北京で1日1.4兆トークンの「トークン工場」が稼働｜AIは「どれを選ぶか」だけでなく「何を任せるか」が重要に
結論：日本企業が見るべきポイント
北京で2026年6月、大規模なAI計算施設「北京壹号トークン工場」が正式稼働しました。第一段階の公称能力は1日1.4兆トークンです。
ここでいうトークンとは、AIが文章などを処理するときに使う細かな単位です。料金や処理量の目安にはなりますが、AIの賢さ、実際に使われた量、完了した仕事の件数、売上を直接示す数字ではありません。
日本の中小企業にとって重要なのは、1.4兆という数字そのものではありません。AIを動かす供給能力が大きくなるほど、企業側では「どのAIが一番強いか」だけでなく、どの仕事をAIに任せるか、どこで人が確認するか、完了した仕事1件にいくらかかったかを管理する重要性が高まります。
まず経営者が決める3つのこと
何をAIに任せるか：繰り返し発生するか、入力が揃うか、例外が多すぎないか
どこで人が止めるか：送信、値引き、返金、支払い、公開など外部へ影響する場面
いくらかかったか：AI費＋人の確認・修正費＋運用費＋再試行費を、完了した件数で割って見る
この記事を読むべき人
AIを導入したが「何を任せるべきか」が決まっていない経営者・事業責任者
AI導入費用を月額料金だけで判断している会社
AIの出力を毎回かなり人が直している会社
AIを使う範囲と、人が確認する場面が曖昧な会社
北京の産業政策そのものを詳しく知りたい方や、AI同士の性能比較だけを知りたい方には、本記事は主目的が異なります。
北京で何が起きたのか
軟通動力（iSoftStone）は2026年6月9日に設備の起動を示す「点亮」を発表し、北京市の公式情報では6月10日に正式稼働したとされています。第一段階の公称能力は1日1.4兆トークン、長期的には1日10兆トークン規模を目指す構想が示されています。
重要なのは、1.4兆トークン/日は公称の処理能力であって、実際の利用量、需要、売上、完了した業務数ではないことです。
また「トークン工場」は、国際的に統一された設備分類ではありません。北京の政策・産業文脈で使われている呼び方で、実態はAI処理向けに大規模化・最適化した計算基盤やデータセンターに近いものです。
2030年の数字は「現在の実績」ではない
北京経済技術開発区は2030年に向けて、AI計算能力の拡大、1万枚級のAI処理装置を持つトークン工場4拠点、AIエージェントの研究・連携拠点50以上、OPC 5,000以上などを政策目標として掲げています。
OPCは**One Person Company（一人会社）**の略です。AIや共通サービスを活用し、一人や少人数でも事業を運営しやすくする考え方ですが、「社員が不要になる」「一人会社が大企業と同じになる」という意味ではありません。
これらはあくまで2030年の政策目標です。現在すでに達成された数字として扱うべきではありません。
「AIが増える」より先に、「何を任せるか」を決める
AIの供給能力が増えると、企業は複数のAIやツールを選びやすくなります。ただし、すべての会社が複数のAIを使う必要はありません。1つのAIチャットサービスで十分な会社もありますし、決まったルールで処理できる仕事なら、従来型の自動化のほうが安く安全な場合もあります。
AIを業務に入れる会社が先に決めるべきなのは、何を任せるか、どんな情報を渡してよいか、何をもって完了とするか、どこで人が確認・承認・停止するかです。
AIエージェントとは、決められた目標と権限の範囲で複数の手順を進めるAIです。便利ですが、権限や完了条件が曖昧なまま使うと、確認や手直しが増え、かえってコストが上がることがあります。
Anthropicも、AIを複雑にしすぎず、必要な場合にだけ複雑な仕組みを追加する考え方を示しています。AWSにも、処理内容に応じてAIを使い分ける技術があります。つまり「一番強いAIを何にでも使う」以外の選択肢が増えています。
AI導入費用は「月額」ではなく「完了した仕事1件」で見る
