお、製品粗利率の低下と、会社全体の収益性の悪化は同じではない。Snowflakeは同じ決算発表で、通期のNon-GAAP営業利益率の見通しを13.5%から14.5%へ引き上げており、財務責任者は「成長を加速させながら営業利益率を拡大した」と述べている。AI関連製品の粗利率に下押し圧力がかかっていても、売上の拡大や営業費用の効率化によって、全社の利益率は改善しうる。

3. なぜ、AI専用の課金体系を設けたのか

こうした原価の構造のなかで、SnowflakeはAI関連の機能を対象に、通常のデータ処理とは別の価格体系への移行を進めた。

公式ドキュメントは、AI Creditsについて「Platform Creditsとは別のもので、エディションにかかわらず一貫した価格を提供する」と説明する。通常の計算処理の単価は契約するエディションによって変わるが、AI Creditsは変わらない。ただし、処理を実行する地域の選び方や年間契約額に応じた割引によって、実際の単価は動く。

一方で、これは顧客が何かを買い直す話ではない。同じドキュメントは「既存の契約残高と契約条件は変わらず、契約の修正も必要ない」と書いている。既存の仕組みが置き換えられたのではなく、同じ基盤のうちAIを動かす部分に別の料金体系が適用されるようになった、と理解するのが正確である。一部の従来機能は、いまも通常のクレジットで課金されている。

時期についても、公表資料から特定できるのは移行が進んだ事実までである。2026年4月6日のリリースノートは、エージェント製品などの利用記録を細かく分ける変更を「AI Creditsへの移行の一環」として記し、狙いを「顧客にとっての分かりやすさを高め、より柔軟な価格設定とパッケージングを可能にする」と説明している。決算発表でも、2026年5月から、将来の業績に影響しうる要因の列挙に「AI creditの価格設定」が加わった。

原価構造との関係について、同社が価格体系を分けた理由として直接説明しているわけではない。ただ、通常のデータ処理とAIでは、使う計算資源も外部モデルへの支払いも異なり、その価格も動く。価格体系を分けておけば、こうした原価の違いを販売価格に反映しやすくなると考えられる。

要点は、AIの利用量を別の単位で数えること自体ではない。従来のデータ処理の価格体系を保ったまま、AIの原価や競争環境の変化に応じて、AIの価格を独立して設計できることである。

4. AIが安くなることは、誰の利益になるのか

AIの価格は、実際に動いている。同社の製品担当幹部は決算説明会で、「最先端のモデルでさえ、定期的に値下げされている」と述べた。

原価が下がったとき、企業には、価格に還元するか、利幅として残すか、その中間を取るかという選択がある。ここまでは、原価が下がったどの事業にも共通する話である。

消費型のAI事業には、もう一つの難しさがある。顧客のコストを減らすことが、そのまま提供する側の売上の減少になりうることだ。

ある企業がAIを使って、毎月1万件の問い合わせを処理しているとする。効率化によって同じ処理が半分の費用でできるようになれば、顧客にとっては明確な利点である。しかし、使われた量に応じて課金する提供側から見れば、同じ仕事量から立つ売上は減る。

一方で、処理の費用が下がったことで、これまで採算が合わなかった業務にもAIを使えるようになるかもしれない。対象が1万件から5万件へ広がれば、1件あたりの単価が下がっても、全体の売上は増えうる。

Snowflake自身も、製品の効率化によって顧客が同じ処理を少ない利用量で済ませられるようになり、新しい処理の増加で補えなければ売上が減りうると、年次報告書に書いている。

それでも同社は、顧客がAIの支出を管理するための機能を提供している。CEOは、AIアシスタントのコスト管理の機能がよく使われる上位10に入っていると述べ、利用者ごとのトークン量の制限といった仕組みを用意していると説明した。短期の利用量を最大にすることよりも、顧客が安心してAIを使う範囲を広げられる状態を作るほうが、将来の成長につながりうるという判断と読める。

効いてくるのは、単価の低下を補うだけの新しい需要が生まれるかどうかである。AIの効率化は、既存の仕事を安くするだけなのか。それとも、これまでAIを使えなかった仕事まで対象を広げるのか。その違いによって、消費型のAI事業の成長の姿は変わる。

5. AIの成長を評価するために、何を見るべきか

では、外からこの会社のAIを評価するとき、何を見ればよいか。

分かりやすいのは、AIを使っているアカウントの数である。2026年9月の決算発表では、コーディング支援のAIアシスタントが9,100超のアカウント（四半期で2,000超の増加）、データを扱うエージェント製品が5,800アカウントに広がったと説明された。ただしこれらは、AIが使われ始めていることを示す数字であって、その利用がどれだけの利益を生んでいるかは分からない。AI売上の金額は、2025年12月の決算説明会でCEOが「年換算1億ドル」と一度触れたのを除いて開示されておらず、財務諸表にAI売上の区分もない。

継続して追えるのは、製品粗利率と営業利益率の両方である。AI製品の構成比が高まるなかで粗利率がどう動くかと、その変化を踏まえて全社の利益率がどう推移するかは、別々に確認する必要がある。

AI Creditsの価格体系や外部調達の契約の変化も手がかりになる。ただし、公開されている価格表から実際の販売単価やAI事業単独の利益率を計算することはできないし、最低購入額の大きさだけで将来の需要を判断することもできない。

Snowflakeは価格の体系としてはAIを分けた一方で、AI事業単独の売上や利益率を継続して開示しているわけではない。価格設計上の分離と、財務開示上の分離は別のことである。

おわりに：AIの成長を、何で測るのか

Snowflakeは、もともと利用量に応じて課金する会社である。AIエージェントの普及によってデータ処理の需要が広がれば、同社の成長機会も広がる。

しかし、AIの利用が増えることと、利益が増えることは同じではない。外部のAIモデルへの支払いが増えれば、売上が拡大しても利益率は下がりうる。AI専用の価格体系への移行を進めたことは、こうした原価の違いを価格設計に反映させるうえで意味のある変化と読める。

さらに、AIの処理単価が下がることも、提供する企業の利益が増えることを意味しない。原価の低下分を顧客に還元するのか、自社の利益として確保するのか。価格を下げることで、より大きな需要を生み出せるのか。AIが普及するほど、この選択の重みが増す。

前回のSalesforceの記事では、AIによって生まれた価値を企業がどう測り、投資家にどう説明するかを取り上げた。今回のSnowflakeが示しているのは、AIの利用の拡大を、どうすれば続く利益の成長につなげられるかという問題である。

AIの処理単価が下がることは、顧客にとっては歓迎すべき変化である。しかし、提供する企業にとっては、必ずしも売上や利益の増加を意味しない。原価の低下を利益率の改善につなげられるか。価格の還元によって、単価の低下を上回る新しい需要を生み出せるか。AI企業の成長を評価するうえでは、利用者の数や売上の伸びだけでなく、この価格・原価・需要の関係にも目を向けたい。

