競合他社は先四半期にAI機能をリリースしました。取締役会はロードマップについて質問し、共同創業者はリンクを送り続けています。
というわけで、あなたの会社もAI機能を追加することになるでしょう。問題は、あなたのチームが「機能を追加したチーム」になるか、「機能の形をしたラッパーを追加したコストセンター」になるかです。この2つの結果を分けるのはモデルの品質ではなく、最初の2週間で下す意思決定——どの機能を選ぶか、どのようなアーキテクチャにするか、トークン計算が示す内容、そして価格設定の方法——です。
このプレイブックでは、これらの意思決定を順番に解説します。「AIを追加する」ことの本当の意味、最初の機能の選び方、SaaSを作り直さずにアーキテクチャを設計する方法、機能がコストを食いつぶすのではなく利益を生むようにユニットエコノミクスを設計する方法、そしてAI機能を負債に変えてしまう失敗パターンまで。技術的な詳細はすべて既存のガイドに譲り、この記事はプロダクトと戦略のレイヤーに留まります。
SaaSにとって「AIを追加する」ことの本当の意味
要点：AI機能には3つの種類があり、そのうち製品戦略になり得るのは1つだけです。
- アシスト機能 —— 要約、レコメンド、翻訳、オートコンプリート。既存のフローを改善します。低リスクですが、伸びしろは限定的です。
- 自動化機能 —— サポートのトリアージ、文書抽出、データエンリッチメント。手作業を代替します。中程度のリスク、実質的なROI、測定可能です。
- 新カテゴリ機能 —— 自社のカテゴリに存在しなかった能力。例えば、顧客自身のデータに対する会話型アナリティクスなど。高リスクですが変革の可能性があり、誰も持っていない機能のため、競合とのベンチマーク比較は不可能です。
予算を台無しにする混乱の元は、ラッパーを戦略と勘違いすることです。ダッシュボードに貼り付けたチャットパネルはAI機能ではありません——それは単なるチャットパネルです。市場はすでにユーザーにその本質を見抜く目を植え付けています。本当のAI機能は、画面だけでなくワークフローを変えます。
AI機能が重要な理由
要点：AI機能は今やリテンションと価格設定のレバーであり、その不在自体が競合へのシグナルになります。
2026年のデータは各業界調査で一貫しています。AI機能はSaaS製品のアクティベーション率向上とリテンション改善に相関し、AIネイティブな機能は差別化レイヤーとして価格ティアに組み込まれるケースが増えています。ここでは手法が不明確な調査を引用するつもりはありません——この傾向は自社のファネルでも確認できます。質問に答えたりステップを減らしたりする機能は、摩擦を増やす機能よりもコンバージョンが高いのです。
何もしないことのコストは、1年前よりも深刻になっています。すべての競合がAIティアを提供しているとき、自社にそれがないことは——ロードマップ、マージン、チームについての——シグナルとして読み取られます。それが公平かどうかは問題ではありません。市場がそう読むのです。
最初のAI機能の選び方
要点：利用頻度×支払意欲÷実装コストが最も高い機能を選びましょう。そして大半のSaaSにとって、それはサポートまたは要約機能です。
すべての候補を次の3つの軸で採点します：
| 軸 | 測定するもの | 重み |
|---|---|---|
| 頻度 | ユーザーは月に何回利用するか？ | 最高 |
| 支払意欲 | そのために追加料金を払うか、解約が減るか？ | 高 |
| 実装コスト | インテグレーション＋eval＋ガードレールの工数 | 減算要因 |
このフレームワークに機能アイデアを通してみましょう。サポートのトリアージは3軸すべてで高得点です——毎日利用され、コスト削減効果が明確で、参考にできるサポートチャットボットのアーキテクチャガイドも揃っています。コンテンツ要約は頻度と実装の容易さで高得点です。会話型アナリティクスは支払意欲では高得点ですが、数か月の期間とデータチームが必要です。
**採点セッションの実例。**プロジェクト管理SaaSを想定した3つの候補：(a) 会議メモの自動生成、(b) ユーザーのプロジェクトに関する質問に答えるアシスタント、(c) プロジェクトのスケジュールに対するリスク自動予測。頻度：会議メモは週次、アシスタントは日次、リスク予測は月次の利用です。支払意欲：会議メモはテーブルステークス（低）、アシスタントは上位ティアへのアップグレードを促す要素（高）、リスク予測はデモが素晴らしいものの、実際に支払うかは誰も確信を持てません。実装コスト：会議メモは範囲が明確なパイプライン、アシスタントは検索（retrieval）が必要、リスク予測は履歴データと本格的なevalが必要です。加重合計がアシスタントを選びます——採点セッションは言い争いをスプレッドシートに変えるのです。
最初の機能としての標準的な推奨はサポートまたは要約です——頻度が高く、成果が定量化でき、実装範囲も明確です。ムーンショットは、コストとevalのインフラを整えた後の第2弾機能に取っておきましょう。
AI機能のアーキテクチャ設計
