デイル・ホプキンソン
シニア・プロダクトマネージャー
ソフトウェアがデジタルトランスフォーメーションによって全分野に革命をもたらしたように、人工知能（AI）はあらゆる市場を再構築することになります。しかし、ソフトウェアブームやSaaSブームの初期とは異なり、現代の企業は、早い段階から財務上の説明責任を優先する必要があることを知っています。
AIの開発には、初期導入から継続的な運用に至るまで、大きなコスト負担が伴います。経営幹部や投資家からは、測定可能な投資収益率（ROI）を求める圧力が高まっています。同時に、AI製品や機能を発表した企業のうち、AIを収益化しているのはわずか58%です。
AIの効果的な収益化には、強力な戦略と適切な収益化システムが必要です。それを行い、初めて企業はAIによる新たな収益源を実現し、ROIを加速させることができます。
AIにおけるコストダイナミクスは本質的に難しい
対照的に、従来のソフトウェアやSaaSモデルは、効率的に拡張する傾向があります。ユーザー数の増加に伴い、一般的に収益も比例して増加します。AIの場合、この仮定はあまり確実ではありません。
AIは、研究、専門的人材、運用を維持するために必要な技術インフラに多額の投資を必要とします。平均して、AIに投資している企業の研究開発費は20%増加しています。さらに、AI製品には独特のジレンマがあります。AI製品が使われれば使われるほど運用コストが高くなるため、利用が実質的なコスト増に結びつくのです。
AIのコストを理解することは、AIの収益化戦略を明確にすることがなぜ重要なのかを浮き彫りにします。
AIの隠されたコスト要因
コンピューティングコスト
AI開発には、複雑な機械学習モデルのトレーニングに不可欠なGPUやTPUなど、多くの場合ハイエンド・コンピューティングハードウェアに多額の投資を必要とします。これは考慮されていますがAWS、Azure、Google Cloud Platformのようなクラウドサービスには継続的なコストがかかります。
データ取得コスト
機械学習トレーニング用の高品質で適切なデータセットの取得には、ラベル付けされたデータへのアクセスを購入する必要がある場合でも、社内でデータラベル付けにリソースを割く必要がある場合でも、コストがかかる場合があります。例えば、ブルームバーグは、1000万ドル（ ）以上を投資して、独自のキュレーションデータと第三者データに基づいて、金融タスク用に調整された大規模言語モデル（LLM）を開発しました。
モデルの最適化コスト
これは、使用するモデルが期待されるパフォーマンスを確実に発揮するために必要となる、大規模な初期費用と継続費用です。コストは応答精度の向上、トレーニング、モデルの微調整に関連します。
大規模言語モデル（LLM）のライセンス：
OpenAIのGPTモデルのような既存の機能を利用すると、コストがかさみます。最大手のGPTはすべて消費量ベース価格モデルであり、これは収益のパラドックスにつながります。つまり、ユーザーの利用率が高ければ高いほど、企業が支払う必要のある費用も増えるのです。
規制コンプライアンス
EUのAI法などの新たな規制は、AIプロバイダーにコンプライアンス準拠のための追加コストを課します。これらの規制は、企業に強固なリスク管理システム、透明性対策、倫理ガイドラインの実施を求めています。さらに、AIを取り巻く規制の状況はまだ進化を続けています。コンプライアンスを維持するには、継続的な法律コンサルと製品の調整が必要です。
これらのコストを考えると、経費を相殺し、AIイノベーションに再投資できる収益を生み出すには、強固な収益化戦略が重要となります。このアプローチにより長期的な利益成長が保証されます。
AI収益化に不可欠な4つの「P」
AIの機能や製品からROIを達成するのに苦労していませんか？ThalesとSimon-Kucherが提携し、AIを収益化するためのステップバイステップのガイドを提供します。
AI投資を利益（Profit）に変える
創造的な価格設定とパッケージング戦略は、AIの複雑なコストを克服するのに役立ちます
SaaSが登場した時、意思決定は超成長を促進するように設計され、しばしば目先の収益性を犠牲にしていました。次々とベンチャー企業が市場を破壊し、新しいカテゴリーを生み出して市場のシェアを獲得していきました。価格設定やパッケージングを含む収益化は、ほぼ見過ごされていました。
対照的に、AIで起きていることはハイテク産業の成熟を反映しています。AIをどのように収益化し投資利益率を達成するかに、より早い段階から焦点が当てられています。成功している企業は、価格設定やパッケージングに工夫を凝らし、 投資を利益に変えています。顧客のニーズ、利用パターン、支払い意欲を反映した選択肢を意図的に設計しています。
AIにはまだ実証済みの収益化基準がありません。AIの収益化は進化中のプロセスであり、適応性が求められます。
大手ベンチャーキャピタル企業であるEmergenceのレポートによると、AI市場における上位の価格モデルは以下の通りです：
AIにおける有利な価格設定モデル
AIの市場進出戦略（Go-To-Market）に適した価格設定モデルを見つける方法
AIの価格設定モデルを見つけ、適用するための詳細を詳しく見ていきます。
