詳細ガイド
AIラッパー／LLMトークン利益率ストレステスト
業界のエグゼクティブ分析
かつてソフトウェアの限界費用はほぼゼロでした。コードを一度書いてしまえば、顧客をもう一人増やしてもホスティング費用は数セントで済みます。だからこそ、サブスクリプションの粗利率が80%や90%になるのが当たり前になり、投資家はソフトウェアの売上原価を気にしなくなりました。AIプロダクトはこの常識を覆しました。ユーザーがリクエストを送るたびに、モデル提供事業者から請求が発生し、その額はユーザーが支払う料金ではなく、ユーザーが何をするかに比例して増えます。月額24ドルの定額プランのお客様が、ある月は5ドル、次の月は一日中モデルをループさせる使い方を見つけて50ドルかかる、ということが起こり得ます。
これがAIラッパー、つまり他社のモデルの上にインターフェースとワークフローを載せたプロダクトの中心的な問題です。価格は固定で、費用は変動し、仕入先はいつでも価格やモデルを変更できます。創業者が数件のリクエストを試したデモでは健全に見えた利益率も、実際のユーザーが長い文書や大きな文脈、1つのタスクを終えるのにモデルを20回呼び出すエージェントを持ち込むと、消えてしまうことがあります。ストレステストは、請求書が届く前に、その利益率がどれほど薄いかを示すために存在します。
ドミノモデルは、お金の流れを五つの段階で追います。第一に、トークン支出のうち、一銭も支払わないユーザーに使われる割合です。無料枠は、トークンで支払うマーケティング予算だからです。第二に、売上のうちモデル費用が消費する割合です。第三に、モデル費用と手数料を差し引いた後に残る粗利率です。第四に、売上がすべてのコストを余裕をもって賄えているかどうかです。第五が利益です。エージェントの再試行が増えたり、プロンプトが長くなったりといった一つの変数の変化は、まず最初の二つの箱を動かし、残りがそれに続くため、帳簿に表れる1か月前に利益率の問題が近づいているのを見ることができます。
氷山は、単純なモデル費用が隠しているものを示します。水面より上にあるのは、有料ユーザー分のモデル費用と固定のインフラ費です。水面下にあるのは、無料ユーザー分のモデル費用、再試行とエージェントのループで消費されるトークン、真剣なプロダクトなら誰もが加えるモデレーション、ログ記録、評価、そして決済手数料です。多くのAIプロダクトでは、無料枠と再試行の合計が、有料ユーザー自身の利用分を上回っています。シミュレーターで利益率が崩れる価格、トークン数、無料ユーザー数を探し、上限を設けるか、キャッシュするか、振り分けるか、価格を見直すかを決めてください。
計算式と方法論の設計図
このモデルは月次で計算します。ユーザーあたりのトークン数は、リクエスト数にリクエストあたりのトークン数を掛け、再試行の割合だけ増やしたものです。無料ユーザーのリクエスト数は、有料ユーザーの4分の1とします。実効トークン単価は、平均単価からキャッシュ済みトークンの割引分を引いたものです。モデル費用は、百万単位のトークン数にその実効単価を掛け、さらに評価のための間接費を上乗せしたものです。純利益は、定期課金の売上から、手数料、モデル費用、間接費、固定のインフラ費を引いたものです。
- 有料ユーザーあたりのトークン数
- T = リクエスト数 × リクエストあたりのトークン数 × (1 + 再試行率)
- 再試行とエージェントのループを含む、有料ユーザー1人が毎月生み出すトークンの負荷です。
- 実効トークン単価
- P = 平均単価 × (1 − キャッシュヒット率 × 0.9)
- キャッシュ済みのトークンは約10分の1の費用で済むため、ヒット率が実際に支払う単価を下げます。
- モデル費用
- AI = (有料 × T + 無料 × T × 0.25) × P × 1.08
- 有料と無料の利用量を実効単価で評価し、評価とログ記録のために8%を上乗せします。
- 純利益
- 純額 = 有料 × 価格 − 手数料 − AI − インフラ
- 月次の結果です。破綻点は、これがゼロになるところです。
- 無料枠のコスト
- F = 無料 × T × 0.25 × P
