OpenAIが試す「成果報酬型」AI料金、企業のエージェント導入を変えるのか

OpenAIが、一部の大口法人顧客を対象に、AIエージェントが合意済みの業務を完了した場合に限って料金を支払う仕組みを試していると報じられています。一般公開された新料金プランではなく、対象となる業務、料金、契約条件も明らかになっていません。5

この取り組みが注目される理由は、AIエージェントの利用量が従来のチャットボットより大きく膨らみやすいためです。トークン課金では、入力や出力に加えて、再試行、推論、外部ツールの呼び出しなどがコストに反映されます。一方、成果報酬型では、事前に定めた「業務上の結果」を課金の基準にします。

トークン課金と何が違うのか

OpenAIが公開しているAPIや法人向け料金表では、入力トークン、キャッシュ済み入力トークン、出力トークンを100万トークン単位で課金しています。1 2 この方式では、エージェントが最終的に業務を完了できたかどうかにかかわらず、モデルを利用した分の料金が発生します。

成果報酬型では、請求のタイミングが変わります。問いは「システムが何トークン処理したか」ではなく、「エージェントが合意した結果を達成したか」です。

たとえば、解決済みと確認された問い合わせ、完了したワークフロー、業務システムへの検証済みの更新などが考えられます。ただし、今回報じられたOpenAIの試験で、実際にどの業務が対象になっているかは公表されていません。5

この仕組みでは、何度も試行したり、長い推論を行ったり、処理に失敗したりした場合のコストの一部を、顧客ではなくOpenAI側が負担することになります。つまり、実行リスクがベンダー側に移る可能性があります。

なぜ企業はエージェントのコストを予測しにくいのか

利用量に応じた従来型の課金は、処理内容が予測しやすいアプリケーションでは比較的管理しやすい仕組みです。しかし、自律型エージェントは自ら処理手順を選び、何度もツールを呼び出し、複数の作業を並列で進めることがあります。

報道では、100体のエージェントを並行稼働させた開発者が、30日間でOpenAIのトークン料金130万ドルを積み上げた事例が紹介されています。5 極端なケースではあるものの、エージェントの利用では、費用が完成した仕事の価値ではなく、試行回数や活動量に応じて増えるという問題を浮き彫りにしています。

成果報酬型の契約なら、予算を立てやすくなる可能性があります。契約上、失敗した処理を請求対象外とするなら、顧客は成果のない試行に全額を支払わずに済むかもしれません。ただし、OpenAIの試験で失敗時に本当に料金が発生しないのか、例外や部分的な成功をどう扱うのかは不明です。

まずはどの業務で広がりそうか

成果報酬型の料金が機能しやすいのは、業務の範囲が明確で、完了したかどうかを客観的に確認できるケースです。

代表例は顧客サポートです。問い合わせチケットのステータス、顧客とのやり取り、追加の有人対応が必要になったかどうかなどを使って、解決の成否を確認しやすいためです。

そのほか、範囲を限定したコーディング、保険金請求の処理、見込み顧客の選別、バックオフィス業務なども候補になり得ます。ただし、これらは可能性の例であり、OpenAIが公表した導入事例ではありません。共通する条件は、エージェントが処理を始める前に、双方が成功の定義を決められることです。

実際の契約では、少なくとも次のような事項を定める必要があります。

• 成功とみなす具体的な条件
• 品質や正確性の基準
• 人間の担当者へ引き継いだ場合に、失敗・部分的成功のどちらと扱うか
• 再試行や例外処理の扱い
• 完了を証明するシステム上のイベント
• 請求に関する異議をどう解決するか

こうしたルールがなければ、「AIが仕事を終えた時だけ支払う」という説明は魅力的でも、商取引上は曖昧な約束にとどまります。

市場にはすでに複数の成果連動型モデルがある

OpenAIの試験は、AIエージェントの料金体系を見直すソフトウェア業界全体の動きに続くものです。ただし、各社の仕組みは同一ではありません。

• Intercom Fin：AIが人間の介入なしに顧客の問題を最初から最後まで解決した場合、「解決済みの成果」1件につき0.99ドルを課金すると説明しています。8
• Zendesk：AIによる解決が成功したことを示す「Verified Resolution（検証済み解決）」という考え方を採用し、単純な座席数ではなく結果に料金を結びつけています。14
• Salesforce Agentforce：当初は1会話2ドルの料金体系でしたが、その後Flex Creditsを導入しました。Intercomの比較では、標準的なアクションは20クレジット、約0.10ドルに相当します。これは最終的な業務成果ではなく、アクション単位の従量課金です。8

ここで重要なのは、「成果報酬型」と「従量課金型」は同じではないという点です。アクション単位や会話単位の料金は利用量を把握しやすくしますが、最終的な事業目標が達成されなかった場合でも請求される可能性があります。

企業はどの料金モデルを望んでいるのか

Futurumの調査結果からは、座席課金が完全に終わったというより、用途によって企業の好みが分かれていることがうかがえます。

世界のIT意思決定者830人を対象にしたFuturumの調査では、生成AI機能について、43％が従量課金を、27％が成果報酬型を望んでいました。14

また、2026年下期の別の調査では、個別に課金されるAI機能について、座席単位の料金を選んだ回答者が42.3％、従量課金が36.6％、成果報酬型が21.1％でした。一方、基幹ソフトウェアでは、従量課金が28.9％、成果報酬型が22.2％、座席単位が12.6％でした。

つまり、企業が一つのモデルを一律に選んでいるわけではありません。予測しやすい支援機能なら、座席料金や追加オプションが適しているかもしれません。反対に、測定可能な仕事を自律的に実行するサービスなら、利用量や成果に連動した料金の方が説明しやすくなります。

成果報酬型は広がるのか

購入側にとっては、支出と得られた価値を結びつけやすいことが大きな魅力です。ベンダー側にも、エージェントの稼働量を増やすのではなく、信頼性を高め、無駄な実行を減らす動機が生まれます。財務部門にとっても、無制限にトークンを消費する仕組みより、導入予算を承認しやすくなる可能性があります。

ただし、ベンダーはこれまで顧客に転嫁できた処理コストを、自動的には請求できなくなります。また、評価指標の設計を誤ると、エージェントが狭い指標だけを最適化し、顧客体験全体を損なうリスクもあります。

貢献度の判定も難題です。複数のAIモデル、外部ツール、従業員、社内システムが関わる業務では、エージェントが一部だけを完了した場合や、最後の判断を人間が行った場合に、OpenAIがどこまで成果を生み出したのかを判断しにくくなります。

そのため、成果報酬型の料金は、まず狭く定義でき、検証可能な業務から広がる可能性が高いでしょう。複雑な導入では、座席料金、利用量、クレジット、特定の成果報酬を組み合わせるハイブリッド型の方が現実的です。Futurumも、AIの料金と顧客価値を結びつける過程で、ハイブリッド型が重要な中間策になると説明しています。14

OpenAIの試験が示すもの

今回の報道が示すのは、AI企業がモデルへのアクセスやトークン消費だけでなく、「完了した仕事」そのものを販売しようとしている可能性です。

ただし、現時点で確認できる結論は限定的です。OpenAIは一部の大口顧客と成果報酬型の料金を試していると報じられていますが、一般向けの料金プランは発表しておらず、料金、対象範囲、契約の成否を判断できる詳細も公開していません。5

したがって、今回の動きは「成果が出たら支払う」という仕組みを、企業調達に耐えうるほど明確な契約へ落とし込めるかを見極める初期テストと捉えるのが適切です。