月額数千円のAI動画ツールで何十本も生成できる。
数字だけを見ると、撮影や制作会社への発注より圧倒的に安く感じます。
しかし、経営判断に必要なのは「何本生成したか」ではありません。
企画に使った時間、没案、再生成、編集、ブランド修正、権利確認を通り抜け、実際に公開された動画がいくらで作れたかです。
Runwayが2026年7月に公表したAI Media Reportは、大企業を含む数百社を長期的に分析し、費用と時間、創造面、事業面への影響をまとめています。
一方、節約額は顧客が前年の同種業務と比べて自己申告したもので、事例の多くは匿名です。
導入の可能性を示す材料にはなっても、自社の削減率をそのまま予測する数字にはできません。
そこで本記事では、華やかな成功例から距離を置き、一本の動画が企画から効果測定へ進む過程を原価計算します。
短尺SNS動画と商品紹介動画のモデルケースも示しますが、金額は市場相場の断定ではなく、計算方法を理解するための編集部試算です。
AI動画の費用をツール料金だけで捉えると、原価の大半が消えて見えます。
生成ボタンを押す前には企画と素材準備があり、出力後には選定、再生成、編集、確認が続きます。
生成物を広告へ使うなら、配信設定と効果測定も欠かせません。
月額料金は工程の一部にすぎず、担当者が二時間レビューすれば、その人件費が追加されます。
クレジット制も錯覚を生みます。
Runwayの公式案内では、モデルや動画の長さによって消費量が変わり、Gen-4.5は1秒当たり12クレジットです。
5秒なら60、10秒なら120クレジットとなります。
ただし一回で採用できるとは限りません。
10秒動画を10回試して1本採用したなら、採用品だけでなく没案9本分も原価です。
Unlimited系のプランで生成回数が増えても、選定と修正に使う時間が増えれば総コストは下がりません。
Wistiaの2026年調査では、企業が動画を増やせない要因として、組織規模やリソース、費用が引き続き上位にあります。
生成コストの低下は障壁の一部を動かしますが、企画、承認、配信まで自動的に軽くするわけではありません。
だからこそ「生成単価」ではなく「公開可能な一本の原価」で比較する必要があります。
計測単位は、動画ファイルではなく制作案件にします。
案件ごとに次の七工程を記録すると、どこで時間が溶けているかが見えてきます。
時間は担当者別に記録します。
企画30分、生成操作20分、待ち時間30分という案件で、待っている間に別作業ができたなら、待ち時間を人件費へ全額加える必要はありません。
反対に、画面を監視しながら連続生成したなら稼働時間です。
実際に拘束された時間と、単なる処理待ちを分けると過大計上を避けられます。
権利確認も「最後に念のため行う無料作業」ではありません。
Runwayは、同社との関係ではユーザーがアップロード・生成したコンテンツの権利を保持し、商用利用に非商用制限を課さないと案内しています。
ただし、第三者の著作権、肖像、商標や広告審査まで保証する文言ではありません。
文化庁もAIと著作権に関する考え方とチェックリストを公開しており、生成・利用段階のリスクは個別の出力と利用方法に応じて検討する必要があります。
最初に案件の総コストを求めます。
式は「ツール費の案件配賦＋素材費＋外注費＋各工程の人件費＋配信準備費」です。
月額ツール費は、同月に実施した案件数や使用クレジットで按分します。
複数ツールを使った場合は合算し、無料プランでも作業時間はゼロ円にしません。
次に公開採用率を求めます。公開採用率＝公開した動画数÷完成候補数です。
完成候補10本のうち、社内承認と媒体審査を通って公開できたのが4本なら40％。
採用動画1本当たりの総コスト＝案件総コスト÷公開本数となります。
生成100本という数字は、公開本数へ結びつかなければ生産性指標になりません。
さらに投資効果を二つの方法で捉えます。
外注を置き換える案件なら「回避できた外注費−AI制作総コスト」。
売上を狙う広告なら「動画が生んだ増分粗利益−AI制作総コスト」です。
売上高ではなく粗利益を使うのは、商品の原価や手数料を差し引かないと投資回収を過大評価するためです。
編集部試算として、従来は一本当たり外注3万円で月4本、計12万円を使っていたとします。
AI導入後の月額ツール配賦が1万2,000円、担当者の実稼働が12時間、社内人件費を1時間3,000円とすると3万6,000円。
素材と字幕確認に8,000円を使えば、月の総コストは5万6,000円です。
候補を20本作っても、公開できた動画が4本なら一本当たり1万4,000円。
従来の3万円より低いので、同等品質と成果が保たれる限り、月6万4,000円の外注代替余地があります。
しかし公開が1本だけなら一本5万6,000円となり、外注より高くなります。
差を生むのは生成数ではなく、承認を通った本数です。
SNS動画では、再生数だけを利益へ直結させない方が安全です。
媒体別に視聴維持、プロフィール遷移、サイト訪問、問い合わせなどを段階的に記録し、従来動画と同じ期間・同程度の配信条件で比較します。
広告費を増やして再生が伸びた場合、制作方法の効果と配信量の効果を分離しなければなりません。
商品紹介動画では、制作費を回収するために必要な追加注文数へ置き換えると判断しやすくなります。
総コストが9万円、商品一件当たりの限界利益が3,000円なら、損益分岐点は30件です。
公開後に30件増えても、季節要因、値引き、広告予算の増加が重なっていれば、すべてを動画の効果とはみなせません。
GA4のアトリビューションは、購入や問い合わせに至るまでの接点へ貢献を割り当てる仕組みです。
モデルやルックバック期間で結果が変わるため、AI動画導入前後で設定を揃えます。
動画視聴だけでなく、リンククリック、ランディングページ到達、キーイベントをつなぎ、可能なら従来クリエイティブとの比較テストを行います。
初月から全面移行する必要はありません。
用途を一つに絞り、四週間で同じ指標を取り続けます。
第1週は基準値を確定し、第2〜3週で制作、第4週に公開率と成果を比較する流れが扱いやすいでしょう。
継続条件は一つの数字に集約しません。
原価が下がってもブランド修正が増え、担当者が疲弊しているなら運用は不安定です。
反対に初月の原価が高くても、テンプレートと承認基準が整い、再生成が週ごとに減っているなら改善余地があります。
絶対額だけでなく工程ごとの学習曲線を見ます。
停止または見直しの目安は公開採用率が低いまま、同じ理由で再生成が続く場合です。
モデルを変える前に、企画条件、素材品質、ブランド要件が曖昧ではないか確認します。
品質基準を満たすために手作業が増え続ける用途は、AI化の対象から外す判断も合理的です。
AI動画が安いかどうかは、料金表からは決まりません。
企画から配信までの総コストを集め、公開採用率で割り、外注代替額または増分粗利益と比べて初めて判断できます。
生成回数が増えるほど得になるとは限らず、没案と確認工数が膨らめば原価は上がります。
まずは用途を一つに限定し、四週間だけ同じ記録を取ってください。
採用動画1本当たりの原価が下がり、品質と成果を維持できた工程から広げる。
数字が悪い用途は、プロンプト改善だけで粘らず、従来制作へ戻す。
この切り分けが、AI動画を流行ではなく制作投資として扱う出発点になります。
.png){kind=logo}
