AIの推論単価は下がり続けている｜それでも自社の費用感が軽くならないのはなぜか

「AIの利用料は下がり続けているはずなのに、請求額が軽くなった実感がない」。AIの予算を見る立場にいると、この種のねじれに出会います。

価格が下がっていること自体は、観測されています。Epoch AI が2026年9月22日付で出したレポート「The plunging price of thought」は、一定のAI性能を達成する最も安いコストが2023年以降、四半期あたり約47%、年率で約13倍のペースで下がっていると報告しました。著者は「他のどの汎用技術も、これほど速く安くなった例は見当たらない」と書いています。

数字としては、これ以上はっきりした下落はそうありません。それでも、この数字をそのまま自社の見積りに持ち込むと外れます。外れるのは数字が間違っているからではなく、「単価が下がる」と「支出が減る」のあいだに、いくつもの前提が挟まっているからです。

この記事で確認するのは、そのレポート1本です。企業のAI予算が実際に増えているか減っているかという統計は確認していないため、「予算は増え続けている」という主張はしません。扱うのは、単価の下落を自社の支出に翻訳するとき、何を仮定しているのかという一点です。

30秒で要点

• レポートが測っているのは製品の価格表ではなく、一定の性能水準を達成できる最も安い組み合わせのコストである。測り方が違えば、同じ現象でも別の数字になる
• 「四半期47%」は複数ある推定方法のうち2つの値で、同じ表には 5.3%〜38.1% の別の推定値も並んでいる。レポート自身が一部を妥当でない値と評価している
• 領域差が大きい。ゲーム系パズルは四半期39〜43%、数学問題は50〜52%。ソフトウェア開発の課題を測るベンチマークでは27.5%にとどまる
• 新しく登場した性能水準は速く安くなり（平均で四半期66%）、2年経つと半分のペース（32%）に落ちる。最先端を使い続けるなら値下がりの恩恵は小さい
• レポートは自ら4つの限界を挙げており、そのうち「実際の利用者は最も安いモデルに乗り換え続けないので同じ節約を得ない」は、支出感とのズレを直接説明している
• したがって自社の費用を語るときに必要なのは市場平均の下落率ではなく、業務1件あたりの費用を分母・分子を固定して測り直した自社の下落率である

「四半期47%」は1つの数字ではない

まず、この数字が何を測ったものかを確認します。

レポートの手法は、各時点で目的の性能水準を達成できる最も安い組み合わせを追う形です。精度を固定したうえで、それを達成できる最安の点だけを結んでいく。手法は、原文が「連邦の」と記す Center for AI Standards and Innovation（CAISI）が開発した手順に従ったと記載されています。

主要5ベンチマークの内訳は、モデルを使わない経験的な推定で次のようになっています。

表が収まらない場合は、横にスクロールできます

ここで見落としやすいのは、同じ表に複数の推定方法の列が並んでいることです。推定方法を変えると、同じ対象に対して 5.3% から 38.1% までの値が出ます。レポート自身、一部の推定結果を妥当でない値と評価しています（ソフトウェア開発の課題では 2.7% や 7.6% になり、符号が負になるものもあると書かれています）。

つまり「47%」は、ある測り方を選んだときの平均値です。レポートはそのことを隠していません。結語でも、本文の数字は現実をおおむね代表していると考えるが、正確な値として読まれるべきではないと書かれています。

この構造は、数字を引用する側の責任を変えます。47%という数字は使えますが、単独で使うと、レポートが明示した幅を落としたことになります。

1つの率が「市場の性質」として記憶される

ここで、なぜ幅のほうが落ちるのかを見ておきます。注意力の問題ではなく、数字の形に理由があります。

第一に、率は出所を連れて歩きません。 「四半期47%」は覚えやすく、口頭でも伝わります。一方「精度を固定したときの最安の組み合わせを、モデルを使わない経験的推定で測った値」は覚えにくく、会議では落ちます。残るのは率だけで、率だけが残ると、それは測り方の結果ではなく市場の性質として記憶されます。市場の性質なら、自社にも等しく降ってくるはずだ、と続きます。

第二に、「コスト」という語が自社の支払額と同義に読めます。 レポートが測っているのは「ある性能を手に入れるのに最低いくら必要か」です。自社が見ているのは「現在の構成で毎月いくら出ているか」です。日本語では両方とも「コスト」で、言い換えの必要を感じません。語が同じだと、対象が違うことに気づく契機がありません。

第三に、複利の暗算が鮮やかすぎます。 四半期47%なら、4期で約16分の1になると暗算できます。この計算は簡単で、しかも劇的です。暗算が成立してしまうと、その前提——同じ性能水準にとどまり、最安の選択肢に乗り換え続ける——を確かめる動機が生まれません。計算が通ることと、計算の入口が自社に当てはまることは別です。

