AI契約は人月から成果へ——富士通・SaaS・FDEに学ぶ価値課金の受入設計

AIが数時間で作業を終えるようになると、投入した人数と月数だけでITサービスの価格を説明することは難しくなります。2026年9月、富士通はITサービスを従来のコスト積算から価値起点へ移し、2035年度には対象事業のバリュープライシング比率を80％へ高める考えを示しました。同じ時期、IDCは企業向けSaaSが消えるのではなく、座席数から利用量や業務成果へ課金の軸が移ると分析しています。

これは「AIを使えば安くなる」という話ではありません。納期が短くなった価値、問い合わせが解決した価値、離職を防いだ価値を、売り手と買い手がどう分けて測るかという契約設計の変化です。工数が減ったのに料金が変わらなければ買い手は納得しにくく、成果だけで料金を決めれば、景気や制度変更などAI以外の要因まで売り手の責任になりかねません。

必要なのは、成果型課金を魅力的な料金表として導入することではなく、開始前の基準線、完了の定義、成果を支えた証拠、例外時の責任、契約終了後に残る資産を一つにつなぐことです。本稿では、富士通の価格転換、SaaSの構造変化、FDE型の現場支援、金融デューデリジェンス用ベンチマークを横断し、日本企業が「何に払ったのか」を後から説明できる受入設計へ落とし込みます。

富士通の脱人月が示す、価格の単位の変化

ITmedia エンタープライズによると、富士通の大西俊介CROは、AI時代に顧客が求める価値を「スピード」「事業貢献」「持続可能」の三つに整理しました。従来の開発費や工数を積み上げる価格では、AIが生み出す納期短縮や事業成果の経済価値を十分に反映しにくいという問題意識です。

同社が示した選択肢は一種類ではありません。成果を分け合うプロフィットシェア、納期短縮へ価格を付けるエクスプレスサービス、固定料金と成果KPIを組み合わせるハイブリッド課金、ユースケースと期間を決めるPod型があります。基盤やアプリケーションには、計算資源、データ量、成立件数、削減量などに連動する従量課金も想定されています。

ここで重要なのは、「人月をやめて成果だけにする」という単純な置き換えではないことです。業務の種類によって、測りやすい単位が異なります。コールセンターでは解決した問い合わせ件数が候補になりますが、早く閉じただけで再問い合わせが増えれば成果とは言えません。システム刷新では納期短縮が価値になりますが、移行後の障害や手作業が増えれば、その価値は相殺されます。研究支援では採用された仮説の数を数えても、独立した追試を通らなければ事業価値へつながりません。

富士通は2025年度に20％だった対象事業のバリュープライシング比率を、2030年度に60％、2035年度に80％へ引き上げる方針を示しました。これは同社の計画であり、市場全体が同じ速度で移行する保証ではありません。それでも、大手SIerが長期目標として価格の単位そのものを変えようとしている点は、日本の発注企業にも影響します。見積書を受け取る側も、人数と期間を比較するだけでは選べなくなるからです。

以前、Smart KurashiではAI支出を一仕事当たりの原価で捉える方法を整理しました。完了一件の原価は、買い手が内部効率を測る物差しです。今回の価値課金は、その一件が顧客や事業へ生んだ価値を外部契約へ結ぶ物差しです。原価と価値は同じではありません。原価が下がっても価値が変わらない仕事はあり、原価が上がっても事故を防ぐことで大きな価値を生む仕事もあります。

SaaSは消えず、座席数という物差しが弱くなる

＠ITが紹介したIDCの分析では、世界の企業向けアプリケーション市場は約7000億ドル規模に近づき、2026年上半期まで三年連続で約13％の成長を維持しています。IDCは、AIエージェントがSaaSを消滅させるという見方を否定し、企業向けソフトウェアの本質は画面ではなく、データモデル、監査証跡、承認階層、コンプライアンス設定、業務統合にあると説明しています。

AIエージェントは人の代わりに画面を操作できますが、会計元帳、顧客記録、人事権限、受注履歴が不要になるわけではありません。むしろ、複数のアプリケーションをまたいで自動処理するほど、どの記録が正本か、誰の承認で更新したか、いつの規則を使ったかが重要になります。SaaSの画面を開く人数は減っても、記録と統制の基盤は残ります。

IDCの価格体系調査では、利用量または業務成果に連動する課金の割合が、現在の13％から今後十年間で63％へ増えると予測されています。また、回答企業の32.8％は組み込みAIエージェントへ10％以上高い料金を支払う意向を示し、18％は30％以上の上乗せを許容したとされています。これらはIDCの調査と将来予測であり、全企業が実際に同額を支払うという事実ではありません。それでも、価格交渉の中心が「何人がログインするか」から「何件を、どの品質で終えたか」へ移る方向は読み取れます。

