AIトークンとは？生成AIの料金と文字数を決める仕組みをわかりやすく解説

AIトークンとは、ChatGPTやClaude、Geminiなどの生成AIが文章を処理するときに使う「ことばの単位」で、利用料金や一度に扱える文章の長さは、この単位で数えられています。トークンは文字数とも単語数とも一致しないため、仕組みを知らないまま業務で使うと、「想定より費用がかかった」「長い資料を読み込ませたら途中で切れた」といった行き違いが起こります。本記事では、トークンの意味と数え方、料金が決まる仕組み、日本語で消費が増えやすい理由、業務での見積もり方、組織での管理と失敗しやすい点を順に整理します。トークンの扱いは、詳しい担当者が一人いるだけでは安定せず、使う人全員が同じ前提を持てているかで差が出ます。後半では、その前提をそろえる研修の仕組みにも触れます。

目次

開く

閉じる

1. AIトークンとは？生成AIが文章を処理する最小単位
2. トークンの前提は、使う人全員でそろえてこそ費用に効く
3. トークンの数え方と、文字数・単語数との違い
4. トークンが料金を決める仕組み
5. コンテキストウィンドウとは？一度に扱える長さもトークンで決まる
6. 日本語はトークンを多く消費しやすい理由
7. 業務でトークン消費を見積もる考え方
8. 組織でトークンコストを管理するポイント
9. トークンを節約する指示文(プロンプト)の工夫
10. AIトークンでよくある失敗パターン
11. よくある質問(FAQ)
12. まとめ
13. 参考文献

AIトークンとは？生成AIが文章を処理する最小単位

AIトークンとは、生成AIが文章を処理するために細かく分けた単位のことです。料金の計算や一度に扱える長さの上限は、文字数ではなくこのトークン数をもとに決まります。

生成AIの土台である大規模言語モデル(LLM)は、入力された文章をそのまま読むのではなく、トークンに分けて数値に変換し、次に来るトークンを予測する処理を繰り返して文章を生成します。ChatGPTなどの料金表や利用上限の説明にトークンという言葉が出てくるのは、AIの利用量がこの単位で計測されているためです。トークンの数は、画面に見える文字数とは一致しません。

トークンの前提は、使う人全員でそろえてこそ費用に効く

トークンの消費量は、AIの性能よりも、どんな指示をどんな長さで出すかという使い方に左右されます。そのため、担当者一人が仕組みを知っているだけでは、組織全体の費用は安定しません。

同じ要約の依頼でも、会議資料を丸ごと貼り付ける使い方と、判断に必要な章だけを渡す使い方では、入力トークンが大きく変わります。ツールを入れ替えても、この差は解消されません。指示の出し方や、使ってよい範囲のルールを、同じ教材で全員が学べる状態にしておくことが近道です。教材の配信と受講状況の管理を一つの仕組みで行えるのが、eラーニングシステム(LMS)です。AIの使い方の研修という目的で見ると、役割の違う次の3サービスが候補になります。優劣ではなく役割の違いで並べているため、自社の状況に近いものを選んでください。

社内で決めた指示の書き方や確認手順を、そのまま研修にしたい場合の一例が、Smart Boarding(株式会社FCE)です。自社の資料や動画と用意された動画を組み合わせたオリジナルの研修コースを作成でき、LMS機能で受講者ごとの進捗や理解度を確認できます。管理画面は、必要な動画をドラッグアンドドロップするだけでコンテンツを作成できると説明されています。一方で、自社の教育内容を学習プログラムにする際には一定の手間がかかり、担当者との打ち合わせが必要です。AIの使い方に関する既製の教材が含まれるかどうかは、資料で確認してください。料金はプランによって異なるため、資料や公式サイトで確認してください。

【自社オリジナルコンテンツ】と【FCEプログラム】を活用した自社独自の学習コースを作成

Smart Boarding 導入事例(株式会社ミツハシ)の見出し 出典：導入事例ページ

トークンの数え方と、文字数・単語数との違い

トークン数は、文字数や単語数とは一致せず、AIのモデルごとに数え方が異なります。実際の数は、公式のトークン数確認ツールやAPIの機能で数えるのが確実です。

文章はどのように分割されるのか

文章をトークンに分ける処理を「トークン化」、分割のルールを担う仕組みを「トークナイザー」と呼びます。分割の方法には、単語ごとに区切る方法、1文字ずつ区切る方法、その中間にあたる「サブワード(部分語)」で区切る方法があります。単語単位では辞書にない新語や固有名詞を扱いにくく、文字単位では1つの文章が非常に多くの単位に分かれて処理の効率が落ちます。そこで現在の生成AIの多くは、よく出てくる文字の並びを1つにまとめ、珍しい語は細かい断片の組み合わせで表すサブワード方式を採用しています。トークンが文字数とも単語数とも一致しないのは、この方式で分割されているためです。

