AIエージェントのコストを抑えるには、まず「1タスクを完了するまでの費用」を測り、入力の再利用、モデル選択、呼び出し回数を見直します。1回の依頼でも、調査・ツール実行・確認でモデルを繰り返し呼ぶため、最初の質問だけでは費用を見積もれません。
対策は大きく2段構えです。まず、キャッシュ・Batch・モデルの使い分け・コンテキスト設計・ループ制御の5つで、1タスクあたりの費用を下げます。次に、予算と可視化の仕組みを整え、削減後も品質と費用を継続して確認します。本記事はAPIの従量課金を中心に、法人の開発責任者・AI導入担当者向けに解説します。料金・仕様の確認日は2026年11月13日です。
この記事でわかること
- AIエージェントのトークン費用が、チャットより速く膨らむ仕組み
- API機能と設計で取り組む5つの削減策と、モデル別の単価差
- 削減率の数字をどこまで信じてよいか（最大値と実務値の差）
- 利用者・用途・成果の単位で予算を持ち、上限を決める実務
- モデルと周辺の仕組みを見直し、導入後も継続して改善する体制が要る理由
AIエージェントの費用が膨らむ原因と見積もり方
AIエージェントのAPI費用は、各呼び出しで使う入力・出力トークン数と、その単価の合計です。トークンとは、モデルが文章などを処理するときの単位です。エージェントは調べる、読む、直す、確かめるを繰り返すため、呼び出し回数と履歴の長さが増えるほど費用も膨らみます。
月額費用はタスク単価と処理件数から見積もる
従量課金のAPIでは、通常入力・キャッシュ書き込み・キャッシュ読み取り・出力の各トークン数に、それぞれの単価を掛けて合計します。単価が100万トークンあたりなら、トークン数を100万で割ってから掛けます。失敗や再試行に使った分も含めてください。
月額の目安＝平均タスク単価×月間処理件数＋固定料金＋その他の利用料です。検索・外部ツール・保存領域などに別料金がある場合は加算し、構築・監視・人による確認の工数は別に見積もります。定額プランの利用枠に含まれる分をAPI費用として二重計上しないよう、契約上の請求単位も確認します。
想定例として、再試行を含む平均API費用が1タスク0.02ドル、月5万タスクなら、API費用は月1,000ドルです。固定料金や外部ツール料金は含まない計算例で、一般的な相場や導入実績ではありません。
Claude Codeではツール実行後も会話履歴を送る
チャットは「質問を送る、答えが返る」で完結します。エージェントは「ファイルを読む、結果を受け取る、次の手を考える、コマンドを実行する」と進み、各ステップで新しいリクエストが発生します。
Claude Codeのコスト管理の公式ドキュメントでは、リクエストごとに会話全体を送ること、ツールを使うたびにその結果を含む次のリクエストを送ることが説明されています。キャッシュが有効でも、履歴は「キャッシュ読み取り単価」で毎回読み直されます。一行だけの質問でも、長時間開いたままのセッションなら全履歴分が消費に計上されます。
仮定を置いて試算してみます。10万トークンの同じ入力を30回のモデル呼び出しで使うと、入力の合計は300万トークンです。Anthropicの料金表にあるSonnet 5.5（通常入力は100万トークンあたり2ドル、キャッシュ読み取りは0.1ドル）なら、全30回がキャッシュ読み取りの場合は0.3ドル、キャッシュを使わない場合は6ドルです。
この20倍の差は、同じ入力部分の読み取り費用だけの比較です。初回を5分キャッシュへの書き込み、残り29回をヒットとすると、0.25ドル＋0.29ドル＝0.54ドルになります。いずれも履歴の増加、出力、ツールの追加料金を除く試算で、請求総額が20分の1になるという意味ではありません。
バックグラウンド処理とサブエージェントも費用に含める
Claude Codeでは、バックグラウンド処理が動くと、人が入力していない時間にもトークンを消費します。単に待機している時間そのものへの課金ではありません。公式ドキュメントによれば、キャッシュの寿命を超えて休止したあとの最初のメッセージはキャッシュミスになり、全コンテキストが再処理されます。定期実行タスクやゴールのチェックインは、アイドル中でも全コンテキストを送ります。