この転換には二つの落とし穴があります。一つは、利用量と成果を混同することです。トークン数、処理件数、API呼び出し回数は利用量であり、仕事の価値ではありません。AIが同じ処理を何度もやり直せば、利用量は増えても成果は増えません。従量課金だけでは、売り手に再試行を減らす動機が弱くなる場合があります。

もう一つは、成果を単一指標へ縮めることです。問い合わせの平均処理時間だけへ報酬を連動させれば、難しい相談を早く人へ転送する、説明を短くする、再問い合わせを別件として数えるといった最適化が起こり得ます。採用業務で内定人数だけを成果にすれば、定着や配属後の活躍が抜けます。営業で成約数だけを見れば、値引きや解約率が隠れます。

したがって、成果型課金では「成果指標」と同時に「守る指標」が必要です。処理時間を短くするなら、再問い合わせ率、訂正率、苦情率、重大事故、例外の人移管率を併記します。売上を増やすなら、粗利、返品、解約、法令違反、顧客当たりの長期価値も見ます。速さへ報酬を払うときほど、速さのために失ってはいけないものを契約に書く必要があります。

16.2％から6.7％という数字を、AI単独の成果にしない

成果型課金を考える材料として、キーマンズネットが紹介した筑波記念病院の事例があります。同院の看護職員の離職率は2021年度の16.2％から2025年度の6.7％へ低下したとされます。組織分析AIは回答に応じて質問を変え、部署ごとの職場環境を数値化し、誰がどのように動くかまで施策を提案しました。

具体例として、多忙なときに若手職員が先輩へ相談しにくい病棟が特定され、上司から若手への日常的な声かけを増やしたと報じられています。その病棟の「安定した人間関係」のスコアは2024年度の70点から2025年度に78点へ上昇しました。平均値だけでなく、部署ごとの関係と行動へ落とした点に価値があります。

ただし、離職率の低下をAIだけの因果効果と断定することはできません。採用市場、給与、勤務体制、管理者の交代、感染症対応の変化など、四年間には複数の要因があります。公表元はシステム提供会社であり、無作為化比較試験でもありません。ここで契約上の成果にできるのは、AIが離職率を何ポイント下げたと断定することではなく、課題の発見、施策の提案、責任者による実行、職場指標の変化、離職率の推移を一連の証拠として残したことです。

成果を三層に分けると、無理な因果帰属を避けられます。

層	例	契約で確かめる内容
AIの直接出力	部署別の課題候補、施策案、優先順位	根拠データ、再現性、誤分類、個人情報の扱い
現場の実行	声かけ、面談、勤務変更、研修	実施率、責任者、対象範囲、未実施理由
事業・組織の結果	離職率、欠勤、定着、満足度	基準期間、外部要因、比較対象、遅れて現れる影響

AIベンダーが直接責任を持ちやすいのは第一層です。第二層は顧客との共同責任になり、第三層は外部要因を含みます。報酬を第三層だけへ連動させると、売り手が制御できない変化まで背負わせます。反対に第一層だけなら、使われない分析を大量に納品しても売上になります。固定料金と段階成果を組み合わせるハイブリッド課金が現実的なのは、この責任範囲が異なるためです。

FDEは成果を近づけるが、知識を外部へ固定する危険もある

成果型契約では、モデルやソフトウェアを渡すだけで結果が出ないため、顧客現場へ入るFDEの役割が大きくなります。ITmedia エンタープライズは、日立がフィジカルAIの実装を一人の専門家ではなくチームで支える動きと、リコーが常駐だけに依存しないAIコンサルティングを進める動きを紹介しました。同時に、特定ベンダーへのロックインが課題になると指摘しています。

FDEは、現場の言葉をデータ、評価、権限、画面、運用手順へ翻訳できます。工場なら「熟練者には分かる異常」をセンサー値と停止条件へ変え、保険なら例外案件を分類し、病院なら部署別の課題を施策へ結び付けます。モデルの精度だけでなく、仕事の入口から完了までを見るため、価値へ近い場所で改善できます。

一方、現場の事情を理解した外部チームが離れた途端に改善が止まるなら、成果は借り物です。プロンプト、データ変換、評価用の正解例、例外処理、権限設定、担当者の判断が外部側にだけ残れば、次回の契約更新で買い手は選び直せません。成果型課金が高い効果を示すほど、同じベンダーを継続せざるを得ない構造が強くなる可能性があります。