AIサービスは、月額料金やトークン料金だけを見ると比較しやすく見えます。しかし、経営上はそれだけでは不十分です。
実務では、完了した仕事1件あたりの総原価で考えると分かりやすくなります。
（AI・ツール費 + 人の確認・手直し費 + 運用費 + 失敗・再試行コスト）÷ 完了条件を満たした件数
例えば、安いAIを使っても毎回20分の修正が必要なら、その20分も原価です。反対に、少し高いAIでも、人の確認時間が大きく減り、完了件数が増えるなら、1件あたりの総原価は下がる可能性があります。
つまり、トークンが安いことと、仕事が安く終わることは同じではありません。
この考え方はHS独自の発明ではなく、ITコスト管理や1件あたりの採算を見る考え方と共通します。
AI原価を測る4ステップ
1. まず「完了」を決める
「AIが回答を出した」で完了にしないことが重要です。営業なら「担当者が確認し、顧客へ送れる状態になった」、問い合わせ対応なら「例外判断を除き、送信可能な回答ができた」のように、業務としての完了条件を決めます。
2. AIの料金だけでなく、人の時間も記録する
月額料金や利用料金に加え、人が確認した時間、修正した時間、失敗してやり直した回数を記録します。AI導入後に人の確認が増えているなら、その増分もコストです。
3. 失敗した処理も原価に入れる
一度で成功した処理だけを見ると、実際より安く見えます。再試行、作り直し、別のAIへやり直した処理も、完了した仕事を生み出すための原価として扱います。
4. 最後に「完了した件数」で割る
AIを何回呼び出したかではなく、完了条件を満たした仕事が何件できたかで割ります。これにより、AIの利用量ではなく、業務成果に近い単位で比較できます。
この数字は会社全体の投資対効果とは別物です。まず1業務の採算を見て、その後に売上、粗利、外注費、人件費、機会損失まで含めて投資判断へ広げます。
詳しい投資判断は、生成AIのROIはどう測る？中小企業のKPIと「AI組織力」の評価方法で整理しています。
AIに何から任せる？3つの例
1. 営業
AIに任せやすいこと：要望の整理、提案文や見積回答の下書き 人が確認すること：値引き、納期、最終送信
2. 顧客対応
AIに任せやすいこと：よくある質問への回答案、返信文の下書き 人が確認すること：返金、補償、例外対応
3. バックオフィス・経理
AIに任せやすいこと：データ抽出、照合、書類の下書き 人が確認すること：会計への計上、支払い、社外提出
共通するのは、外部へ影響する行為をAIだけで確定させないことです。
任せる業務は「効果が大きい順」ではなく「測りやすい順」から
最初のAI導入で、会社の中心業務を丸ごと任せる必要はありません。むしろ最初は、効果を測りやすく、失敗しても止めやすい仕事を選ぶほうが判断しやすくなります。
優先しやすい業務は、繰り返し発生し、入力情報がある程度揃い、完了条件を言葉にでき、人が確認する場所を決めやすい仕事です。問い合わせ回答の下書き、商談内容の整理、定型資料の作成、データの照合などが該当します。
慎重に扱う業務は、例外が多い、正解が1つでない、間違えたときの損失が大きい、顧客やお金へ直接影響する仕事です。値引き、返金、契約判断、支払い、採用合否などは、AIを補助に使えても最終判断まで任せない設計が必要です。
AIより通常の自動化が向く業務もあります。入力と出力が固定され、条件分岐が明確なら、従来型の自動化のほうが安定し、説明もしやすく、費用も読みやすい場合があります。
つまり最初に問うべきは「AIでできるか」ではなく、この仕事は、AIに任せた結果を測り、止め、改善できるかです。
AIへ仕事を任せる設計の詳細は、生成AIを導入しても成果が出ないのはなぜ？ 企業AIを「ツール導入」から「業務設計」へ変える7つの判断も参考になります。
AIに任せても、人が止めるべき場面
顧客や取引先への送信、値引きや価格変更、返金や補償、支払い、社外への公開、契約や重要な意思決定は、人が確認・承認・停止できるようにしておくべきです。
AIが下書きや候補を作ることと、最終責任までAIへ渡すことは別です。