サブエージェントは、それぞれが独自にリクエストを送ります。複数インスタンスが連携するエージェントチームは、プランモードで通常セッションの約7倍のトークンを使うと明記されています。さらに、拡張思考（モデルが答える前に内部で考える機能）は出力トークンとして課金され、既定では1リクエストあたり数万トークンに達することがあります。
エージェントの種類による差も大きく、タスク1回あたりのコストが最大30倍開くという報道もあります。同じ目的でも、手順の組み方次第で請求は桁違いになるわけです。
単価が下がっても、消費量が上回れば請求は増える
「モデルの値段は下がっているのだから、放っておけば安くなる」という期待は外れます。AccentureのAIトークノミクスに関するCIO向けガイドでは、調査対象企業が今後24か月でトークン消費量78%増、単価19%減を見込んでいます。最適化をしない場合の支出合計は約25億ドルから約36億ドルへ、約44%増える計算です。個々の企業の増加率を保証する数字ではありません。
なお「最大44%抑制できる」という日本語の報道も見かけますが、公式ページで確認できたのは上記の「最適化しない場合に約44%増える」という数字です。抑制率として引用するのは避けたほうが安全です。
同じガイドは、組織の側にも課題があると示しています。トークン支出のうち定量的な財務成果に結びつけられるのは5分の1未満で、3分の1の組織が年度末前にトークン予算を使い切っています。AIリクエストの54%は、タスクに必要以上に高性能で高価なモデルに送られているそうです。対象は17か国の年商10億ドル超の企業の幹部750人です。支援サービスの提供企業による大企業中心の調査であり、日本企業全般の実態を示すものではありません。
AIエージェントのコストを削減する5つの方法
削減策は、キャッシュ、Batch、モデルの使い分け、コンテキスト設計、ループ制御の5つです。APIの機能とアプリ側の設計を組み合わせます。利用中のサービスや契約によって、設定できる範囲は異なります。
| 削減策 | 何を減らすか | 向いている場面 |
|---|---|---|
| プロンプトキャッシュ | 同じ入力の再処理単価 | 長いシステム指示や履歴を毎回送る処理 |
| Batch処理 | 非同期でよい処理の単価 | 夜間集計、大量の分類・要約 |
| モデルの使い分け | 1トークンあたりの単価 | 難度が混在する業務 |
| コンテキスト設計 | 送るトークンの量 | 長期セッション、ツールの多い環境 |
| ループ制御 | 呼び出し回数 | 自走型エージェント全般 |
費用を計測した後は、「キャッシュが効いているかの確認」と「モデルの使い分け」から検討します。同じ入力の再送や高性能モデルへの集中が多い場合に、改善候補を絞りやすいからです。
プロンプトキャッシュで同じ入力の再処理費用を下げる
プロンプトキャッシュは、前回と同じ冒頭部分を安く読み直す仕組みです。Anthropicの標準では、キャッシュヒット時の入力単価は通常の0.1倍（約90%引き）です。Opus 5.5とSonnet 5.5は0.05倍、Fable 5.2は0.025倍と、さらに安くなります。
書き込みには割増がかかります。5分キャッシュは1.25倍、1時間キャッシュは2倍です。Sonnet 5.5で同じ入力部分を期限内に再利用する場合、通常入力との比較で、5分キャッシュは1回、1時間キャッシュは2回の読み取りで書き込みの割増を回収できます。再利用前に期限が切れる場合や、冒頭部分が変わってヒットしない場合は、かえって高くつきます。
Batchで即時応答が不要な処理をまとめる
Message Batches APIは、非同期で処理する代わりに50%割引になります。多くのバッチは1時間未満で完了しますが、処理期限は24時間で、未完了のリクエストは期限切れになる場合があります。OpenAIも、公式料金表でキャッシュ入力を標準入力より大幅に安く設定し、Batchを標準のおおむね半額としています。夜間の分類・要約など、独立して処理でき、結果を待てる作業が候補です。直前の結果で次の処理を決める対話型エージェントでは、全工程を一括でBatch化できるとは限りません。キャッシュとBatchを併用したときの掛け率は、見積もりに入れる前に各社のドキュメントで確かめてください。
難度に応じてモデルを使い分ける
下表のモデルでは通常入力・出力の単価に最大80倍の差があります。Anthropicの主要モデルを比較します（100万トークンあたり、米ドル、標準API料金、2026年11月13日確認、出典）。