最初のステップは、AIの価格戦略の軸となる適切なメトリクスを特定することです。
主な価格指標は以下の通りです：
- 静的メトリクス
- 利用状況メトリクス
- 成果指標
実現可能なメトリクスを特定した後、適切な価格設定モデルと組み合わせることができます。それぞれの価格設定の枠組みがビジネスに与える影響を理解することが重要です。以下のガイドをご覧ください。ある指標は測定が容易だが利益は低く、ある指標は安定性が高いが顧客の支払い意欲を正確に把握できないことが示されています。これらの各要素を慎重に評価することで、より広範なビジネス目標に最適なAI価格設定アプローチの選択が可能となります。
AI価格モデルの選択
1. 静的メトリクス
AIの定額料金モデル
価格設定は、ユーザー（シート）単位、機能セット単位、インストールインスタンス数など、単一の静的な測定単位で分けられています。定額制は、一般的に古典的なサブスクリプションプランを通じて販売される。例えば、限定された機能を持つ1ユーザー、より多くの機能を持つ10ユーザー、すべての機能を持つ100ユーザーのアクセスを購入することができます。
同時に、ユーザーシートと機能は必ずしもバンドルされている必要はありません。一部のAIプロバイダーは、顧客がサブスクリプションプランを選択し、必要に応じてユーザーシートを追加できる、より柔軟なモデルを提供しています。例えば、小規模なチームでは高レベルの機能が必要だが少数のユーザーしか利用しない場合があり、大規模な組織では多くのユーザーに基本的な機能が必要かもしれません。シートと機能階層を切り離すことで、プロバイダーは静的な指標価格設定を使って幅広い顧客ニーズに対応し、より多くの市場セグメントを獲得できる可能性があります。
2. 利用状況メトリクス
AIの従量課金モデル
このモデルでは、API呼び出しの回数、処理されたデータ量、消費された計算リソースなど、AIサービスの利用状況に応じて顧客に課金されます。使用量に応じた価格設定により、企業は実際の使用量とコストを一致させることができます。これは、使用量に応じてコストが増加する可能性が高いAP（Accounts Payable）価格設定において特に重要です。
このモデルは、2つの基本コンセプトに基づいて機能しています：トークンと使用量の計測 。ユーザーはトークンを前もって購入し、さまざまなAI機能とのインタラクションに応じてトークンを消費します。使用量メーターは、各顧客が消費したトークン数を経時的に追跡します。顧客はトークンを使い果たしたら、追加購入ができます。これによってベンダーは、顧客に大量の先行購入を求める過度なプレッシャーを与えることなく、定期的な収入源を得ることができます。
これまでは、消費に基づく価格設定がなかなか市場に浸透しませんでした。しかし、独自のコストダイナミクスとAIを収益化する必要性によって、従量課金は転換点を迎えるかもしれません。従量課金は、AIの収益性に関する核心的な課題である成功（ユーザーの採用率で測定）がベンダーのコスト負担を生むという問題を解決します。従量課金モデルが解決策を提供します。使用量に応じて課金することで、ベンダーはAIが提供する価値に見合った対価を確実に得ることができ、高いコストが投資収益率を下げるようなシナリオを避けることができます。
3. 成果指標
価値／成果ベースのAI向け価格モデル
成果または価値に基づく測定基準を使用すると、料金はコスト削減、収益の増加、効率の改善など、AIソリューションの使用によってもたらされた結果に基づいて課金されます。このモデルは、AIと顧客の成功を一致させます。しかし、それを実施して測定するのは複雑です。
バリュープライシングを実施するには、パフォーマンス指標を測定し、価値を計算する必要があります。収益の増加、コスト削減、生産性向上など、両者が最初に合意した指標を定量化することが望ましいです。
パフォーマンス向上を測定した後は、その向上を金額に換算する方法が必要です。これは、例えば創出された価値のパーセンテージであったり、特定の成果の閾値に連動した固定料金でもありえます。定期的なパフォーマンスレビューと調整は、一般的にこのモデルに組み込まれており、経時的な成果の変化に応じて公正な価格設定を保証するものです。
このモデルは製品の価格決定方法として、最も複雑で独創的なものの1つであり、長い間、非現実的とみなされてきました。しかし、AI製品はユーザーに変革をもたらすと期待されているため、価値/成果ベースの価格設定を再考するきっかけになるかもしれません。
AIの絶え間ない動きは価格設定の柔軟性を要求
AI技術は非常に速いペースで発展しているため、現在の価格設定やパッケージングの方法は将来的に変わる可能性が高いでしょう。AIの収益化戦略を進化させる上で、俊敏性が特に重要な理由を以下に示します：
- 不確実な価値提案： AIの価値は、多くの場合プロセスを最適化し、効率性を生み出す能力にあり、定量化が困難です。柔軟なモデルでは、AIコンポーネントの真価が明らかになるにつれ価格設定を調整することができます。
- 多様な顧客ニーズ： B2Bの顧客ニーズや予算はさまざまです。柔軟なアプローチにより、多様な顧客セグメントに合わせたサービスを提供し、リーチと収益の可能性を最大化することができます。