この問題には、以前の記事で整理した外部AI人材から能力を自社へ移す五つの納品物が役立ちます。成果だけでなく、目的、判断基準、業務知識、運用手順、継続方法を契約の納品対象にします。FDEの人数や常駐日数ではなく、別担当者が同じ評価を再現できるか、別モデルへ切り替えられるか、支援停止後も一件を完了できるかを受入条件にします。

成果型契約で残すべき資産は、少なくとも次の六つです。

1. 対象業務と対象外を示す業務境界
2. 開始前の処理時間、品質、費用、例外率を示す基準線
3. 入力データの定義、版、欠損、利用許可
4. 合格例、不合格例、保留例を含む評価セット
5. 自動実行、人承認、停止、訂正の運用手順
6. 契約終了時に渡す設定、履歴、未解決事項、再開手順

これらを顧客側が読める形式で受け取れば、売り手を替える自由が残ります。受け取れなければ、短期の成果と引き換えに長期の交渉力を失います。

金融AIベンチマークが示す「全部通った仕事」を測る発想

Hacker Newsで公開されたFinance Agents Benchmarkは、合成された一社のデータルームを使い、AIエージェントが財務デューデリジェンスをどこまで遂行できるかを測るオープンソースの試みです。公開版には50タスク、160文書、231の採点基準が含まれます。四つのモデルを各三回、全50タスクで試し、合計600回答を公開しています。

このベンチマークで注目したいのは、モデル順位ではありません。一つのタスクは、採点基準をすべて通った場合だけ合格とされます。公開結果では、各モデルの基準別通過率は76.2〜83.4％でしたが、タスク全体の合格率は47.3〜60.0％でした。部分点では高く見えても、仕事として完了する割合は大きく下がります。また、同じタスクを三回とも通した数は18〜24件にとどまり、一度は通った数より少なくなっています。

この結果は一つの合成企業、一つの採点方式、特定モデル群に限られます。実在企業の財務調査能力をそのまま示すものではなく、採点にも指定されたAI判定器が使われています。それでも、成果型契約の受入試験には重要な示唆があります。平均点だけでなく、必須条件を全部通せたか、繰り返しても通るか、失敗したときにどこから回復したかを測る必要があるということです。

例えば、財務調査の成果を「報告書を一冊作成」と定義すると、数値の出典、期間の一致、通貨換算、例外取引、根拠文書への参照、再計算可能性が抜けるかもしれません。受入条件を分解すれば、報告書が流暢でも重要数値を誤った案件を不合格にできます。そして三回試すことで、たまたま成功した出力と安定して再現できる工程を分けられます。

これは数学・工場・基幹刷新のAI成果を五つの再現条件で捉えた記事ともつながります。価値課金で支払う対象は、印象のよいデモではありません。対象、環境、比較、評価、移送の条件を固定し、別の期間や担当でも受け入れられる成果です。

AI価値課金を成立させる「七欄の受入票」

日本企業が成果型契約を始めるときは、料金表より先に一枚の受入票を作ると整理しやすくなります。七つの欄を売り手と買い手が共同で埋めます。

欄	決めること	例
一件	どこからどこまでを一仕事と数えるか	問い合わせ受領から回答確定と記録更新まで
基準線	導入前の時間、品質、費用、例外	直近三カ月の中央値と繁忙期の上限
成果	改善したい主指標	解決時間、納期、回収額、定着率
守る条件	改善と引き換えに悪化させない指標	訂正、再問い合わせ、事故、苦情、法令違反
証拠	誰が何を見れば合格と判断できるか	入出力、根拠版、承認履歴、再計算結果
分担	AI、ベンダー、顧客、外部要因の責任	提案はAI、実施は部門長、制度変更は除外
出口	停止、訂正、移行、終了時の引き渡し	設定、評価セット、履歴、未完了一覧

「一件」は請求単位の土台です。問い合わせ一往復を一件とするのか、顧客が解決を確認するまでを一件とするのかで結果は変わります。処理途中で人へ移した案件、資料不足で保留した案件、翌日に再開した案件をどう数えるかも決めます。

「基準線」は成果を比較する起点です。導入直前の一週間だけを使うと、繁忙や季節性に左右されます。通常期と繁忙期、簡単な案件と難しい案件、新規と再問い合わせを分けます。平均値だけでなく中央値と分布を残すと、一部の極端な案件に引っ張られにくくなります。

「守る条件」は、成果指標の攻略を防ぎます。納期を30％短くするなら、重大欠陥、差し戻し、運用開始後の手作業が基準を超えた場合は成果報酬を減らします。解決件数を増やすなら、同一顧客の再問い合わせや人への転送を隠さない集計にします。

