【ITニュース解説】Hourly billing isn't dead if you can prove the hours

システム開発の現場では、開発者やフリーランスがクライアントに料金を請求する際、いくつかの方法がある。その一つが「時間単価請求」、つまり働いた時間に応じて料金を受け取る方法だ。しかし、最近はAI（人工知能）がコードを書くなど、開発作業の一部を担うようになってきたため、時間単価請求が時代遅れだという議論が盛んに行われている。AIが作業の一部を高速にこなすようになったのに、開発者が以前と同じ時間を請求するのは不公平ではないか、という声があるからだ。特に、プロンプトを書いてAIに指示を出し、結果をレビューし、判断するといった、直接キーボードを叩く以外の「レビューと判断」の部分にこそ価値があると考えられている。

これまでの時間単価請求には、開発者が自分の作業時間を正確に把握できていなかったという問題があった。多くの人は、タスクの開始時にタイマーを押し忘れたり、週末に一週間分の作業内容を記憶とGitの履歴（コードの変更履歴）から思い出しながら、おおよその時間を計上したりしていた。その結果、請求書に記載される時間は「見積もり」に近く、決して厳密に測定されたものではなかった。AIが登場する前からこの状態は不安定だったが、AIが作業に加わることで、さらに状況は複雑になった。AIとのやり取りは、プロンプトを作成し、AIの出力（応答）を読み、実行し、修正を指示し、最終的な変更点を確認するといった一連の流れだ。これらは単純なキー入力としては記録されにくいが、まさしく価値のある「レビューと判断」の部分に該当する。

しかし、ここで驚くべき発見があった。それは、AIエージェント自身が、人間よりもはるかに正確な「時間記録係」になり得ることだ。例えば、Claude CodeやCodexといったAIツールは、ユーザーとの各セッションのログを自動的に保存している。このログには、作業のタイムスタンプ、使用されたAIモデル、そしてAIが処理したトークン（AIが言語を理解・生成する際の最小単位）の正確な数が記録されている。これにGitの履歴（どのコードがいつデプロイされたか）を組み合わせれば、どのプロジェクトにどれくらいの時間が費やされたのかを、手動でタイマーを操作することなく、再構築できるのだ。この事実から、「時間単価請求をやめる」のではなく、「証明できる時間に対して請求する」という新たな選択肢が生まれる。

「証明できる」ということが実際に何を意味するかというと、三つの重要な点がある。まず一つ目は、「測定された時間」と「見積もりの時間」を明確に区別することだ。AIのセッションログのようにタイムスタンプが記録されている時間は「測定された時間」として扱う。一方、手書きのコードやログを残さないツールでの作業のように、Gitのコミット履歴から推測するしかない時間は「見積もりの時間」とみなすべきだ。これらを混同して一つの数字としてクライアントに提示すると、後で「測定された」と言われた数字が実は推測だったと判明した場合、信頼関係が崩れてしまう。見積もりをする際は、少し短めに設定する方が良いだろう。クライアントは支払うものに対して納得感を求めるからだ。

二つ目は、AIの利用にかかるコストを正確に把握し、請求項目として明確にすることだ。AIサービスの利用料が定額制の場合、各プロジェクトにどれくらいのAIコストがかかったかは、そのプロジェクトでのAI利用量に応じて按分して計算する必要がある。また、AIの生ログには「罠」があることにも注意が必要だ。例えば、同じ応答が複数回記録されることがあったり、トークン数の計算方法が異なったりするため、単純に合計すると実際のコストよりも大幅に膨らんでしまうことがある。これらの計算ミスは、クライアントにAIコストを請求する際だけでなく、プロジェクトの収益性を判断する上でも非常に重要になる。

三つ目は、クライアントがその「証拠」を見られるようにすることだ。「42時間働いた」とだけ伝えると、クライアントは交渉を求めるかもしれない。しかし、「これが42時間の作業記録で、各作業ブロックは対応するコミット（コードの変更点）にリンクしています」と提示できれば、ほとんどの場合、交渉の必要はなくなる。最も効果的なのは、クライアントがいつでも作業の詳細を確認できる読み取り専用のビューを提供することだ。これにより、圧倒的な透明性が生まれ、クライアントの信頼を得られる。

では、時間単価と「価値ベース（成果ベース）」のどちらが良いのだろうか。正直なところ、クライアントやプロジェクトの性質によって両方を使い分けるのが最善だ。開発範囲が明確で予測可能なプロジェクトであれば、固定価格や成果物に対して料金を支払う価値ベースの契約が非常に有効だ。しかし、多くの実際のクライアントワークは、継続的なメンテナンス、突発的な「これも見てほしい」といった追加の要望、あるいは顧問契約のような性質を持つ。このようなオープンエンドな作業においては、依然として時間単価が最も公平で理解しやすい単位である。AIの進歩によって変わったのは、これらの時間を、以前のように記憶に頼って再構築するのではなく、ようやく正確に測定できるようになったという点だ。さらに、たとえ成果ベースの固定価格で契約したとしても、実際にプロジェクトに費やされた「測定された時間」と「AIコスト」を把握することは非常に重要だ。それによって、設定した固定価格が適切だったのか、プロジェクトが利益を生んだのかを正確に評価できるからだ。

筆者は、このような課題を解決するために「Estela」というオープンソースのコマンドラインツール（テキストベースで操作するプログラム）を開発した。このツールは、Claude Code、Codex、GitHub CopilotなどのAIセッションログとGitの履歴を読み込み、プロジェクトごと、クライアントごとに、実際に費やされた時間とAIコストを再構築する。Estelaは、測定された時間と見積もりの時間を区別し、定額課金プランをプロジェクトに按分し、AIコストをクライアントのレポートに含めるか、開発者側で吸収するかを選択できる。そして、クライアントと共有可能な読み取り専用のレポートパネルを生成する機能も持っている。

このように、IT開発における時間計測は、AIの登場によって新たな局面を迎えている。システムエンジニアを目指す皆さんにとって、自分の作業時間を正確に把握し、その価値を証明する能力は、将来のキャリアにおいて非常に重要なスキルとなるだろう。正確な記録と透明性を通じて、クライアントとの信頼関係を築き、より公正な料金設定を実現できる可能性が広がっているのだ。