【ITニュース解説】AIエージェントを「能力給」で採用する仕組みを考えてはどうか

AIエージェントとは、特定の目的を達成するために自律的に判断し、行動できる人工知能のプログラムを指す。これは、単に命令を実行するだけでなく、状況を理解し、ツールを選び、複数のステップを踏んで目標に到達しようとする点で、従来のAIとは異なる。例えば、資料作成のために情報検索、要約、スライド化といった一連の作業を自律的に行うことを目指している。

現在、多くの企業や開発者は、ChatGPTのような大規模言語モデル（LLM）のAPIを利用して、システムやサービスにAI機能を組み込んでいる。課金は主にAIが処理したテキストの量、つまり「トークン」の数に基づいて行われる。トークンとは、文章を構成する単語や文字の断片で、AIが情報を理解したり生成したりする際の最小単位だ。質問や回答の生成で消費されるトークンを合計して利用料が計算される。

しかし、AIの利用が進むにつれて、このトークンベースの課金モデルでは管理が複雑になるという課題が浮上している。特に、AIエージェントが複数のAIサービスやツール、つまり「マルチベンダー」のAIを組み合わせて利用し、かつ複数の作業や目的、つまり「マルチタスク」を同時にこなすような環境では、問題が顕著になる。例えば、AIエージェントが複数のベンダーのAIサービスを組み合わせて、情報分析、画像生成、翻訳といった複数のタスクをこなす場合、それぞれのサービスで発生するトークンを誰がどのように管理し、費用を負担するのかが曖昧になりやすい。

従来のシステム開発では、特定のベンダーの製品やサービスを利用した場合、その利用料は明確に決まっており、管理も比較的容易だった。しかし、AIエージェントが自律的に最適なAIサービスを選んで利用するようになると、どのAIサービスが、どのような目的で、どれくらいの費用を発生させたのかを、利用者側がリアルタイムで把握し、管理することが極めて困難になる。これは、企業がAIを活用したサービスを導入する際の大きな障壁となりかねない。コストが予測不能では、事業計画を立てることも難しいからだ。

このような課題を解決するため、ServiceNowのような企業は、AIエージェントの活用を促進する「プラットフォーム」の提供に注力している。彼らが目指すのは、複数のAIエージェントが連携し、異なるベンダーのAIサービスを効率的かつ透過的に利用できる環境を構築することだ。このプラットフォームは、AIエージェントが実行したタスクや消費したリソースを一元的に管理し、コストの透明性を高める役割を担うことが期待される。システムエンジニアにとって、このようなプラットフォームは、AI機能をシステムに組み込む際の複雑性を低減し、開発効率を向上させる可能性を秘めている。

ServiceNowへの取材から興味深いアイデアとして浮上したのは、AIエージェントを「能力給」で採用するような課金モデルだ。これは、単にAIが処理したトークンの量ではなく、AIエージェントが実際に達成した成果や生み出した価値に基づいて費用を決定するという考え方だ。例えば、AIエージェントが顧客の問い合わせを解決できた場合、その解決の質や数に応じて費用が発生する。あるいは、特定のビジネスプロセスを自動化し、どれだけの時間やコストを削減できたか、といった具体的な「能力」や「貢献度」が評価の対象となる。

この「能力給」モデルの導入は、AI利用におけるコスト構造を大きく変える可能性がある。現在のトークンベースの課金では、AIが途中で失敗したり、無駄な処理を実行したりした場合でも費用が発生してしまう。しかし、能力給であれば、AIエージェントが実際に成功した場合のみ費用が発生するため、利用企業はより安心してAIを活用できるようになる。また、AIを提供するベンダー側も、より高性能で効率的なAIエージェントを開発するインセンティブが高まる。なぜなら、彼らのAIエージェントがより多くの成果を上げれば上げるほど、収益が増える仕組みになるからだ。

システムエンジニアを目指す皆さんにとって、このような課金モデルの変化は、将来のシステム設計やAIサービスの選定において重要な考慮事項となる。単に技術的な性能だけでなく、AIエージェントが実際にビジネスにどれだけの価値をもたらすかを評価し、費用を最適化する視点が求められるだろう。AIエージェントの利用が広がるにつれて、そのパフォーマンスや成果を正確に測定し、適切なコストを配分する仕組みの設計が、システムエンジニアの新たな役割となるかもしれない。AI技術の進化は、ビジネスモデルや経済活動に深く影響するため、AIエージェントの仕組みと、その経済的な側面にも目を向けることが重要だ。