運用コストは5項目に分けると見積もれる
製造業AIを本番に載せた後の年間費用は、次の5項目に分けて見積もると漏れが減ります。初期費用（撮像系・センサー・開発・システム連携）の内訳は導入費用の内訳で扱い、ここでは2年目以降も毎年出ていく費用だけを対象にします。
| 項目 | 中身 | 何に比例して増えるか |
|---|---|---|
| 1. クラウド推論・計算資源 | 推論サーバー、GPUインスタンス、ストレージ、通信 | 判定件数、画像サイズ、保存期間 |
| 2. ライセンス・サブスクリプション | AIソフト、データ基盤、生成AIのAPI利用料 | ライン数、カメラ台数、ユーザー数、トークン量 |
| 3. 再学習・モデル更新 | 追加データのラベル付け、再学習、検証 | 品種切替・材料変更・設備改造の頻度 |
| 4. 監視・運用基盤（MLOps） | 精度の監視、ドリフト検知、モデルの版管理 | 稼働しているモデルの数 |
| 5. 現場対応・保守 | 誤判定の問い合わせ対応、閾値調整、機器交換 | 拠点数、アラーム件数 |
Googleの研究者らが2015年にNeurIPSで発表した論文「Hidden Technical Debt in Machine Learning Systems」は、実際の機械学習システムのうちモデルのコードはごく一部で、周辺のインフラのほうがはるかに大きく複雑だと指摘しました。運用コストの大半がモデル以外にかかるのは、この構造をそのまま反映しています。
項目ごとの増え方と抑え方
クラウド推論と計算資源
外観検査のように画像を全数判定する用途では、判定件数と画像サイズに比例して計算資源と通信量が増えます。画像を全量クラウドに送る設計にすると、通信費とストレージ費が年々積み上がります。推論を現場のエッジ機器で行い、判定結果と不良画像だけを送る構成にすると、この項目は大きく下がります。選び方はクラウドAIかエッジAIかで比較しています。
生成AIの場合は、従量課金のトークン量が利用者数と使い方で変わります。McKinseyが2026年8月に公表した「The state of AI in 2026」（1,719人・97か国）では、約20%がトークンなどのAI運用コストが利用を制約したと答えています。
ライセンス
課金単位が「ライン」「カメラ」「拠点」「ユーザー」のどれかで、横展開したときの総額が大きく変わります。1ラインのPoCでは安く見えても、全工場に広げると数十倍になる契約は珍しくありません。契約前に、横展開後の台数で年額を試算しておきます。
再学習・モデル更新
工場では品種・季節・材料ロットでデータの性質が変わり（データドリフト）、設備の改造や治具交換で入力と結果の関係そのものが変わります（コンセプトドリフト）。品種切替が多い工場ほど再学習の回数とラベル付け工数が増えるため、この項目は工場ごとの差が最も大きくなります。
監視・運用基盤
モデルの版、閾値、学習データの版を記録し、精度の低下を検知する仕組みです。品質監査で「どのモデルで合否を判定したか」を説明するために、モデルの版数をロットのトレーサビリティに残す必要があります。MESの検査実績とつないでおけば、監視のための集計を別に作らずに済みます。仕組みの詳細は運用保守の3つの仕組みを参照してください。
現場対応
過検出が多いと、現場からの問い合わせと再検査が増え、その対応が保守費として積み上がります。閾値を現場で変えられるようにする場合は、権限と変更記録の運用も費用に含めます。
見積もりで確認する質問
ベンダーの見積もりに運用費が「保守費 年額○円」と1行で書かれている場合は、次の点を確認します。
- 再学習は保守費に含まれるか。含まれる場合、年何回までか
- 品種追加や新ラインへの展開は、追加ライセンスか、追加の開発費か
- クラウド利用料は見積もりに含まれるか、発注側が別途契約するか
- 精度が下がったときの対応は、どこまでが保守でどこからが改修か
- 契約終了時に、学習済みモデルと学習データを引き取れるか
5つ目は運用費そのものではありませんが、乗り換えにかかる費用を左右します。ロックインが強い契約ほど、将来の値上げを受け入れざるを得なくなります。
運用コストを抑える設計判断
運用コストは、導入後の工夫より設計段階の判断で決まる部分が大きくなります。
- 推論はエッジ、学習と監視はクラウドに分ける。画像の全量転送をやめるだけで通信費とストレージ費が下がる
- 品種ごとにモデルを作るのではなく、品種を入力の一部として扱えるか検討する。モデル数が減れば監視と再学習の費用も減る
- 再学習用のデータを、MESの検査実績・不良コードと紐付けて自動で溜める。ラベル付けを人手で一から行う工数を減らせる
- 閾値の変更や再学習の判断を、現場の誰が行うか決めておく。外部に毎回依頼する体制は保守費が高止まりする
よくある質問
運用コストは初期費用の何割くらいを見込めばよいですか
用途、構成、課金方式で大きく変わるため、一律の割合で見込むのはおすすめしません。5項目をそれぞれ件数と頻度から積み上げるほうが、横展開したときの増え方まで見通せます。
再学習はどのくらいの頻度で必要になりますか
品種切替、材料ロットの変更、設備の改造がどれだけ起きるかで決まります。定期的に再学習するより、精度の監視でドリフトを検知したときに再学習する運用のほうが、費用と品質の両面で合理的です。
生成AIの運用費は従来のAIと何が違いますか
従量課金のトークン量が利用者と使い方で変わるため、利用が広がるほど費用が読みにくくなります。利用上限の設定、用途別の利用量の把握、社内向けの小さなモデルとの使い分けで管理します。
この記事に出てくる用語
AIは「データ基盤」で決まる
PoCは成功したのに本番で止まる。原因の多くはモデルではなく、MESと設備データの側にある 全130本
- MESとAIの関係：ロット・作業指示・品質判定がAIの精度を決める理由
- 製造業AIが本番で止まる7つの理由：PoCは成功したのにラインに載らない構造
- 製造業のAI-OCR：紙の検査記録・点検表・ミルシートをデータ化する手順
- データ基盤の段階的導入ロードマップ：ユースケースから逆算する8ステップ
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
