「一番いいAIを使えばいい」は間違いだった——Microsoftトップが語る費用対効果の発想が、中小企業のAI運用を変える
phenogen
公開日： 2026年06月12日
カテゴリ： 業界動向
この記事の要点
- MicrosoftのCEO自身が「最強モデルを使い続けるのは間違い」と明言した
- AIの勝負軸は「性能の高さ」ではなく「費用対効果の最適化」に移っている
- 中小企業こそ「軽くて安いAI」を使いこなすことが長続きの条件になる
- 今すぐできる行動は、使っているAIの「コストと成果」を一度見直すことだけ
- フィノジェン式「AIコスト適正化チェック」で自社の見直しポイントを自己診断できる
「AIを入れてみたものの、月の費用がじわじわ増えていて、正直怖い。でも、何を削ればいいかわからない」
「営業担当が『一番高機能なプランにしよう』と言うので契約したが、使っているのは全体の2割くらい」
こんな声が、AI導入を進める中小企業の現場でよく聞こえてくる。高機能なAIを選ぶことが「正解」に見えていた時代が、今まさに変わろうとしている。
「最強モデルを使い続けるのはコスト構造の問題だ」——Microsoftトップの発言が意味すること
2026年6月、Microsoftのサティア・ナデラCEOが社内外に向けてこんな趣旨の発言をした。
「トークンマックシング——つまり、すべての処理に最高性能のモデルを使おうとする傾向——は、コスト構造的に問題がある」
「ナデラCEOの発言の詳細はBusiness Insider Japanの記事で確認できる。」
「トークンマックシング」とは、AIに何かを処理させるたびに、最も高性能・高コストなモデルを使い続ける傾向のことだ。AIを使う量（トークン数）を意識せず、「どうせなら一番いいやつで」と選び続ける状態を指す。
大企業の社内でも起きているこの問題が、中小企業では「最初から月額上位プランを契約する」「高機能ツールを使い続ける」という形で現れている。
ナデラCEOの発言が重要なのは、これがAI業界の最前線にいる人物からの「性能至上主義への警告」だからだ。
フィノジェン現場から
AIツールを導入した直後に「せっかくだから一番上のプランにした」という会社が多い。半年後に「どの機能を使っているか把握できていない」という状況になりやすい。
性能が高いほど、使いこなせない理由がある
AIの性能が上がるほど、使いこなすために必要な「問いの質」も上がる。
たとえば、Microsoft Copilotの上位機能や、Anthropicの「Claude」最新モデルのような高性能AIは、複雑な指示を出せるほど力を発揮する。しかし、使い慣れていない段階では「〇〇を調べて」「〇〇について書いて」という使い方になりがちで、結果として「高いお金を払って、アシスタントに簡単な質問をしているだけ」という状態に陥る。
一方で、業務の特定の場面に絞った「軽いAI」は、使い方がシンプルだからこそ毎日使われる。
Microsoftが最近オープンソースとして公開した「SkillOpt」も、モデルそのものを高性能化するのではなく、「使い方の手順を最適化する」という発想で作られている。VentureBeatの報道によれば、モデルの重みを変えずに、業務フローへの適合を改善できる仕組みだ。
「高いモデルを入れること」より「今あるモデルを正しく使うこと」のほうが、現場への定着につながる。これはナデラCEOの発言と同じ方向を向いている。
フィノジェン現場から
「とりあえず一番良いモデルを選択しておけば、問題ないでしょう」という声をよく聞く。どの作業にどのモデルを使用するか識別できてないケースだ。
「軽いAIで十分な仕事」と「高性能AIが必要な仕事」は分けられる
AI導入の費用対効果を上げるために、まず整理しておきたいのは「仕事の種類」だ。
すべての業務に最高性能が必要なわけではない。以下のように分けると整理しやすい。
軽いAIで十分な仕事の例
- メールの文面を整える
- 社内向けの議事録をまとめる
- よくある問い合わせへの返答テンプレートを作る
- スケジュール調整の文章を下書きする
高性能AIが力を発揮する仕事の例
- 複数の資料を横断して分析・要約する
- 長文の契約書や仕様書を読み込んで要点を抽出する
- 業種の専門知識が必要な文章を生成する
前者の仕事には、Microsoft 365に標準搭載されつつあるCopilotや、Google Workspaceに組み込まれているAI機能で十分なことが多い。月額数百円〜数千円の範囲で使える。
後者の仕事にだけ、ClaudeやPerplexityなどの高機能ツールを使う。この使い分けが「費用対効果の最適化」の入口になる。