- 無料ユーザーが何も支払わずに、毎月モデル費用として発生させる額です。
- 粗利率
- GM = (売上 − 手数料 − AI) ÷ 売上
- 手数料とモデル費用を差し引いた後、固定のインフラ費を引く前に残る売上の割合です。
連鎖する弾力性
リクエストあたりのトークン数とトークン単価はモデル費用に直接掛け合わされるため、最も弾力的な変数です。どちらかを半分にすれば、費用も半分になります。無料ユーザーは、売上なしにコストを増やすため、次に大きな要因です。ユーザーあたりの価格は線形ですが、すべての有料ユーザーを一度に引き上げるので強力です。固定のインフラ費は、利益が現れる前に利益率が超えなければならないしきい値として働きます。
実例に基づく3つのケーススタディ
自己資金で始めるスタートアップ
個人創業者の最初の有料ユーザー
個人の創業者が、90人の有料ユーザーと600人の無料ユーザーで文章アシスタントを立ち上げ、安価なモデルと短いプロンプトを使っています。数字は小さく、ホスティングはほぼ無料で、利益は薄いもののプラスです。読み込むと、少数のヘビーユーザーが現れたときに、若いプロダクトにどれだけ余裕がないかがわかります。
成長中の中堅企業
賢い振り分けで拡大したプロダクト
9,000人の有料ユーザーを抱えるプロダクトが、大半のトラフィックを安価なモデルに振り分け、入力のほぼ半分をキャッシュし、再試行を低く抑えています。モデル費用は絶対額では大きいものの、売上に占める割合は小さくなっています。読み込むと、エンジニアリングの規律が規模の拡大のなかで利益率を守る様子がわかります。
ブラックスワン級の危機
定額料金のまま話題になったエージェント
プロダクトが、すべてのタスクでモデルをループさせるエージェントを追加し、無料枠が話題になります。リクエストあたりのトークン数は3倍になり、再試行は急増し、価格は12ドルのままです。売上は伸びますが、新規ユーザーが増えるたびに損失が深まります。読み込むと、どの変数がその月を立て直すかがわかります。
業界ベンチマーク一覧
| 指標 | 危険ゾーン | 業界平均 | 上位10%のエリート水準 |
|---|---|---|---|
| 売上に占めるAIの請求額の割合 | 35%超 | 15〜25% | 10%未満 |
| モデル費用と手数料を引いた粗利率 | 50%未満 | 65〜75% | 80%超 |
| 無料ユーザーに費やされるトークンの割合 | 50%超 | 20〜35% | 15%未満 |
| プロンプトのキャッシュヒット率 | 10%未満 | 25〜40% | 60%超 |
| 再試行とエージェントのループによる上乗せ | 40%超 | 10〜20% | 8%未満 |
変数とレバー
有料ユーザー数
今月、有料プランに加入しているお客様の数です。
レバー: 有料ユーザーを増やすのは、1人ひとりがモデル費用以上の収益をもたらす場合だけにしてください。そうでなければ、成長は赤字を大きくします。
ユーザーあたりの月額料金
割引後に、有料ユーザーへ毎月請求する金額です。
レバー: 従量課金または段階制の料金に移行し、ヘビーユーザーが消費したトークンに比例して支払うようにしてください。
無料枠のユーザー数
料金を支払わずにプロダクトを使っているアクティブユーザーの数です。
レバー: 無料枠はリクエスト数で上限を設けるか、より安価なモデルに振り分けるか、期間を限定してください。無料ユーザーは最大の隠れたコストです。
ユーザーあたりの月間リクエスト数
アクティブな有料ユーザーが1か月に発生させるモデル呼び出しの回数です。
レバー: プランごとに公正利用の上限を設け、ユーザーに利用状況を見せてください。ごく一部のヘビーユーザーが、請求額の大半を生むのが通常です。
リクエストあたりのトークン数
システムプロンプトと取得した文脈を含む、1回の呼び出しの入力と出力のトークン合計です。
レバー: プロンプトを削り、履歴を要約し、取得する文脈を減らしてください。リクエストあたりのトークン数は、他のすべてに掛かってきます。
100万トークンあたりの平均単価
利用している各モデルにわたって、100万トークンあたりに支払う平均価格です。
