OpenAI の CFO が AI 支出の「1 ドルあたりの有用なインテリジェンス」の基準を提案

OpenAIの最高財務責任者サラ・フライアー氏は、企業はAIを座席数ではなく達成した仕事によって評価すべきだと述べ、トークンコストの監視が高まる中、AIのリターンを4つの質問でテストすることを提案している。

OpenAI の最高財務責任者 サラ・フライアー は、ソフトウェアを評価するために何十年にもわたって使用してきた指標を放棄し、人工知能の新しい基準、つまりツールを使用する人の数ではなく完了した作業を中心に構築された基準を採用するよう企業に勧めています。

2026 年 7 月 17 日金曜日に公開され、Axios、Fortune、CFO Dive が報じた LinkedIn の投稿で詳しく説明されたブログ投稿で、Friar 氏は、「1 ドルあたりの有用なインテリジェンス」 と彼女が呼ぶアプローチを紹介しました。中心的な議論は、SaaS 時代を定義した指標である座席数、アクティブユーザー、更新数が、AI が生み出す価値を捉えられていないということです。企業が AI 経済にどのように取り組んでいるかについての継続的な分析については、AI 業界の報道を参照してください。

4 つの質問

Friar 氏は、組織が次の 4 つの質問に答えることで AI の価値を判断することを提案しています。

1. AI は重要な仕事を完了していますか?
2. 成功した各タスクのコストはいくらですか?
3. 人々は結果を信頼できますか?
4. AI の使用量が増加するにつれて、各 AI ドルはより多くの価値を生み出しますか?

「何年もの間、ソフトウェアはシート数、アクティブユーザー数、更新数などの導入によって評価されてきた」とフライアー氏はLinkedInに書いた。「AI は異なります。AI は達成された作業によって評価される必要があります。」

この枠組みでは、トークンの消費量（企業が支払う AI 処理の量）を、最小限に抑えるべきコストとしてではなく、使用可能な出力に変換する場合にのみ価値がある原材料として再構成します。「トークンは人々が利用できる作品に変化するときに価値を生み出す」と彼女は書き、モデルの能力が高まるにつれて、モデルはコンテキストを維持し、ツール間で推論し、進行に合わせて適応する、より長い複数ステップのタスクに取り組むことができると主張した。

OpenAI が今これを推進している理由

この提案は、AI 業界にとって不快な瞬間に起こりました。 CFO Dive が引用した Gartner の統計によると、AI への世界的な支出は、2026 年には 2 兆 5,900 億ドルに達し、前年比 47% 増加すると予測されています。しかし、支出が成果を上げているという証拠は依然として希薄だ。 1 月に発表された PwC の調査によると、AI がコストと収益の両方にメリットをもたらしたと答えたのは CEO のわずか 12% でした。さらに 33% がコストまたは収益のいずれかが増加したと報告しましたが、56% はこれまでのところ大きな経済的利益は見られないと回答しました。

このギャップが、企業のトップ層に目に見えるフラストレーションを生み出しています。 Palantir CEO Alex Karp は最近 CNBC に対し、多くのビジネスリーダーが大規模な言語モデルの経済性に「うんざり」しており、トークンコストの上昇が収益につながっているのか疑問を抱いていると語った。カープ氏は Palantir 独自のテクノロジーを宣伝する際に述べたコメントであり、商業的な動機があると認められている。

問題のトークンを販売している OpenAI にとって、消費ではなく結果を中心に会話を再構成することは戦略的に重要です。顧客が達成された作業によって成功を評価する場合、複雑なタスクを確実に完了するフロンティアモデルに多くのお金を払うことは、無駄ではなく効率であるように見えます。

席を譲って更新するという考え方からの転換

「1 ドルあたりの有用なインテリジェンス」という考え方は、AI の価格設定と測定方法についてのより広範な再考と一致しています。従来のエンタープライズソフトウェアはシートごとに販売されていました。使用量ベースの AI 価格設定は、そのモデルを破壊します。1 つのシートがタスクに応じて大幅に異なる量のコンピューティングを消費する可能性があるためです。 Friar の 4 つの質問は、バイヤーに対し、完了したタスク と 成功したタスクごとのコスト を中心とした内部会計を構築するよう実質的に求めています。これは従業員数よりも追跡するのがはるかに難しい数値ですが、テクノロジーが実際に何を行うかを反映する数値です。

新しい基準が買い手に有利であると誰もが確信しているわけではない。批評家は、「達成された作業」の定義と監査は困難であり、ベンダーには AI の出力を成功として分類するあらゆる動機があると指摘しています。信頼性 — Friar の 3 番目の質問 — は、モデルが自信を持って間違った答えを生成する場合、つまり幻覚として知られる現象を測定するのが特に困難です。独立した検証がなければ、指標は説明責任のメカニズムではなくマーケティングツールになる危険性があります。

それでも、この提案は会話の実際の変化を反映しています。 2 年間にわたる息詰まる導入指標を経て、経営陣は AI への支出が見合った金額を稼いでいるという証拠を求めています。 OpenAI のモデルを使用しているか競合他社のモデルを使用しているかにかかわらず、Friar の 4 つの質問にデータを使って答えることができる企業は、避けられない精査を乗り越えて予算を確保できる企業となるでしょう。