今後AIは「最強モデルを単独で使う時代」から「複数の軽いAIが連携する時代」へ移行しつつある。MIT Technology Reviewの報道では、Google DeepMindが「複数のAIエージェントが相互作用するとき」の安全設計に1000万ドルの研究費を投じると発表した。高性能の単体モデルより「複数の軽いAIが協調する設計」が次の主流になる可能性を示している。
読む前に確認しておきたい言葉
| 言葉 | 一言で言うと | 身近な例え |
|---|---|---|
| トークンマックシング | 常に最高性能モデルを使おうとする傾向 | 簡単なメモに万年筆の最高級品を使い続けること |
| トークン | AIが処理する文字・情報の単位 | コピー機の印刷枚数に近い課金単位 |
| AIエージェント | 複数の処理を自動でこなすAIの仕組み | 複数の担当者が連携して仕事を回す状態 |
▶ 「使った分だけ請求される」時代が来た——AIツールの課金モデルが変わる今、中小企業が運用設計で最初に決めるべき3つのこと もあわせてご覧ください。
▶ 「AIをたくさん使った」は成果ではない——Amazonが社内ランキングを廃止して気づいたこと、中小企業が今すぐ設定すべきAI評価の3つの軸 もあわせてご覧ください。
フィノジェン式「AIコスト適正化チェック」
あなたの会社のAI運用が「最強モデル依存」になっていないか、3つの問いで確認してほしい。
問い①：今使っているAIツールの費用と、実際に使っている機能の割合を把握しているか？
把握できていない場合、まず契約中のツールの請求画面を開いて「何に課金されているか」を確認することから始める。月額固定プランでも、使われていない機能に費用がかかっていることは多い。「使っている機能が全体の3割以下」であれば、下位プランへの見直しが検討できる。AIツールの課金モデルについては、「月額固定で使い放題」が終わる——AIツールの従量課金化が進む今、中小企業が運用コストを管理するために整えるべき3つの習慣でも詳しく解説している。
問い②：「毎日使われているAIツール」と「たまにしか使われていないAIツール」を区別できているか？
毎日使われているツールは「業務に組み込まれている」証拠で、コストをかける価値がある。たまにしか使われていないものは、高性能プランから無料・低コストプランへの変更を検討できる。現場に定着するAIの条件については、「試しに使ってみた」で止まるAI、現場に根付くAI——中小企業が今すぐ見直すべき「業務フローへの組み込み方」3つの視点が参考になる。
問い③：「このタスクには、もっと安いツールで十分ではないか」と考える習慣があるか？
AIツールを選ぶときに「これで十分か」を考えるより「最高のものを選ばないと不安」という判断になっていないか確認する。ナデラCEOの発言が示すように、「十分なもので十分な仕事をする」発想がAI運用の長続きにつながる。まず無料プランや低コストプランで試し、必要を感じてから上位プランに移行する順番が理にかなっている。
よくある質問
Q. 「最強モデル」を使わないと、AIの精度が落ちて仕事に使えないのではないですか？
業務内容によっては、無料プランや低コストモデルで十分な精度が出るケースが多くあります。メールの下書き、議事録の要約、定型文の作成といった日常業務であれば、Microsoft 365のCopilot標準機能やGoogle Workspaceに組み込まれたAIで実用上問題ないことがほとんどです。まず無料・標準プランで試し、「これでは足りない」と感じた業務にだけ高機能ツールを当てるという順番が、コストと実用性のバランスを保ちやすくなります。
Q. 複数のAIツールを使い分けると、管理が大変になりませんか？
ツール数を3つ以内に絞ることで、管理の複雑さを防ぐことができます。「日常業務の軽作業用」「分析・長文処理用」「社内共有・記録用」という役割分担で整理すると、担当者が迷わず使える状態を作りやすくなります。ツールが増えすぎると「どれで何をやるか」がわからなくなるため、まず1〜2ツールで始め、明確な理由があるときだけ追加する習慣が大切です。
Q. 今使っているツールを変えるのは大変そうです。まず何から手をつければいいですか？
ツールを変える前に、「今のツールで使っていない機能」を確認することから始めるのが現実的です。多くの場合、すでに契約しているMicrosoft 365やGoogle Workspaceに使えていないAI機能が含まれています。新しいツールを追加する前に、今あるツールを使い切ることが最もコストを抑えた改善になります。
Q. Microsoftのナデラ氏の発言は大企業向けの話で、中小企業には関係ないのでは？
むしろ中小企業にこそ直接関係する話です。大企業は高コストのAIに使える予算の余裕がありますが、中小企業では月数万円のAI費用でも事業への影響が出ます。「費用対効果の最適化」という発想は、限られた予算でAIを長続きさせたい中小企業に最も当てはまります。ナデラCEO自身が大企業の社内問題として警告した内容が、規模の小さい組織ではさらに切実な問題として現れることになります。
