投稿者 投稿日: カテゴリー AIニュース
Metaは2026年9月、プロンプトと出力を学習に提供する利用者向けに、AIモデルの料金を大幅に割り引く価格帯を用意しました。
これまで「学習にデータを使わせない」という選択は、多くのAIサービスで無料のオプトアウト設定にすぎませんでした。今回Metaがやったのは、そこに明確な値札を付けることです。TechCrunchは、この差額が平均でおよそ95%の割引にあたると伝えています。自社の業務データをAIベンダーに渡すか渡さないかが、いよいよ「コスト差」として経営判断の机の上に乗ってきたことになります。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は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。
何が起きたか：Muse Sparkに用意された2階建ての価格
結論から言えば、Metaは同じモデルに対して「通常価格」と「データ提供者価格」という2つの料金体系を並べました。対象は、コーディングやエージェント運用を想定した新モデル Muse Spark です。
通常契約では入力100万トークンあたり1.25ドル、出力100万トークンあたり4.25ドルです。これに対し、プロンプトと出力を将来のモデル開発に提供することへ同意した「コントリビューター」枠では、入力が0.10ドル、出力が0.20ドルになります。入力で約12分の1、出力で約21分の1という開きで、Metaの価格ガイドはこの枠を、自社データでの学習が許容できる範囲でのプロトタイピングや検証の敷居を下げるものだと説明しています。
背景には、エージェント型ツールを鍛えるための実利用データが不足しているという事情があります。Metaは今年、従業員のPC操作を記録する取り組みを進めましたが社内から強い批判を受け、Reutersによれば6月に中断しています。プリンストン大学のArvind Narayananは、大企業がトークン課金のエンタープライズ契約に留まり続ける理由を、データ保持とIT統制の違いにあると指摘しました。安いプランを避けてでもデータを守る、という企業行動が現実にあるからこそ、Metaは逆に対価を提示したという構図です。
日本のEC事業者が先に決めるべき「渡してよいデータ」の線引き
日本のEC事業者にとっての第一の論点は、割引率ではなく、業務単位でのデータ仕分けです。楽天市場やAmazon、Shopifyの運営現場でAIに投げる文章は、性質がまったく異なるものが混ざっています。
商品説明の下書き、メルマガの件名案、レビュー文の要約といった用途は、渡しても実害が小さいものが多く、コスト優先の枠に寄せる余地があります。一方で、顧客の氏名や住所を含む受注データ、仕入原価、値引きの判断ルール、まだ公開していない新商品の情報は、性質が違います。とくに個人情報を含むデータを外部の学習に回す場合、個人情報保護法上の第三者提供や委託の整理が必要になり得ますので、該当性は自社の法務や顧問弁護士に個別確認してください（要確認）。
現実的な初動は、AIに投げる業務を洗い出し、「学習に使われても構わない業務」と「絶対に使わせない業務」の2つのバケツに分け、APIキーやアカウントをバケツごとに分離することです。同じ社内で1つの契約を共用していると、安い枠に何でも流れ込みます。分離しておけば、安さの恩恵を受けつつ、事故の範囲を先に限定できます。
「安いモデル」の評価軸はトークン単価からタスク単価へ
第二の論点は、トークン単価の安さが実際の請求額の安さと一致しないことです。これは価格改定が続く今、EC事業者が最も誤解しやすいところだと考えています。
同じくImplicator.aiの検証によれば、9月2日に公開された Muse Spark 1.3 は、独立系の Artificial Analysis のインデックスでタスクあたり0.55ドルとなり、同スコアの GPT-5.6 Sol の0.95ドルより約42%低い水準でした。ところが自社の前バージョン1.2の0.40ドルと比べると、タスク単価はむしろ上がっています。入力トークンの使用量が約57%増えたためです。トークン単価は据え置きなのに、実際の支払いは増えたわけです。
第三の論点は、データ保持が設定項目ではなく契約条件だという点です。Anthropicが9月1日に公開した Claude Fable 5.1 と Mythos 5.1 は、キャッシュ読み出しを100万トークンあたり1.00ドルから0.25ドルへ75%下げた一方、Implicator.aiの報道では、これらのモデルは30日のデータ保持が前提で、ゼロデータ保持は原則として個別の許可が要るとされています。この価格改定の詳細はClaude Fable 5.1のキャッシュ75%削減に関する記事でも取り上げました。値下げとデータの扱いは、多くの場合セットで動きます。
したがってEC事業者がとるべき初動は3つです。ひとつは、業務ごとのデータ区分を先に文書化すること。ふたつめは、モデルを比較するときにトークン単価ではなく「1タスクあたりいくらか」を自社の実データで測ること。みっつめは、契約更新のたびにデータ保持期間と学習利用の可否を読み直すことです。モデルの世代交代は数週間単位で起きていますので、GPT-6 Astraの登場でタスク単価がどう動いたかと併せて、四半期に一度は棚卸しする体制が現実的です。
まとめ
AIの利用料と自社データの提供が、明示的に交換関係になりました。EC事業者にとって重要なのは、割引を取るか取らないかの二択ではなく、業務ごとに渡してよいデータの線を先に引いておくことです。線が引けていれば、安い枠は安全に使えます。引けていないまま単価の安さだけで選ぶと、後から取り返しのつかないデータが学習側に流れます。
参考文献
- TechCrunch: Meta is paying to peek at how you use their latest AI model
- Implicator.ai: Meta’s Muse Spark 1.3 Matches GPT-5.6 Sol at 42% Lower Cost per Task
- Implicator.ai: Anthropic Ships Fable 5.1 at Same Price, Cuts Cache Reads 75%
- Reuters: Meta to pause internal mouse-tracking tech while examining data security issues
- Artificial Analysis: Muse Spark 1.3
- 個人情報保護委員会
※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