「証拠」は、売り手の自己申告だけにしません。元データ、使用した規則の版、モデルや設定、出力、承認、訂正を案件番号で結びます。個人情報を無期限に保存するのではなく、集計に必要な最小項目、保存期間、削除責任者を定めます。

「分担」は因果の範囲を明確にします。AIが施策案を出しても、実施しなければ結果は生まれません。顧客が実施したか、ベンダーが運用を支えたか、制度変更や市場変化があったかを分けます。争いが起きた後に原因を決めるのではなく、契約前に除外条件と共同責任を置きます。

「出口」は価格交渉の最後ではなく、導入条件です。成果が出ないときに停止できるか、誤処理を訂正できるか、別ベンダーへ評価セットを渡せるか、未完了案件を人が再開できるかを決めます。成功報酬が高い契約ほど、終了時に業務が止まらない設計が必要です。

30日で、成果報酬ではなく成果証拠を試す

最初から全社の契約を成果型へ変える必要はありません。四週間で一業務の受入設計を試せます。

1週目は一件と基準線を固定する

対象業務を一つ選び、開始、保留、完了、再開、訂正を定義します。過去三カ月から通常案件と例外案件を抽出し、処理時間、待ち時間、差し戻し、品質、費用を測ります。AI導入後に都合よく基準を変えないよう、集計式と対象期間を保存します。

2週目は主指標と守る条件を対にする

速さ、売上、回収、定着など主指標を一つ選びます。その改善によって悪化し得る品質、安全、顧客負担、従業員負担を二つ以上選びます。成果報酬は主指標だけでなく、守る条件を満たしたときに発生する形にします。

3週目は受入セットを作る

通常、境界、例外、拒否、保留を含む20〜50件を用意します。各案件に必須条件を複数付け、全部通った割合と基準別の割合を分けます。同じ条件で三回実行し、結果の揺れと回復手順を記録します。モデル名だけでなく、データ版、指示、検索範囲、権限も固定します。

4週目は価格と出口を模擬する

固定部分、利用量部分、成果部分を仮計算し、売り手と買い手のどちらかだけが得をする条件になっていないかを確認します。外部サービス停止、データ欠損、担当者不在、急な制度変更を入れます。契約終了を想定し、別担当が評価セットと手順だけで一件を再開できるか試します。

30日の終了時には、少なくとも次の七指標を見ます。

1. 必須条件を全部通した完了一件率
2. 同じ案件を三回通せた再現率
3. 完了一件当たりの利用量、費用、人の確認時間
4. 主指標の改善と守る指標の悪化幅
5. 保留から人へ移すまでの時間
6. 訂正一件当たりの時間と費用
7. 外部支援停止後に別担当が再開できた割合

この試験で価値を測れなければ、成果型契約を急ぐ必要はありません。固定料金やユースケース単位で範囲を狭くし、証拠を増やしてから成果部分を広げられます。成果課金へ移らない判断も、測定不能な価値へ無理に価格を付けるより健全です。

主な出典

• ITmedia エンタープライズ「富士通が脱人月モデルへ　AI時代のバリュープライシングへの転換」
• ＠IT「AIがSaaSを消すは根本的な誤解　IDCが示す本当に起こる変化」
• ITmedia エンタープライズ「FDE時代のパートナー選び、どうすべき？」
• キーマンズネット「離職率16.2％から6.7％へ　筑波記念病院の組織分析AI」
• SecondState「Finance Agents Benchmark」

結論——AIの値段より先に、合格した一件を定義する

人月は、投入した労力を比較するには分かりやすい物差しでした。しかしAIが作業時間を圧縮し、複数のSaaSをまたいで仕事を進める時代には、長く働いたことと大きな価値を生んだことが一致しません。富士通のバリュープライシング方針とIDCの予測は、価格の単位が工数や座席数から、利用量と成果の組み合わせへ移る可能性を示しています。

一方、成果という言葉だけでは契約になりません。離職率、売上、納期、解決件数にはAI以外の要因が入り、単一KPIは攻略されます。だからこそ、一件の境界、導入前の基準線、守る条件、必須基準を全部通した証拠、責任分担、終了時の出口が必要です。AIの価値は、派手なデモや平均点ではなく、同じ条件で繰り返し受け入れられ、失敗時に止めて直せる仕事として示されます。

次にAIサービスの見積書を受け取ったとき、値引き率やモデル名を見る前に、「この契約で合格した一件とは何ですか」と尋ねてみてはいかがでしょうか。その答えを売り手と買い手が同じ証拠から説明できるなら、成果型課金は料金方式の流行ではなく、より良い仕事を共同で作る契約へ変わり始めています。