| モデル | 入力 | 出力 | Sonnet 5.5の入力を1とした比 |
|---|---|---|---|
| Fable 5.2 | $8 | $40 | 4 |
| Opus 5.5 | $4 | $20 | 2 |
| Sonnet 5.5 | $2 | $10 | 1 |
| Haiku 5.5 | $0.10 | $0.50 | 0.05 |
Haiku 5.5は100,000トークンを超えるプロンプトで、入力$0.50／出力$2.50になります。Sonnet 5.5との単価差は、Haikuのプロンプトが100,000トークン以下なら20倍、超える場合は4倍です。
使い分けの検証を始める目安は、定型の分類・抽出・要約・ログ整形はHaiku、通常の実装や調査はSonnet、設計判断のように失敗コストが高い局面だけOpusやFableです。Claude Codeの公式ドキュメントも、Sonnetを既定にしてOpusは複雑な判断に限定し、簡単なサブエージェントにはHaikuを使うよう勧めています。
注意点が1つあります。Claude 4.7以降は新しいトークナイザーの影響で、同じ文章でも約30%多くのトークンになります。単価表だけを見て乗り換えず、同一タスクでのトークン数と成功率を実測して比べてください。
使い分けを自動化する動きもあります。GitHub Copilotの「Copilot Fusion」は、タスクごとに必要な能力を評価し、1つ以上のモデルで実行する仕組みです。GitHubのUniverse 2026の発表では、Artificial Analysis Coding Agent IndexでFusion MaxがOpus 5.5 Maxと2ポイント以内のスコアを、半分のコストで達成したとしています。特定のベンチマークでの比較で、自社業務の削減率を保証しません。公式仕様では、利用した各モデルの標準料金で課金され、Fusion自体の追加料金はないと説明されています。関連するモデル連携の考え方はGitHub Copilot HydraFusionとはで整理しています。
長いコンテキストと余計なツールを削る
履歴の再送が費用の土台である以上、履歴を短く保つ工夫がそのまま削減策になります。Claude Codeでは、タスクを切り替えるときの /clear、外部ツールを接続するMCPサーバーのうち不要なものの無効化、フックによるログの事前フィルタ、CLAUDE.md を200行以内に収めて詳細をスキルへ移す、といった手が公式に挙がっています。
/compact（履歴の要約）も万能ではありません。実行そのものが大きなリクエストになるためです。使いどきはClaude Code /compactの正しい使い方にまとめています。
外部文書を検索して回答に使うRAGの構成なら、検索で取る件数の絞り込み、再ランク、重複排除が同じ役割を果たします。ツール定義も入力に含まれるため、不要な定義を送らない設計も有効です。削減後は、必要な情報やツールが欠けて成功率が落ちていないか確認します。
呼び出し回数に上限を設ける
エージェントが同じ失敗を繰り返して延々とリトライする。これが最悪のパターンです。ステップ数の上限、リトライ回数の上限、一定回数で人に確認を戻す早期終了を、設計の段階で入れておきます。
決まった手順で済む部分は、モデルに考えさせずプログラムで固定します。ファイル名の整形や日付の変換までエージェントに任せると、同じ答えに毎回トークンを払うのは無駄です。Claude Codeでは、計画モードで方針を先に固めると、やり直しによる浪費を防げます。
削減率の数字は「最大値」と「実務値」を分けて読む
モデルを振り分けるRouteLLMの研究論文では、特定のベンチマークで品質を保ちながら費用を半分未満にした結果が報告されています。ただし、比較モデルや評価タスクが異なれば削減率も変わります。削減手法の解説記事などの数字を、そのまま自社の見積もりに使わないでください。意味的に似た質問の回答を再利用するセマンティックキャッシュも、問い合わせの重複率と回答の再利用可否によって効果が変わります。
自社に当てはめるなら、数字を信じるより自社の請求データで測るほうが確実です。施策を1つ入れるたびに「同じタスク1件あたりの費用」と「成功率」を前後で比べる。この2点を記録しておけば、効いた施策と効かなかった施策が分かります。
