「AIは便利だが、利用料が想定を超えて膨らむのではないか」
「全社員に高性能モデルを配布する運用に不安を感じる」
「経営層にROIを説明できない」
そう感じている情シス責任者や中小企業経営者は多いはずです。実は、その悩みはMicrosoft社内でも同じで、2026年に入ってからCopilotのAI処理の一部をChatGPT（OpenAI）・Claude（Anthropic）のモデルから自社製「MAIモデル」へ切り替え始めました。この背景にあるのは、生成AIの推論コストが企業経営を圧迫し始めている現実です。
本記事では、この動きを起点に、AI活用が「性能競争」から「原価管理」の時代へ移った理由を整理します。加えて、中小企業が明日から始められる社内AIの棚卸し手順まで落とし込んで解説します。読み終えたときには、自社の業務にどの階層のAIを割り当てるべきかの判断軸が決まるでしょう。
【本記事の要点】
- Microsoftは自社CopilotのAI処理の一部を、OpenAI・Anthropicから自社製MAIモデルへ切り替え始めている
- 推論コストがモデル生涯コストの7割超を占める時代となり、AI活用は「使い分け」フェーズへ移行した
- 中小企業も、業務難易度と機密性で3階層に分けたモデル運用を検討すべきタイミング
- 最初の一歩はAI利用業務の棚卸しと、月額課金の内訳と手戻り時間の可視化
MicrosoftがCopilot内部で始めた「AI原価管理」とは
Microsoftは、自社Copilotの一部AI処理を、外部モデルから自社製「MAIモデル」へ静かに切り替えました。この現象は何をあらわしているのでしょうか。本章では、その意味を実務目線で整理します。
OfficeアプリのAI処理が自社モデルへ振り分けられ始めた
Microsoftは2026年7月時点で、Microsoft 365 CopilotのAI処理の一部を、これまで使ってきたOpenAI・Anthropicのモデルから、自社開発の「MAIモデル」へルーティングし始めたとBloombergなど複数媒体が報じています。対象はExcelやOutlookで動く比較的定型的なリクエストで、報道によれば既に週数万件規模のリクエストがMAIモデルで処理されているとされます。ExcelやOutlookのCopilotは、これまでOpenAIとAnthropicのモデルに強く依存してきた領域でした。
Microsoftがこの動きに転じた背景は、推論コストの拡大と外部依存の低減という経営的な判断です。ユーザーから見た体験はほぼ変わらないまま、内部処理だけが差し替わっている点が、この動きの本質と言えます。契約している側の企業が意識する機会は少ないため、経営者や情シスからは見えづらい変化です。
出典・参照：
- TechCrunch（Microsoft joins AI cost-cutting trend、2026年7月）
- the-decoder（Copilot goes cheap as Microsoft phases out OpenAI and Anthropic models、2026年7月）
MAIファミリーの構成と発表の背景
- 推論用途のMAI-Thinking-1
- コード生成向けのMAI-Code-1-Flash
- 画像用MAI-Image-2.5
- 音声合成のMAI-Voice-2
- 文字起こしのMAI-Transcribe-1.5
Microsoftは2026年6月のBuildカンファレンスで、上記のモデルを始めとして、計7モデルからなるMAIファミリーを発表しました。訴求点として掲げられたのは絶対性能ではなく、コスト効率です。
さらに基盤となる初のフラッグシップモデル「MAI-1-preview」は2025年8月に公開されており、Mixture-of-Experts構成で約15,000基のNVIDIA製H100を用いて学習されたと報告されています。
つまりMicrosoftは1年以上かけて自社モデルの内製化を進めてきたことになります。この文脈から見えるのは、単発の実験ではなく、Copilotの原価構造そのものを組み替えようとする戦略的な動きです。
出典・参照：
なぜOpenAIとの関係を断たず「使い分け」を選んだのか
MicrosoftはOpenAIとの提携を解消したわけではありません。むしろ、複雑な推論や創発的な業務は上位モデルに任せ、要約・分類・定型返信といった軽量なタスクは自社モデルに振り分けるという「使い分け」を選択しました。この姿勢は、性能で勝つか負けるかの二元論ではなく、業務ごとに最適な性能と費用のバランスを取るという運用設計の思想を表しています。
同じ理屈は、Copilotの背後で動くモデル構成を意識せず契約している日本の中小企業にもそのまま跳ね返ってきます。自社が契約しているSaaSの内部モデルが差し替わっているかもしれない、という視点を持たなければならない段階に入ったのです。
推論コストが新しい経営課題になった