要点：AI機能がスケールするか崩壊するかを決めるのは4つのアーキテクチャ上の意思決定であり、そのどれも「どのモデルを使うか」ではありません。
- 常にバックエンドプロキシを経由する。 APIキーをフロントエンドに絶対に触れさせないでください。すべての呼び出しをバックエンド経由にルーティングし、そこでキーの管理、制限の適用、ログの蓄積を行います。これは交渉の余地がない必須事項であり、セキュリティベースラインで詳しく解説しています。
- ストリーミング、キャッシュ、バッチ——この実装順で進める。 ストリーミングはUX上の必須要件であり、「あれば便利」レベルの機能ではありません。ストリーミング非対応のチャットUIはユーザーが離脱します。プロンプトキャッシュは繰り返し使用されるテンプレートの入力コストを削減し、バッチ処理はオフラインのワークロード（embeddings、エンリッチメント、夜間の要約処理など）のコストを大幅に削減します。本番環境最適化ガイドでその仕組みを解説しています。
- モデルをルーティングし、固定しない。 製品全体で単一のモデルを使うことは、単一障害点であり、価格交渉の足元を見られる状況でもあります。タスクごとにルーティングしましょう。分類には安価なモデル、UX上重要な生成にはフロンティアモデルです。カスタムルーティングから始められます——これはアーキテクチャではなく、設定です。
リファレンスとなる構成——うまく設計されたAI機能は次のような形をしています：
Frontend → Backend proxy (keys, limits, logs) → Router (task → model tier)
→ Fallback chain (provider B on failure)
→ Cache layer (repeated templates)
→ Usage/cost sink (per-feature attribution)4つのレイヤーは、それぞれ交換可能で、いずれも特定ベンダーに依存しません。自社の機能がこの形で描けないなら、アーキテクチャはまだ完成していません——後からの作り直しは、今この図を描くよりも高くつきます。
- ローンチ前にevalを実施する。 最後のプロンプト変更で機能が改善したかどうかを測定できなければ、希望的観測を出荷しているようなものです。合否ゲート付きのベースラインevalセットは、AI機能と実験の違いを生みます——当社のテストパイプラインに組み込んだCIスタイルのeval規律が、参考にすべきパターンです。
AI機能の価格設定：トークンのユニットエコノミクス
要点：AI機能は原価（COGS）を持つ製品です——製品として価格設定し、マージン（粗利益率）を70%以上に保ちましょう。
すべてを左右するユニットエコノミクスの計算式は次のとおりです：
Cost per user per month =
(calls per user per month)
× (tokens per call, input + output)
× (price per token, blended)2026年半ばのレンジを使った実例（最新のOpenAIの料金とAnthropicの料金で確認してください）：要約機能で、ユーザーあたり月30回の呼び出し、1回あたり4K入力＋1K出力、フロンティアクラスの価格で入力約$3/M・出力$15/Mを呼び出し構成に応じてブレンドすると、ユーザーあたり月約150Kトークン、モデル原価はユーザーあたり月約$0.81になります。プロンプトキャッシュ（繰り返し使用されるドキュメントテンプレート）とルーティング（短いドキュメントには安価なモデル）を適用すれば、同じ機能がユーザーあたり月$0.03-0.06に収まります。1万人のユーザーなら、リスト価格で月約$8,100、キャッシュとルーティングを適用すれば月$300-600——吸収できる規模ですが、無視すれば確実に気づく規模です。
実績のある3つの価格設定パターン：
| パターン | 仕組み | 適するケース |
|---|---|---|
| ティア組み込み | AI機能を中位・上位ティアに含める | B2B、利用量が限定的 |
| 利用パック | クレジット／トークンを前払いで購入 | セルフサービス、利用量のばらつきが大きい |
| ハイブリッド | ティア基本料金＋利用上限とソフトな超過分 | ほとんどのチーム |
マージンのルール：AI機能のマージンを70%以上に保ちます。モデルコストが請求額の30%を超えて食っているなら、価格設定が間違っています——機能の実行コストが高すぎるか（ルーティング／キャッシュで解決）、売価が安すぎるか（ティアを引き上げる）のどちらかです。