---

Disclaimer

本稿は、同社の公表資料にもとづく独立した分析であり、特定の組織の公式見解ではありません。

本稿は特定の証券の売買を推奨するものではなく、投資助言・投資勧誘ではありません。 将来の株価、企業価値の割高・割安、投資判断に関する見解を示すものではありません。

本稿の記述は、決算発表資料、SECへの提出書類、決算説明会の公開記録、および同社が公開している価格表・ドキュメントの範囲に限られます。内部情報には一切依拠していません。

筆者は JAPAN AI 株式会社および株式会社ジーニーに所属しますが、本稿は Alpha Beyond Frontier における筆者個人の独立した分析であり、所属各社の公式見解を示すものではありません。

記載した数値および事実は、各出典の公表時点のものです。

References

• Snowflake, Form 10-K（2026年1月期、2026年3月20日提出）. https://www.sec.gov/Archives/edgar/data/1640147/000164014726000008/snow-20260131.htm
• Snowflake, Form 10-Q（2026年7月期、2026年9月提出）. https://www.sec.gov/Archives/edgar/data/1640147/000164014726000037/snow-20260731.htm
• Snowflake, 2027年度 第2四半期 決算発表（2026年9月2日）. https://www.sec.gov/Archives/edgar/data/1640147/000164014726000033/fy2027q2earnings.htm
• Snowflake, 2027年度 第1四半期 決算発表（2026年5月27日）. https://www.sec.gov/Archives/edgar/data/1640147/000164014726000027/fy2027q1earnings.htm
• Snowflake, 2026年度 第4四半期・通期 決算発表（2026年2月25日）. https://www.sec.gov/Archives/edgar/data/1640147/000162828026011631/fy2026q4earnings.htm
• Snowflake, Service Consumption Table（2026年9月16日発効）. https://www.snowflake.com/legal-files/CreditConsumptionTable.pdf
• Snowflake Documentation, “Snowflake AI pricing”. https://docs.snowflake.com/en/user-guide/snowflake-cortex/pricing
• Snowflake Documentation, “AI_SERVICES billing breakout for implemented AI Credits services”（2026年4月6日）. https://docs.snowflake.com/en/release-notes/2026/other/2026-04-06-ai-services-billing-breakout
• Snowflake Investor Relations, 決算説明会記録（2025年12月3日、2026年5月27日、2026年9月2日）. https://investors.snowflake.com/

本ブログの関連記事

• Salesforceが変えたのは、課金の単位ではなかった——AI時代に分裂した「二つの単位」
• AIの価格は「責任の境界」を映す——なぜ成果課金よりハイブリッド型が広がるのか
• AIは安くなっているのに、なぜ利益率は自動的に上がらないのか——再利用できないコストの正体

はじめに：捨てられたのは、席課金ではなかった

2026年、Salesforceの株価は大きく下落したと報じられている。8月中旬の時点で年初来25%超の下落、6月には多年来の安値をつけた。2025年には300ドルを超えていた株価である。市場でこの局面は「SaaSpocalypse」とも呼ばれた。

理由として挙げられているのは、おおむね一つのことだ。AIエージェントが仕事をするようになれば、人数に応じて課金するソフトウェアのモデルは成り立たなくなるのではないか、という懸念である。同社のマーク・ベニオフCEOは2026年8月、こうした見方に対して「ソフトウェアの弱気派は完全に間違っている」と反論したと報じられた。

では、実際に何が起きているのか。素朴に考えれば、確かめるべきことは一つに見える。同社は席課金を捨てたのか。

公表されている価格表と決算資料を追うと、答えは明快だった。捨てていない。 それどころか、席あたりの価格帯はむしろ上に伸びている。

だが、何も変わっていないわけではない。ここ2年の開示を並べると、別のことが起きているのが見えてくる。すなわち、顧客に請求する物差しと、投資家に成長を説明する物差しが、別になりつつある点だ。

本稿では、前者を課金単位、後者を評価単位と呼ぶ。Salesforceが変えたのは課金単位ではなく、評価単位のほうだった。そして両者の間に、換算レートは公表されていない。

本稿は、Salesforceの公表資料をもとに、AI時代に企業が何を開示するようになり、何を言わなくなったかを読む試みの第1回である。

1. どんな会社か——「人数×月額」で世界最大になった会社

Salesforceは企業向けソフトウェアの最大手で、2026年1月期の売上は415億ドル（前年比10%増）。営業やカスタマーサポートの業務を支えるクラウドサービスを、長く一つの形で売ってきた。使う人数×一人あたり月額、いわゆる席課金（per-seat）である。

この形は強い。導入した企業で使う人が増えれば、自動的に売上が増える。しかも契約は積み上がる。直近の四半期末で、今後12か月以内に売上として認識される契約残高は335億ドル、前年同期比14%増と開示されている。

つまり、席課金はこの会社の弱点ではなく、長らく最大の強みだった。だからこそ、それが崩れるという見方は市場に効いた。

2. 市場はどう反応してきたか

注意しておきたいのは、この下落が業績の悪化と同時に起きたわけではないことだ。直近の2026年7月期の四半期では、売上113億ドル（前年同期比11%増）、非GAAPベースの営業利益率は34.1%。通期見通しも引き上げられている。

売上は伸び、利益率は高い水準にある。それでも株価は下げた。市場が織り込もうとしているのは足元の数字ではなく、席課金というモデルそのものの持続性だと報じられている。

以下は株価の予測ではない。ただ、この構図を頭に置いておくと、次に見る開示の変化が読みやすくなる。市場は「席が減る」という話をしている。では会社は、何の話をしているのか。

3. 席課金は、捨てられていない——上に積まれている

公開されている Agentforce の価格表を見ると、課金の単位は一つではない。三つが併存している。

席は残っている。営業・サービス向けのAI機能の追加は1ユーザーあたり月125ドル、業種特化版は150ドル。AI機能を前提にした上位エディションは1ユーザーあたり月550ドルからで、これには年間250万回分の「Flex Credits」が含まれる。

消費が加わった。Flex Credits は10万クレジットあたり500ドルで販売され、AIエージェントの1アクションが20クレジットにあたる。成果に近い単位も一部にある。顧客向けエージェントに限って、1会話あたり2ドルという課金がある。

つまり、席から消費への「移行」は起きていない。起きたのは、席の上に消費が積まれたことである。しかも席あたりの単価は、AI機能を含む上位エディションで月550ドルからと、従来より上の帯に伸びている。

これは、以前にAIの価格モデルを扱った回で書いたことの、大規模な実例になっている。あのとき、価格は「使用量から成果へ」一直線には進まず、最も多いのはハイブリッド型で、それは妥協ではなく責任とリスクを売り手・買い手で分担する合理的な着地点だ、と整理した。世界最大のSaaS企業が実際に採ったのも、その形だった。

