OpenAIが「成果に応じて課金」を実験中——成果報酬型AIを成立させる3つの条件

成果報酬型AIは、モデル性能だけでなく、成果の定義・第三者による判定・外れを吸収する原価と契約によって成立する。
OpenAIが対象に挙げた半導体設計、ライフサイエンス、金融は、専門家の評価基準を蓄積してきた領域と重なる。
日本企業は、自社の業務で何を良い成果と呼ぶかを言語化できるかが、買い手・売り手の双方で交渉力を左右する。

OpenAIが、利用量ではなく「事業成果」に応じて課金する仕組みを実験している——CFOのSarah Friar氏が2026年9月8日、サンフランシスコで開かれたGoldman SachsのCommunacopia + Technologyカンファレンスでそう明かしました（Reuters配信）。

興味深いのは、対象として挙げられた業種です。半導体設計、ライフサイエンス、金融サービス。どれも単価が高く、そして「何をもって成功とするか」が外から見えにくい領域ばかりです。

この記事では、なぜOpenAIがこの3業種を選んだのか、成果報酬型のAIビジネスを成立させるには何が必要なのか、そして日本で自社がどちら側に立てるのかを整理します。結論から言えば、鍵を握るのはモデルの性能ではなく、業界の知見です。

1 OpenAIが「成果に応じて課金」を試し始めた
2 狙ったのは、専門家を買い集めてあった3業種
3 条件1：その業界の言葉で「成果」を定義できるか
4 条件2：成果を、第三者が判定できる形に切れるか
5 条件3：外したときを吸収できる原価と契約になっているか
6 日本にはもう来ている。ただし「値下げ要求」という顔で
7 結論：明日、紙一枚で書けるか
8 よくある質問（FAQ）

OpenAIが「成果に応じて課金」を試し始めた

Friar氏の説明はシンプルでした。企業側がAI投資のROI（投資対効果）を強く求めるようになったので、使った量ではなく、出た成果に応じて払ってもらう形を試している、というものです。

ただし現時点で公表されているのは「実験している」という事実だけです。課金単位も価格も未公表で、どの顧客と、いつから始めるのかも明らかにされていません。ここは期待と実態を切り分けて見る必要があります。

一方で、その前提条件にあたる部分はすでに動いています。OpenAIは低価格モデルのLunaを80%値下げし、その結果として利用量が約10倍に増えたと説明しました。コーディング支援のCodexは利用者2,500万人。企業向け売上は6月から7月にかけて32%伸び、全社の年換算成長率20%を上回っています。

値段を8割下げて利用が10倍になるということは、売上がむしろ増えたということです。価格を下げれば需要が跳ねる、という手応えを掴んだわけです。だからこそ次は、値段を下げる話ではなく、課金の形そのものを変える話へ進める。順序としては自然に見えます。

自社設計チップの話も同じ文脈にあります。Broadcomと共同開発した推論用チップ「Jalapeño」について、OpenAIは自社モデルを設計に使い、9ヶ月未満でテープアウト（設計を確定して製造工場へ渡す工程）まで到達したと公表しています。汎用のAI向けGPU比で約50%のコスト優位があるとの主張です。※この50%は同社の主張で、第三者検証はありません。

成果課金は「安く大量に動かして、当たった分だけもらう」商売です。原価の切り下げは、その前提条件にあたります。

狙ったのは、専門家を買い集めてあった3業種

では、なぜ半導体設計・ライフサイエンス・金融サービスなのか。

先に押さえておきたいのは、OpenAIがこの分野の先頭ではないという事実です。成果課金そのものは、すでに複数の企業が実装しています。Intercomのサポートエージェント「Fin」は公式価格ページで1解決あたり0.99ドルと明示。Salesforceも2026年6月に「Agentforce Help Agent」で1解決あたり2ドルの定額課金を発表しました（Constellation Research）。

ただし先行組が選んだのは、いずれもカスタマーサポートの1解決という、成果が数えやすい領域です。低単価で、件数が多く、成果が一件ずつ切り分けられる。

OpenAIが挙げた3業種は、その真逆にあります。単価は桁違いに高いが、成果は年に数回しか発生せず、しかもAIの寄与分と人間の寄与分が溶け合っている。宅配便を1個届けたらいくら、という数え方が使えません。