日本語は、ひらがな・カタカナ・漢字が混ざり、単語の区切りが空白で示されないため、1文字が1トークンになったり、よく使われる言い回しがまとまって1トークンになったりと、分割のされ方がより複雑になります。なお、AIという言葉そのものの意味や正式名称を確認したい方は、AIは何の略？正式名称と関連用語の整理をご覧ください。

文字数・単語数・トークン数の違い

英語については、各社が目安を公開しています。OpenAIは、1トークンがおよそ4文字、単語の4分の3程度で、100トークンがおよそ75語にあたると説明しています。Googleも、Geminiでは1トークンが約4文字で、100トークンが英単語の60語から80語程度にあたるとしています。日本語にはこうした安定した公式の目安がありません。日本語の業務文書については、「何文字なら何トークン」と決め打ちで計算するより、実際の文書を数えて自社の傾向をつかむほうが、見積もりのずれを減らせます。

単位	数え方	生成AIの料金・上限との関係
文字数	人が見る文字の数	直接の計算単位ではない。トークン数とは比例しないことがある
単語数	空白や品詞で区切った語の数	英語では目安になりやすいが、日本語では使いにくい
トークン数	モデルのトークナイザーが分割した単位の数	API料金、利用上限、一度に扱える長さの計算に使われる

トークン数を数える方法

自社の文書が何トークンになるかは、公式が用意している方法で数えられます。OpenAIのヘルプは、文章がどう分割されるかを確かめる方法として、Webで公開されているTokenizerを案内しています。

方法	向いている場面	注意点
OpenAIのTokenizer(Web画面)	文章を貼り付けて、トークン数と区切り位置を見る	OpenAIのモデル向けの数え方。他社のモデルでは目安にとどまる
各社APIのトークン数を数える機能(Geminiのcount_tokens、Claudeのtoken counting など)	送る前に、入力のトークン数を確認する	Claudeの公式説明では、数は推定値で、実際の入力トークン数と少し異なる場合がある。Claudeの機能は無料で、回数の上限がある
利用画面やAPIの応答に出る使用量	実際に使った入力・出力の数を、後から確認する	サービスによって、表示の有無や内訳が異なる

同じ文章でも、モデルによって数が変わります。たとえばAnthropicの公式ドキュメントは、Claudeの一部の新しいモデルでは、従来のモデルより同じ入力が約30%多いトークンとして数えられると説明しています。モデルを乗り換えるときは、以前の数字を使い回さず、新しいモデルで数え直してください。

ほかの分野の「トークン」との違い

「トークン」という言葉は、AI以外の分野でも使われます。検索すると別の意味の説明が混ざることがあるため、違いを整理しておきます。

種類	意味	AIトークンとの関係
生成AIのトークン	生成AIが文章を処理するために分けた単位	本記事で扱う内容。料金や上限の計算に使われる
デザイントークン	色・余白・文字サイズなど、デザインの値に名前を付けて共通化したもの	料金の単位ではない。ただし、その一覧をAIに読み込ませれば、入力のトークンとして数えられる
認証トークン	ログインや権限の確認に使う、本人確認の証明となる文字列	別の仕組み。AIの利用量とは関係しない
暗号資産のトークン	ブロックチェーン上で発行・管理される、資産やデータ上の権利	別の仕組み。AIの料金とは関係しない

トークンが料金を決める仕組み

API経由で生成AIを使う料金は、入力トークン数と出力トークン数にそれぞれ単価を掛けて合計した額で決まります。多くのサービスで、出力の単価は入力より高めです。

入力トークンと出力トークン

入力トークンには、利用者が書いた指示文だけでなく、貼り付けた資料、システム側で設定された前提の指示、チャットの場合はそれまでの会話履歴も含まれます。対話型のチャットで同じスレッドのやり取りを続けると、過去の会話が毎回読み込まれるため、質問が短くても入力トークンは少しずつ増えていきます。出力トークンは、AIが生成した回答の分量です。「詳しく説明して」と依頼すれば出力が長くなり、その分だけ出力トークンも増えます。

