AIエージェント経済がインターネットの無料ランチモデルに挑戦

2026年4月29日、アンドレジ・カルパティはセコイアAIアスケントのファイアサイドチャットで、ネイティブエージェント向けの新しい経済が形成されつつあると判断した。今日のすべてのヒューマン向けソフトウェア、ドキュメント、プロセスは「エージェント向け」に書き直される必要がある。彼はサプライサイドのエンジニアリング再構築について語ったが、その一方で「すべてを書き直す場合、その費用は誰が負担し、価値はどのように分配されるのか」という問いを残した。

エージェント経済の課題は、この問いから始まる。第1篇『AIの商業化の分岐点：なぜ広告とサブスクリプションだけでは成り立たないのか？』では、AIの収益化方法について議論し、広告とサブスクリプションのいずれも単独では成り立たず、商業化の重心が「入口を売る」から「結果を売る」へと移行しているという結論を導いた。本稿ではさらに一歩深く掘り下げ、なぜビジネスモデルが変化しなければならないのかを考察する。その答えはコスト構造の中にあり、インターネットが「ユーザーを1人増やすのに追加コストがかからない」という従来の経験が通用しなくなりつつある。この経験に基づいて構築されてきた利益配分の仕組みも、再計算の時期に来ている。過去20年間、インターネット企業の最も重要な商業的信条は、「ユーザーが増えれば、コストは下がり、利益は厚くなる」というものだった。

検索エンジン、ソーシャルメディア、ショートビデオ、コンテンツプラットフォーム、ECプラットフォームは、本質的に同じ前提に基づいて構築されています。インフラが整えば、1人あたりのユーザーを追加でサービスする、1回のページ表示を追加する、1本のコンテンツを追加で配信するといった行為の限界コストはほぼゼロです。インターネット企業の真のボトルネックは、「1回のサービスが赤字かどうか」ではなく、十分なユーザー時間、データ、広告主、取引シーンを獲得できるかどうかです。

広告はまさにこの前提のもと、インターネットで最も重要なビジネスモデルの一つとなりました。

コンテンツやページがほぼゼロコストで配布できるため、プラットフォームはユーザーの検索、閲覧、クリック、滞在時間、購入パスを個々に販売可能な広告枠に分解できる。ユーザーのジャーニーが長ければ長いほど、プラットフォームがビジネスのタッチポイントを埋め込める機会は増える。ユーザーが比較に時間をかけるほど、広告、レコメンデーション、ブランドコンテンツ、検索順位の価値は高まる。

しかしAIエージェントはこの信仰を揺るがしています。

AIエージェントは既存の情報を単に配信するのではなく、ユーザーに代わってタスクを実行します。毎回の会話、推論、ファイル読み取り、ツール呼び出し、結果検証には、実際のGPU計算力、電力消費、チップの減価償却、システムスケジューリングコストが伴います。

より重要なのは、AIがインターネット企業のコスト構造を変えるだけでなく、広告が依存するユーザーの体験フロー自体を変革していることです。過去には、ユーザーは複数のページ、複数のプラットフォーム、複数のブランド間で繰り返し検索と比較を行う必要がありましたが、今後はユーザーが直接ニーズをエージェントに委ね、エージェントが選別・判断・並び替え・予約、さらには取引を完了する可能性があります。

これは、AIエージェント時代の無料ユーザーに対して、1回のサービス提供ごとに損失が発生する可能性があることを意味し、従来の広告も収益化のための長距離フローの一部を失うことを意味します。

インターネット経済のキーワードが「トラフィック」であるならば、AIエージェント経済のキーワードは「タスク」である。トラフィックは安価に配信できるが、タスクは実際に実行されなければならない。広告が過去に売っていたのは「ユーザーの注目がどこを通過するか」だったが、AI時代においてより重要な問いは、「誰がタスクを理解し、誰が編成し、誰が完了するのか」「どのブランドがエージェントの候補リストと意思決定基準に含まれるのか」である。

