生成AI機能の値付けはトークン従量課金でいいのか ― a16z調査に見る「価値単位」の価格設計
モデル提供者はトークン単価で課金するのが妥当だが、その論理をアプリケーション層に持ち込むと誤りとなる
経営・ROI
9 articlesAI投資のROI・コスト構造・予算配分。経営会議で使える数字と論点。
データセンターの電力コストはなぜ読めないのか ― PJM の120億ドル過剰請求に見る容量市場の設計不全
[PJM](https://www.pjm.com/) の Reserve Requirement Study（容量計画モデル）が冬季のガス発電所の効率向上（最大 25%）を考慮していない
AI の供給制約はモデル性能から電力・許認可へ移るのか — 米国 AI 政策「低リグレット」23の提言を経営目線で読む
米国の電力供給は2030年までにデータセンター向けが総消費電力の9〜17%に達する見込みで、単一の学習ランで4〜14GWを要する時代が来る。一方、送電線新設には平均10年かかる規制構造が最大のボトルネックだと著者らは指摘し、系統接続手続きの改革・送電網ファンドの創設（ハイパースケ…
AIのAPI料金はどこまで上がるのか——収益10倍成長と計算供給3倍の需給ギャップが招く値上げ構造
需給のミスマッチ: [Anthropic](https://www.anthropic.com)の収益は年10倍成長するのに対し、計算供給は年3倍成長のみ。この差を埋めるために利益率上昇・価格上昇・推論比率増加が同時進行中
Metaはなぜ数十億ドル規模のインフラ投資を無駄にしたのか——TCOを14%押し上げた設計失敗と承認プロセスの欠陥
[Meta](https://www.meta.com) では6ヶ月サイクルの成果評価が短期的な「見える成果」重視に傾いている。下位15%カットルールにより、長期戦略より視認度の高いプロジェクトが優先される「ウィンドウドレッシング」が常態化している
AI の ROI はどう測るか——LLM より4桁安い専用モデルが最適解だった Arkadium の事例
元記事は、トークン支出が各社で急増する中、価値ある AI 利用とそうでないものを見分ける唯一の方法は「事業固有の測定可能なゴール」を定義して測ることだと主張する。ツール配布は導入の第一段階に過ぎない
AIコストを1/4にするモデルルーティングを誰が設計するのか ― Grok 4.5と「1トークン当たり収益」の時代
[Cursor](https://cursor.com/) と [SpaceX](https://www.spacex.com/) の共同訓練で生まれた Grok 4.5 は Claude Opus 4.8 相当の性能で、入力 $2 / 出力 $6 per million tok…
AIのトークンコストはどう最適化するのか ― 「トークン監査」とマルチモデル運用に見る効率化の実務
AI の補助金時代は終わり、トークンコストが上昇フェーズへ。ヘビーユーザーの地位指標が「消費量の多さ」から「revenue per million tokens」（1Mトークン当たり収益）に移行しつつある
AI戦略の前提をどう棚卸しするか ― 暗黙の「賭け」を可視化する4軸フレームワーク
AI戦略の下には必ず「暗黙の前提（賭け）」が埋まっている。それを明示化しないまま進むと、前提が崩れたときに対応が遅れる