生成AI、激動の3年間！ – コストと性能がビジネスを変える –

2022年11月30日、ChatGPTが一般公開されました。当時のモデルはGPT-3.5。
リリース直後から爆発的な反響を呼び、わずか5日でユーザー数100万人を突破したというニュースは、今でも鮮明に覚えています。

有識者の方々は「インターネットやスマートフォンの登場を超える社会構造の転換だ」と評していましたが、当時「これで自分の仕事がリアルに変わる」と実感していた人は、まだ少数派だったのではないでしょうか。流行り好きの私もすぐ使い始めましたが、3年前の時点では、それが社会構造を変えるほどの影響を持つとは捉えきれていませんでした。

それから約3年あまり。生成AIを取り巻く環境は、想像を超えるスピードで進化しました。
本日は、この“激動の3年”を、コスト・性能・接続性の3つの軸で振り返ります。

このコラムが皆様の元に届く頃にも、さらに状況は変わっているかもしれません…。
変化が速すぎて最新情報についていくのも一苦労な昨今ですが、今回はこれまでの変遷をまとめた振り返り回として、ぜひご覧ください。

【第1章】コストの崩壊 ――3年で数十分の1へ

2023年初頭、GPT-4を企業システムに組み込もうとすると、トークンあたりのAPIコストは現在の数十倍でした。

「AIは面白いが、コストが合わない。」

私が支援していた製造業のお客様も、PoC（概念実証）段階で一度立ち止まりました。コストを試算すると、月額で専任担当者を1人雇うのと変わらない金額だったのです。

それが今では、同等クラスのモデルを当時の30分の1から50分の1で利用可能に。さらに競合モデルの台頭で価格競争は加速し続けています。

ただここで重要な視点は、人件費との『非対称』。

AIのコストは年単位で大幅に下がる一方、人件費は毎年数％ずつ上昇していますよね。
これはムーアの法則や通信速度の進化と同じ構造で、指数関数的な改善は、しきい値を超えると社会の前提そのものを書き換えます。

1990年代後半に「ホームページを持つ必要はあるか？」と議論していた経営者が、10年後には「ECサイトなしにどうやって事業をするのか？」となったように、AI活用でも同じ転換が起きています。

AIのコストは下がり続け、性能は上がり続けています。

【第2章】推論モデルの登場 ――AIが「考える」ようになった

2024年9月、OpenAIがo1モデルのプレビューを公開した際、大きな衝撃が走りましたね。いわゆる『Reasoning（推論）モデル』の登場です。

これまで生成AIは、入力に対して確率的に次の言葉を予測する「即座に答える」モデルでした。
しかし推論モデルは「答える前に内部で長い思考プロセスを経る」というステップを踏んだ上で回答してくれます。

「計算量を増やすほど性能が上がる。」
この発見がAIの方向性を変えるきっかけにもなっていますね。

私の実感としても、従来は複雑な文書の表層要約はできても、「このリスク条項が3ページの免責事項と矛盾している」といった深い推論は苦手でした。
ただ、推論モデル登場後、複合的な分析の精度は劇的に向上しました。

さらに重要なのは、この推論モデルが『AIエージェント』実用化の土台になったことです。

📌AIエージェントとは

目標を与えれば自律的にタスクを分解し、複数のステップを実行・検証するAIの仕組み。

「AIに仕事を任せる」という表現が、現実味を帯びてきたのがこの推論モデルですね。

【第3章】マルチモーダル＆MCP ――AIが「つながる」インフラへ

以前のAIとの対話はテキストがメインでしたが、今や画像・音声・動画を横断して処理できるマルチモーダルAIが当たり前になりましたね。

現場でのわかりやすい変化は、ZoomやTeamsの会議です。
会議が終わると、自動で議事録が生成され、アクションアイテムを抽出、担当者別に整理される環境が整いました。

そして2024年末から急速に普及し始めたのが『MCP（Model Context Protocol）』です。

企業活用ではセキュリティ配慮が必須ですが、既存のAPI連携に加え、CRMの顧客データやERPの在庫情報、社内ドキュメントを、AIが安全にリアルタイム参照・操作できる環境が、技術的に整いつつあります。

AIは“質問に答えるアシスタント”から、業務システム全体の中枢として機能するインフラへ。
ツール単体として評価するのではなく、既存フローへの組み込み方、組織全体での活用基盤設計が今まさに問われています。

まとめ

• コスト
• 性能
• 接続性

この3要素が同時に、しかも指数関数的に改善し続けています。
CPUの進化がソフトウェアを生み、インターネットがビジネスモデルを変えたように、AIによって社会や企業の在り方が問われています。

私が約2年、企業のAI伴走支援に携わって感じていることとして、早期に取り組んだ企業では、社員のAIリテラシーが蓄積され、独自の活用ノウハウが根付き始めています。業務効率化にとどまらず、AIを使った新サービス企画が現場から生まれるケースもあります。

AI活用は導入して終わりではありません。
使いながら学び、失敗を通じて組織に浸透していきます。

まずは、3つの業務に絞って深く使い込むのがおすすめです。このサイクルを回した時間の蓄積が、そのまま将来の競争優位につながります。
「皆さまの組織が今日からAIを使い始めたとして、1年後、そして2年後。後から追いつくことは可能でしょうか？」

これからの“激動の3年”も、ハタシロク（働くを面白く）していきましょう！

それでは、本日もGOOD JOB！！

▼こちらもおすすめ

生成AI活用の『ROI』はどう測定する？ – 投資対効果を可視化する3つの軸 –
生成AIのROIはどう測定すべきか。個人活用と組織活用の違いを整理し、MAU・業務インパクト・組織変化の3軸で投資対効果を可視化する方法を事例付きで解説します。
 

マルチモーダルAIが業務の『変化と体験』を加速させる
AIのマルチモーダル化と文脈理解が、業務効率化を超え組織知と働き方を進化。会議・CS・製造の実例で未来を描きます。