近年は、入力と出力のほかにも、トークンとして数えられるものがあります。Googleの公式ドキュメントは、使用量の内訳として、入力・出力のほかに思考(回答を組み立てる過程)やキャッシュ、ツールの利用分も示しています。Anthropicの公式ドキュメントも、画像やPDFを含む入力のトークン数を数えられると説明しています。単価はサービスやモデルによって大きく異なり、改定もあるため、具体的な金額は必ず各社の公式の料金ページで確認してください。本記事では、費用が何によって増減するかという考え方に絞って解説します。

定額プランとAPIの従量課金の違い

チャット画面で使う個人・法人向けの定額プランでは、月額料金は固定でも、一定時間内に使える量やメッセージ数に上限が設けられていることがあります。上限の内部的な計算にはトークン数が関わるため、長い資料を何度も読み込ませると早く上限に達することがあります。一方、社内システムにAIを組み込むAPI利用は、使った分だけ支払う従量課金が基本で、トークン消費がそのまま請求額に反映されます。どちらの形態で使うかによって、トークンを意識すべき場面が変わります。

利用形態	長所	短所	トークンの影響
定額プラン(チャット画面)	月々の費用が読みやすく、導入の手間が少ない	利用量の上限があり、大量処理や他システムとの連携には向きにくい	費用ではなく、上限に達するまでの早さに影響する
API(従量課金)	社内システムに組み込め、使った分だけの支払いで済む	使い方次第で費用が想定以上に膨らむことがある	入力・出力のトークン数がそのまま請求額になる

コンテキストウィンドウとは？一度に扱える長さもトークンで決まる

コンテキストウィンドウとは、生成AIが一度に扱えるトークン数の上限のことです。入力と出力の合計がこの範囲に収まる必要があります。

コンテキストウィンドウはモデルによって大きく異なり、近年は非常に長い文書を扱えるモデルも増えています。ただし、上限いっぱいまで読み込めることと、長い文書の細部まで正確に扱えることは同じではありません。長い会話を続けていると、上限を超えた古いやり取りが参照されなくなり、最初に伝えた条件をAIが守らなくなるように見えることがあります。また、1回の回答で出力できる量にも別の上限(最大出力トークン数)が設けられていることがあり、長い文書を一度に生成させようとすると途中で止まる原因になります。

業務で長い契約書や報告書を扱う場合は、章ごとに分けて処理する、要点を先に抜き出してから詳細を確認するなど、上限を意識した進め方をとると、回答の抜け漏れを減らしやすくなります。

日本語はトークンを多く消費しやすい理由

日本語は、同じ内容を表すのに英語より多くのトークンが必要になりやすいとされています。英語を前提に費用の目安を立てると、見積もりを超える場合があります。

理由の一つは、トークナイザーの学習データに英語の文章が多く含まれやすいことです。よく出てくる文字の並びほど1トークンにまとめられやすいため、英語の単語は効率よく分割される一方、日本語は細かく分かれる傾向があります。また、漢字は種類が多く、一つひとつの出現頻度が英単語ほど高くないため、1文字が複数のトークンになる場合もあります。

ただし、日本語での数え方はモデルごとに異なり、世代が変わると数も変わります。先に述べたとおり、新しいモデルで同じ入力のトークン数が増える例もあります。「日本語は英語の何倍」と固定の数字で覚えるより、利用するサービスで自社の典型的な文書を数えて確認する習慣をつけるほうが実務的です。

業務でトークン消費を見積もる考え方

業務での費用の見積もりは、1回あたりの入力量、1回あたりの出力量、回数の3つに分けて考えると整理できます。業務によって、トークンが入力側に偏るか出力側に偏るかが変わります。

業務の例	入力の量	出力の量	見積もりで注意する点
会議の文字起こしの要約	多い	少ない	会議時間が長いほど入力が増える。開催頻度を掛けて月の量をつかむ
広告コピーやメール文の作成	少ない	中程度	案を何度も出し直すと回数が増える。1回で複数案を出させるかを決めておく
問い合わせへの回答案の作成	中程度	中程度	FAQなどの参照資料を毎回読み込ませると入力が膨らむ。件数の季節変動も考える
契約書・規程のチェック	多い	中程度	文書が長く、コンテキストウィンドウの上限にも注意が必要
社内文書の翻訳	多い	多い	入力と同程度の出力が生じる。言語の組み合わせでトークン数も変わる