だとすると、「席課金を捨てられるか」という問いは、少なくともこの会社については空振りである。では、何が変わったのか。

4. 変わったのは、開示だった

ここからが本題になる。この2年の決算発表を並べると、開示する指標そのものが書き換えられていることがわかる。

新しく生まれた単位

2026年2月の決算で、Salesforceは新しい単位を導入した。その名を Agentic Work Units（AWU、エージェント作業単位） という。AIエージェントが完了させた仕事の量を数える単位で、導入時点の累計24億から、直近の7月期には累計70億、当四半期だけで32億（四半期比97%増）まで伸びている。決算発表の見出しに並ぶ数字として、これは強い。

ここで、多くの解説が取り違えている点がある。AWUは課金の単位ではない。

Salesforce自身の説明では、AWUは「プラットフォーム全体の活動の広がりを捉える指標」とされている。課金に使われるのはFlex Creditsのほうで、AWU1単位あたりの価格も、AWUとFlex Creditsの換算比率も、公表されていない。

つまり、決算で最も伸び率の大きい数字は、値段のついていない数字である。

念のため書いておくと、この単位の発想自体には理がある。Salesforceは、トークン数のような指標は「AIがどれだけ喋ったかを測るだけで、実際に完了した仕事を測っていない」と説明している。これはもっともな指摘だ。処理量ではなく完了した仕事を数えようという方向は、価格の単位が成果へ寄っていくという流れとも整合する。

問題は単位の作り方ではなく、AWUと売上との対応関係を、外部から検証できないことにある。

言わなくなった指標

新しく開示された指標と同様に、開示されなくなった指標にも着目したい。

以前はトークンの処理量やAgentforceの取引件数も開示されていた。2026年2月期にはトークン19兆件、取引件数29,000件超といった数字が並んでいる。だが直近の7月期の発表には、どちらも出てこない。いまはAWUとARRが前面に出ている。

見出し指標そのものも書き換わった。2025年2月期は「Data Cloud & AI ARR」という名前で9億ドル（前年比120%増）。2026年2月期に「Agentforce and Data 360 ARR」と改称され、29億ドル超になった。この29億ドルには、2025年11月に買収が完了したInformaticaのクラウドARR11億ドルが含まれており、当時はその内訳が明記されていた。ところが直近の7月期では、この指標は39億ドル（前年比210%増）と発表され、内訳は示されていない。

もちろん、買収だけで伸びているわけではない。同社は既存顧客の拡張が受注の60%超を占めることや、買収事業の売上寄与も別途開示している。

それでも、改称と再構成をまたいで「前年比210%増」という一つの成長率が提示されているという事実は残る。この数字を1年前の9億ドルと比べたくなるが、比べているものは同じではない。

三つの方向が同時に起きている

整理すると、Salesforceの開示には三つの変化がある。

第一は、取引件数からARRへ、より収益に近い指標へ移っていることだ。Agentforceの取引件数よりもARRを前面に出すようになった。これは、利用実績だけでなく、実際にどれだけ収益につながっているかを示そうとする変化と読める。

第二はその一方で、AWUという新しい利用指標を成長の中心に置き始めたことである。AWUはAIエージェントがどれだけ仕事をしたかを示すが、それ自体に価格はついていない。収益に近いARRを重視しながら、同時に売上との換算関係が見えない利用量も強調している。

第三は、指標の定義そのものが変わっていることだ。「Data Cloud & AI ARR」は「Agentforce and Data 360 ARR」へ改称され、買収したInformaticaの事業も含むようになった。結果として、同じ名前の成長率を時系列で単純比較することが難しくなっている。

つまり、Salesforceの開示は一方向に進んでいるわけではない。収益化を示す指標を強める一方で、新しい利用指標を加え、さらに既存指標の範囲も広げている。

これは「開示が良くなった／悪くなった」という単純な話ではない。AIという新しい事業領域について、何をもって成長と呼び、何を投資家に見せるべきか、その物差し自体がまだ固まりきっていないということである。

5. 何が言えるか

ここまでの数字から、まず一つ明確に言えることがある。AIの利用量が増えることと、それが売上に変わることは同じではない。

Salesforceでは、AIエージェントが完了した仕事を示すAWUが四半期比97%増、AI関連ARRが前年比210%増と、どちらも大きく伸びている。ただし、この二つを直接結びつけることはできない。単位も集計期間も異なり、AWUが増えると売上がいくら増えるのかという換算関係も公表されていないからだ。

ここに、今回の開示を読むうえで最も重要なポイントがある。Salesforceでは、顧客に料金を請求するための「課金単位」と、AI事業の成長を説明するための「評価単位」が分かれつつある。

課金単位は、席数、Flex Credits、会話数など、実際に顧客が対価を支払う物差しである。一方、AWUはAIエージェントがどれだけ仕事をしたかを示す物差しだ。AWUが伸びれば、AIの利用が広がっていることはわかる。しかし、それだけでは売上や利益がどれだけ増えるのかまではわからない。

これはSalesforceに限った話ではない。今後、AI企業からは「エージェント実行回数」「AI処理件数」「自動化した時間」「タスク完了数」といった、新しい指標が次々に出てくるだろう。そのとき重要なのは、数字の伸び率だけを見るのではなく、その指標が事業の収益にどうつながっているかを見ることである。

具体的には、三つを確認すればよい。

• その数字は、顧客にとっての価値を表しているか
• その数字に、実際の価格がついているか
• その数字の増加が、売上や粗利の増加にどうつながるか

もちろん、新しく生まれた指標がこの三つをすべて満たしていないからといって、意味がないわけではない。新しい市場では、事業モデルや価格体系が固まる前に、利用の広がりを示す指標が必要になることもある。

重要なのは、「利用が伸びている」という事実と、「事業として価値が生まれている」という事実を分けて読むことだ。

以前AIバブルを扱った回では、期待が実態へ変換される途中に「段差」が生まれると書いた。今回のSalesforceで興味深いのは、その段差の大きさを測るための換算関係自体が、まだ外からは見えないことである。

おわりに：単位そのものを読む

新しい技術が来るとき、企業は新しい指標を作る。それ自体は自然なことで、むしろ何も変えないほうが不自然だろう。既存の指標がその技術の価値を捉えられないなら、新しい単位が要る。

ただ、新しい単位が生まれた直後には、必ず一つの期間がある。その単位がまだ値段と結びついていない期間である。新しい指標は過去との比較期間が短く、成長率だけを見れば大きな数字になりやすい。だからこそ重要なのは、その数字の伸びそのものではなく、売上や利益との接続である。

AI時代の開示を見るとき、重要なのは数字の大きさではない。その数字が何を数え、そこに価格がつき、売上や利益へどう変換されるかである。

新しく何を開示したか。そして、何を言わなくなったか。

これからの企業分析では、「数字」だけでなく「単位」そのものを読む必要がある。次回以降も、1社ずつ、同じ問いで読んでいきたい。

---

Disclaimer

本稿は、公表資料および公開報道にもとづく独立した分析であり、特定の組織の公式見解ではありません。

本稿は特定の証券の売買を推奨するものではなく、投資助言・投資勧誘ではありません。 将来の株価、企業価値の割高・割安、投資判断に関する見解を示すものではなく、記載した株価の推移は過去の報道の紹介にとどまります。

