AI SaaSの料金は何に払っているのか｜自前構築と分ける4つの基準

「うちもAIを導入しました」という言葉には、実は二つの状態が混ざっています。自分たちでAIを動かしている状態と、AI機能つきのSaaSを契約している状態です。後者が悪いわけではありません。ただ、自分がどちらにいるのかを知らないまま払い続けるのは、別の問題です。

この記事では、AI機能つきSaaSの料金が何に対して払われているのかを原価の側から整理し、私たちが実際に自前へ切り替えた3つの業務の実感を挟んだうえで、それでも払う価値がある4つの類型を示します。読み終えたとき、いま契約しているAI機能を「これは払う価値がある／ない」と自分で振り分けられる状態を目指します。

平均すると、推論の原価の約2倍を払っている

まず金額の話から片づけます。AI機能つきSaaSの粗利率は、業界の目安で50〜60%です。原価の中心は、AIが一度考えるたびに発生する費用（推論コスト）です。

ベンチャーキャピタルのBessemer Venture Partnersが2026年2月に公開した価格設定の指針でも、a16zの分析でも、この範囲に収まっています。ICONIQのベンチマーク調査では、2026年の平均が52%（2024年の41%から改善）と報告されています。粗利率52%とは、ざっくり「原価の約2.1倍で売っている」という意味です。

	従来型SaaS	AI機能つきSaaS
粗利率の目安	80〜90%	50〜60%
原価に対する売値	約5〜10倍	約2〜2.5倍
原価の中身	サーバー・保守が中心	AIが考えるたびに費用が発生（文字量に応じた従量課金）

数字だけ見ると、AI SaaSはむしろ薄利です。従来のソフトウェアは一度作れば複製コストがほぼゼロでしたが、AIは問い合わせのたびに推論の費用が発生します。「AI SaaSはぼったくり」という単純な話ではない、というのが出発点です。

それでも「10倍払っている感覚」が生まれるのはなぜか

ここで正直に書いておきます。私たちが実際に使っていたツールでは、10倍から100倍近く払っている感覚のものもありました。ただしこれは請求書と実際の利用料を突き合わせた実測ではなく、あくまで体感です。業界の平均像は先ほどの「原価の約2倍」のほうであり、体感の数字を一般化するのは正確ではありません。

では、なぜこれほど開くのか。理由は料金設計にあります。

固定の月額で使い放題にすると、使う人と使わない人の差を、売る側が吸収しきれなくなります。実際に、ある開発者がAI機能を月額29ドルの使い放題で売ったところ、月間の売上2,400ドルに対してAPI（AIの機能を直接呼び出す仕組み）の費用が1,800ドルかかり、粗利率が85%から25%まで落ちた例が公開されています。この設計だと、ヘビーユーザーほど赤字を生む「悪い顧客」になってしまいます。

そこで固定の月額は、いちばん多く使う人でも赤字にならない水準に置かれます。だから、用途を絞って使っている会社ほど、自分の使用量に対して高い倍率を払うことになります。平均は2倍でも、使用量が少ない人ほど倍率は何倍にも跳ね上がる——これが体感とのズレの正体です。GitHub Copilotが2026年6月1日に従量課金へ移行したのも、同じ理由です。従来は「1回のやりとり＝1リクエスト」という数え方でしたが、使ったモデルと文字量に応じて課金する方式に変わりました。固定料金では、モデルごとに大きく違う原価を吸収できなくなったということです。

本当の差は、金額ではなく「モデルを選べるかどうか」

ここからが本題です。私たちが気にしているのは、上乗せの金額そのものより、質の側の話です。

業界では「AIシュリンクフレーション」という言葉が使われ始めています。値段は同じまま、裏側で使われるモデルが静かに安いものへ切り替わる、という現象を指した言葉です。処理内容に応じてモデルを選び分ける自動ルーティングは、売る側から見れば、日常的な処理を安いモデルへ流す合理的な仕組みです。ただし契約している側からは、いつどちらが使われたのか分かりません。

