2026年7月上旬、米国の大手経済メディアCNBCが、生成AIの企業利用に関する興味深い潮流を報じました（2026年7月7日）。ひとことで言えば、「とにかく最高性能のモデルを使う」時代から、「用途に応じて、その仕事に十分な性能を持つ最も安いモデルへ振り分ける」時代への転換です。本記事では、この動きの背景を一次情報にもとづいて整理したうえで、中小企業が生成AIの利用料を無理なく抑えるための実践的な考え方をご紹介します。
生成AI コスト 最適化 とは何か（用語をやさしく整理）
まず、本記事で扱う3つの言葉を定義します。難しい概念ではなく、実務ではむしろ当たり前の発想です。
- AIコスト最適化：生成AIの利用にかかる費用（多くはトークン数に応じた従量課金）を、業務品質を保ちながら適正な水準へ調整する取り組み。
- モデルの使い分け：1つのAIモデルにすべてを任せるのではなく、仕事の性質に合わせて複数のモデルを併用する考え方。高精度が求められる作業には高性能モデルを、単純で量の多い作業には安価なモデルを割り当てます。
- ルーティング：入力された作業を、あらかじめ決めた基準に従って適切なモデルへ自動的に振り分ける仕組み。「この種類の依頼は安いモデルへ、この種類は高精度モデルへ」と交通整理をするイメージです。
これらは特定の製品名ではなく、生成AIを使いこなすための「運用の作法」だとお考えください。
米企業で何が起きたか（一次情報：CNBC報道・OpenRouter/Vercelのデータ）
今回の話題の要点は、次の3行に集約されます。
- 米企業の生成AI活用が、「高性能モデルを可能な限り使い倒す（いわゆるtokenmaxxing）」姿勢から、「用途に足りる最も安いモデルへ振り分ける（efficiency／コスト意識）」姿勢へと移りつつある。
- この観察は、AIモデルの利用を仲介するOpenRouterや、開発基盤を提供するVercelの利用データを根拠として、CNBCが2026年7月7日に報じたもの。
- 各社の公式料金には数十倍の開きがあり、この価格差が「使い分け」を後押ししている。
具体的な数字も報じられています。OpenRouter経由で米企業が中国製AIモデルに使うトークンの比率は、2026年2月8日以降ほぼ毎週30%を超え、最大で46%まで上昇しました。過去12か月の平均が約11%だったことを踏まえると、短期間で大きく伸びたことがわかります。中国発のオープンソースモデルは、主要な米国モデルと比べて「おおむね60〜90%安い」とされ、コスト面での存在感が増しています。
背景には、価格の実態があります。100万トークンあたりの公式料金を並べると、その差は一目瞭然です（2026年7月時点。為替や改定で変動します）。
| モデル（例） | 入力（100万トークン） | 出力（100万トークン） |
|---|---|---|
| OpenAI GPT-5.5 標準 | $5 | $30 |
| Anthropic Claude Sonnet系 | $3 | $15 |
| DeepSeek V4 Flash | $0.14 | $0.28 |
性能面でも接近が見られます。中国のZ.aiが2026年6月に公開した「GLM 5.2」は、あるエージェント系のベンチマークで、Anthropicの上位モデルOpus 4.8にわずか1ポイント差まで迫り、コストは約5分の1と報告されています。ただし、これは「安いモデルがすべてで勝る」という話ではありません。あくまで特定の指標における一例であり、業務要件によって適切なモデルは変わります。重要なのは、モデルの優劣を競うことではなく、その仕事に必要十分な性能を、最も無理のないコストで確保するという運用の発想です。各モデルの特徴を俯瞰したい方は、ChatGPT・Gemini・Claudeの機能比較もあわせてご覧ください。
AI モデル 使い分けは中小企業にどう効くか（コスト・業務・人材・競合）
大企業の話に聞こえるかもしれませんが、この潮流は中小企業にこそ実利があります。影響を4つの観点で整理します。
- コスト：利用料の多くはトークンの従量課金です。単純作業まで高性能モデルに任せていると費用がかさみます。作業を仕分けし、量の多い定型業務を安価なモデルへ振り替えるだけで、利用料を抑えられる余地が生まれます（削減幅は業務内容と利用量によります）。