本稿の記述は、決算発表資料、SECへの提出書類、同社が公開している価格表および製品説明、ならびに公開報道の範囲に限られます。内部情報には一切依拠していません。開示内容の変化から企業の意図を推定することはしていません。

筆者は JAPAN AI 株式会社および株式会社ジーニーに所属しますが、本稿は Alpha Beyond Frontier における筆者個人の独立した分析であり、所属各社の公式見解を示すものではありません。

記載した数値および事実は、各出典の公表時点のものです。

References

• Salesforce, 2027年度 第2四半期 決算発表（2026年8月26日）. https://www.salesforce.com/news/press-releases/2026/08/26/fy27-q2-earnings/
• Salesforce, 2027年度 第1四半期 決算発表（Form 8-K Exhibit 99.1・SEC）. https://www.sec.gov/Archives/edgar/data/0001108524/000110852426000125/crm-q1fy27xexhibit991.htm
• Salesforce, 2026年度 第4四半期・通期 決算発表（2026年2月25日）. https://www.salesforce.com/news/press-releases/2026/02/25/fy26-q4-earnings/
• Salesforce, 2025年度 第4四半期・通期 決算発表（2025年2月26日）. https://www.salesforce.com/news/press-releases/2025/02/26/fy25-q4-earnings/
• Salesforce, Agentforce 価格表（2026年9月時点）. https://www.salesforce.com/agentforce/pricing/
• Salesforce, “What are Agentic Work Units (AWU)?”. https://www.salesforce.com/agentforce/agentic-work-units/
• Salesforce, Informatica の買収完了（2025年11月18日）. https://www.salesforce.com/news/press-releases/2025/11/18/salesforce-completes-acquisition-of-informatica/
• The Motley Fool, “Marc Benioff Says Wall Street’s Fears That AI Will Kill Salesforce Are ‘Dead Wrong’”（2026年8月21日）. https://www.fool.com/investing/2026/08/21/marc-benioff-says-wall-streets-fears-that-ai-will/

本ブログの関連記事

• AIの価格は「責任の境界」を映す——なぜ成果課金よりハイブリッド型が広がるのか
• AIはバブルか——問いが噛み合わないのは、みなが違う「段差」を見ているからだ
• Vertical SaaSはAIに飲み込まれるのか——勝敗を分ける「事業モデル債務」

はじめに：論争が噛み合わないのは、なぜか

「AIはバブルか」という問いをめぐって、優れた論者たちが、正反対の結論を出している。

一方には、需要の爆発的な成長を示す側がいる。対話型AIの利用者は週あたり数億人に達し、有力企業の売上は年単位で数倍に伸びている。ゴールドマン・サックスのように、AIをめぐるトークン需要が今後さらに桁違いに拡大すると見込む分析もある。もう一方には、いま積み上がっている設備投資は回収できないと説く側がいる。ジム・チャノスやマイケル・バリー等の著名な投資家は、計算資源の減価償却の重さや、投資と回収の年限のずれを指摘する（もっとも、彼らは価格の下落に賭けるポジションを取る立場でもあり、その分は割り引いて読む必要がある）。

奇妙なのは、どちらの主張も、公開されているデータで裏づけられることだ。では、両者は矛盾しているのか。私はそうは思わない。彼らは、同じ問いに反対の答えを出しているのではなく、AI産業という積み重なった構造の、異なる場所を見ている。だから、「AIには巨大な実需がある」と「いまの投資額は回収できない」は、同時に成立し得る。

問いを立て直そう。AIは全体としてバブルなのか、ではない。本稿は、バブルは、どこにあるのかの問いに答えたい。

1. バブルは「層の属性」ではなく、「層と層のつなぎ目」に宿る

AIを一枚岩とみなして「実需かバブルか」と問うことに、無理がある。AI産業は、積み重なった層でできているからだ。人々の需要があり、その上に売上があり、その上に利益があり、それらを見込んだ設備投資があり、さらにその上に評価額と資金調達がある。

この積み重なりのなかでは、実需とバブルは共存する。ある層では期待が本物の需要に裏づけられ、同時に別の層では、期待が実態を追い越している。だからバブルは、全体の「水位」——スタックがどれだけ高く積み上がったか——には現れない。現れるのは、ある層で織り込まれた期待が、次の層の売上や利益へと「変換されない」つなぎ目、すなわち層と層の間の「段差」だ。

念のために言えば、これはまったく新しい見方ではない。AI産業を層に分けて診断する試みは、すでに数多くある。設備投資と売上の開きを問う分析も、層ごとに成熟のタイミングが違うと指摘する議論もある。本稿が付け加えたいのは、視点を一つ動かすことだけだ——投資判断で本当に問うべきは、各層が良いか悪いかではなく、隣り合う層の期待が、互いに接続できているかである。

2. いま、段差はどこにあるのか

いま最も鋭い段差は、スタックの最上段にある。設備投資・評価額と、それを支えるべき実需との間だ。ベンチャーキャピタルのセコイア・キャピタルのデービッド・カーンは、AIインフラへの投資額を正当化するのに必要な売上と、実際の売上との差を問う枠組みを示した（もともとは2024年に「6,000億ドルの問い」として提起したものだ）。これをいまの規模に当てはめれば、2026年のAIインフラへの支出を正当化するには、年間で数兆ドル規模の売上が必要になる。ところが、クラウドの増加分をすべてAIに数え入れても、実際にAIに帰属する売上は、その数分の一から十数分の一にとどまる。上位層で織り込まれた期待が、下位層の売上へまだ変換されていない——これが、いま最も可視化されている段差である。

ただし、ここで「実需」をどの層で測るかを、はっきりさせておく必要がある。データセンターの稼働という意味での需要なら、空室率は低く、実需は厚い。だが、企業の現場でAIが利益を生んでいるかという意味での需要なら、話は変わる。マサチューセッツ工科大学（MIT）の研究チームによる速報段階の調査では、企業の生成AI導入の多くが明確な損益改善に至っていないと報告された（この数字は「成功」の定義が狭く、現場に広がる非公式な利用を捉えていないという批判もあり、割り引いて読む必要がある）。使われてはいるが、利益には変換されていない。ここにも段差がある。

もっとも、段差は固定ではない。AIネイティブ企業の顧客維持率も粗利率も、この一、二年で改善しているという報告がある。下位層は、上位層の期待に、少しずつ追いつこうとしている。問題は、追いつく速さと、投資が回収を迫る速さの、どちらが勝つかだ。

3. 実需と過剰投資は、同時に真でありうる

「巨額の投資が、実需に見合わない」——この構図は、歴史のなかで何度も繰り返されてきた。そして、そのたびに教えているのは、実需と過剰投資が共存し得るということだ。

19世紀の鉄道も、2000年前後の光ファイバーも、多くの投資家に巨額の損失をもたらした。鉄道株は大きく暴落し、敷かれた光ファイバーの大半は、長らく使われないまま眠った。だが、鉄道網も光ファイバーも、その後の経済の土台として残った。光ファイバーは、約10年を経て、クラウドの基盤を支えるだけの需要にようやく使い尽くされた。インフラへの過剰投資が、後の世の社会的な基盤になることは、確かにある。