見積もりの手順としては、まず対象業務の典型的な入力と出力のサンプルを数件用意し、確認ツールや試用でトークン数を測ります。次に、1日や1か月あたりの想定回数を掛け、利用予定のモデルの単価を当てはめます。最後に、やり直しや想定外の長文を考慮して余裕を持たせます。この手順をとると、「なんとなく安そう」という感覚ではなく、根拠のある予算を社内で説明しやすくなります。

月間のトークン量を求める計算例

計算の流れを、説明用の仮の数値で確認します。次の数値は、考え方を示すために置いた仮定であり、実際の利用量や一般的な水準を示すものではありません。

項目	数値(仮定と結果)	計算
1回の依頼の入力	4,000トークン	–
1回の依頼の出力	1,000トークン	–
利用状況	20人が、1人1日10回、月20日利用	20人 × 10回 × 20日 = 月4,000回の依頼
月間の入力トークン	1,600万トークン	4,000トークン × 4,000回 = 1,600万トークン
月間の出力トークン	400万トークン	1,000トークン × 4,000回 = 400万トークン

費用は、単価が「100万トークンあたり」で示されている場合、月間の入力トークンを100万で割った数に入力単価を、月間の出力トークンを100万で割った数に出力単価を掛けて、足し合わせて求めます。この例では、入力は16単位分、出力は4単位分です。どちらが費用の大半を占めるかは、実際の単価で変わります。単価を入手したら、この式に当てはめて試算してください。

組織でトークンコストを管理するポイント

組織でトークンコストを管理するには、使用量を見える化する仕組みと、使い方のルールを全員に共有する仕組みの両方が必要です。

総務省「令和8年版 情報通信白書」によると、「積極的に活用する方針である」または「活用する領域を限定して利用する方針である」と回答した日本企業の割合は68.9%(2025年度企業向け調査)で、前年度調査の49.7%から上昇しています。大企業は74.0%、中小企業は58.1%でした。利用が広がるほど、個人の使い方の差が組織全体の費用差になって表れます。

使用量を見える化する

API利用では、多くのサービスが管理画面で日別・プロジェクト別の使用量を確認できるようにしています。月の予算上限や、一定額を超えたときの通知を設定できる場合もあります。部署やシステムごとにAPIキーやプロジェクトを分けておくと、どこでトークンが多く使われているかを後から追いやすくなります。定額プランの場合も、管理者向けの利用状況レポートがあれば定期的に確認し、利用が特定の人や部署に偏っていないかを見ておくとよいでしょう。

モデルの使い分けと仕組みの工夫で消費を抑える

利用者一人ひとりの指示の工夫とは別に、システムを設計・管理する側で取れる対策もあります。代表的なものは、モデルの使い分け、キャッシュ、バッチ処理、必要な部分だけを検索して渡す仕組みの4つです。いずれも提供の有無や条件はサービスによって異なるため、導入前に各社の公式ドキュメントで確認してください。

対策	内容	向いている場面	留意点
モデルの使い分け	分類や定型的な要約は軽量なモデル、複雑な判断は高性能なモデルと、業務ごとに割り当てる	処理件数が多く、難易度に幅がある業務	軽量なモデルでは精度が足りない業務もあるため、事前に品質を試す
キャッシュ	毎回同じ前提の指示や参照資料を一時的に保存し、再利用した分の入力を割安に扱う	同じ規程やマニュアルを前提に、多数の質問へ答えさせる業務	保存される時間に限りがあり、初回の書き込みは割高になるサービスもある
バッチ処理	すぐに回答が要らない依頼をまとめて送り、後から結果を受け取る代わりに割安な料金で処理する	大量の文書の分類や、夜間にまとめて行う要約	結果が返るまでに時間がかかるため、対話型の業務には使えない
検索して必要部分だけ渡す(RAG)	社内文書を小さなまとまりに分けて保管し、質問に関係する部分だけを検索してAIに渡す	量の多いマニュアルやFAQをもとに回答させる業務	検索の精度が低いと必要な情報が渡らず、回答の質が下がる

このうち最も取り組みやすいのはモデルの使い分けです。同じ提供元のサービスでも、モデルによって単価には大きな差があります。すべての業務に最上位のモデルを使うのではなく、「この業務はこのモデル」という割り当てを決めておくだけで、品質を保ったまま費用を抑えやすくなります。どのAIを選ぶかの段階から整理したい場合は、おすすめのAIの選び方と法人導入のルール整備も参考になります。キャッシュやバッチ処理、RAGはAPIで社内システムに組み込む場合の対策で、開発担当者や導入を支援する事業者と相談しながら検討するのが現実的です。

