予想外の請求額
仕事で毎日ClaudeやChatGPTを使っている人の多くは、自分が何に対して料金を支払っているのかを実際に確認したことがありません。月額サブスクリプションを利用しているか、残高が静かに減っていくAPIキーを使っていて、数字が動きます。予想よりゆっくり進むこともあれば、ずっと速く進むこともあります。AIを使った仕事が軽い週のほうが、忙しい週より高くついた理由を疑問に思ったことがあるなら、その答えは、AIが「高価」だからということではほとんどありません。重要なのは、何を尋ねたかだけでなく、何を送っているかです。
この記事では、実際の計算を専門用語なしの平易な言葉で説明します。コストが実際にどこから発生するのか、そして解決策が「AIの利用を減らす」ことではなく、「メッセージを送るたびに自分の説明を繰り返すために料金を支払うのをやめる」ことだと分かるようにします。
トークンを平易な英語で説明すると
あなたが送るすべてのメッセージと、受け取るすべての返信は、トークンと呼ばれる小さな単位に分割されます。大まかな目安として、1トークンは単語の約4分の3なので、1,000語のテキストはおよそ1,300-1,400トークンです。短い単語、一般的なフレーズ、コードは、単語あたりのトークン数が少なくなることが多く、珍しい単語、書式、英語以外のテキストでは多くなることがあります。
これについて初めて考えるとき、多くの人がつまずく点は2つあります。
- 両方向がカウントされます。 あなたが入力する言葉（入力）も、AIが返す言葉（出力）も、どちらも課金または計測の対象です。同じ質問でも、詳細で長い回答は1行の回答より高くつきます。
- すべてのメッセージで、会話全体が再送信されます。 これは、実際に図解されるまでほとんど誰も気づかない部分です。チャットベースのAIモデルには、人間の同僚のようなメッセージ間の永続的な記憶がありません。コンテキストに沿った意味のある返信を生成するには、送信ボタンを押すたびに、それまでの会話全体を読み直す必要があります。最初のメッセージ、最初の返信、2つ目のメッセージ、2つ目の返信、というように、毎回すべてを読み直すのです。
会話が長くなると「ただ話しているだけ」でも高くつく理由
ここで本当に重要な部分です。実際の仕事の会話のように、短く始まって自然に長くなっていく会話を想像してください。
- メッセージ1: 200語分のコンテキストを送り、150語分の返信を受け取ります。
- メッセージ2: システムはメッセージ1と新しいメッセージの両方を処理し、再び返信しなければなりません。
- メッセージ3: メッセージ1と2に加えて、新しいメッセージを再処理します。
メッセージ10の時点で、あなたが支払っているのは「新しい質問1つ」ではありません。そのたびに、それまでのすべてを再送信するための料金も支払っているのです。会話履歴は累積し、自動的にリセットされたり圧縮されたりすることはありません。20ターンの会話は10ターンの2倍の費用で済むわけではありません。再送信の影響により、メッセージごとの実際の「新しい」内容がほぼ同じ量でも、数倍の費用になることがあります。
これは料金表ではなく、方向性を示すための計算です。プロバイダーはトークン単価を独自に設定・変更するため、利用プランの正確な金額を知りたい場合は、必ずプロバイダーのサイト（anthropic.com または openai.com）で現在の公開料金を確認してください。ただし、料金がいくらであっても仕組みは変わりません。わずかなトークン単価でも、増え続ける会話履歴に掛け合わせれば、すぐに大きな金額になります。主なレバーは単価ではありません。再送する内容の量です。
実際に無駄が生じている場所
ここで、多くの人が実際にどのように仕事をしているかを考えてみましょう。AI支援タスク（メールの下書き、通話の要約、スプレッドシートの分析、ブリーフの作成、契約条項の確認など）に取り組む一般的なナレッジワーカーは、毎回白紙の状態から始めるわけではありません。毎回、次のことを説明し直します。
- 「あなたは経験豊富な[role]です。シニアの[X]として行動してください。これが当社のブランドボイス／チームの背景／書式設定の好みです……」
- 会社、プロジェクト、対象者、制約に関する背景情報。
- 昨日入力したトーンや文体の指示、そしてその前日に入力したものと同じです。
これらは、当該タスクにとって「新しい」情報ではありません。定型文です。しかし、チャット画面に毎回新しく入力したり（さらに悪い場合は、1つの長くまとまりのない会話の中で徐々に積み上げたり）するため、そのたびにカウントされ、再送され、再請求されます。
説明用の例：1日10個のタスクを2通りの方法で行う
同じ一日の仕事に対する2つのアプローチを比較してみましょう。1日に10個のAI支援タスクがあり、それぞれでAIに特定の種類の専門家として振る舞ってもらう必要があるとします（たとえば、キャンペーン数値を確認するマーケティングアナリストや、業務プロセス文書を改善するオペレーションマネージャーなどです）。
アプローチA：その場で再入力するプロンプト
10個のタスクそれぞれで、本人は役割設定の説明を1〜2段落、再入力（または以前の文書からコピー＆ペースト）するところから始めます。「あなたはアトリビューションとキャンペーンROIに詳しいシニアマーケティングアナリストです。以下のデータを分析し、推奨事項を含む構造化された要約を作成してください……」といった内容です。その後に実際のタスクを入力し、さらに同じスレッド内で、明確化や調整のためにフォローアップメッセージを数回送ることもよくあります。そのたびに、それより上の内容をすべて再送します。この定型文＋フォローアップのパターンを10個の別々のタスクにわたって繰り返すと、実質的に同じ指示の料金を、一日中、毎日、何十回も払い直すことになります。
アプローチB：スキルファイルを基盤にした簡潔な設定