だが、ここで大事な区別がある。社会にとって役に立つことと、最初にその投資をした資本の出し手が回収できることは、別だ。鉄道網は残ったが、多くの鉄道会社の株主は報われなかった。

そして、AIには、過去のバブルにはなかった非対称がある。光ファイバーは、耐用年数が20年、30年と長いからこそ、「いつか需要が追いつく」まで価値を保ったまま待つことができた。ところが、AIの計算資源の中核である半導体は、数年で次の世代に置き換わり、価値の減り方も速い。需要が追いつくのを、待ってくれない。だから、「長期的にはすべて正当化される」という楽観は、AIにはそのままの形では当てはまらない。過剰に敷かれた光ファイバーは10年後に活きたが、過剰に積まれた計算資源は、10年後には陳腐化している。

4. 崩壊が来るとしても、全層を一様には襲わない

以上を踏まえると、問うべきは「AIはバブルか否か」ではない。どの層に段差があるか、である。

仮に次の調整局面が来ても、それはAIの価値そのものを否定するとは限らない。歴史が示すのは、崩壊が全層を一様には襲わないことだ。過剰に敷かれたインフラは残り、後の需要に使われた。一方で、実態から離れた評価額と、期待だけで走った多くの企業は、消えた。ドットコム崩壊で株価を9割落としたアマゾンはその後に数十倍へ育ち、ペッツ・ドットコムのような企業は二度と戻らなかった。運命を分けたのは、どの層にいたかではない。

生き残る側を予告するのは、どの段差を、すでに越えていたかだ。広がった利用を継続する売上に変えられていたか。売上を利益に変えられていたか。積んだ投資を、回収の道筋につなげられていたか。期待を、次の層の実態へと変換できていた企業は残り、変換をこれからに賭けていた企業は、調整局面でその賭けを問われる。

おわりに：水位ではなく、段差を見る

「AIはバブルか」。この問いに、産業全体への一括の答えはない。より正確に言えば——バブルは、スタックの高さ（水位）ではなく、層と層のつなぎ目（段差）に現れる。実需と過剰投資は同時に真であり、優れた論者たちが対立して見えるのは、それぞれが違う段差を見ているからだ。

次の調整局面が来たとして、それはAIの価値そのものを否定するとは限らない。しかし、価値が存在することと、いまの投資額が回収されることは、同じではない。崩壊が全層を一様には襲わないのなら、生存者を予告するのは、どの層にいたかではなく、どの段差をすでに越えていたか、である。AIと資本の関係は、まだ入口にある。

---

本稿は、公開情報にもとづく独立した分析であり、特定の組織の公式見解ではありません。設備投資・売上・評価額・調達に関する数値は、公開決算・公開集計・公開報道の範囲にとどめ、一部に推計・報道による情報を含みます。空売り投資家など特定の立場からの見解は、その立場を割り引いて扱っています。「層の段差／期待の変換」という整理は、筆者が分析のために用いる視角であり、業界標準の定義ではありません。記載した数値は各出典の公表時点のものです。

References

• David Cahn, “AI’s $600B Question”, Sequoia Capital, 2024年6月. https://www.sequoiacap.com/article/ais-600b-question/
• Fortune, “MIT report: 95% of generative AI pilots at companies are failing”（MIT Project NANDA「The GenAI Divide」）, 2025年8月. https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/
• Goldman Sachs, “Decoding the Agentic Economy”（AIエージェントとトークン需要の見通し）, 2026年. https://www.goldmansachs.com/insights/articles/ai-agents-forecast-to-boost-tech-cash-flow-as-usage-soars
• CNBC, “‘Big Short’ investor Michael Burry accuses AI hyperscalers of artificially boosting earnings”, 2025年11月. https://www.cnbc.com/2025/11/11/big-short-investor-michael-burry-accuses-ai-hyperscalers-of-artificially-boosting-earnings.html
• CNBC, “The dot-com bubble: Amazon stock lost more than 90%—long-term investors still got rich”, 2018年12月. https://www.cnbc.com/2018/12/18/dotcom-bubble-amazon-stock-lost-more-than-90percent-long-term-investors-still-got-rich.html

本ブログの関連記事

• AI企業の価値は、取得の仕方で失われる——AI時代のM&Aで問われる「横展開・保持・統合」の三条件
• AIは安くなっているのに、なぜ利益率は自動的に上がらないのか——再利用できないコストの正体
• AI企業のバリュエーションは、何を評価しているのか——成長の「量・質・物語」という三つの見方

はじめに：安くなっているのに、利益率が上がらない

AIを動かすコスト——推論コストは、この数年で急速に下がっている。ならば、素直にこう考えたくなる。原価が下がるのだから、AI企業の利益率も、いずれ従来のソフトウェア（SaaS）並みに戻っていくはずだ、と。ソフトウェアの粗利率は8割から9割が当たり前だった。AI企業は今は5割前後だと言われるが、それも時間の問題ではないか——。

だが、そうはなっていない。推論の単価が大きく下がっても、AI企業の利益率は、自動的にSaaSの水準へ近づいてはいない。なぜか。

本稿の答えを先に言えば、こうだ。AI企業の利益率を決めているのは、推論の単価だけではない。品質と責任を担保するために残るコストを、どこまで複数の顧客に再利用できるか——である。

1. 推論価格は、どれほど下がったか

まず、事実を正直に認めておきたい。AIの推論コストは、本当に下がっている。

AI研究機関のEpoch AIが2025年に公表した分析では、同等の性能を得るための推論価格の下落率は、タスクによって年9倍から900倍まで大きく異なり、中央値では年およそ50倍だった。幅は大きいが、方向としては急速に下がっている、と読むのが誠実だろう。

この事実は重い。AI企業の粗利が低い主因が「推論が高いから」であるなら、推論が安くなるほど粗利は改善し、いずれSaaS並みに戻る、という楽観が成り立つからだ。実際、そう主張する投資家もいる。原価の中心にある計算コストが下がっているのだから、低い粗利は一時的な現象にすぎない、と。

この反論には、一理ある。だから本稿は、それを否定するところからは始めない。単価は下がっている。その上で、それでも利益率が自動的には近づかない理由を見ていく。

2. 粗利はなぜ、25%から88%まで分かれるのか

単価が下がっているのなら、AI企業の粗利は横並びで改善していきそうなものだ。ところが実際の粗利率は、企業によって驚くほど散らばっている。

スタートアップの段階で見てみる。Bessemer Venture Partnersが2025年に公表したAIスタートアップ20社の調査では、急成長型の「Supernovas」10社の平均粗利率は約25%（一部は粗利がマイナスだった）、より持続的に成長する「Shooting Stars」では約60%だった。同じ急成長AI企業のなかでも、粗利率は倍以上も開いている。

