投稿者 投稿日: カテゴリー AIニュース
Rippling が、社員別のAI利用料と成果を測る新ツールを公開しました。
米国のHRソフト企業 Rippling が2026年8月、社員ひとりひとりのAI利用料と、その支出に見合う成果が出ているかを可視化する「AI Spend Console」を公開しました。きっかけは自社の危機です。2026年3月の役員会で、AIトークン代がR&D部門の人件費予算の40%に達するペースだと判明しました。AIコスト管理は、商品説明文の生成や問い合わせ一次対応にAIを入れ始めた日本のEC事業者にとっても、いま効いてくるテーマです。本記事は、EC支援19年・5,000社超の支援実績を持ち、AI導入支援を2023年から提供する株式会社オルセル（うるチカラ運営）が解説します。
AI利用料が人件費の40%に達するまでに起きたこと
結論から言うと、Rippling のAIトークン支出は月次で80%ずつ増え、放置すれば翌年にはR&D社員の人件費の90%近くに達する計算でした。TechCrunchによると、2026年3月の役員会でCFOのAdam Swiecicki が示したのは、R&D部門の人件費予算の40%相当をトークン代に使うペースだという数字でした。同社CPOのMatt MacInnis は同誌の取材に「信じられなかった」と語っています。
より重要なのは、支出の中身を調べたときに出てきた偏りです。同社の公式ブログによれば、社員の約10〜15%が全AI支出の約60%を占めており、1人のエンジニアが月5万ドルを使っていました。原因のひとつは単純で、社員が全タスクで最新かつ最も高額なフロンティアモデルを既定のまま使っていたことです。文章の誤字修正にも、複雑な設計にも、同じ最上位モデルが動いていた状態です。
対策として同社はまず、利用していたCursor、OpenAI、Anthropic のそれぞれと上限額を交渉し、次にプロンプトを最適なモデルへ振り分ける自前のAIゲートウェイを構築しました。結果として、トークン支出は人件費予算の40%から約15%まで下がっています。注目すべきは、利用量そのものは減らしていないことです。CFOが警告を出した月に6,050億トークン、7月も6,000億トークンを消費しながら、7月のコストは4月の37%にとどまりました。安いモデルへ適切に振り分けただけで、同じ仕事量を約3分の1のコストで回せたことになります。この振り分けの設計思想は、マルチモデルルーティングの設計で解説した考え方とほぼ同じです。
日本のEC事業者が今すぐ確認すべきAIコスト管理3指標
Rippling の事例が他人事でないのは、AIコスト管理の失敗パターンが企業規模を問わず同じだからです。従業員10人の店舗運営会社でも、担当者が商品ページ生成にAPIを叩き始めた瞬間に同じ構造が生まれます。確認すべき指標は3つです。
1つ目は利用者の集中度です。誰が全体の何割を使っているかを月次で出します。Rippling では上位10〜15%が支出の60%を占めていました。EC運営でも、AIに前向きな担当者1人が突出しているケースは珍しくありません。集中そのものが悪いのではなく、その人の成果が支出に見合っているかを確認できていない状態が危険です。
2つ目はモデル別の単価と用途の対応です。商品タイトルの表記ゆれ修正、レビュー返信の下書き、広告コピー案の作成といった定型業務に最上位モデルを使っていないかを点検します。モデル間の価格差は年々広がっており、GPT-5.6 系の80%値下げのように、同じ処理でも選択次第でコストが桁で変わります。既定モデルの設定は、ChatGPT の既定モデル変更のようにサービス側の都合で動くこともあるため、思い込みではなく実際の設定画面を見て確認してください。
3つ目はアウトプット単価です。Rippling のダッシュボードは、1日あたりのプロンプト数、コード行数やプルリクエストといった成果物、そして支出を組み合わせて評価しています。EC運営に置き換えるなら、商品ページ1本あたりのAIコスト、問い合わせ1件あたりのAIコスト、広告クリエイティブ1案あたりのAIコストです。この分母を決めないまま「AI代が月いくら」だけを見ていると、高いのか安いのかを判断できません。なお、コストを下げるレバーそのものについてはバッチ処理とキャッシュを含む4つの手段で整理しています。
今後の展望と、今週やるべき初動
今後は「AIを使えること」より「AIの成果を説明できること」が社内の前提になっていく可能性があります。MacInnis は、トークン消費を管理部門や顧客対応部門の生産性と結びつけられなければ、全社員へのAI開放は成り立たないという趣旨を語っています。裏を返せば、成果を測れる部署から順にAI予算が付くということです。
初動としては、まず直近3か月のAI関連の請求額を、サービス別に1枚にまとめてください。ChatGPT やClaude の月額プラン、API従量課金、AI機能付きのECツールの加算分が、別々の請求書に散っているはずです。次に、その支出が誰の作業に紐づいているかを担当者単位で棚卸しします。次に、定型業務に使うモデルを1段安いものに切り替えるテストを1業務だけ実施し、品質が落ちないかを人の目で確認します。最後に、商品ページ1本あたりのAIコストのように、自社の業務単位に合った分母を1つ決めて記録を始めます。ここまでは、専用ツールがなくても表計算ソフトで着手できます。
なお、Rippling のようなAI支出可視化ツールが日本のEC事業者向けに広く提供されるかは現時点で要確認です。AI Spend Console 自体は同社のHR契約者向けに提供され、単体購入や他のHRシステムとの連携も可能とされていますが、日本国内での提供条件や価格は公表情報が限られます。
まとめ
AIコスト管理で最初に見るべきは総額ではなく、利用者の集中度、モデルと用途の対応、アウトプット単価の3つです。Rippling は利用量を維持したままコストを約3分の1に下げました。EC事業者も、AIを止めるのではなく、安いモデルに振り分けて成果の分母を決めるという順番で手を打つのが現実的です。請求書を1枚にまとめるところから始めれば、今週中に着手できます。
参考文献
- TechCrunch・After Rippling blew millions on AI in months, it built an employee ROI tool
- Rippling 公式ブログ・Introducing Rippling AI Spend Console
- Parker Conrad（Rippling CEO）による社内ベンチマークの投稿
- Rippling・AI Spend Console ローンチ動画
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
引用元: TechCrunch
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