なぜMicrosoftのようなビックテックの一角でさえ、AIを使い分けざるを得ないのか。この章では、推論コストという新しい経営課題の輪郭を、公表されたデータから確認します。中小企業にとっても、この構造は無視できません。
モデル生涯コストの70%以上を推論が占める
Gartnerは、生成AIモデルの生涯コストの少なくとも70%を推論（インファレンス）が占めると推計しています。AIの学習フェーズは一度で終わりますが、推論はユーザーがモデルを使い続ける限り毎日発生し続けます。つまり、AIを社内展開すればするほど、ランニングコストとしての推論費用が経営を圧迫していく構造です。
Microsoftのような大手が自社モデルへ切り替えを進める根拠のひとつがここにあります。中小企業にとってもこれは他人事ではなく、AI利用量が業務に浸透するほど、毎月の従量課金が想定を超えて膨らむ可能性を示しているのです。
出典・参照：
企業の生成AI支出は1年で3倍超に急拡大
Menlo Venturesの試算では、企業の生成AI支出は2024年の推定115億ドルから、2025年には370億ドルへと3倍以上に拡大したとされます。この伸びは、AIが個人の試用段階から業務利用へと本格的に移行したことの裏返しです。
同時に、経営から見れば「便利だから使わせているうちに、いつの間にか固定費が膨らんだ」という事態が現実化していることを示します。Microsoftが支払う金額の絶対値は日本の中小企業とは規模が違いますが、比率としての伸び方は共通の警鐘と受け取るべきです。ここで対策を打たなければ、AI予算は雪だるま式に膨らむ可能性があります。
出典・参照：
全業務に最高性能モデルを当てる運用は続かない
理由を突き詰めると、AIの性能と費用は明確に相関します。定型的なメール文案の作成と、複雑な財務分析では、必要な推論性能が桁違いに異なります。前者に最高性能モデルを使えば、料金は数倍から十数倍に膨らむ一方、体感の品質差はほとんど生まれません。
Microsoftの動きは、この経済原理をAI業界もようやく直視し始めた証です。中小企業が意識すべきなのは、性能を選ぶ自由より、性能を選ばない運用が費用面で持続不能になるという点です。「便利だから」で導入した仕組みが、数ヶ月後に経営を圧迫し始める前に、使い分けの発想へ切り替えていく必要があります。
モデルルーターという「振り分け」の設計思想
使い分けを人間が毎回判断するのは現実的ではありません。この章では、Microsoftが提供している「モデルルーター」の仕組みを手がかりに、AI原価管理の設計思想を読み解きます。
タスクの難易度に応じて自動で振り分ける
Microsoft AzureのFoundry公式ドキュメントは、「モデルルーター」機能を、品質を維持しつつタスクの複雑さに応じて小型・安価なモデルへ自動でルーティングし、コストとレイテンシを最適化する仕組みと説明しています。従来はエンジニアがユースケースごとに手動でモデルを指定していましたが、この機能は入力の難易度を判定し、上位モデルが必要か軽量モデルで十分かを自動で決めます。
中小企業がこの機能を直接運用することは現実的ではないかもしれません。ただし、考え方だけは持ち帰る価値があります。「全部を上位モデルに投げる」から「難易度で自動振り分けする」への転換は、AI活用の運用設計そのものを変える動きだからです。
出典・参照：
公式ガイドが示す「使い分け」の目安
Microsoft Learnが公開するモデル選択ガイドは、複雑な推論を伴うタスクは上位モデル、リアルタイム対話や大量処理は軽量モデル、というように、業務特性ごとにモデルを選び分ける方針を明示しています。「すべてを高性能モデルで処理する必要はない」という記述は、Microsoft公式の姿勢として明確です。
この方針を自社に置き換えると、議事録の文字起こしや簡易要約は軽量モデル、契約書の論点抽出や意思決定支援は上位モデル、という具合に、社内ルールで階層化して運用する発想につながるでしょう。ベンダー側の推奨がここまで踏み込んでいる以上、利用側の企業も「高性能一律」の運用を見直す好機です。
出典・参照：
コスト最適化の5つの実務手法
Microsoft Azureの公式コスト最適化ガイドは、AIワークロード向けの実務手法として、以下の5つを挙げています。
- プロンプトキャッシュ
- セマンティックキャッシュ
- バッチ処理
- モデルルーティング
- モデルの適正サイズ化（right-sizing）
ただし、これらを中小企業がすべてを自前で実装するのは現実的ではありません。
むしろ、これらが「大手ですらコスト最適化の常套手段として並べる項目」であるという事実こそが示唆的です。SaaS選定時に「どのモデルが動いているか」「キャッシュや適正サイズ化がされているか」を確認する視点が、これからのAI調達には欠かせません。
出典・参照：
The post 高性能AIを全業務に使う時代は終わる｜Microsoftが始めた「AI原価管理」【世界のDX潮流】 first appeared on DXportal.