したがって、AIエージェント経済は、インターネットビジネスモデルの自然な延長ではなく、インターネットの成長神話と広告ロジックに対する逆修正である。

インターネット（ソフトウェアを含む）のビジネスモデルの基本的なロジックは、経済学の最も基本的な式で理解できます：

TC = FC + MC × Q（総コスト = 固定コスト + 増分コスト × 生産量）

従来のインターネット時代において、アプリの開発、記事の執筆、動画の録画など、主なコストは前期の開発と制作段階に集中し、高い固定コスト（FC）となります。しかし、製品がリリースされた後、最初のユーザーへのサービスと最初の百万ユーザーへのサービスとの間で、企業が追加するサーバーおよび帯域幅コストはほぼ無視できるほど小さく、限界コスト（MC）は0に近くなります。

この極めて低い限界コストにより、関連するビジネスモデルは自然に強いスケールメリットを備えます。デジタル製品の核心的な特徴は、無限に複製可能で、複製コストがほぼゼロであることです。ソフトウェアの開発が完了し、サーバーの導入が整えば、新規ユーザー1人あたりの限界コストはほぼ無視できるレベルであり、追加で数KBのストレージ空間と数KBの帯域幅を消費するだけです。

この特性により、プラットフォーム経済は規模の利点をより容易に構築できます。最初に規模の臨界点に到達した企業は、追加収益をより高い割合で利益に変換でき、強力な事業レバレッジを形成します。

この基础上、インターネットは三大古典的なビジネスモデルへと進化しました。

サブスクリプションモデル：ソフトウェアの複製コストは極めて低く、サブスクリプションユーザーの増加は直接収益の増加につながる。これが、資本市場がSaaS企業に長期的に高い評価を付ける理由である。損益分岐点を越えれば、利益の成長速度は通常、収益の成長速度をはるかに上回る。

手数料モデル：取引、支払い、および履行インフラを構築し、取引が増えるたびに安定した手数料を徴収します。

広告モデル：無料サービスで大量のユーザーを獲得し、その注目を広告主に販売する。検索広告を例に挙げると、検索アルゴリズムと広告システムが導入された後、追加の検索リクエストごとのサーバーコストは相対的に限られている一方、追加の広告クリックごとに収益が増加する。

広告モデルが長期間成立する理由は、ユーザー数が多いだけでなく、ユーザーのジャーニーが十分に長いからである。ユーザーはニーズを生じてから購入に至るまで、検索、閲覧、比較、保存、問い合わせ、移動、注文などの複数のステップを経る。プラットフォームは検索結果ページで広告を販売し、フィード内でプロモーションを行い、詳細ページでコンバージョンを強化し、リマーケティング段階でもユーザーの意思決定に影響を与えることができる。広告の価値は、本質的にユーザーのジャーニーへの段階的な関与から生じる。

プラットフォームはユーザーの各判断に対してフルサービスコストを負担する必要はありません。検索エンジンはユーザーを特定のウェブページに誘導し、ソーシャルプラットフォームはユーザーを特定のブランドアカウントに誘導し、ショートビデオプラットフォームはユーザーを特定のライブストリームに誘導し、ECプラットフォームはユーザーを特定の商品詳細ページに誘導します。プラットフォームは主に「情報と注目をマッチング」しています。

インターネットは既存の情報を配信するものであるのに対し、AIはリアルタイムで情報を生成する。この「コピー」から「生成」への本質的な変化は、完全に異なるコスト構造とビジネスロジックをもたらした。

まず、AI推論のコストは明示的であり、AIの限界コストはゼロより著しく大きい（MC > 0）。

大規模モデルが1つのトークンを入力または出力するたびに、GPUは高速で動作し、実質的な電力とチップの減価償却費を消費する。モデルのパラメータが大きくなるほど、コンテキストが長くなるほど、タスクが複雑になるほど、1回の推論コストは高くなる。簡単な質問応答、Deep Research、コード開発、複数ソフトウェア間の操作など、1回の処理ごとのコストは数十倍、さらには百倍以上異なる可能性がある。AIエージェント経済はゼロではない限界コストを有しており、その限界コスト自体が非常に異質である。

単一トークンの価格は急速に下落しているが、これは限界コストがゼロに近づき続けることを意味しない。エージェントの能力が向上するにつれ、1タスクあたりのトークン消費量は数百から急速に数十万へと増加している——計画、ツールの呼び出し、ファイルの読み取り、自己検証、失敗時の再試行はすべて大量の計算リソースを消費する。単一トークンはデフレだが、単一タスクはインフレであり、この2つの曲線の差がAI経済学の核心を成している：トークンが安くなればなるほど、人々はAIにより重い作業を任せようとするため、総請求額は逆に大きくなる。これがAI分野における「ジェヴォンズのパラドックス」である。