一方、上場して成熟した企業には、まったく違う数字もある。顧客ごとの実装を重く抱えることで知られるPalantirは、2026年第1四半期に、会計基準（GAAP）ベースで約87%、調整後で88%という高い粗利率を計上した。実装が重い企業でも、高い粗利は不可能ではない。

ここで注意したいのは、これらを一列に並べないことだ。Bessemerの調査はスタートアップの自己申告に近く、Palantirは監査済みの上場企業である。段階も規模も違う。そして、Palantirの高い粗利を「再利用がうまいから」と一因に決めつけることもできない。高い粗利は、価格決定力や契約の構成、顧客構成にも左右される。なお、粗利率を比べるときは、推論費用だけでなく、導入・運用に関わる人件費をどこまで売上原価に含めているかにも注意が必要だ。同じ業務でも、会計上の区分によって粗利率の見え方は変わりうる。言えるのは、単価の低下だけでは、この25%から88%までのばらつきは説明できない、ということだ。

3. 残るのは、生成のコストではなく、信頼するためのコスト

推論の単価が下がっても、簡単には下がらないコストがある。品質と責任を担保するためのコストだ。

AIの出力は確率的であり、常に同じ正しさが保証されるわけではない。だから、その出力が使えるものかどうかを確かめ、逸脱を防ぎ、本番での挙動を監視し続ける工程が要る。誤りが起きたときに責任を負えるだけの記録と検証も残す。ある研究者が2026年に公表した分析は、この確認のコストを「検証税（Verification Tax）」と名づけた。厄介なのは、モデルの精度が上がるほど、残ったわずかな誤りを見つけ出すのに、かえって多くの検証が要ることだ。エラー率が下がっても、検証のコストは同じ比率では下がらない。

これらのコストも効率化はできる。だが、推論の単価と同じ速度で下がるとは限らない。生成そのものが安くなっても、その出力を信頼できる状態にするためのコストは、別の曲線を描く。

単価低下の効果を打ち消す動きもある。推論が安くなると、人はより多く使う。1回あたりが安くなった分、呼び出す回数が増え、より複雑な使い方をする。結果として、単価は下がっても、全体として支払う総額はむしろ増えることがある。効率化がかえって総消費を押し上げる、いわゆるジェヴォンズのパラドックスだ。安くなったから総コストが下がる、とは限らない。

4. 再利用できるコストと、顧客ごとに再発するコスト

ここで、コストの見方を一つ提案したい。AI事業のコストを、「一度きり」と「積み上がる」に分けて眺めることだ。これは業界標準の分類ではなく、整理のために置く見方である。

厳密に言えば、一度しか発生しないかどうかではなく、発生したコストを次の顧客に再利用できるかどうかで分ける。基盤を作る、共通の部品を用意する、評価の仕組みを整える——こうしたコストは、複数の顧客に使い回せれば、規模が大きくなるほど1顧客あたりでは薄まっていく。一方、顧客ごとの作り込み、案件ごとの検証、個別の監視は、共通化できなければ、顧客や利用や出力が増えるたびに再発し続ける。

利益率を決めるのは、この二つの比率だ。個別対応として再発するコストを、どこまで共通の仕組みや部品へ置き換えられるか。置き換えられれば利益率は上がり、置き換えられなければ、コストは顧客数に比例して残り続け、事業はソフトウェアというより労働集約的なサービス業に近づいていく。

ただし、この「再利用できる側に寄せられる」という前提そのものへの疑いもある。テクノロジー分析を手がけるSecond Order Labsは2026年の論考で、AI企業では推論費用に加え、導入・統合の人件費が継続的に発生し、事業が実質的にサービス業へ近づくリスクを指摘する。統合は、一度で終わらせられる工程ではない、というわけだ。もしそれが本当なら、再発するコストは構造的に消えにくい。「再利用に寄せられる」という見方を、自明とは考えないほうがいい。

5. 経営者と投資家は、何を見るべきか

ここまでを踏まえると、AI企業を「粗利が高いか低いか」だけで語るのが、いかに粗いかが見えてくる。単価でも、粗利率という一つの数字でもなく、見るべきは次の三つだ。

• 売上1単位あたりの推論・監視・検証のコストは、下がっているか。 単価ではなく、実際に売上に対して原価がどう動いているかを見る。
• 顧客ごとの個別対応が、共通の部品へ移っているか。 再発するコストが、再利用できる側へ寄っているかどうか。ここが利益率の分かれ目になる。
• 売上や利用量が増えたとき、人員や検証の工数も同じ比率で増えていないか。 これは、その企業がソフトウェアとして伸びているのか、それともサービス業として伸びているのかを見分ける問いになる。

同じ50%の粗利でも、再発するコストを抱えたまま止まっている企業と、それを共通の部品へ移し始めている企業とでは、これから先がまるで違う。数字の裏で、コストがどう振る舞っているかを読むことが、AI企業の体力を見分ける手がかりになる。

おわりに：単価ではなく、構造を見る

AIは安くなっている。それでも利益率が自動的には上がらないのは、安くなるのが推論の単価であって、品質と責任を担保するために残るコストは、別の曲線を描くからだ。そのコストを、どこまで複数の顧客に再利用できるか——そこで、利益率は分かれる。

推論が安くなれば利益率はSaaSに戻る、という期待は、コストの一つの側面しか見ていない。そしてこの構造は、次の問いへとつながっていく。再発するコストを共通の部品へ移せる企業と、移せない企業。その差は、やがて誰が競争に生き残るかを分けていく。稿を改めて、AIの競争構造を考えたい。

---

本稿は、公開情報にもとづく独立した分析であり、特定の組織の公式見解ではありません。特定企業の財務数値は公表資料・決算の範囲で言及しています。「一度きりのコスト／積み上がるコスト」という整理は、筆者が分析のために用いる枠組みであり、業界標準の定義ではありません。記載した数値は各出典の公表時点のものです。

References

• Epoch AI, “LLM inference prices have fallen rapidly but unequally across tasks”, 2025年3月. https://epoch.ai/data-insights/llm-inference-price-trends
• Bessemer Venture Partners, “The State of AI 2025”. https://www.bvp.com/atlas/the-state-of-ai-2025
• Palantir Technologies, Q1 2026 決算（8-K, Exhibit 99.1）, 2026年5月. https://www.sec.gov/Archives/edgar/data/1321655/000132165526000026/a2026q1ex991pressrelease.htm
• Jason Z. Wang, “The Verification Tax”, arXiv:2604.12951, 2026年4月. https://arxiv.org/abs/2604.12951
• Second Order Labs, “Probabilistic COGS: Why AI ARR Is Disguised Consulting”, 2026年3月. https://secondorderlabs.com/articles/entrepreneurship/why-ai-startups-are-quietly-becoming-services-businesses/
• Andreessen Horowitz (a16z), “The New Business of AI and How It’s Different From Traditional Software”, 2020年. https://a16z.com/the-new-business-of-ai-and-how-its-different-from-traditional-software/
• The Modern Data Company, “Why cheaper AI tokens are increasing enterprise AI costs”. https://www.themoderndatacompany.com/blog/why-cheaper-ai-tokens-are-increasing-enterprise-ai-costs

