8月20日、Retoolが「Managing AI costs in 2026: 101 tech leaders weigh in」と題した記事を公開した。本番環境で動いているAI生成ツールの全容を「把握できている」と自信を持って答えられるCIO・CISO・CTOは、わずか**5%**——この数字が、調査全体の核心を突いている。AIへの投資は加速する一方で、何にいくら使われているかを正確に把握できている組織はほぼ存在しない。技術系シニアリーダー101人への調査から見えてきたのは、そうした「コストの不可視化」という構造的問題だ。

43%がすでに予算オーバー、それでも投資は止まらない

調査対象は、エンタープライズ（従業員1,000人以上）およびミッドマーケット（200〜999人）企業の技術系シニアリーダー101人。2026年7月にWynterと共同で実施された。

最も生々しいデータが「43%がすでにAI予算を超過している」という数字だ。予算内に収まっているのはわずか24%で、約3分の1がおおむね計画通りという状況である。一方でAI採用に二の足を踏んでいるのは8%のみ。コスト不安は高まっているが、投資の手は緩んでいない。

「AIの波に乗り遅れることへの企業レベルの恐怖がある。これが通常のコスト管理や精査を飛ばした行動を多く引き起こしている。最終的にはリセットされ、より的を絞ったアプローチに向かうだろう」（あるエンタープライズ企業のエンジニアリングディレクター）

予算規模と「見えないコスト」の問題

2026年のAI予算は、約半数（53%）が10万〜100万ドルの範囲に収まっており、100万ドルを超えているのは24%にとどまる。7桁（100万ドル超）の本格的な予算を組んでいる組織はまだ少数派だ。

コスト超過の根本原因として挙げられるのが、AIシステムへの可視性の低さだ。Retoolの「State of AI Governance」レポートによれば、本番環境で稼働しているAI生成ツールの状況を「把握できている」と自信を持って答えられるCIO・CISO・CTOはわずか**5%**に過ぎない。

管理されていない「シャドーAI」は予期しない請求の温床になりやすい。誰が何のためにトークンを消費しているかが見えなければ、コスト管理は絵に描いた餅だ。

コスト急騰への対応策：ベンダー集約とモデルルーティング

仮にAIコストが20%急騰した場合、どう対応するか？　最も多かった回答は「ベンダーやツールを集約する（32%）」、次いで「効果との結びつきが不明確なAI利用を監査・削減する（24%）」、コストをそのまま吸収すると答えたのは**19%**にとどまった。

この流れを象徴するキーワードが「トークノミクス（Tokenomics）」だ。トークン（AIが処理する情報の単位）の獲得・消費・ビジネス成果への帰属をどう管理するか、という考え方を指す。

注目されている具体的な手法がモデルルーティングだ。すべてのリクエストを高価なフロンティアモデルに投げるのではなく、タスクの内容に応じて適切なモデルに振り分けることでコストを抑える。DatabricksやStripeがこの領域に投資しているのも、こうした需要を見越してのことだ。

特にコスト負荷が重いのがエージェント型ワークフローだ。元記事によれば、エージェント型ワークフローはLLMへの質問1回と比べて約5〜30倍のトークンを消費するとされており、ROIが大きい分コストも重くなる。Gartnerは推論コストの長期的な低下を予測しているが、エージェント利用の拡大がその恩恵を相殺しうる点は留意が必要だ。

「どのグループやチームがエージェントやアプリを開発すべきかを把握し、トークン割り当てとライセンスを付与している。その後、利用状況を確認・検証し、予算を削減するか追加するかを判断する」（あるエンタープライズ企業のVP/CISO）

ベンダー集約は業界全体でも進みつつある。ADAPTの調査では、技術系リーダーの68%が2026年にベンダーを集約する計画を持っていると回答している。

バイブコーディングという新たなコスト要因

バイブコーディング（コードではなく自然言語のプロンプトでソフトウェアを構築する手法）も見逃せないコスト要因だ。調査では52%がバイブコーディングアプリはAI支出への中〜大きな貢献要因だと回答している。

バイブコーディングを代表するツールとして、AIエージェントがターミナルやファイル操作を自律的に行うClaude Codeや、エディタに統合されたAIペアプログラマーであるCursorが挙げられる。これらは「AIと対話しながらコードを書く」というよりも、「AIに開発タスクそのものを委ねる」ことを可能にするツールであり、その分トークン消費量も大きくなりやすい。

料金体系も複雑で、基本料金・使用量課金・工数ベース課金などを組み合わせた構造を持ち、開発中に消費するトークンと、完成したアプリが実行時に消費するトークンの両方がコストとして積み上がる。セキュリティ管理の責任も開発者側に委ねられる点も見落とされがちだ。

「CISOとして、AI生成やバイブコーディングによる実際のアプリには拒否権を行使するだろう。そういったミスはコスト面で許容できない」（あるエンタープライズ企業の幹部）

求められるのは「ガバナンス付きのAI投資」

今回の調査が示すのは、AI投資の局面が変わりつつあるという事実だ。「とにかく使ってみる」フェーズから、「何が動いていて、誰が使っていて、それは価値があるか」を問うフェーズへの移行が始まっている。

元記事では、この移行を支える実践的な方向性としていくつかの指針が示されている。具体的には、AI利用の可視化基盤（どのチームが何のツールをどれだけ使っているかの一元把握）の整備、タスクの重要度に応じたモデルの使い分け、そしてAI支出をコストセンターではなくROIで評価できる体制づくりだ。ベンダー集約もその文脈に位置づけられており、ツールを増やし続けることよりも、管理可能な範囲に絞って深く使いこなす方向へのシフトが促されている。

ただし、その移行を支えるインフラがまだ整っていない企業がほとんどだ。可視性のギャップを埋められるかどうかが、次のAI投資サイクルの明暗を分けることになりそうだ。

詳細はManaging AI costs in 2026: 101 tech leaders weigh inを参照していただきたい。