役割、トーン、基準、作業方法は、コンパクトなシステムプロンプト、つまり「スキルファイル」として一度だけ慎重に記述し、再入力する代わりにセッション開始時に読み込みます。最初に一度まとめて設定し、簡潔に保ち（冗長な説明や重複した指示は避け）、その役割で行うすべてのタスクに再利用します。本人はタスクを述べるだけです。AIが何者として振る舞うべきか、回答をどう整えるか、「良い回答」とは何かを改めて説明する必要はありません。すでに上部で簡潔に固定されているからです。
トークン計算の違いは、アプローチBでAIが「より一生懸命に作業する」ことではありません。すべてのメッセージに含まれる繰り返しの定型部分が大幅に小さくなることです。タスク内のすべてのメッセージで、毎日送信し直される定型文が少なくなるため、会話が膨張する問題と同じように、反対方向へ急速に効果が積み重なります。
Claude や ChatGPT をシニアマーケティングアナリストに変える、事前構築済みのシステム prompt です。キャンペーンROI、アトリビューション、レポート基準を一度設定できるため、新しい数値を貼り付けるたびに役割を説明し直す必要がありません。
Rafa - Marketing Analytics Specialistを見る →綿密に作られた Skill ファイルが、その場しのぎの prompt に勝る理由
すべての「再利用可能な prompt」がこの問題を解決するわけではありません。曖昧な指示を「念のため」5ページ分詰め込んだ、冗長で汎用的すぎるシステム prompt は、入力し直すのと同じくらい無駄になり得ます。毎回新たに入力する代わりに、一度貼り付けているだけで、結局はメッセージごとに定型文が再送されるからです。本当に重要な要素は簡潔さです。役割とは何か、出力をどう整形するか、「完了」とは何かを正確に記した Skill ファイルを、セッションごとに一度だけ最初に読み込ませる - それ以上は何も加えません。
Skill ファイルと、何度も書き直すその場しのぎの prompt との本当の違いは、単なる便利さではありません。送信するすべてのメッセージで繰り返される部分を、その作業セッション全体にわたって恒久的に小さくできることです。
Claude や ChatGPT をシニアオペレーションマネージャーとして設定します - SOP、プロセス監査、優先順位付けのフレームワークを組み込み、業務のコンテキストを毎回ゼロから説明し直さなくても、新しいタスクを常に簡潔に始められます。
Owen - Operations Managerを見る →実際に効果のある実践的な習慣
どのツールやプランを使っているかにかかわらず、次のちょっとした習慣ほど「隠れた再送コスト」を減らすものはほとんどありません。
- 新しいタスクは新しい会話で始めましょう。すべてを1つの膨張し続けるスレッドに詰め込むのは避けてください。新しく集中した会話なら、メッセージごとに再送される履歴が大幅に少なくなります。
- 役割とコンテキストは最初に一度だけ、簡潔に伝えましょう。毎回タスクの中で再説明する必要はありません。
- 最初に与える指示は簡潔にしてください。 長く冗長なシステム prompt も、再送される定型文です - 出力に実際に影響する内容だけに絞りましょう。
- 実際に必要な出力の長さを指定してください。 出力トークンもカウントされるため、「構造化された要約を作成して」と頼むほうが、自由回答形式の「これについてすべて教えて」より安く済む傾向があります。
- 正確に自分のコストを見積もりたい場合は、現在公開されている料金をプロバイダーに直接確認してください - 料金やモデルは変わるため、正確な数値は第三者の推定ではなく、提供元で確認するのが最善です。
繰り返し発生する構造化タスク向けに構成されたoperations agent skill。新しい依頼のたびに指示が膨らむのではなく、コンパクトで一貫性のある状態を保つよう設計されています。
Arthur - AI Operations Agentを見る →あなたやチームが実際にAIチャットをどう使っているかを入力し、再度promptを入力する場合と、永続的なskillファイルを使う場合について、毎月のトークン浪費量と金額を現実的に見積もれます。登録もメールアドレスも不要です。この投稿の計算をあなたの数値に当てはめるだけです。
計算ツールを試す →よくある質問
本当に、自分のメッセージだけでなくAIの返信にも料金を払うのですか？
はい。送信する内容も、受け取る内容もカウントされます。デフォルトで長く徹底した回答を書くモデルは、簡潔で要点を絞った回答を書くモデルよりも、まったく同じ質問であっても、より多くの出力トークンを使います。
タスクが同じなのに、長い会話は短い会話よりなぜはるかに高くつくのですか？
多くのチャットベースのAIツールは、メッセージ間で自動的に記憶を保持しないためです。20番目のメッセージに適切に答えるには、システムが最初の19件のメッセージ（および自身の19件の返信）を、20番目のメッセージと一緒に再処理しなければなりません。会話履歴は毎回すべて再送信されるため、コストは会話の長さそのものよりもはるかに速く増加しがちです。
skillファイルは、保存したpromptをしゃれて呼んでいるだけですか？
機能的には、そうです。一度書いて繰り返し使うsystem promptまたはプロジェクト指示です。優れたものと、その場しのぎのpromptを分けるのは、規律です。役割、基準、出力形式を正確かつ簡潔に定めることで、毎回のメッセージとともに再送される「定型文」部分を、役割を果たせる範囲でできるだけ小さく保ちます。
正確な金額を気にすべきですか、それとも使い方だけ気にすればよいですか？
まずは使い方に注目しましょう。繰り返されるコンテキストを削り、新しいタスクでは新しい会話を始めるだけで、今月のトークン単価がどうであっても使用量を減らせます。自分の利用量に基づいて正確なコストを試算したい場合は、プロバイダーの料金ページから現在公開されている単価を確認し、普段のメッセージ数を使って計算してください。