予算は利用者・用途・成果の単位で持つ
削減策を入れても、誰がいくら使っているかが見えなければ、費用が再び増えた原因を追えません。予算の実務は、可視化、上限、成果単位の評価の3段階で組みます。
誰が何に使ったかを呼び出しごとに残す
最初の仕事は、請求書を分解できる状態にすることです。APIキーやプロジェクトの単位でしか請求が来ない環境では、アプリ側で呼び出しごとに「どの機能、どのチーム、どの業務から」というタグを付けて記録しないと、配賦ができません。
Accentureのガイドでは、特定の利用者やチームに紐づけられるトークン使用量は53%、事業成果あたりのコストを算出できる企業は35%、使った分を部門に負担させるチャージバックを導入している企業は7%でした。53%は使用量の割合であり、企業数の割合ではありません。
記録する項目は、タスクID、担当チーム、モデル、通常入力・キャッシュ書き込み・読み取り・出力の各トークン数、呼び出し回数、再試行回数、料金、成功・失敗です。機密情報を含むプロンプト全文を保存しなくても、費用と成果を対応づけられる形を目指します。
FinOps（クラウド費用を財務と開発が一緒に管理する考え方）の分野でも、AIを対象にしたAIトークノミクスが扱われています。FinOps for AIの公式解説も、成功した成果1件あたりの費用を測る考え方を示しています。クラウド費用の管理で培った配賦と報告の型を、トークンにも当てはめる流れです。
上限と通知は利用が広がる前に決める
上限は、事故が起きてからでは意味がありません。報道ベースですが、Uberが2026年のAI予算を約4か月で使い切り、ツールごとに1人月額1,500ドルの上限を設けたとNTTデータの解説で紹介されています。
ツール側の機能で設定できる範囲は、すでに広がっています。
- Claude Code：Teams/Enterpriseでは、席ごとの利用枠を超える追加利用（使用量クレジット）に対し、組織・グループ・個人の単位で支出上限を設定でき、支出レポートをCSVで出力できます。API利用ではワークスペースの支出上限とレート制限を設定します
- GitHub Copilot：2026年6月から従量課金に移行し、予算を企業・コストセンター・ユーザーの単位で設定できます。上限に達したとき、追加利用を許可するか止めるかを選びます。上限到達時の安価なモデルへの自動切り替えは廃止されたため、予算の枯渇を防ぐ設計は利用側の責任です
目安となる実績値も公式に出ています。Claude Codeの企業利用では、開発者1人あたり1アクティブ日で平均約13ドル、月に150〜250ドルです。90%のユーザーは1日30ドル未満に収まります。これは企業利用の集計値で、推奨予算ではありません。高額でも難しいタスクを多く完了していれば合理的な場合があるため、同じ業務・品質条件で比較してください。
予算の警告通知と、上限到達時の利用停止は別の機能です。レート制限も単位時間あたりの処理量を抑えるもので、月額予算の代わりにはなりません。設定後は、超過時の挙動と例外承認の担当者を確認します。
成果あたりのコストで効果を判定する
総額が下がっても、成果が落ちていれば改善ではありません。見るべき指標は「解決したチケット1件あたり」「マージされたプルリクエスト1件あたり」のような成果の単位のコストです。
成功1件あたりの費用は、失敗・再試行を含む対象業務の利用料合計÷品質基準を満たして完了した件数で比較します。人の確認・修正工数も併記すると、小型モデルへの切り替えによる手戻りを見落としにくくなります。
AIサービスを1つ選び、次の3つを決めます。
- 成果の単位（何を1件と数えるか）
- 劣化させてはいけない条件（品質、安全性、応答時間）
- 費用と品質の判断に責任を持つ人
目的はトークンの最小化ではなく、必要な品質を価値に見合う費用で満たすことです。削りすぎて手戻りが増えれば、トータルでは高くつきます。
モデル選択と周辺の仕組みを継続して見直す
エージェントの費用は、モデルの単価だけでなく、モデルに何を渡し、どこまで自走させるかにも左右されます。この周辺の仕組みは「ハーネス」と呼ばれ、削減策の大半はハーネスの調整です。
ルール・プロンプト・ツール接続が1回あたりのトークン量を決める