単一トークンの価格下落は一方的な下落ではない。モルガン・スタンレーの統計によると、2026年第二四半期の中国製大規模モデルの平均API出力価格は、2025年第一四半期と比較して約80%上昇しており、業界は価格競争から価値ベースの定価へと移行している。価格自体も層別化しており、商品化されたモデルはさらに下落する一方で、最先端モデルは逆に価格を引き上げている。最先端の知能は価値に基づいて定価付けされており、そのコストは商品化と同時に低下することはない。

バッチ処理によるGPU利用率の向上、KVキャッシュの最適化、自社構築の推論クラスタ、自社開発チップなどの方法で単位コストを削減することは可能だが、その限界コストの低下幅はインターネット経済ほど大きくなく、利用深度の増加によって相殺される。これがChatGPTがユーザー数の急増後に迅速に有料サブスクリプション版を導入した主な理由である。

同時に、固定コストは「一回性」から「永続性」へと変化した。訓練コストはもはや一回限りの固定投資ではなく、半年から一年ごとに次世代モデルを更新するための永続的な資本支出となっている。大規模モデルは「賞味期限」が6〜12ヶ月の「消耗資産」となり、再訓練を怠れば急速に陳腐化する。一方、単一の訓練コストは数千万ドルから数億ドルに達する。OpenAIを例に挙げると、2025年の収益は130.7億ドルで、粗利益率は約43％（この計算では推論用計算リソースのみを控除し、最も高額な訓練用計算リソースは研究開発費として別途計上）だが、研究開発費は191.8億ドルに達し、そのうち約106億ドルはマイクロソフトへの訓練用計算リソース支払いに充てられており、これが主な赤字の原因となっている。

したがって、AIエージェント経済は以下の特徴を示す：推論コスト（変動コスト）は使用量に比例して増加し、非常に差別化される；インフラと人材コスト（半固定コスト）はユーザー規模に応じて「段階的」に急増する——ユーザー数がある閾値を超えると、新たなGPUサーバーの追加が必要になる；同時に、研究開発コスト（すなわちモデル訓練コスト）は膨大である。これらのコストが重なり合って、AI企業は常に利益の全額を再投資する軌道上にあり、インターネット業界に見られる「損益分岐点を超えた後の利益の指数的成長」という甘いポイントは存在しない。

このコストのロジックは、業界の競争優位の源泉を再構築しました。インターネットの核心的な壁はネットワーク効果であり、ユーザーが増えれば増えるほど製品は使いやすくなります。一方、エージェントの壁の性質は変化し、関係チェーンのネットワーク効果からデータの飛輪効果と移行コストへとシフトしています。新たな壁は、蓄積されたコンテキスト—ユーザーの記憶、好み、ファイル、ワークフロー、および認証データ—から生じます。使用期間が長くなるほど、エージェントのユーザーへの適合度は高まり、サービスプロバイダーを変更する際の移行コストも大きくなります。インターネットはユーザーの関係チェーンをロックし、エージェントはユーザーの作業コンテキストをロックします。これが業界がエントリーポイントの確保に熱心に取り組む核心的な理由です。競っているのは単なるトラフィックではなく、コンテキストの初期蓄積です。

明らかに、AIエージェント経済を理解するには、別のロジックが必要です。インターネットプラットフォームは「ユーザー入口」を競い合いますが、AIエージェントプラットフォームは「タスク入口」を競い合います。

インターネット経済の基本単位が「曝光/クリック」であるとすれば、AIエージェント経済の基本単位は「タスク」である。クリックはユーザーがあるページにアクセスしたことを示すにすぎないが、タスクはユーザーがAIに特定の目標の達成を依頼することを意味する——エージェントは目標を理解し、タスクを分解し、ツールを呼び出し、ファイルを読み取り、ソフトウェアを操作し、結果を繰り返し検証し、必要に応じてユーザーから認可を求める必要がある。これにより、AIエージェントのコスト構造は「デジタルメディア」ではなく、「デジタル従業員」に近づく。