- AIの急速な進化：AIを取り巻く状況は常に進化しています。柔軟なモデルによって、新しい機能やユースケースに対応した価格設定とパッケージングが可能になります。
企業は、収益化を決定する価格設定指標が将来変わる可能性があることを承知の上で、柔軟性を最優先に価格設定業務を計画する必要があります。
あなたの会社でのAI価格モデルの運用
AI収益化を運用するためのツールとプロセス
ここまでは収益性を迅速に構築するため、強固なAI収益化戦略の重要性を示してきました。また、さまざまな価格設定モデルを検討し、絶えず移り変わるAIの状況をどのようにナビゲートするかについて、俊敏性が要求されることを論じてきました。
次に、AI収益化戦略を運用するためのツールとプロセスに話を移します。多くの企業は、課金、CRM（顧客関係管理）、アクセス管理プラットフォームなどのビジネスシステムを使って収益化を部分的に実現できると考える罠にはまります。しかし、それらのプラットフォームには、収益化とは切り離された独自の核となる強みがあります。ROIを重視するAI業界では、収益化を含むすべての業務をサポートする適切な技術スタックを組み立てることが今まで以上に重要になっています。したがって、ライセンシングとエンタイトルメント機能を中核とする収益化ハブを確立することを強くお勧めします。このようなプラットフォームは、ユーザーアクセスの制御、柔軟な価格モデルの導入、ワークフローの自動化を可能にし、すべてがAI投資を収益の原動力に変えることを目的としています。
ここでは、ビジネス技術スタックの核となる各システムの強みと限界について説明します。
課金プラットフォーム
- 強み： 請求書発行と料金回収を合理化し、スムーズな金融取引を実現します。
- 弱み： 主に支払い処理に重点を置いており、異なる価格モデルに関連する機能へのアクセスやユーザーエクスペリエンスには対応していません。
CRM（顧客関係管理）
- 強み： 顧客とのやり取りや関係を管理し、アップセルやクロスセルの機会を見極めをサポートします。
- 弱み： 機能へのアクセスや価格モデルをコントロールできないため、CRM活動を収益成長に直接結びつけることが困難です。
アクセス管理システム
- 強み： ユーザーアクセスの基本的な制御レベルを提供し、ユーザーが許可された機能のみにアクセスできるようにします。
- 弱み：アクセス管理システムは、製品や機能（SKU）へのアクセスがERP/CPQ/請求システムから自動化されるようなユースケースを解決するようには設計されていません。
自社開発
- 強み： 最も簡単に始められる方法と見なされます。外部ベンダーに依存することなく、ユースケースに必要なものを正確に構築できます。
- 弱み： システムの要件はすぐに膨れ上がるため、開発とメンテナンスに多額の投資が必要となります。
ライセンスとエンタイトルメントを備えた収益化ハブ
- 機能アクセスコントロール： エンタイトルメントにより、価格設定ごとに正確なアクセスレベルを定義できます。これにより、顧客の支払い意欲に合わせた商品層を提供し、顧客がより高い層を選択する動機を与えることができます。
- 動的ライセンスモデル： サブスクリプションプラン、段階的な価格設定、利用ベースの課金モデルなど、価格設定モデルを柔軟に導入できます。
- 自動化されたワークフロー： ユーザープロビジョニングと課金ベースの運用を可能にする、単一の信頼できる情報源（Single Source of Truth）を提供します。
- データ主導の洞察： 機能の使用状況や顧客行動に関する貴重なデータを提供し、アップグレード、アップセル、クロスセルの販売機会の特定や、価格モデルの最適化、新機能開発ロードマップの作成に役立ちます。
エンタイトルメントを備えた収益化プラットフォームは、単なる支払い処理（請求）や顧客関係管理（CRM）にとどまりません。製品や機能へのアクセスを直接制御し、柔軟な価格設定モデルを導入し、収益を生み出すワークフローを自動化するツールを提供します。
Sentinelは、AIソフトウェア収益化の市場をリードするソリューションです。
SentinelはAI収益化のパイオニアであり、がん検出用AIを開発するLunit AIや、Alcheraのような顔認識技術のリーダーである大手AI企業がイノベーションを保護し、利益を得るのを支援してきた実績があります。
Sentinelは、AI向けソフトウェア収益化プラットフォームを提供し、ライセンス技術であらゆる価格モデルを運用可能にします。ソフトウェアの注文からフルフィルメント・プロセス、さらにサブスクリプションのライフサイクル全体を通じて、その他の変更を自動化します。このワークフローにより、標準的なソフトウェアの注文から納品までのプロセスが保証され、ユーザーは料金を支払った機能、製品、サービスのみにアクセスできます。Sentinelの保護技術は、許可されたユーザーのみがアクセスを解除できることを保証し、セキュリティを最大化し、過剰使用、過小使用、さらには違法コピーを防止します。
エンタイトルメントを一元管理するため、顧客が購入した商品をどのように使用しているかを明確に把握することができます。このユニークなデータセットは収益機会の源泉であり、アップセルおよびクロスセル戦略の原動力となります。これは、AI投資に対する強力なリターンを提供するため、収益化の新たなレイヤーを追加します。