利用者の側からは、これが「同じ料金なのに、なんとなく質が落ちた気がする」という形で現れます。説明は基本的にありません。

ここは特定の企業を責める話ではなく、構造の話です。固定料金で売る限り、利用量のばらつきを吸収する手段は限られます。問題は、どのモデルがいつ使われているかを、契約している側が確認できないことにあります。

モデルの違いは実際に出力へ影響します。私たちが同じデータと同じテンプレートで4つのモデルに広告レポートを作らせた比較では、モデルごとにはっきりと癖の差が出ました（実験の中身は「Claudeの4モデルで同じ広告レポートを作らせた」にまとめています）。中身が見えない状態というのは、この差を確認する手立てがない状態でもあります。

そしてこれは、感覚的な不満の話にとどまりません。2025年10月、オーストラリアの競争・消費者委員会が、ある大手ソフトウェア企業を提訴しました。AIアシスタント機能を個人向け・家族向けプランに統合して値上げした際、AI機能を含まない従来価格のプランが存在することを十分に知らせず、そのプランは解約手続きに進んで初めて表示される状態だった、という内容です。対象は約270万人、値上げ幅は個人向けで年額45%とされています。同社はのちに謝罪しています。

ここでは裁判の帰趨には触れませんが、「安い選択肢を見えにくくする」ことが競争当局の関心事になっているという事実は、契約する側にとって知っておく価値があります。

私たちが自前に切り替えた3つの業務

私たちは、これまでSaaSを使っていた領域のうち、次の3つを自前の仕組みに切り替えました。

• バナー生成
• 薬事チェック
• 記事生成

いずれも、プロンプトと処理のループを自分たちで組んだものです。私たちの場合、3つとも半日あれば組み上がりました。AIを使った実装に慣れているかどうかで所要時間は変わるので、誰でも半日でできるという話ではありません。ただ、少なくとも私たちの3件では、何ヶ月もかかる大工事ではありませんでした。

一度組んでしまうと、運用の費用は非常に低く抑えられます。ただ、私たちが実感している利点は、費用よりもむしろ次の3つです。

扱う商品やサービスに合わせて調整できます。 汎用のSaaSは、多くのお客様の平均に合わせて作られています。自分たちの商材の事情——この表現は使えない、この訴求は反応が鈍い——を細かく反映させるのは、汎用のUIでは限界があります。

良いモデルが出たら、すぐ乗り換えられます。 これが先ほどの裏返しです。モデルの更新は激しく、数ヶ月で状況が変わります。自前で組んでいれば、常にその時点で最良のモデルを選べます。選択権が自分の側にある状態です。

痒いところに手が届きます。 UIがあるのは便利ですが、「あと一歩ここを変えたいのに変えられない」という経験は、どんなシステムでも誰にでもあると思います。自前で組むというのは、その一歩を自分で埋められる状態にするということです。

それでも払う価値があるのは、この4類型

ここまで読むと「では全部自前にすべきか」と思われるかもしれませんが、違います。私たちが実際に判断するときは、次の4つに当てはまるかを見ています。当てはまるなら、上乗せを払う価値があります。

類型	何に払っているか	例
データそのものが商品	ライセンスされたデータと権利処理	判例データベース、商標公報、金融の時系列データ、医学文献
利用している基幹システムに埋まっている	推論ではなく、文脈の組み立て	CRM・会計・設計ツールの中のAI機能
責任と監査を引き受けてもらう	監査ログ、認証、賠償責任の移転	医療・法務・会計まわり
非技術者が大人数で使う	UIそのもの（教育コストと品質のばらつきの抑制）	20人が毎日使い、誰もプロンプトを書かない環境

データそのものが商品の場合、APIを直接叩いてもそのデータは手に入りません。AIは検索の入り口にすぎず、本体はライセンス済みのデータと権利処理のほうです。ここは自前化のしようがありません。