過去、ユーザーは検索エンジンで「どの装修会社が良いか」と尋ねると、検索結果としてウェブページ、広告、マップが表示されていた。現在では、ユーザーは直接エージェントに「信頼できる装修会社を3社選び、見積もり、評判、施工保証を比較して、面談を予約してほしい」と依頼する可能性がある。前者のビジネス価値は表示とクリックに由来するが、後者のビジネス価値はタスクの完了と意思決定の代理に由来する。広告はもはやページ上に表示される情報ではなく、エージェントの意思決定プロセスにおける候補、データソース、信頼できる情報源、または取引インターフェースとなり、ユーザーが最終的にタスクを完了するのを支援するようになる。

モデル企業は単に基盤能力を提供するだけでなく、次世代のタスクオペレーティングシステムとなる。AIネイティブ企業も、総合大手企業も、いずれ「大規模モデル」から「エージェントプラットフォーム」へと進化し、Claude Cowork、Codex、Workbuddyなどの製品を次々と発表している。ユーザーのタスク入口を掌握する者が、ツールの呼び出し順序、データソースの優先順位、商業的推奨ロジック、およびトランザクションのクローズドループを決定することができる。

単位経済がマイナスであることを明知しながらも、エントリーポイントを奪うために資金を投入する――これが現在の業界における最も核心的な戦略的賭けであり、評価の議論の源泉である。エントリーポイントの背後には、ユーザー数や対話回数だけでなく、今後のタスク配分、商業的推奨、そしてトランザクションのサイクルを制御する権利が隠されているからである。

この論理の転換は、必ずもう一つのトレンド、すなわち階層化をもたらす。

インターネット製品は極限の標準化を追求し、1つのコードですべてのユーザーにサービスを提供することで、ゼロ限界コストの利点を最大限に活かす。一方、AIエージェントは自然に階層化された供給に適している——複雑さの異なるタスクのコスト差は非常に大きく、簡単な質問応答と複雑な推論のコストは数十倍、場合によっては百倍以上異なる。そのため、AI企業は異なるレベルの製品を提供する：無料版は小型モデルを使用し、利用量を制限；ベーシック有料版は中規模モデルを使用；アドバンスド版は最強モデルを使用；エンタープライズカスタム版は専用デプロイと最適化を提供する。

この階層的価格設定は本質的に、コストに応じて段階的に分け、価値に応じて料金を課す仕組みであり、価値とコストは正の相関関係にあります。ユーザーが得られる能力が強くなるほど、支払うコストも高くなります。したがって、AI Agentエコシステムには「二重速度経済」が生まれます：半世代遅れた知能は非常に安価（オープンソース＋大手企業の補助により、水道・電気・ガスのようなインフラになります）であり、最先端の知能は常に高価（最強モデルは常にコスト曲線の最も高価な端に位置します）。無料の知能は「昨日」のものであり、有料の知能は「今日」のものです。

AIエージェント経済が従来の経済に与える最も深い影響は、市場に新たなAI製品が追加されることではなく、かつてウェブサイト、アプリ、ソフトウェアに分散していたユーザー入口が、新たなタスクエージェント層によって再び争われている点である。スマートフォンメーカー、スーパーアプリなどはそれぞれ独自のエージェントを開発しており、入口は未だ統一されておらず、むしろさらに断片化している。過去のインターネットの利益池は「トラフィックがどこを通過するか」を中心に形成されていたが、将来は「タスクを誰が編成し、誰が実行するか」を中心に再分配される可能性が高い。

最初に変更されたのは、エントリーリストと配布権です。

インターネット時代において、検索エンジン、アプリストア、コンテンツプラットフォーム、スーパーAppがエントリーポイントを掌握し、企業はランキングや推奨ポジション、ユーザーの利用時間の獲得を競ってきた。しかし、Agentが登場したことで、ユーザーはもはやアプリを一つずつ開く必要がなくなり、航空券の予約、サプライヤーの検索、データ分析、メールの返信など、すべて同じタスクのエントリーポイントから開始できるようになった。ウェブサイトやアプリは消えることはないが、今後ますますAgentの背後にあるデータソース、ツール、履行インターフェースとして機能するようになるだろう。