AIが決められた権限内で支払い処理を進める仕組みも開発・実証が進んでいますが、現時点ではセキュリティ、責任、規制を含めた制約の中で考える段階です。
HSの実体験：この記事自体も「仕事の配分」で作った
HSでは、この記事を1つのAIに最初から最後まで書かせていません。
まず経営側が、この記事で読者に何を判断してもらうかを決めました。そのうえで、一次情報を確認するAIと、検索需要や売上導線を反証するAIへ仕事を分けました。
検索側のAIは、当初の企画にそのまま賛成しませんでした。「トークン工場」という言葉だけでは日本語検索需要が小さく、そのまま記事にしても検索流入や売上につながりにくいと指摘したのです。
そこで経営側が両方の結果を見て、記事の中心を「北京のニュース」から、1業務あたりのAI原価と、どの仕事をAIへ任せるかへ絞り直しました。
さらに、最初の原稿制作では、原稿担当のAIに必要な前提情報が十分届かず、作業が一度停止しました。原因を「AIの性能不足」ではなく、仕事に必要な情報の渡し方が不十分だったことと判断し、必要な情報を1つの指示にまとめ直したところ、制作を進められました。
この失敗から分かった3つのこと
1. 高性能なAIでも、必要な情報が届かなければ仕事は止まる モデル性能だけを上げても、依頼の目的、前提、禁止事項、完了条件が欠けていれば、正しい仕事にはなりません。
2. 「処理が終わった」と「仕事が完了した」は違う AIが文章を返したことだけで成功とせず、事実確認、検索意図、売上導線、公開基準まで満たして初めて完了としました。
3. 失敗時の戻し先を決めておく必要がある 今回も、うまくいかなかった工程を無制限に繰り返すのではなく、原因を特定し、必要な情報をまとめ直して次工程へ渡しました。AIを業務に入れる場合も、失敗したときに誰が止め、どこまで戻すかを決めておくことが重要です。
この経験は、この記事の主張そのものです。
AIを仕事で使うとき、性能の高いAIを選ぶだけでは足りません。何を任せ、どんな情報を渡し、何をもって完了とし、どこで人が確認するかを決める必要があります。
まず2週間、1業務だけで測るなら何を見るか
大がかりなAI導入の前に、1業務へ範囲を絞って短期間で測ると、次の判断材料が得られます。
その業務は月に何件発生するか
AIを使う前は1件何分かかっていたか
AIを使った後、人の確認・修正に何分かかったか
何件が一度で完了したか
何件がやり直しになったか
外部へ影響する場面で、人の承認を入れられたか
1件あたりの総原価が上がったか下がったか
この段階では「全社で何時間削減できるか」と大きく見積もるより、実測できる1業務の数字を取るほうが手戻りを減らせます。良い結果が出れば対象を広げ、確認負担が大きければ止める。この小さな判断を繰り返すほうが、AIを導入すること自体が目的になるのを防げます。
反対意見も検討する
この考え方を過大評価しないために、反対側からも見ます。
「トークン工場」は政策・広報上の呼び名という側面があり、物理的には大規模データセンターの延長でもあります。
北京の政策を、そのまま日本企業の未来として一般化することはできません。
良いAIを選ぶこと自体は、今後も重要です。
多くの中小企業では1つのAIサービスで十分な場合があります。
固定ルールの業務なら通常の自動化のほうが適している場合があります。
1件あたりの原価を細かく測ること自体に手間がかかりすぎる場合もあります。
AIが安くても、人の確認・修正が増えれば総原価は上がります。
AIによる支払いなどは、権限・責任・規制の面から限定的な運用が続く可能性があります。
それでも残る結論はシンプルです。
AIの供給能力が増えても、企業価値になるのは、完了条件を満たした仕事へ変換できたときだけです。
自社では「進める」「先に整理する」「今は見送る」のどれか
進める
繰り返し発生する業務がある
誰が責任者か決まっている
何をもって完了か決められる
人の確認時間を測れる
小さく試せる
先に整理する
