多くのベンダーが文書にしたがらない数字を、先に書いておきます。本番用のAIエージェントは定額で、標準的なエージェントで$8,000〜、複雑で高い信頼性が求められる構築では約$150,000まで、公開までの期間はおよそ90日です（当社の公開価格）。そして、多くの方が心配するモデルの利用料は、予算全体の中で最も安い項目です。高速なモデルで1万件のサポート対応を処理しても、トークン代はおよそ$37です（Anthropicの公開価格）。費用の大半はまったく別のところにかかります。それがどこかを知っているかどうかで、投資を回収できるエージェントになるか、使われないまま終わるかが分かれます。
というのも、現在のAI投資の多くは成果につながっていないからです。企業の生成AIパイロットの95%は、損益に測定可能な効果を出していません（MIT Project NANDA, 2025）。Gartnerはエージェント型AIプロジェクトの40%超が2027年末までに中止されると予測しており、主な理由は膨らむコストと不明確な価値です（Gartner, 2025）。一方で、導入そのものはほぼ行き渡っています。中堅企業の91%が生成AIを利用していますが、中核業務に組み込めているのは25%にとどまります（RSM, 2025）。AIを「使っている」ことと、AIで「利益が出ている」ことの差は、エンジニアリングの問題です。本当の費用はそこにかかります。
AIエージェントの開発費用はいくらか
本番用のAIエージェントとは、1つのエージェントが1つの価値の高い業務を担い、評価（eval）と可観測性を備えて貴社のシステム環境で稼働するものです。料金は定額で、標準的なエージェントで$8,000〜、最も複雑な構築で約$150,000まで、期間は約90日です。動くパイロットの納品で終わる固定価格の診断は$25,000です。いずれも当社の公開価格で、中堅企業向けの本格的な案件でかかる費用の水準に沿っています。
$8,000から$150,000までの開きは、水増しではありません。金額を左右する要素は4つあります。
- 連携の範囲。1つのシステムから読み取り、別の1つに書き込むだけのエージェントが下限です。5つのツールを連携させ、人の承認ステップを挟むものが上限になります。
- データの整備状況。エージェントに必要な知識が、整理されて検索できるシステムに入っていれば、数週間を節約できます。メールの受信箱やPDFに散らばっている場合は、データパイプラインの費用を見込んでください。データ責任者がパイロットを本番に移すうえで最大の障害に挙げているのは、データ品質の低さです（Informatica CDO Insights, 2025）。
- リスクの大きさ。顧客対応のエージェントには、社内ツールには不要なガードレール、評価、エスカレーションの経路が必要です。
- 求める運用水準。「デモで動く」と「午前2時に無人で動き続ける」は別の製品です。
稼働後の運用費用はいくらか
想像より少額です。中堅企業の業務であれば、推論コストは通常1件あたり数セントで、数ドルにはなりません。主要なモデルベンダーが現在公開している、100万トークンあたりのAPI価格は次のとおりです。
| モデル | 入力（100万トークン） | 出力（100万トークン） |
|---|---|---|
| Claude Haiku 4.5（大量処理向け） | $1 | $5 |
| Gemini 2.5 Pro | $1.25 | $10 |
| GPT-5.6（最上位モデル） | $2.50 | $15 |
| Claude Sonnet 5（本番環境の標準） | $3 | $15 |
出典：Anthropic、Google、OpenAIの料金ページ（2026年）。1件の対応をおよそ3,700トークンとすると、Haikuで1万件のサポートチケットを処理する費用は約$37です（Anthropic）。さらに、標準で用意されている2つの仕組みで費用を下げられます。プロンプトキャッシュを使えば、繰り返し読み込むコンテキストの料金は10分の1になり、バッチ処理なら半額になります。
しかも、この項目は急速に安くなっています。第三者の計測では、一定の能力水準に達するための価格は年におよそ40分の1のペースで下がっています（Epoch AI, 2025）。現在の推論コストがいくらであっても、次の四半期にはさらに下がります。だからこそ、トークン代を軸にエージェントの予算を組むのは誤りです。長く残る費用は、モデルの周りのエンジニアリング、連携、運用であり、モデルの呼び出しではありません。
公開後は、モデルの挙動が少しずつ変わり、ベンダーが互換性のない変更を出し、想定外のケースが積み重なっていきます。マネージドAIオペレーションのような運用の仕組みがないエージェントは静かに劣化し、誰かが1か月分の誤った出力に気づくまでそのままになります。月額の運用費、月$3,000〜$20,000は、ソフトウェアのホスティング費と同じように予算に入れてください。任意の追加オプションではなく、システムを「保有する」ための費用です。
実際に費用がかさむのはどこか
トークン代ではありません。失敗した構築です。パイロットの95%が成果を出さず（MIT, 2025）、エージェント型プロジェクトの40%超が中止される（Gartner, 2025）状況では、市場で最も大きな費用は、本番環境に届かなかったAIに使われたお金です。同じMITの調査は、これを避けるパターンも示しています。専門ベンダーからの購入や専門ベンダーとの協業は約67%の割合で成功し、社内での構築が成功する割合はそのおよそ3分の1でした。高くつくのは、デモ水準で作ったものが実際の負荷で崩れ、作り直しになる道筋です。費用を二度払うことになります。エンジニアリングの観点からは、AIのPoCが本番稼働に進まない理由に詳しく書いています。
中堅企業にとってAIエージェントは費用に見合うか
ある業務に週15時間以上の人件費がかかっているなら、多くの場合は見合います。ただし、決める前に試算してください。当社のAI ROI計算ツール（英語）は、週あたりの時間と諸経費込みの人件費から、年間の削減額の幅と回収期間を算出します。時給$75で週20時間かかっている業務の費用は、年間で約$78,000です。その50〜70%を自動化できるなら、$90,000のエージェントは2年以内に回収できます。規模感の参考として、IDCは生成AIへの投資$1あたりの企業の平均リターンを$3.70としています。ただし、これはMicrosoftが出資した調査です。下限ではなく、楽観的な上限として見てください。
費用を抑える方法
- 対象を1つの業務に絞る。費用も失敗のリスクも、対象範囲に比例して大きくなります。1つのエージェントを、1つの負担の大きい業務で本番稼働させ、それから広げます。
- 作業に合ったモデルを選ぶ。ほとんどのステップに最上位モデルは必要ありません。大量の分類や抽出は、安価なモデルがわずかな費用で処理します（上の表を参照）。
- 定型部分は買い、差別化部分だけを作る。成功率では、協業が社内構築をおよそ2対1で上回りました（MIT, 2025）。独自開発は、本当に差別化につながる部分に取っておきます。
- 評価を公開の条件にする。評価セットは、費用の二重払いに対する最も安い保険です。品質の後退を、本番環境に出る前に検出します。作り方は評価セットについての記事（英語）で解説しています。
- 先に固定価格の診断でリスクを下げる。2週間のスプリントで、決める前に実際の金額が分かります。診断の費用は、そこで範囲を決めた構築の代金に充当されます。
まとめます。トークン代は誤差の範囲で、さらに下がっていきます。構築にはまとまった費用がかかります。そして最も高くつくのは、「失敗した」構築です。予算は、失敗を避けるための規律に充ててください。AIが製品の中核であり、シニアのAIエンジニアを採用できるなら、長期的には内製が有利です。当社も内製・購入・ラボ型チームの比較ガイドでそう書いています。そうでなければ、いま費用がかかっている業務に本番用エージェントを1つ入れるのが現実的な一手です。採算が合うかどうかは、費用をかける前にROI計算ツール（英語）で確認できます。