この3つが重なると、幅や限界は「細かい注釈」の位置に押し出されます。実際には、注釈の側に自社の事情が書かれています。

同じ下落率が、領域ごとにまったく違う値になる

領域差は、平均からの小さなズレではありません。

レポートは、ゲーム系パズルで四半期39〜43%（年7〜10倍）と遅く、数学問題で50〜52%（年16〜19倍）と速いと報告しています。そして「ある性能水準のコスト低下は時間とともに遅くなる傾向があるが、この傾向は普遍ではない」という一文を添えています。

補助的なベンチマークまで見ると、幅はさらに広がります。

表が収まらない場合は、横にスクロールできます

26.0% と 65.1% が同じ表に載っています。ここから「コーディングは安くなりにくい」と一般化するのは行き過ぎです。補助ベンチマークはデータの開始時期が異なり、観測期間も短い（SWE-bench Verified は2024年5月開始）。言えるのは、このベンチマークでのこの期間の推定ではそうなっているという範囲までです。

それでも実務的な意味は残ります。自社が任せている仕事が、平均47%の側なのか27.5%の側なのかは、市場平均を見ても分かりません。平均は、自社の用途が平均であることを保証しません。

新しい性能ほど速く安くなり、古い性能はゆっくりになる

もう1つ、支出感に直接関わる構造があります。下落の速さは、どの性能水準を見るかで変わるという点です。

レポートによれば、主要5ベンチマークの平均で、ある性能が最高水準として登場した直後には四半期66%（年75倍）のペースでコストが下がります。その2年後には「わずか」四半期32%（年4.7倍）まで減速します。

この2つの数字の差は、立場の違いとして読めます。

• 去年の水準で足りる仕事を回しているなら、価格は目に見えて下がる側にいる
• 常に最高水準を使う仕事を回しているなら、いつも下落の初期にいることになり、下落率は高いのに支払っている絶対額は下がらない

後者が起きるのは、値下がりを待たずに次の水準へ移動しているからです。坂を下っているのに、下り始めた地点を毎回上に更新している状態です。

ただし、この読み替えはレポートが書いていることではありません。レポートは速さの違いを報告しているだけで、「最先端を追うと支出が下がらない」とは述べていません。構造から導ける解釈として提示します。

レポート自身が置いた4つの限界のうち、3つめが実務に直接刺さる

レポートは「本分析には大きな留保がある」と前置きして、4つの限界を挙げています。

1. ベンチマーク向けの訓練（benchmaxxing）によって、ベンチマーク上の改善が実務の改善を上回っている可能性がある
2. そうでないとしても、ベンチマークで良い成績を出すことは有用な仕事と同義ではない
3. 最安の組み合わせを追う前提は、各課題で最も費用対効果の高いモデルを執拗に探し続ける利用者を暗黙に想定している。実際の利用者はそれほど頻繁にモデルを乗り換えないため、同じ節約を享受しない
4. データは不完全でノイズが多く、期間も3年ほどしかない

3つめは、この記事の問いにそのまま答えています。「単価は下がっているのに自社の費用感が軽くならない」ことの説明を、レポートの著者自身が限界として書き込んでいるのです。

この限界の形を正確に見ておきます。これは「推定が外れている」という話ではありません。推定は想定した利用者について正しく、その想定された利用者が自社ではないという話です。測定が間違っているのではなく、測定の対象が自社と違う。この2つは混同されやすく、混同すると「データが信用できない」という結論に飛んでしまいます。信用できないのではなく、適用範囲が書かれているだけです。

「単価が下がる」と「支出が減る」のあいだに挟まっている3つの前提

ここまでを踏まえると、単価の下落を自社の支出に翻訳するときに暗黙に置いている前提が、3つに整理できます。

前提1：同じ性能水準にとどまっている。 値下がりの恩恵は、同じ仕事を同じ品質でやり続ける場合に最大化されます。モデルを新しくするたびに、より難しい仕事をより高い品質で任せているなら、比較している2点はもう同じではありません。

前提2：最も安い選択肢に乗り換え続けている。 レポートの限界3がこれです。モデルを固定したまま運用しているなら、受け取っているのは「乗り換えた人が得た節約」ではありません。

前提3：使用量が変わっていない。 単価と総額をつなぐのは使用量です。単価が半分になっても使用量が3倍になれば総額は増えます。

この3つめについては、名前のついた枠組みがあります。ジェボンズのパラドックスです。効率が改善して単位あたりの費用が下がると、需要がそれ以上に伸びて総消費量がかえって増えるという現象で、石炭を効率よく使う蒸気機関の普及が石炭の総消費を押し上げたという19世紀の観察に由来します。

AIにも当てはまりそうな筋書きです。ただし、これは本記事の解釈であって、参照したレポートの主張ではありません。 レポートは価格の推移だけを扱い、使用量や支出総額には触れていません。企業のAI支出が実際に増えているかどうかも、本記事では確認していません。したがってジェボンズのパラドックスは、説明として採用するものではなく、自社のデータで確かめる仮説として置きます。確かめる手順は後述します。