利用している基幹システムに埋まっている場合も同じです。CRMや会計ソフトのように、自社で作ったのではないシステムの中に日々のデータが溜まっている状態を指します。この場合、AI機能の価値は推論ではなく、そこにある社内の文脈を組み立てて渡している部分にあります。同じことを自前でやろうとすると、接続部分とデータ同期を維持し続ける手間が、上乗せ分を上回ります。

責任と監査は、自前実装では絶対に手に入りません。監査ログや認証の仕組みだけでなく、事故が起きたときに責任を引き受ける相手がいる、という状態そのものを買っています。逆に言えば、責任まで移したいなら買う、最終的な判断を自分たちで持つつもりなら道具は自前でよい、という線引きになります。

非技術者が大人数で使う場合は、UIそのものが商品です。20人が毎日使い、誰もプロンプトを書けないなら、教育コストと出力のばらつきを抑える価値が、上乗せを上回ります。

逆に、払う価値が薄い領域

• 汎用の要約・翻訳・文章生成
• 自分がすでに持っているデータに、薄いプロンプトをかぶせただけのもの
• 自分たちで書けるワークフロー

この3つは、素直にAPIを直接使うほうが合理的です。私たちが自前へ切り替えた3業務も、すべてこの範囲に入っていました。

この判断が効くのは、組み直せるときです

ここまでの判断は、「業務を組み直せる立場にいるか」に強く依存します。すでに社内で回っているSaaSを剥がすコストは、技術的な合理性とは別の次元で高くなります。関わる人が多いほど、動かせません。

実際に降りられるのは、新しく組むときか、小さい組織のときです。「理屈の上では要らないはずのものが、現実には要る」という状態は、当分続きます。この記事の判断軸は、次に契約するとき・次に作り直すときに使うものだと考えてください。

明日からできる、3つの確認

いますぐ乗り換えるかどうかではなく、次の判断材料として、いま契約しているAI機能について次の3つを確認してみてください。契約書や管理画面を開けば、多くは10分で分かります。

1. どのモデルが使われているか、確認できるか。 明示されていないなら、その中身は売る側の都合でいつでも変えられる状態です。
2. 自分たちの使用量が見えるか。 見えないなら、原価に対して何倍払っているかを知る手段がありません。
3. 解約するとき、データを持ち出せるか。 持ち出せないなら、次の交渉で価格の主導権はこちらにありません。

3つとも「はい」なら、その上乗せは情報の対価として妥当な可能性が高いと言えます。3つとも「いいえ」で、しかも先ほどの4類型のどれにも当てはまらないなら、見直す余地があります。

判断の軸は「新しいかどうか」ではなく「使い続けられるかどうか」です。この考え方は道具選び全般に共通するもので、CMSを選んだときにも同じ基準を使いました（「CMS選びは「最新」より「使い続けられるか」」）。

まとめ

• AI機能つきSaaSの粗利率は業界目安で50〜60%＝平均すると原価の約2倍。ぼったくりという単純な話ではありません
• ただし固定料金で使用量が少ないほど、倍率は跳ね上がります。体感と平均がずれるのはこの構造のためです
• 金額より重いのは、どのモデルがいつ使われているかを確認できないこと。同じ料金のまま中身が変わりうる状態です
• それでも払う価値があるのは4類型——データそのものが商品／利用している基幹システムに埋まっている／責任と監査を引き受けてもらう／非技術者が大人数で使う
• 逆に、自分たちで書けるワークフローは自前が合理的。私たちの場合、3業務とも半日で切り替えられました

「AIを導入したかどうか」ではなく、「中身が見えているかどうか」。ここが、同じ金額を払っていても差がつく分岐点だと考えています。

なお、4類型のうち「利用している基幹システムに埋まっている」は、さらに3つの層に分解できます。そこはAIで薄くなる層と、そうでない層がはっきり分かれるところなので、続編であらためて扱います。