使い方のルールを決めて共有する

経済産業省・総務省の「AI事業者ガイドライン」(第1.2版)は、AIを利用する事業者向けの事項として、機密情報などを不適切に入力しないことなどを示しています。コストの管理もルールの一部と考え、「どの業務で、どのモデルを、どの程度の長さの指示で使うか」という目安を決めて共有しておくことが大切です。機密情報を入力してよいかどうかといったセキュリティ上のルールと一緒に、トークンを無駄に使わない指示の書き方をまとめておくと、研修の中で一度に伝えられます。

ルールは文書で配るだけでは読まれずに終わることも少なくありません。個人情報の扱い、情報セキュリティ、AIの著作権といった内容を、全員が同じ基準で学べる場を設けておくと、確認の根拠も残せます。コンプライアンス研修に特化したeラーニングの一例が、OneCompliance(ワンコンプライアンス)(株式会社Oyster)です。法務・労務・情報領域の研修を提供し、個人情報保護法や情報セキュリティのほか、AIに関する著作権を含む著作権のコンテンツが用意されています。ダッシュボードと自動リマインダーで受講状況を管理でき、法改正などに合わせて内容が自動で更新されます。一方で、料金は受講者の人数に応じて変わり、デモや無料トライアルの期間・内容は問い合わせでの確認が必要です。AIツールの操作やトークンの扱いを学ぶ教材かどうかは、資料で確認してください。

社内に法務専任担当や教育専任担当がおらず、社内のみでの実施が困難

OneCompliance 導入事例(株式会社プリメディカ。導入の背景・課題感として掲載) 出典：導入事例ページ

3サービスの役割を比較表で見る

トークンを節約する指示文(プロンプト)の工夫

トークンを節約するには、出力の形式と分量を指定し、必要な部分だけを渡すのが基本です。業務に必要な条件を省かないことが、やり直しを減らす前提になります。

指示の出し方を少し変えるだけで、回答の質を落とさずにトークンの消費を抑えられることがあります。代表的な工夫は次の4つです。

• 出力の形式と分量を指定する：「箇条書きで3点」「200字以内で」のように指定すると、前置きや重複した説明が減り、出力トークンを抑えやすくなります。
• 必要な部分だけを渡す：資料を丸ごと貼るのではなく、判断に必要な章や表だけを抜き出して入力すると、入力トークンを減らせます。
• 話題が変わったら新しい会話を始める：同じスレッドで別の用件を続けると、関係のない過去のやり取りまで毎回読み込まれます。
• 定型の前提はテンプレートにまとめる：社内の用語や前提条件を毎回長々と説明する代わりに、簡潔にまとめた定型文を用意しておきます。

ただし、節約を優先しすぎて必要な条件まで省くと、的外れな回答が返ってきて何度もやり直すことになり、かえってトークンが増えます。「業務に必要な条件は省かない、不要な繰り返しと冗長な出力を減らす」という線引きをチームで共有しておくことが大切です。

消費が膨らみやすい場面

次のような場面では、意識しないうちにトークンが増えやすくなります。

• 長い会話を続ける：過去のやり取りが毎回入力として読み込まれます。
• 大きな資料やPDF、画像を読み込ませる：入力トークンが一度に大きく増えます。
• 回答を何度も出し直す：回数に比例して入力と出力の両方が増えます。
• AIが自動で複数の作業を進める仕組みを使う：1回の依頼の中でモデルが何度も呼び出され、その都度の入力が数えられることがあります。

AIトークンでよくある失敗パターン

AIトークンの失敗は、文字数で見積もる、出力単価を見落とす、会話を続けすぎる、使い方が人によってばらつく、の4つが代表的です。

失敗パターン	起こること	対策
文字数で費用を見積もる	日本語ではトークン数が想定より多く、予算を超える	自社の文書でトークン数を実測してから見積もる
出力側の単価を見落とす	長い回答を生成させる業務で費用が膨らむ	入力と出力の単価を分けて確認し、出力の分量を指定する
長い会話を続けすぎる	会話履歴の読み込みで入力が増え、最初の条件も参照されにくくなる	用件ごとに新しい会話を始め、必要な前提だけを再提示する
使い方が人によってばらばら	部署ごとの費用差の原因がわからず、管理できない	使い方のルールを決め、研修で全員に共有する

4つ目の失敗は、ツールの設定だけでは防げません。指示の書き方や会話の区切り方といった使い方の知識を、全員が同じ水準で身につけておく必要があります。ルールを決めて研修を行っても、全員が理解できているかは別の問題です。一度きりの説明会よりも、いつでも見返せる教材と、受講状況や理解度を確認できる仕組みのほうが定着しやすくなります。