Q. フィノジェンに相談するとどうなりますか？
まず無料の相談から始められます。「今使っているAIツールのコストが適正かどうか確認したい」「どのツールを残してどれを見直すべきか整理したい」という段階から対応しています。現場の業務内容をヒアリングしたうえで、追加費用なしで実行できる改善案と、投資対効果が見込める見直しポイントをお伝えする形で進めます。
行動プラン
今週中にできること（コストゼロ・1時間以内）
- 今契約中のAIツールの請求画面を開き、月額費用と使っている機能の一覧を紙に書き出す
- 「毎日使っているツール」と「使っていないツール」を色分けして区別する
今月中にできること
- 「毎日は使っていないツール」のプランを一段階下げるか、無料プランに変更してみる（1週間試して問題がなければ継続）
3か月後の理想像
使っているすべてのAIツールの費用と使途が把握できており、「このツールはこの仕事専用」という社内の共通認識ができている状態。月のAI費用が今より抑えられているか、同じ費用でより多くの業務に活用できている状態になっている。
参考文献
-
ナデラCEOのトークンマックシングに関する発言 - https://www.businessinsider.jp/article/202606-microsoft-ai-nadella-tokenmaxxing/
└ 本記事の中心的な元ニュース。AI性能至上主義への警告の根拠として参照 -
MicrosoftのSkillOptオープンソース公開 - https://venturebeat.com/orchestration/microsofts-open-source-skillopt-automatically-upgrades-ai-agent-skills-without-touching-model-weights
└ モデルの高性能化より運用最適化が主戦場になる根拠として参照 -
Google DeepMind、マルチエージェント安全研究への投資 - https://www.technologyreview.com/2026/06/11/1138794/google-deepmind-is-worried-about-what-happens-when-millions-of-agents-start-to-interact/
└ 単体モデルの性能競争から複数エージェント設計へ論点が移る根拠として参照 -
AnthropicとNEC、日本の金融機関と生成AI共同検討 - https://www.itmedia.co.jp/aiplus/article/2606/11/2000000082/
└ 日本市場での生成AI活用が実装フェーズに入りつつある現状把握として参照 -
Anthropicの「Claude Fable 5」企業向けエージェント - https://www.businessinsider.jp/article/2606-claude-fable-5-anthropic-enterprise-ai-agents/
└ 高性能AIが「長時間・複雑タスク」に特化していく方向性の確認として参照 -
VisaとOpenAI、AIエージェント決済統合 - https://japan.cnet.com/article/35248775/
└ AIが「提案」から「実行」へ移行する時代の権限管理の重要性として参照 -
Google DiffusionGemma公開 - https://www.itmedia.co.jp/aiplus/article/2606/11/2000000079/
└ 高速・軽量モデルの実用性が上がりつつある根拠として参照 -
「試しに使ってみた」で止まるAI、現場に根付くAI - https://phenogen-jp.com/?p=1476
└ AIの業務定着条件についての関連解説記事として参照 -
「AIをたくさん使った」は成果ではない - https://phenogen-jp.com/?p=1458
└ AI評価軸の設定についての関連解説記事として参照 -
「使った分だけ請求される」時代が来た - https://phenogen-jp.com/?p=1471
└ AIツールの課金モデル変化と運用設計の関連解説記事として参照
著者より
私が現場でよく感じるのは、タスクごとにモデルを使い分けできてないという点です。ナデラCEOの発言を読んで、「やっぱり最強モデルを選ばなければいけないわけではなかった」と気づいてもらえたなら、それだけで今日の記事を書いた価値があります。AIは「一番いいものを選んだかどうか」より「タスクに応じてモデルを使い分けできるか」は非常に重要な視点です。現場を見ていると、毎回実感することです。