それでもこの3つを選べる理由が、OpenAIにはあります。専門家の知見を、先に買い集めてあったからです。

象徴的なのがProject Mercuryです。Bloombergが2025年10月に報じたところによれば、OpenAIはJPMorgan、Goldman Sachs、Morgan Stanley出身の元投資銀行員を100人超、時給150ドルで契約し、IPOやリストラの財務モデルをExcelで週次提出させていました（Quartz）。※Bloomberg原文は有料で、二次報道での確認にとどまります。

しかも集めたのは、学習データだけではありません。もっと重要なのは、評価基準そのものを大量に作らせていることです。

たとえば医療分野のHealthBenchは、60カ国262人の医師と共同で構築され、評価基準は48,562個にのぼります（OpenAI）。職種横断のGDPvalは、米GDP寄与上位9業種44職種で1,320タスク。作成者は平均14年の実務経験者で、評価は同じ職種の専門家がAIの成果物と人間の成果物をブラインドで並べ、「優れる／同等／劣る」を判定する設計になっています（OpenAI）。

これは「AIが賢いかを測るものさし」であると同時に、その職種で何が良い仕事かの定義を、専門家の手で在庫化したものでもあります。成果課金の契約書に書く文章は、突き詰めれば採点基準表です。何万項目もの採点表を先に持っている会社と、持っていない会社では、書ける契約の精度がまるで違います。

ただし注意点がひとつ。OpenAIが「ベンチマークの採点基準を課金の成果定義に転用する」と明言した事実はありません。構造として整合するというだけで、ここは推測です。

なお3業種のうち半導体設計だけは、外部から知見を買った領域ではなく、Jalapeñoの設計という自前の実証がある領域です。売る前に自分で使って結果を出している。「9ヶ月でテープアウト」という一言が、そのまま成果定義のたたき台になります。

ここから、成果報酬型を成立させる条件が3つ見えてきます。

条件1：その業界の言葉で「成果」を定義できるか

第一の条件は、成果を業界の言葉で書けることです。

「業務を効率化する」では契約になりません。必要なのは、その業界の人が読んで一意に解釈できる粒度です。半導体設計なら設計サイクルの短縮日数、創薬なら候補化合物の絞り込み精度、金融なら財務モデルの再作業率。粒度が業界語になっているかが分かれ目になります。

そしてこの粒度は、外部から眺めていても書けません。現場で長くやった人の頭の中にしかない。OpenAIが平均14年の実務家に1,320タスクを書かせたのも、時給150ドルを元バンカーに払ったのも、そこにしか答えがないからです。

裏返せば、日本企業にとってはここが勝負どころになります。自社が10年、20年と積み上げてきた業務の中に、「何をもって良い仕事とするか」の判断軸が眠っている。それを言語化できていれば、成果課金の交渉で定義を書く側に回れます。できていなければ、相手の定義を飲むしかありません。

条件2：成果を、第三者が判定できる形に切れるか

第二の条件は、その成果が判定可能な形に切れることです。ここは先行組の失敗から学べます。

Zendeskは1解決あたり約1.50ドル（コミット時）で課金しますが、その「解決」の判定条件が独特でした。メールやWebフォームの場合、AIが返信してから72時間、顧客から反応がなければ解決とみなすというものです。

お分かりの通り、これには穴があります。諦めて去った顧客と、満足した顧客が、システムから見て完全に同一に見える。店員に聞いても答えが返ってこなくて無言で出ていった客を「満足してお帰りになった」と記録し、しかも請求するようなものです。

Zendeskも手を打っています。2026年5月以降は、別の言語モデルが会話記録を読んで「その返信は的を射ていたか」を検証したものだけを課金対象とする方式に変わりました（Robylonによる解説）。有人にエスカレーションした案件は課金なし、検証を通らなかったものも課金なし。「沈黙イコール成功」から「沈黙プラスAI審査員の合格イコール成功」へ進化したわけです。

それでも限界は残ります。審査するのも結局はAIだからです。同じ思い込みを共有していれば、同じ見落としをします。

さらに難しいのが、高付加価値領域の帰属問題です。サポートの1解決なら、AIが対応したと切り分けられる。しかし半導体設計や創薬では、AIが出した案を人間が直し、上司が判断し、組織として採用します。AIの寄与分だけを抜き出すのは事実上不可能です。Zendesk自身も、公式ブログで「どのシステムやチームが実際に成果を生んだのか切り分けるのが難しい」と課題に挙げています。

だから成果課金の設計では、「何を成果とみなすか」と同じ重さで、「誰がどう判定するか」を決めなければなりません。ここを空欄にしたまま署名すると、判定権を持つ側にすべて有利に働きます。