これは、新しいプラットフォームの権力が単に「ユーザーをどこに誘導するか」ではなく、タスクをどのように完了させるか——どのモデル、どのソフトウェア、どの merchant、どのデータセットを呼び出すか——を決定することを意味する。かつて検索エンジン、アプリストア、トラフィックプラットフォームが握っていた一部の「配布税」が、徐々にAgentプラットフォームに移行する可能性がある。

見過ごされがちだが極めて重要な影響：AIエージェントが顧客ジャーニーを大幅に短縮し、広告ビジネスの空間を圧縮している。

過去、ユーザーは取引に進むまでに十回検索し、複数のウェブサイトやプラットフォームを比較する必要があったが、AIシナリオでは、ユーザーが3〜5回連続して質問するだけで、情報の絞り込み、プランの比較、購入決定を完了できる。意図が高く、意思決定が強く、比較が重要な業界ほど、AIによって配信ロジックが書き換えられやすい。ユーザーは検索結果、コンテンツページ、商家のホームページの間を繰り返し行き来する必要がなくなり、意思決定のタスクをAIに直接委ねることができる。このとき、広告が介入できるポイントは減り、従来の広告の影響力も弱まる。

本当に難しいのは、AIの回答に含まれる広告を明確に示す必要があることである。過去には、広告を検索順位、情報フローのネイティブ広告、インフルエンサーの推奨、ブランドコンテンツなどのさまざまなシーンでユーザーのジャーニーに組み込むことができたが、AIの回答では、ソフトな形や隠蔽された、あるいは明示されていない商業的推奨が、ユーザーがプラットフォームの客観性に対する信頼を直接損なう。AIがユーザーに代わって判断を下すエージェントに近づくほど、ユーザーはその判断が透明性のない形で商業的利益に影響を受けていることを容認しなくなる。

第二層の衝撃は、プラットフォームと仲介経済にまもなく発生する。

買い物、旅行、デリバリー、地域生活などの取引プラットフォームは、本質的にユーザーの検索、比較、取引マッチングを支援するものであり、これらのプロセスはエージェントが最も自動化しやすい部分である。単に「情報リスト」を提供する中間層は圧縮され、真正に回避できないのは、独占的供給、決済、信用、物流、アフターサービス、およびオフラインでの履行となる。

取引プラットフォームの競争優位は、「どれだけのトラフィックを保有しているか」から、「どれだけのエージェントでは代替できない真の供給と実行能力を掌握しているか」へと移行する。

閉じた取引フローを持つ大手企業にとって、AIは短期的には既存の広告および取引ビジネスに影響を与えるが、長期的にはAIエージェントの参入が新たなビジネスの増幅器となるだろう。プラットフォームがユーザーの需要と事業者の供給、取引、支払い、履行、アフターサービスをすべて掌握すれば、ビジネス価値を全体を一括して再編することが可能になる。事業者がECプラットフォームで広告を出稿 → GMVが向上 → AIが推薦段階でGMVが高く、評価が良く、履行が安定したブランドを優先的に表示 → ブランドがAIシナリオで取引の閉ループを実現 → プラットフォームは広告価値、取引価値、AI配信価値を同時に向上させる。

重要な制約は、AIが従来の広告プラットフォームのように過剰な広告料を徴収しないことです。AIが料金を高すぎると、最も核心的な資産である客観性とユーザーの信頼を損ないます。より適切な方法は、業界標準レベルに合わせた一定割合の技術サービス料を徴収することです。通常、その料率は1%～10%の範囲で、計算リソース、呼び出し、およびサービスコストのカバーに使用されます。

第三の層、より深遠な変化は、ソフトウェア経済とサービス経済の境界が曖昧になり始めていることである。

従来のSaaS（ソフトウェアを含む）は本質的に依然としてツールである。SalesforceはCRMシステムを提供するが、顧客関係を実際に維持するのはセールス担当者である。Adobeはデザインソフトを提供するが、実際にデザインを完了するのはデザイナーである。財務ソフトはデータの記録を担うが、分析と意思決定は依然として人間が行う。そのため、SaaSのビジネスモデルは長年にわたり「席（Seat）」を中心に展開されてきた。企業がどれだけの従業員がソフトを使用するかに応じて、その分のアカウントを購入する仕組みである。近年、使用量に基づく課金が台頭し、ハイブリッド課金が主流となっているが、コラボレーション系ソフトでは依然として席モデルが広く採用されている。