本ブログの関連記事

• AIの価格は「責任の境界」を映す——なぜ成果課金よりハイブリッド型が広がるのか
• AI企業のバリュエーションは、何を評価しているのか——成長の「量・質・物語」という三つの見方
• AIの価値は、売った後に作られる——FDEは高粗利企業を作るのか、SI企業を作るのか

はじめに：同じ「ソフトウェアの価格」でも、売り手が引き受けるものは違う

AIのコーディング支援ツールを、多くの会社は「1ユーザーあたり月10ドル」といった席数で契約している。使っても使わなくても、席の分だけ払う。一方、AIのカスタマーサポートを提供するある製品は、「問い合わせを1件解決するごとにいくら」という単位で課金する。解決できなければ、原則として料金は発生しない。

どちらも「ソフトウェアの価格」だ。だが、売り手が引き受けているものは、まるで違う。前者が売っているのは、ツールへの「アクセス」である。それを使って成果を出すのは顧客の責任だ。後者が売っているのは、「解決」という結果そのものだ。成果が出るかどうかのリスクを、売り手が引き受けている。

生成AIが広がるなかで、こう言われることが増えた——ソフトウェアの価格は、席数（seat）から使用量（usage）へ、そして成果（outcome）へと進化していく、と。AIが人間の作業を肩代わりするなら、顧客は「どれだけ使ったか」ではなく「どんな成果が出たか」に対価を払いたくなるはずだ、という理屈である。

一見もっともらしい。だが、この見方には落とし穴がある。成果課金は、SaaSの進化形に見える。だが、成果責任を引き受けるほど、ソフトウェア企業はむしろ受託会社や保険会社に近づいていく。そして実際、公開されている調査を並べると、純粋な成果課金は期待されているほど広がっていない。代わりに主流になりつつあるのは、基本料と使用量・成果を組み合わせたハイブリッド型（hybrid）だ。

本稿は、その理由を「価格単位とは何か」という問いから読み解く。結論を一行で言えば——AIの価格単位は、単なる課金方法ではなく、ベンダーが顧客の成果に対してどこまで責任を引き受けるかの宣言である。 責任には制御しきれないリスクが伴うからこそ、成果課金は限られた領域にとどまり、多くはハイブリッド型に落ち着く。

1. 成果課金は、SaaSの進化形とは限らない

まず押さえたいのは、成果課金が必ずしもSaaSの「進化」ではないということだ。

成果で課金するとは、成果が出なければ対価を受け取れないということだ。裏を返せば、成果が出るまでのコストと不確実性を、売り手が抱え込むということでもある。ここに、成果課金の見かけの魅力と、実際の難しさとのギャップがある。

ソフトウェアの経済性は本来、「一度作れば、あとは限りなく複製できる」ことにあった。だからこそ粗利は高い。ところがAIは、この前提を崩す。利用のたびに実際の計算資源を消費するため、AI企業の粗利はソフトウェアの8〜9割の水準から、5〜6割の水準へ下がりやすい。成果課金は、この不安定な原価を、顧客ではなく売り手の粗利で受け止める仕組みだ。ある問い合わせを解決するのに、AIが何度も試行錯誤すれば計算コストは膨らむが、顧客が払うのは「解決1件」の料金だけ。原価の変動は、売り手が飲むしかない。

さらに、成果を保証しようとすると、顧客ごとの作り込みが増える。成果を出すために、売り手は個別の環境に合わせてAIを調整し、導入に伴走せざるを得なくなる。こうして純粋なソフトウェア事業は、顧客ごとに人手をかける受託開発に似た姿へと漂っていく。

成果課金は、保険にも似ている。成果ごとの価格が保険料で、成果に至るまでに要する計算資源が保険金の支払いにあたる、という見立てだ。マーケティング研究者のウトパル・ダラキアはこの比喩から、保険業と同じ二つの問題を指摘する。ひとつは逆選択。成果が出たときだけ払えばよい契約は、運用が整った優良な顧客より、成果を出しにくい困難な顧客ほど魅力的に映る。困っている顧客ほど「効いたときだけ払う」を選びたがり、コストのかかる顧客が集まりやすい。もうひとつはモラルハザード。複雑さのコストが売り手の保険で守られていると、顧客はAIに雑で難しい仕事を投げやすくなる。自分で工夫する動機が薄れるからだ。

要するに、成果課金とは「成果が出たら払ってもらう仕組み」ではない。成果が出るまでのリスクを、売り手が引き受ける仕組みだ。純粋な成果課金を掲げるほど、売り手は原価の変動、成果の帰属の曖昧さ、そして逆選択とモラルハザードを、深く抱え込むことになる。

2. そもそも、価格単位は「責任の宣言」である

なぜ、価格単位が変わるだけで、事業の性質がここまで変わるのか。その根にあるのが、価格単位そのものの意味だ。

価格を考えるとき、金額より先に決めるものがある。「何に対して払ってもらうか」という課金単位だ。これは、顧客が実際に「何を買っているか」の定義そのものになる。

AI以前のソフトウェアで、この単位は主に二つだった。席数（seat）は、ユーザー1人あたりで課金し、売っているのはツールへの「アクセス」だ。使用量（usage）は、処理した量で課金し、売っているのは「消費」である。ここにAIが第三の単位、成果（outcome）を持ち込む。解決した件数や達成した結果で課金し、売っているのは「結果」そのものだ。

この三つは、単なる請求方法の違いではない。それぞれが、売り手と買い手のどちらが「価値を実現する責任」を負うかを、暗黙のうちに宣言している。 席数で売る場合、成果を出す主な責任は顧客側に残る。だが成果で売るなら、成果が出るまで売り手は対価を受け取れない。責任は、売り手の側に移る。つまり、価格単位が「アクセス→消費→成果」と動くほど、売り手が引き受ける責任は広がる。価格の設計は、責任の設計でもある。

では、なぜAIになって成果へ寄る圧力が生まれたのか。AIが「作業」そのものを肩代わりし始めたからだ。従来のソフトウェアは人間が仕事をする道具で、道具を使う人の数が価値の目安になった。だから席数が自然だった。ところがAIエージェントは、問い合わせに答える、書類を下書きするといった作業を、人間の手を離れてこなし始めている。仕事の一部がソフトウェアの内側で完結するようになると、「何人が使うか」は価値の目安として弱くなる。人間を「補助」するツールがソフトウェア予算を奪い合うのに対し、作業を「代行」するものは人件費の予算を奪い合う。顧客が問いたいのは「何人分の仕事をしたか」であり、突き詰めれば「どんな成果を出したか」になる。

