「安いモデルで3回やり直し」と「高いモデルで一発完了」 コストが低いのはどっち？

OpenAIが2026年7月に提唱した「1ドル当たりの有用なインテリジェンス」という指標が、AIの投資評価を根本から変えようとしている。従来、企業はAI導入の成否を「購入したライセンス数」「何人のユーザーが使うか」といった導入量で判断してきた。だが本来、重要なのは「そのAIが実際に完了した仕事の量と品質」「成功したタスク1件あたりのコスト」である。要するに、使った金額ではなく、生み出した成果で測るべきだという提案だ。これは一見すると当たり前だが、実務では案外見落とされている。多くのCIO（最高情報責任者）や購買担当者は、依然として「1ユーザー月額いくら」といった単価だけを比較している。

ここで問うべき問題がシンプルだが厳しい。安いモデルで同じタスクを3回やり直す場合と、高いモデルで一発完了する場合、どちらが本当に安いのか。答えは「タスク完了単価」を計算してみないと分からない。実際には、より高精度なモデルを使えば、人間の確認や修正作業も減り、トータルコストが下がることもある。逆に、安いモデルを採用したものの、出力品質が低く、検証・修正に膨大な人手がかかり、結果的に最も割高になる例もある。OpenAIが強調するのは、この「完了価値」の視点である。顧客サポートチームなら「答えの正確さ」が完了の条件だし、エンジニアなら「テストに通ったコード」が完了だ。それぞれのタスクで「成功」の定義が異なり、その定義に応じてモデル選択も変わる。

中小企業にとって実務的な含意は明確だ。AIツール選定時に「安さだけで決めない」という基本に立ち戻ることだ。1ヶ月試用期間を設けて、自社のよくあるタスク10件を両モデルにやらせてみる。何回の修正で完了に至ったか、検証にかかった時間はいくらか、を記録する。その結果から「タスク完了単価」を計算すれば、投資判断は劇的にシンプルになる。安く見える選択が、実は最も高く付くかもしれない。その判断を、数字で裏付ける時代に入ったのだ。