ここまでの削減策を振り返ると、ほぼすべてがモデルの外側の話でした。常に読み込まれるルールファイルの長さ、有効にしているツール接続の数、ログをどこで絞るか、何回で打ち切るか。どれもモデルを変えずに調整でき、請求に直結します。
ハーネスは、業務や組織が変われば最適な形も変わります。ルールファイルに足し続けたルールが肥大化していたり、使われなくなったツール接続が残っていたりすれば、静かにコストが上がります。構成要素の全体像はAIエージェントのハーネスとは、運用の考え方はAIエージェントの運用・保守とはが詳しいです。
モデルの料金・性能も、業務に必要な情報やツールも変わります。モデル選択とハーネスの両方を定期的に見直してください。
外部委託では改善担当と引き継ぎ条件を決める
外部へ構築を委託する場合は、費用を継続して見直す担当者と、知識を社内へ残す方法を契約前に決めます。FDE（Forward Deployed Engineer）は、ベンダーのエンジニアが顧客と直接組んで構築・展開を進める役割です。
GartnerのFDEに関する予測を紹介したITmedia NEWSは、深い製品知識や密接な統合が必要な問題にFDEを使うこと、知識を社内へ広げること、出口戦略を最初から決めること、の3原則を伝えています。外部委託そのものを失敗の原因と決めつけず、引き継ぎと改善を続けられる契約かを確認してください。
確認項目は、費用ログを自社で取得できるか、プロンプトやツール設定を誰が修正できるか、契約終了後に誰が保守するかです。運用資料と変更履歴も引き継ぎ対象に含めます。
社内に知識を残しながら継続して最適化する
導入後も、実際の業務量やデータに合わせて費用と品質を整える必要があります。削減策を継続するには、計測、変更、評価を担う人を決めておきます。
当協会は、法人のAI導入を4段階で支援しています。AIリテラシー研修、3〜6か月の伴走支援、AI環境の構築・導入開発、そしてFDEによる継続的な最適化・保守です。最後のFDE支援では、モデルではなくハーネス、つまりルールファイル・プロンプト・ツール接続といった周辺の仕組みを継続的に最適化します。業務はAIエージェントの調整・最適化、システム障害時の保守対応、運用の伴走・質問対応で、主な形態は客先常駐です。FDEの位置づけはFDEサービスとはで説明しています。
費用の最適化を一部の外部担当者だけに閉じないためには、社内の側にも読み解ける人が必要です。コスト構造とハーネスの調整を理解した人材を育てる手段として、AI駆動開発研修があります。
よくある質問
AIエージェントのコストを最初に下げるなら何をすべきですか？
まずプロンプトキャッシュが効いているかを確認し、次に定型作業を小型モデルへ移します。実施前に1タスクあたりの費用と成功率を記録し、効果と品質を比較してください。
トークンコストは削減策でどれくらい下がりますか？
一律の削減率はありません。キャッシュのヒット率、モデル、再試行回数で変わります。同じ業務・品質条件で、成功1件あたりの費用を施策前後で比べてください。
料金が下がっているのに、なぜ請求は増えるのですか？
単価が下がっても、エージェントの普及で消費量が単価の下落を上回って増えるからです。最適化をしなければ、支出は増える見通しが示されています。
予算の上限はどこで設定すればよいですか？
利用ツールやAPI事業者の管理画面で設定します。設定できる単位や、通知のみか利用停止まで行うかはサービスで異なります。月額予算に加え、アプリ側にも1タスクのステップ数・再試行回数の上限を設けます。
定額プランならトークン費用を気にしなくてよいですか？
定額プランでも利用枠や追加課金の条件を確認する必要があります。枠内の消費削減は、直ちに月額料金の値下げになるとは限りません。追加利用やAPI接続が別課金かを確認してください。
まとめ
最初の一歩は、自社のエージェントについて「1タスクあたりの費用」を測ることです。測れていない状態で削減策を入れても、効いたのかどうか分かりません。計測の次に、キャッシュの確認、定型作業の小型モデルへの移行、リトライ回数の上限設定へ進めば、費用と成功率の変化を確認できます。
削減策は一度入れて終わりではなく、ハーネスは業務の変化に合わせて直し続ける対象です。担当が決まっていないと、費用が再び増えても原因の確認や改善が遅れます。社内で回し切れないなら、改善を継続して担う体制を先に決めてください。