AIに任せたい課題はあるが、対象業務や責任者が曖昧
完了条件や確認ポイントが決まっていない
どれだけ人が修正しているか分からない
今は見送る
「AIやAIエージェントを入れること」自体が目的になっている
誰が責任を取るか決まっていない
固定ルールの自動化のほうが安く安全
修正や管理の負担が、得られる効果を上回りそう
まず確認する7項目
何の業務を対象にするか
誰が責任者か
AIへ渡してよい情報は何か
何をもって「完了」とするか
どこで人が確認・停止するか
完了1件あたりの総原価はいくらか
いつ結果を見直すか
よくある質問
トークン工場とは何ですか？
北京の政策・産業文脈で使われている、大規模にAI処理を行う計算施設の呼び方です。国際的に統一された設備分類ではありません。
1日1.4兆トークンとは、実際に1.4兆トークン使われているという意味ですか？
いいえ。第一段階の公称処理能力です。実利用量、需要、売上、完了した業務数を示す数字ではありません。
日本の中小企業にも関係がありますか？
北京の政策そのものが直接関係するわけではありません。ただし、AI供給能力が拡大する時代に、企業側が「何をAIへ任せ、どこで人が確認し、完了1件にいくらかかるか」を考える必要性は高まっています。
AI導入費用はどう見ればよいですか？
月額料金だけでなく、AI・ツール費、人の確認・修正費、運用費、失敗・再試行コストを含め、完了した仕事1件あたりで見る方法があります。
AIに何から任せるべきですか？
繰り返し発生し、入力が揃っていて、例外が多すぎず、人が確認する場所を決めやすい業務から始めるのが実務的です。
AIを使えば人の確認は不要になりますか？
いいえ。送信、値引き、返金、支払い、公開など外部へ影響する場面は、人が最終確認できるようにするのが安全です。
関連記事
主な出典（2026年9月11日確認）
最後に：まず1業務だけで確認する
次のどれか1つでも当てはまるなら、AIを増やす前に1業務へ範囲を絞って検証する価値があります。
AIが出した内容を毎回かなり直している
AIに任せる範囲と、人が確認する場面が決まっていない
完了した仕事1件あたりの総原価が分からない
まず1業務だけで、任せる範囲・確認ポイント・完了条件・原価を設計して試す方法があります。
HSビル・ワーキングスペース 基本情報
項目 | 内容 |
施設名 | HSビル・ワーキングスペース |
運営会社 | FULMiRA Japan 合同会社 |
代表者 | 三宅 悠生 |
所在地 | 奈良県奈良市西大寺北町1丁目2-4 ハッピースクールビル |
事業者住所 | 〒631-0817 奈良県奈良市西大寺北町1-2-4 HSビル1階 |
最寄駅 | 近鉄「大和西大寺駅」北口 徒歩4分 |
営業時間 | 8:00～23:00 / 年中無休 |
電話番号 | 0742-51-7830 |
メール | |
公式サイト | |
主なサービス | コワーキングスペース、個室ブース、貸し会議室、バーチャルオフィス、AI活用・AI導入支援 |
HSビル・ワーキングスペースは、奈良・大和西大寺エリアで物理スペースを運営しながら、自社業務でAI・SEO/AIO・Wix・LINE導線の実運用を行っています。
筆者プロフィール
筆者：HSビル AIメディア編集部
HSビル AIメディア編集部は、HSビル・ワーキングスペースのAI活用、SEO/AIO、Wix導線改善、LINE予約・相談導線、コワーキング・貸し会議室・バーチャルオフィス運営の実務経験をもとに、中小企業・個人事業主向けにAI活用と業務整理の記事を作成しています。
記事では、単なるAIツール紹介ではなく、実際の業務に落とし込むための役割分担、コスト管理、人間確認の範囲、検索データ、相談・申込導線まで含めて整理します。
三宅 悠生
FULMiRA Japan 合同会社代表。HSビル・ワーキングスペースを運営し、施設運営・Web集客・AI組織運用を自社実務に組み込んでいます。AIを単なるツール追加ではなく、業務ごとの役割分担と成果につなげる運用として実践・発信しています。
コメント