AIエージェントはこの前提を変える。

ソフトウェアが自らデータを読み取り、次の行動を判断し、作業を実行できるようになると、企業が購入するのは「従業員が使用するソフトウェア」ではなく、タスクを直接完了する能力になる可能性がある。AIエージェントは、CRM、ERP、BI、メール、カスタマーサポートシステムを同時に操作でき、かつて複数の従業員が複数のソフトウェア間で行っていたプロセスが、1回のタスク呼び出しで圧縮される。このとき、「従業員が増えれば、Seatが増え、SaaS収益が上がる」という成長ロジックは課題に直面する。

さらに重要なのは、SaaS自体が層構造を形成する可能性があることです。下層には、顧客、注文、財務、在庫などのコアデータを保存する「システム（System of Record）」があり、上層には、要件を理解し、システムを呼び出してタスクを完了する「能力（System of Action）」が現れます。

過去、両者は同じソフトウェアインターフェースに統合されていたが、将来は分離される可能性がある。コアデータ、権限、コンプライアンス、およびビジネスルールを制御するソフトウェアは依然として高い障壁を持つ一方で、主にインターフェース、プロセス、機能の統合に価値を持つソフトウェアは大きなリスクにさらされる。エージェントがインタラクション層を掌握した場合、これらのソフトウェアはユーザーが毎日開くアプリケーションから、エージェントのバックエンドで呼び出されるインターフェースに後退する可能性がある。

逆に、これはソフトウェア市場が初めて大規模に従来のサービス業に浸透することを意味する。過去、ソフトウェア企業は企業のIT予算を争っていたが、今後AIエージェント企業はより大きな人件費、アウトソーシング予算、専門サービス予算をターゲットにするだろう。カスタマーサポート、基礎研究、セールス運用、採用スクリーニング、財務処理、さらには一部のコンサルティング業務までが、「人の時間を購入する」から「機械にタスクを完了させる」ことに移行する可能性がある。そのため、ソフトウェアの市場範囲は、過去の「デジタル化予算（Software Spend）」から、「人件費予算（Labor Spend）」へと侵食し始めている。

過去20年間のインターネット経済：ユーザー数の増加はより多くのトラフィックを生み、そのトラフィックは広告、取引、サブスクリプション収入の増加をもたらした。一方、新規ユーザーの獲得にかかるコストはそれほど顕著には増加しなかった。「まずユーザー規模を拡大し、その後収益化策を見つける」ことが、インターネット時代の最も古典的な成長モデルとなった。

AIエージェントがこの単純な線形関係を終えています。

AIエージェントが提供するのはもはや情報だけでなく、実際の計算リソースを消費し、外部ツールを呼び出してタスクを完了することです。ユーザー数が増えても、利益が必ずしも増えるとは限りません。タスクが複雑になればなるほど、コストがさらに速く増加する可能性があります。企業が真に計算すべきは、DAUや離脱率、ユーザー滞在時間ではなく、1つのタスクを完了させるのにいくらかかるか、ユーザーがその結果にいくら支払う意欲があるか、そしてプラットフォームがその中でどれだけの価値を保持できるかです。

AI時代に真正に希少なものが変化している。

インターネット時代では、流量が希少であるため、企業はユーザーの注目を奪い合う。AIエージェント時代では、真正に希少なのは高価値タスク、およびそのタスクを完了するために必要なデータ、権限、ツール、実行能力かもしれない。

AIエージェントは、インターネットの次世代の製品形態ではなく、デジタル経済の最も基本的な取引単位を変革している。エージェントが販売するのは、タスクを完了する能力である。

経済の基本単位が「クリック」から「タスク」へ、そして「ツールの使用」から「結果の提供」へと変化するにつれ、過去20年間にトラフィックに基づいて構築されてきたビジネスモデル、プラットフォームの権力、そして利益の分配は、必然的に再編を迫られる。

本文は微信公众号「腾讯研究院」（ID：cyberlawrc）より、著者：AI経済研究チーム