レバー: 簡単なリクエストは小型のモデルに振り分け、高性能なモデルは難しい場面のために取っておいてください。
キャッシュヒット率
キャッシュまたはプロンプトキャッシュから大幅な割引価格で提供される入力トークンの割合です。
レバー: 長い固定部分を先頭に置いてキャッシュできるようにプロンプトを構成し、ヒット率を毎週測定してください。
再試行とエージェントのループ
失敗した呼び出し、再試行、リフレクション、ツールのループに費やされる追加のトークンです。
レバー: 再試行を招く失敗を直し、エージェントのループに上限を設けてください。再試行のたびに、同じ回答に対する二度目の請求が発生します。
固定のインフラとツール
ホスティング、ベクトルデータベース、監視、モデル周辺のツールの費用です。
レバー: インフラを現在のユーザー数に合わせて適正化してください。固定費が、不調な月をどれだけ耐えられるかを決めます。
決済手数料
定期課金の売上のうち、決済事業者が受け取る割合です。
レバー: 年額プランは銀行振込に移すか、売上が十分な規模になったら決済事業者と手数料を交渉してください。
このシミュレーターの使い方
- 1現実的なプリセットから始めるか、ご自身のユーザー数、価格、トークン数、キャッシュ率を入力します。
- 2五つのドミノの箱を見て、無料ユーザー、モデル費用、利益率のどれが先に赤くなるかを確認します。
- 3「破綻点を探す」を押して、利益をゼロにする価格、トークン数、ユーザー構成を把握します。
- 4「パラレルワールド」タブで、現在の計画と、振り分けと上限の計画を24か月で比較します。
- 5共有リンクをコピーして、チームや投資家が同じシナリオを開けるようにします。
避けたい間違い
- 数件のデモ用リクエストで利益率を検証すること。実際のユーザーはより長い入力を送り、より多くの呼び出しを発生させます。本番データから、平均と、最も多く使う上位10%のユーザーを測定してください。
- 定額で無制限のプランを提供すること。無制限を最も重視するユーザーは、通常、最もコストのかかるユーザーであり、最良の顧客が最大の損失に変わります。
- ユニットエコノミクスで無料枠を無視すること。無料ユーザーは毎月トークンを消費するのに、売上の隣に表れることはほとんどなく、最も忘れられやすいコストです。
- 事業者の価格が変わらないと決めつけること。価格もモデルの挙動も変わるため、利益率の余裕と、別のモデルへ切り替えたり振り分けたりできる体制を保ってください。
よくある質問
なぜAIプロダクトは、通常のソフトウェアより利益率の確保が難しいのですか。
リクエストのたびに、費用を支払うモデルを呼び出すため、価格が一定のまま、費用は利用量とともに増えます。通常のソフトウェアでは、リクエストが1回増えてもほぼコストはかかりません。
トークンとは何ですか。
トークンはテキストの断片で、英語ではおおよそ単語の4分の3にあたります。事業者は入力と出力のトークンを別々に課金しますが、このモデルでは簡単のため、100万トークンあたり一つの平均単価を使っています。
キャッシュはどのようにコストを下げますか。
事業者は、直近のリクエストで処理済みのトークンに対して、はるかに低い料金を請求します。長い繰り返しの指示を先頭に置くとキャッシュされ、実効単価が下がります。
AIプロダクトの価格はどう決めるべきですか。
利用枠を含め、多く使う場合は追加で課金するか、利用量でプランを段階化してください。定額で無制限のプランは、最もコストのかかるユーザーが真っ先に申し込む結果を招きます。
無料枠はやめるべきですか。
必ずしもそうではありません。リクエスト数で制限し、より安価なモデルを使い、無料ユーザーのうち何人が有料に転換するかを測定してください。無料枠はマーケティング費用であり、そのように予算化すべきです。
どのくらい正確ですか。
明示した前提に基づく教育目的の計画モデルであり、財務上の助言ではありません。入力値をご自身の利用データと、事業者の最新の価格に置き換えてください。
これは前提条件を明示した、教育目的の計画モデルです。財務、税務、法律に関する助言ではありません。入力値はご自身の数字に置き換え、重要な判断は必ず資格を持つ専門家に確認してください。