研修のあとに、使い方の理解度を確認テストで確かめたい場合の一例が、SAKU-SAKU Testing(株式会社イー・コミュニケーションズ)です。CBTの技術を活かしたテスト機能が中心で、動画やスライドで学んだあとに確認テストを出せます。自社のオリジナル設問と用意済みの設問を1つのテストにまとめられ、受講状況や結果はリアルタイムで集計されます。AIによる不正受講の防止機能などは有償オプションで、日本国内仕様のため海外での利用はサポート対象外です。AIの使い方に関する教材が含まれるかどうかは、資料で確認してください。料金はプランによって異なるため、資料や公式サイトで確認してください。

3サービスの役割を比較表で見る

よくある質問(FAQ)

Q1. AIトークンとは何ですか？

A. 生成AIが文章を処理するために分けた単位で、AIの利用量を数える単位でもあります。多くのサービスで、利用料金や一度に扱える文章の長さは、文字数ではなくこのトークン数をもとに決められています。

Q2. 1トークンはどれくらいの量ですか？

A. 英語では、1トークンがおよそ4文字、単語の4分の3程度とOpenAIが説明しており、100トークンはおよそ75語です。この目安では、100万トークンはおよそ75万語にあたる計算になります。日本語には安定した目安がなく、モデルによっても変わるため、自社の文書を公式のツールで数えて確かめるのが確実です。

Q3. 入力と出力、どちらのトークンが課金対象ですか？

A. API利用では、多くの場合どちらも課金対象です。入力には指示文だけでなく貼り付けた資料や会話履歴も含まれ、出力トークンは入力より単価が高く設定されていることが多くなっています。

Q4. AIのAは何の略ですか？

A. AIは「Artificial Intelligence」の略で、日本語では「人工知能」と訳されます。本記事で扱うトークンは、生成AIが文章を処理するための単位で、AIという言葉の意味とは別の話です。

Q5. アーティフィカルインテリジェンスとはどういう意味ですか？

A. 「Artificial Intelligence」をカタカナで書いた表記で、「人工的な知能」という意味から「人工知能」と訳されます。人が行う学習や推論といった知的な処理を、コンピューターに行わせる技術の総称として使われます。

Q6. 組織でトークンコストを管理するにはどうすればよいですか？

A. 管理画面で部署やシステムごとの使用量を確認できるようにしたうえで、指示の書き方などの使い方のルールを決め、研修で全員に共有する方法が有効です。eラーニングシステムを使うと、教材の配信と受講状況の確認を一つの仕組みで行えます。

まとめ

AIトークンは、生成AIの料金と一度に扱える文章の長さを決める基本の単位です。本記事のポイントは次の5つです。

1. トークンはAIが文章を分割した単位で、文字数や単語数とは一致しない。自社の文書は公式の方法で数える
2. API料金は入力と出力のトークン数で決まり、出力のほうが単価が高いことが多い
3. 日本語はトークンを多く消費しやすく、モデルが変わると数も変わるため、コンテキストウィンドウの上限とあわせて確認する
4. 使用量を見える化し、使い方のルールを決めて、費用の差を生む使い方のばらつきを減らす
5. ルールを全員にそろえる研修の仕組みとして、eラーニングの資料を取り寄せて比べる

トークンの仕組みを押さえておくと、生成AIの費用を根拠をもって見積もり、無駄のない使い方を組織に広げやすくなります。まずは自社の典型的な業務で、トークン数を一度数えるところから始めてみてください。

参考文献

• OpenAI「Understanding and counting tokens」 https://help.openai.com/en/articles/4936856-what-are-tokens-and-how-to-count-them
• Google「Understand and count tokens(Gemini API)」 https://ai.google.dev/gemini-api/docs/tokens
• Anthropic「Token counting」 https://platform.claude.com/docs/en/build-with-claude/token-counting
• 総務省「令和8年版 情報通信白書 生成AIの活用方針等」 https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r08/html/nd121110.html
• 経済産業省「AI事業者ガイドライン」(第1.2版 掲載ページ) https://www.meti.go.jp/shingikai/mono_info_service/ai_shakai_jisso/20260331_report.html
• Impress AI Watch「AI用語の基礎知識【第15回】「トークン」とは」 https://ai.watch.impress.co.jp/docs/serial/glossary/2124577.html