2026年7月25日
代理店のためのLLMコスト管理：トークン使用量ダッシュボードで粗利を守る
チャットボットの再販ビジネスで、見落とされがちなのに粗利を直接左右する要素があります。LLM（AI）の利用コストです。
顧客に月額固定で販売しているのに、AIの原価は会話量に応じて変動します。この構造を「見える化」できていない代理店は、儲かっている顧客と赤字の顧客を区別できないまま事業を拡大することになります。
本記事では、代理店がLLMコストを顧客別に把握し、粗利を守るための実践的な方法を解説します。
なぜLLMコストが代理店の粗利を左右するのか
チャットボット再販の損益構造はシンプルです。
粗利 = 顧客への販売価格（固定） − プラットフォーム費 − LLM利用コスト（変動）問題は最後の項目だけが変動費であることです。LLMコストは「トークン」（AIが処理する文字のかたまり）単位で発生し、次の要因で変わります。
- 会話量：問い合わせが多い顧客ほどコスト増
- 文書量：参照する社内文書が多いほど1回あたりの処理量が増える
- モデル選択：高性能モデルと軽量モデルで単価が大きく異なる
つまり「月額5万円で販売、原価は平均1万円」と思っていても、ヘビーユースの顧客1社が原価3万円に膨らんでいることは普通に起こります。見えていなければ、対策も打てません。
ステップ1：顧客別・モデル別の使用量を実測する
最初にやるべきことは推計ではなく実測です。
OneBotの管理画面にはトークン使用量ダッシュボードが標準搭載されており、次の粒度でコストを確認できます。
- プロジェクト（＝顧客）別：どの顧客がどれだけAIコストを使っているか
- モデル別：どのAIモデルにいくらかかっているか
- 期間別：月次推移で異常な増加を検知
重要なのは、この数字がAIプロバイダーの公式カウントAPIによる実測値であることです。文字数からの推計値ではないため、請求と乖離しません。MCP連携などでAIがツールを複数回呼び出した場合も、その分のトークンはすべて計上されます。
代理店の月次ルーチン：月初にダッシュボードで顧客別コストを確認 → 販売価格に対する原価率を一覧化 → 原価率が閾値（例：40%）を超えた顧客をマークして対策。この作業は5分で終わります。
ステップ2：モデルの使い分けでコストを最適化する
LLMコスト管理のもう1つのレバーがモデル選択です。
OneBotは複数のAIモデルに対応しており、用途に応じて使い分けられます。
| 用途 | 推奨モデル | 考え方 |
|---|---|---|
| 定型的なFAQ応答が中心 | 軽量モデル（Gemini 2.5 Flash-Lite など） | 単価を抑え、大量の会話に対応 |
| 複雑な文書参照・推論が必要 | 標準〜高性能モデル（Gemini 2.5 Flash、GPT-5 など） | 回答品質を優先 |
| 品質とコストのバランス | 中間モデル（GPT-5 mini など） | 多くのSMB案件の現実解 |
ポイントは「全顧客に同じモデル」ではなく、顧客の問い合わせ特性に合わせて選ぶことです。FAQ中心の顧客を軽量モデルに切り替えるだけで、その顧客のLLM原価が大きく下がるケースは珍しくありません。
また、特定モデルの料金改定や品質変化があった場合も、モデルを切り替えられる構造そのものがリスクヘッジになります。単一モデル専用のプラットフォームでは、値上げをそのまま受け入れるしかありません。
ステップ3：クォータで「使われすぎ」を構造的に防ぐ
実測と最適化の次は、上限の設計です。
OneBotでは顧客（テナント）ごとにメッセージ数のプランを割り当て、超過時の挙動を3パターンから選べます。
| 超過時の挙動 | 向いているケース |
|---|---|
| 停止：上限到達で一時停止 | 原価を確実に固定したい低価格プラン |
| 従量課金：超過分を単価請求 | 使用量に応じて追加収益化したい標準プラン |
| 通知のみ：止めずにアラート | 止めたくない重要顧客・様子見期間 |
使用量がしきい値に達すると自動でアラートメールが送信されるため（日英対応）、「気づいたら原価が倍になっていた」という事態を防げます。
この仕組みがあると、料金プラン設計はこう変わります：「ライトプラン＝月1,000メッセージ・超過時停止」「スタンダード＝月5,000・超過従量」。原価の上限が読める商品として設計できるのです。
試算例：20社運用時の粗利インパクト
仮に20社を平均月額5万円で運用しているとします（売上100万円/月）。
- 管理なし：原価率は顧客ごとにバラバラ（10%〜60%）。全体原価率35%とすると粗利65万円。ただし赤字顧客の存在に気づけない。
- 管理あり：高原価5社を特定 → 2社は軽量モデルへ切替、2社はプラン改定、1社は超過課金に変更。全体原価率が25%に改善 → 粗利75万円（+10万円/月）。
数字は例示ですが、構造は普遍です。見える化 → モデル最適化 → クォータ設計の3段階で、粗利は「運の結果」から「設計の結果」に変わります。
よくある質問（FAQ）
Q1. トークンとは何ですか？
AIが文章を処理する際の最小単位です。日本語ではおおよそ1〜2文字が1トークンに相当します。LLMの利用料金はこのトークン数に単価を掛けて計算されます。
Q2. 使用量の数字は正確ですか？
OneBotはAIプロバイダーの公式カウント機能で実測しています。文字数からの推計ではないため、実際の利用量と乖離しません。
Q3. 顧客ごとに違うモデルを設定できますか？
はい。プロジェクト単位でモデルと応答特性（温度などのパラメータ）を設定できます。顧客の問い合わせ特性に合わせた使い分けが可能です。
Q4. 超過課金の単価は自由に決められますか？
プランごとに超過時の挙動（停止／従量課金／通知のみ）と単価を設定できます。代理店の商品設計に合わせて構成してください。
Q5. コストデータを顧客への報告に使えますか？
使用量・会話数などの分析データはテナント別に確認でき、月次報告の材料になります。報告自動化の詳細は月次レポート自動化の解説記事で解説しています。
Q6. モデルの料金が改定されたらどうなりますか？
モデル別の使用量が見えているため、影響額をすぐ試算できます。必要に応じて対象顧客のモデルを切り替えることで、原価構造を守れます。
まとめ
- 再販粗利の変動要因はLLMコスト。実測できなければ管理できない
- OneBotはトークン使用量ダッシュボード（顧客別・モデル別・実測）を標準搭載
- モデル使い分け × クォータ3モードで、原価を「設計できる変数」に変える
トークン使用量ダッシュボードは、トライアル環境でそのまま確認できます。14日間無料・カード登録不要です。