**エージェント型のケース——チームの誰かが必ず提案してくるからです。**本当に役立つ会話型アシスタントには、検索（retrieval）、ツール呼び出し、マルチターンのメモリが必要で、現実的には要約機能の1セッションあたり2-5倍のトークンを消費します。ユーザーあたり月30セッションの場合、キャッシュとルーティングを正しく行えばフロンティア価格でユーザーあたり月$0.5-2.5、行わなければそれ以上になります。ここでマージンのルールが本領を発揮します：AIティアをユーザーあたり月$10で販売し、モデルコストが$2.50ならマージンは75%——問題ありません。しかしルーティングとキャッシュを省けば、同じ機能が$5を食いつぶし、開発チームに給料を払う前にティアが赤字になります。マージンが最初に失われるのはモデルコストであり、最も修正しやすいのもそこです。同じ機能でも、ルーティングとキャッシュを適用すれば通常40-70%安くなります。
避けるべきよくある失敗
要点：4つの負債パターン——ガードレール、コンテキスト、ロックイン、そしてコストの見える化不足。
- ガードレールなしで本番直行。 プロンプトインジェクション、有害コンテンツ、壊れたツール権限。多層防御のアプローチ——入力フィルタリング、プロバイダー標準のシールド、出力検証、ツールのサンドボックス化——だけが実際のユーザーとの接触に耐えられます。機能がユーザーデータに触れる以上、これは選択肢ではなく必須です。
- コンテキストを丸ごと詰め込む。「全部送ればいい」は、2026年で最も高くつくプロンプトエンジニアリングの失敗です。ロングコンテキストAPIは現実に存在しますが、コスト曲線は線形なのに対し、品質曲線はそうではありません——持っているものを全部アップロードするのではなく、必要なものだけを取得しましょう。
- 単一モデルへのロックイン。 プロバイダー1社、モデル1つ、フォールバックなし。モデルが非推奨になったり再価格設定されたりしたとき、選択肢は2つ——支払うか、パニックになるかです。フォールバック付きルーティングはそれを設定変更に変えます。モデルを設定として扱うこの規律こそ、プロバイダーの移行を「英雄的な作業」ではなく「退屈な作業」にするものです。
- コストの見える化なし。 月初に「今月のユーザーあたりAIコストはいくらか？」と即答できなければ、手探りで飛んでいるようなものです——そして最初に気にするのは、請求額が2倍になった月です。利用ログと機能別のコスト帰属は後付けではなくセットアップ作業です。エラーコードとレート制限からモニタリングの議論は始まります。
FAQ
最初に作るべきAI機能はどれですか？
サポートのトリアージかコンテンツ要約です——頻度が最も高く、成果が測定可能で、範囲が明確です。ムーンショットは、コストとevalのインフラが整った後の第2弾機能にしましょう。
AIのユーザーあたり月額コストはいくらですか？
きちんと構築された要約機能は、モデルティアとキャッシュ次第でユーザーあたり月$0.03-0.15です。高負荷なエージェント型機能は$1-5かかる場合もあります。価格設定セクションの計算式で自社の数字を出せます——モデルコストは入力であって、答えではありません。
AI機能にベクターデータベースは必要ですか？
大規模な社内コーパスに対する検索（retrieval）が必要な場合のみです。最初の機能のほとんどには不要です。ベクターインフラに投資する前に、ロングコンテキストとシンプルな検索を評価しましょう——多くのチームは、最初の機能に必要なのは「ベクターデータベース」ではなく「データベース」であることに気づきます。
トークン単位とサブスクリプション、どちらで課金すべきですか？
サブスクリプションまたは利用パックで課金し、トークン単位では絶対に課金しないでください。トークン単位の課金は、ユーザーに機能を恐れさせます。内部ではすべてトークン単位で追跡し、外部にはその仕組みを見せないようにしましょう。
最初のAI機能のリリースにはどのくらいかかりますか？
既存のコードベースがあり、evalとコストモニタリングを初日から導入していれば、範囲の明確な機能なら2〜4週間です。それがなければ同じ機能に四半期かかります——測定できないと気づいた時点で作り直すことになるからです。APIレイヤー自体が初めてですか？クイックスタートなら数分で最初の呼び出しに到達できます。
顧客データをモデルのファインチューニングに使えますか？
いいえ——顧客データでのトレーニングはゼロをデフォルトにし、関わるすべてのプロバイダーのデータ処理条項を確認してください。コンプライアンスは機能のひとつです。GDPRやデータプライバシー義務は差別化要因ではなくベースラインであり、そのために構築する監査証跡は、後でセキュリティレビューが求めるものと同じものです。
まとめ
SaaSにAI機能を追加するときは、コスト構造を持つ製品として扱いましょう——頻度と支払意欲で選び、バックエンドプロキシとモデルルーティングでアーキテクチャを設計し、70%以上のマージンを確保するユニットエコノミクスで価格設定し、ローンチ前にガードレールを整備します。この4つを実行すれば参入障壁（モート）を築くことになりますが、省けば「機能の形をしたラッパーを追加したコストセンター」になるだけです。
最初のAI機能には、デモではなくユニットエコノミクスが必要です。TokSpan APIキーを取得して——無料クレジット$5付き——最初のリクエストから機能別コストを確認しましょう。