テスラ、ウーバー、メタ、アマゾン、ウォルマートのような企業は、AIトークン消費へのアプローチを転換しています。当初、企業は「プロンプトし放題」モデルに似た、無制限のAI利用を許可していました。これは、AIラボが費用の大部分を負担する、大幅に補助されたトークン価格によって促進されていました。しかし、AI利用が増加するにつれて費用も増加し、財務部門はROI（投資収益率）を精査せざるを得なくなりました。その結果、すべてのAIタスクが高価で高性能なモデルを必要とするわけではないという認識に至りました。「トークンマキシング」、つまりトークン利用の最大化という考え方は、現在「バリューマキシング」へと移行しており、AIが最も高いリターンを提供する分野への支出に焦点を当てています。バリューマキシングを実装するために、3つのステップが推奨されます。第一に、AI支出を効果的に追跡するために、FinOps（Financial Operations）を確立する必要があります。第二に、定型的で高頻度のタスクは、より安価で性能の低いAIモデルやオープンソースの代替手段に委ね、プレミアムモデルは複雑で多段階のプロセスに予約すべきです。第三に、極めて高く一貫した利用に対しては、ビジネスはAIハードウェアを自社で所有することの費用対効果と、APIアクセスをレンタルすることの費用対効果を比較検討すべきです。AI利用を生成される価値と一致させることで、企業はAIコストを容認される費用から管理可能な投資へと転換できます。この戦略的なアプローチにより、高価なAIリソースは真にそのコストに見合うタスクにのみ利用されるようになり、全体的なAIの有用性を犠牲にすることなく大幅な節約につながります。最終的な目標は、AIの使用量を減らすことではなく、より賢く効果的に使用することです。