- 業務：メール下書き、議事録の要約、問い合わせの一次対応など、量が多く比較的定型的な業務は、必ずしも最高性能を必要としません。ここを安価なモデルに任せられれば、コストと処理量のバランスが改善します。
- 人材：モデルを使い分ける運用は、専門のAIエンジニアがいなくても始められます。まずは「どの仕事に、どの程度の精度が必要か」を業務側の担当者が判断できるようになることが第一歩です。
- 競合：同じ予算でより多くの業務をAIに任せられれば、その分を本業の付加価値づくりに回せます。コスト意識を持った運用は、価格競争ではなく生産性の面で差を生む土台になります。
AI利用料 抑える 方法：今すぐできる小さな実証
大がかりなシステム投資は不要です。無料枠や低コストの範囲で、次の手順から試してみることをおすすめします。
- ①業務を2つに仕分けする：日々AIに任せている作業を、「高精度が要る仕事（契約文書のたたき台、専門的な分析、顧客への重要な文章など）」と「量をこなす仕事（定型メール、要約、分類、下書きなど）」に分けて一覧化します。
- ②後者を安価なモデルへ振ってみる：量をこなす仕事のうち1〜2種類を選び、安価なモデルで試験的に運用します。出力品質が実務に耐えるかを、担当者の目で1〜2週間かけて確認します。
- ③品質と費用を記録する：切り替え前後で、手直しの手間・処理量・かかった費用を簡単にメモします。数字で比較すると、続けるべきか戻すべきかの判断がつきます。
- ④問題なければ範囲を広げる：一部の業務で効果が確認できたら、対象を少しずつ広げます。逆に品質が足りなければ無理をせず高性能モデルへ戻す——この「試して、測って、決める」を小さく回すことが肝心です。
普段お使いのGoogle Workspaceやチャットツールと組み合わせれば、日常業務の延長線上で無理なく検証できます。まずは1業務からで十分です。
中小企業 生成AI 選び方 2026：中立に「用途で選ぶ」ために
安価なモデルの選択肢が広がったことは中小企業にとって追い風ですが、価格だけで決めるのは早計です。選定にあたっては、次の点を中立に確認することをおすすめします。
- 用途との適合：そのモデルが、任せたい業務で実際に十分な品質を出せるかを、自社のデータで小さく試して見極める。
- データの所在とガバナンス：入力したデータがどこで処理・保管されるか、業務で扱う情報の機密度に照らして問題ないかを確認する。中国製をはじめ海外のモデルは有力な選択肢の一つですが、データ所在やガバナンス面は各社の要件に応じて必ず事前確認が必要です。
- 切り替えのしやすさ：将来モデルを乗り換えられる余地を残しておく。特定のモデルに深く依存しすぎない設計が、長期的な安心につながります。
いずれのモデルにも得意・不得意があります。優劣を断定するのではなく、「この業務にはこのモデル」と用途起点で選ぶ姿勢が、コストと品質の両立につながります。
当協会の視点と支援メニュー
当協会では、生成AIの導入を「高価な最新モデルを入れること」ではなく、「自社の業務に合った使い方を、無理のないコストで定着させること」だと考えています。今回の潮流が示すとおり、これからのAI活用は"賢く使い分ける"段階に入りました。とはいえ、「どの業務をどのモデルに任せるべきか」を自社だけで判断するのは容易ではありません。
当協会のAI導入診断では、現在の業務を棚卸しし、「高精度が要る仕事」と「量をこなす仕事」の仕分けから、費用対効果の見立てまでを一緒に整理します。そのうえで、伴走支援を通じて、小さな実証から定着までを段階的にサポートします。専任のAI担当者がいない中小企業でも、無理なく始められる形をご提案します。
まとめ
米企業では、生成AIを「とにかく高性能で使い倒す」段階から、「用途に足る最も安いモデルへ振り分ける」段階へと運用が移りつつあります（CNBC 2026年7月7日報道、OpenRouter・Vercelの利用データが根拠）。公式料金には数十倍の差があり、性能面でも安価なモデルの追い上げが見られます。ただし、これは特定モデルの優劣ではなく、"用途で選ぶ"という運用の話です。中小企業にとっては、業務を仕分けし、量の多い仕事から安価なモデルへ小さく試すことが、利用料を抑える現実的な一歩となります。データ所在やガバナンスの確認を怠らず、「試して、測って、決める」を小さく回していきましょう。何から手をつければよいか迷われた際は、ぜひ当協会にご相談ください。