これは、AIが業務のどこまでを担い、どこからを顧客が担うかという「責任の境界」の問題でもある。価値が使用量ではなく成果として現れるなら、課金もまた成果へ寄っていく——成果課金への圧力は、この延長線上にある。

3. 「成果課金」でも、売上に課金しているとは限らない

もうひとつ、注意しておきたい反転がある。

「成果課金」と呼ばれていても、実際に売上増やコスト削減に連動しているケースは多くない。課金しているのは、「解決した問い合わせの数」や「AIが処理した会話数」といった、途中の指標であることが多い。

これには理由がある。真の成果——たとえば「売上がいくら増えたか」——を課金単位にすると、その成果がAIによるものかどうかで、際限のない議論になる。売上増が、そのAIによるものか、顧客側の運用や市場環境によるものか。多くの成果は、単一の原因では説明できない。成果を厳密に特定して帰属できる企業はごく一部で、多くの場合、成果課金は「請求額を検証するための会議」を生むだけに終わる。

だから売り手は、帰属が曖昧な最終成果ではなく、自分たちが定義し測定できる中間指標を課金単位に選ぶ。「成果」の定義を細かく詰める代わりに会話数で課金すれば、インセンティブは整えやすい。賢明な設計だが、同時に、「成果課金」という看板と、実際に課金している単位との間にはずれがあることを示している。

このずれは、冒頭の芯を否定しない。むしろ強める。価格単位が責任の宣言だとしても、その宣言はラベルではなく、実際に何を測り、どのリスクを負っているかで読まなければならない。「成果課金」を名乗っていても、その売り手が最終成果の責任を負っているとは限らない。逆に、地味な使用量課金のなかに、実質的な成果責任が織り込まれていることもある。宣言は、言葉ではなく構造で読む。

4. だから、ハイブリッド型が広がる

以上を踏まえると、公開データが示す姿は腑に落ちる。

調査によって定義は異なるが、いまや最も多いのはハイブリッド型で、4割前後を占める。純粋な成果課金を主軸に据える企業は、数％から2割弱にとどまる。数字を単純に横並べはできないが、成果課金がまだ少数派だという方向は共通している。価格は「使用量から成果へ」と一直線に進んでいるわけではない。

純粋な成果課金が成立しているのは、責任を引き受けやすい狭い領域だ。共通するのは、成果が測りやすく、帰属が比較的はっきりしていること。典型はカスタマーサポートの問い合わせ解決で、「解決したか、していないか」がはっきりし、人手を介さず一定期間内に解決したもの、といった厳密な定義を置ける。実際、こうした領域では解決1件あたりで課金する製品が公表の価格として存在する。逆に、人間が実行を担う助言型のAIや、成果が多くの要因に左右される領域では、成果課金は成り立ちにくい。

ハイブリッド型が広がるのには、買い手側の事情もある。純粋な使用量・成果課金は、請求額が事前に読めない。あるコーディング支援ツールが2025年に料金体系を使用量ベースへ変更した際、想定を大きく超える請求が発生したと報じられ、強い反発を受けて謝罪と返金に追い込まれた。予算を管理する立場からは、上振れする請求より予測できる固定費のほうが扱いやすい。調達や予算計上のしやすさも、席数や基本料が根強く残る理由だ。

だからハイブリッド型は、成果課金へ至る途中の妥協ではない。基本料が売り手に売上の下限と、買い手に予測可能性を与え、そのうえに使用量や成果のメーターを乗せる。責任とリスクを、売り手と買い手で分担する合理的な着地点なのだ。

おわりに：価格は、引き受ける責任の設計である

「AIの価格は使用量課金から成果課金へ向かうのか」という問いに、公開データは直線的な「イエス」を返さない。より正確な答えはこうだ——責任を明確に引き受けられる狭い領域では成果課金が成立し、それ以外の多くはハイブリッド型に落ち着く。単位が成果に近づくほど、売り手は原価・帰属・顧客行動という制御しにくいリスクを引き受け、事業はソフトウェアより受託や保険業に近づく。だから成果課金は万能の到達点ではなく、責任を制御できる場所を選んで現れる。

言い換えれば、AI企業は価格を通じて、自分がどこまでの責任を引き受け、どこからは引き受けないかを設計している。 価格表には、その企業がどこまで責任を負うかが表れている。AIを買う側にとっても、これは有用な視点だ。「成果課金だから安心」ではなく、その価格単位が実際に何を測り、どのリスクを誰が負っているのかを読むことが、AIベンダーが実際にどこまでリスクを負っているかを見分ける手がかりになる。

そして、成果課金が売り手に原価を飲ませるという論点は、次の問いへつながる。次回は、AI企業がなぜ売上を伸ばしても利益を出しにくいのかを、コスト構造から考えたい。

---

本稿は、公開情報にもとづく独立した分析であり、特定の組織の公式見解ではありません。特定企業の価格やその変更に関する記述は、公式発表・公開報道の範囲にとどめています。「価格単位＝責任の宣言」という整理は、筆者が分析のために用いる枠組みであり、業界標準の定義ではありません。記載した数値は各出典の公表時点のものです。

References

• Bessemer Venture Partners, “The AI pricing and monetization playbook”, 2026年2月. https://www.bvp.com/atlas/the-ai-pricing-and-monetization-playbook
• Kyle Poyar / Growth Unhinged, “The State of B2B Monetization in 2025”, 2025年. https://www.growthunhinged.com/p/2025-state-of-b2b-monetization
• ICONIQ Growth, “The State of AI 2025”. https://www.iconiqcapital.com/growth/insights/the-state-of-ai-in-2025
• Utpal Dholakia, “Outcome-Based Pricing as Insurance”, The Pricing Conundrum, 2026年6月. https://thepricingconundrum.substack.com/p/outcome-based-pricing-as-insurance
• Drivetrain, “Outcome-based pricing”. https://www.drivetrain.ai/post/outcome-based-pricing
• Chris Silver (Parloa), “Outcome-Based Pricing: The Most Expensive Myth In Enterprise AI”, Forbes, 2026年1月. https://www.forbes.com/sites/parloa/2026/01/06/outcome-based-pricing-the-most-expensive-myth-in-enterprise-ai/
• Decagon, “Pricing the AI Agent Economy”, 2024年12月. https://decagon.ai/blog/pricing-ai-agents
• Intercom Fin, Pricing. https://fin.ai/pricing
• GitHub Copilot, Plans. https://github.com/features/copilot/plans
• TechCrunch, “Cursor apologizes for unclear pricing changes that upset users”, 2025年7月. https://techcrunch.com/2025/07/07/cursor-apologizes-for-unclear-pricing-changes-that-upset-users/

本ブログの関連記事

• AI企業のバリュエーションは、何を評価しているのか——成長の「量・質・物語」という三つの見方
• AIの価値は、売った後に作られる——FDEは高粗利企業を作るのか、SI企業を作るのか
• Vertical AI の境界線——横断エージェントは何を吸収し、企業は何を手放せないのか