3つの前提のうちどれが効いているかで、打つ手は変わります。前提1が崩れているなら、増えた支出は品質への投資であって、無駄ではありません。前提2が崩れているなら、乗り換えの運用設計で回収できる余地があります。前提3が崩れているなら、単価交渉よりも使用量の設計が効きます。「AIの費用が高い」という1つの訴えに対して、効く手は3つに分かれます。

確かなことと、まだ確かではないこと

確かなこと： Epoch AI の2026年9月22日付レポートが、一定のAI性能を達成する最安コストの低下を四半期約47%・年約13倍と推定していること。その47%が、複数ある推定方法のうち2つの値であり、同じ表に 5.3%〜38.1% の別推定が並ぶこと。領域差（ゲーム39〜43%／数学50〜52%／SWE-bench Verified 27.5%）が存在すること。登場直後の性能水準で四半期66%、2年後に32%へ減速すること。著者が4つの限界を明記し、そのうちの1つが「実際の利用者は最安モデルに乗り換え続けないので同じ節約を得ない」であること。

まだ確かではないこと： 企業のAI予算や支出総額が増えているか減っているか（本記事では確認していません。レポートもこの点に触れていません）。ジェボンズのパラドックスがAI利用で実際に成立しているか（枠組みとしての提示にとどめています）。ベンチマーク上の性能低下率が実務の費用にどの比率で反映されるか（レポートの限界1・2が未解決としている範囲です）。レポートが紹介している先行研究の数値（年10倍、年9〜900倍、年5〜10倍、年64〜380倍という幅のある推定が並んでいます）については、各原典を本記事では開いていないため、レポート経由の紹介として扱っています。

自社の下落率を1四半期で測る最小の手順

市場平均の下落率は、自社の見積りには使えません。代わりに測るのは、業務1件あたりの費用です。

分母と分子を先に固定します。

• 分母： 同じ業務を1回完了すること（例：問い合わせ1件への回答案を作る）
• 分子： その1回に実際にかかった費用（モデルの利用料。再実行した分も含める）
• 単位： 円 ／ 1件

このとき、品質の合格基準を先に決めます。基準がないと、安くなったのか品質を落としたのかが区別できません。「必須項目が揃っている」「禁止事項を含まない」のように、1回見れば判定できる条件にします。

手順は4つです。

1. 業務を1つ選び、合格基準を書き出す。 件数は10〜20件で足ります
2. 現在の構成で実行し、1件あたりの費用と合格率を記録する。 使ったモデル名と設定も残します
3. 3か月後、同じ業務・同じ基準で測り直す。 このとき、モデルを変えた場合と変えなかった場合の両方を測ります
4. 2つの下落率を比べる。 「モデルを固定したままの下落率」と「乗り換えた場合の下落率」の差が、前提2が自社でどれだけ効いているかの大きさです

同時に、使用量そのものも記録します。1四半期の実行件数が前期の何倍になったか。単価の下落率と使用量の増加率を並べて初めて、総額が増えた理由を言えます。 全社のAI費用総額だけを見ていると、この2つが混ざって打ち消し合い、どちらが動いたのか判別できません。

この測り方は、AIの効果が会計上の数字に現れにくいという、より広い問題の一部でもあります。その論点はAI投資の効果が「体感」より遅れて出る理由で扱っています。モデルの選択そのものが実行時に自動化されると誰がコストを説明するのかという論点は「どのモデルを選ぶか」が消える日、どの業務にどこまで入れているかを層に分けて測る話は「AI導入してます」の実態を測る3層が近いところにあります。

判断の土台として押さえておくこと

• 報告されている下落率は「同じ性能を得るための最安コスト」の推定であり、製品の価格表の推移ではない
• 「47%」は推定方法によって動く。同じ表に 5.3%〜38.1% が並び、領域別では 26%〜65% の幅がある
• 平均は自社の用途が平均であることを保証しない。任せている仕事がどちら側かは、市場平均からは読めない
• 新しい性能水準は速く安くなる。最先端を使い続ける運用は、下落率が高いまま絶対額が下がらないことがある
• レポートの限界は「推定が外れている」ではなく「想定した利用者が自社と違う」である。この2つを混同すると、使える推定を捨てることになる
• 単価と総額をつなぐのは使用量である。単価交渉・乗り換え設計・使用量設計のどれが効くかは、3つの前提のどれが崩れているかで決まる
• 自社の数字は、業務1件あたりの費用（分母＝1件、分子＝実費、単位＝円／件）で測る。合格基準を先に決めないと、安くなったのか品質が落ちたのか区別できない

参考資料・引用元

• Epoch AI, "The plunging price of thought"（ページ上の表示は Report / Sep. 22, 2026）. https://epoch.ai/publications/the-plunging-price-of-thought （2026年10月14日確認・HTTP 200）