OpenAI CFOが「1ドルあたりの有用な知能」でAIのROIを測定する新フレームワークを発表

「長年にわたり、ソフトウェアは導入率で測定されてきた。すなわち、シート数、アクティブユーザー数、更新率だ」とフライアー氏はLinkedInの投稿で述べている。「AIは違う。完了した仕事で測定されるべきだ」。このフレームワークは、トークン単価が最も低いからといって必ずしも成果あたりのコストが最も低いわけではなく、企業は単価ではなく総価値の創造を最適化すべきだと明確に主張している。

AIのROIを評価する4つの質問

フライアー氏の方法論は、曖昧な導入指標を4つの具体的な質問に置き換え、AIのROIを評価するスコアカードを形成する。

1. AIは本当に意味のある仕事を完了しているか？

単なる利用回数やプロンプト数ではなく、実際の成果ベースのタスク（解決した顧客の問い合わせ、出荷したコード変更、レビューした契約書など）の量を測定する。「トークンは、人々が使える仕事に変換されたときに価値を生む」とフライアー氏は記している。これにより、活動指標（何回クエリが行われたか）からインパクト指標（何が達成されたか）へと焦点が移る。

2. 成功したタスク1件あたりのコストは？

品質基準を満たしたタスク1件あたりの総コストを計算する。これにはAIの推論コスト、リトライ、人間によるレビュー、手直しなどが含まれる。安価なモデルが頻繁に失敗する場合、1回で正しい答えを出すプレミアムモデルよりも、成功した成果あたりのコストが高くなる可能性がある。この質問は、企業にトークン単価だけでなく、エラーや修正にかかる隠れたコストを考慮させる。

3. AIはどれだけ確実に仕事をこなすか？

「そのまま使える」アウトプットの割合と、訂正やエスカレーションが必要なアウトプットの割合を追跡する、信頼性（ディペンダビリティ）を測定する。人間の介入が少なければ、総コストが低くなり、信頼性が高まる。これは本質的にAIアウトプットの品質保証指標であり、信頼性が単なる能力と同じくらい重要であることを認識するものだ。

4. AIへの投資1ドルあたりの価値は、利用拡大に伴って向上しているか？

時間の経過とともに、コストが指数関数的に増加することなく、AIがより多くの高品質な仕事を完了しているかを監視する。これは半導体やデータセンターの財務から借用した「計算のリターン（ROC：Return on Compute）」とも呼ばれる概念である。この質問は、AI投資が複合的なリターンをもたらすのか、それとも限界価値が減少するのかという、スケーリングの判断に重要な問題に対処する。

フレームワークの実装方法

この方法論は、既存のツールで監査可能なように設計されている。チームは特定のワークフローにおいて「完了」の定義を決め、成功した完了数をカウントし、総コスト（人的オーバーヘッドを含む）を合計し、合格率と品質の傾向を追跡する。

フライアー氏のアプローチは、AIをソフトウェアライセンスではなく生産的資産として扱い、CFOやテクノロジーリーダーが同僚から最もよく聞かれる質問「AI支出からどのようにしてより多くの価値を得るのか？」に構造的に答えられるようにする。

なぜ今このフレームワークが重要なのか

この提案は、企業のAI支出が急増している時期になされた。OpenAI自体が月間10億ドルの収益と5億以上のエンタープライズシートを販売していると報告している。しかし、多くの組織が明確なROIフレームワークを欠いており、「AIの能力と企業が実際に獲得している価値の間にミスマッチ」が生じている。フライアー氏は以前、この断絶を「能力のオーバーハング（capability overhang）」と表現している。AIができることと、組織が実際にビジネス価値として活用できることのギャップのことだ。

4つの質問を監査可能なコストと品質データに基づかせることで、「1ドルあたりの有用な知能」フレームワークは、企業が「信念に基づくAI投資」から「エビデンスに基づく意思決定」へと移行するための実用的なツールを提供する。

合わせて読みたい：OpenAIのビジネスモデル

OpenAIは以前から「知能の価値に応じてビジネスを拡大する」という原則を掲げてきた。ChatGPTが日常的な業務ツールとなるにつれ、消費者向けサブスクリプション、職場向けサブスクリプション、使用量ベースの課金、そしてデベロッパー・エンタープライズ向けAPIプラットフォームへとビジネスモデルを段階的に拡大してきた。今回の新指標は、これらの多様な課金モデル全体で、AIの価値を統一的に評価するための財務フレームワークを提供するものとも言える。