AIエージェント導入・運用

LegalOnのCodexコスト削減を自社で試す。作業別のモデル選択を分けて測る

公開日 ・更新日

Codexの費用を下げるなら、安いモデルを一つ決めて全作業へ当てる方法は向きません。OpenAI公式RSSは2026年10月8日、LegalOnが推定日次コストを65%削減しながら開発速度を維持し、Astra、Sol、Lunaを作業に合わせて使い分けたと紹介しました。自社で再現するべきなのは65%という数字ではなく、作業ごとに選択と結果を残す仕組みです。

LegalOnの事例を数字の置き場所から読む

公式RSSで確認できる事実は、コスト削減率、開発速度の維持、三つのモデルを作業へ割り当てたことです。個別ページは取得経路で403だったため、どの作業をどのモデルへ割り当てたかまでは断定しません。実績の数字をそのまま社内目標にしない。ここを分けるだけで、導入の議論が落ち着きます。

作業を三種類に分ける

まず、調査や設計、実装、レビューのように作業を分類します。各作業について、モデル名、推定トークン量、処理時間、再実行回数、レビューの差し戻しを一行で記録する。Astra、Sol、Lunaを同じ入力で競わせるのではなく、実際の仕事に近い小さなサンプルを揃えます。

予算と速度を同じ表で見る

費用だけを下げてレビューが増えれば、チーム全体では遅くなります。作業ごとに上限予算と完了時間を置き、超えたらモデルを変えるのか、人の確認へ戻すのかを決めておく。再実行の理由も残します。数字がきれいに見えるまで試行を隠すと、次の判断ができなくなるんですよね。

比較表には、入力の大きさと担当者も書きます。同じ作業でも、前提資料が増えれば費用と時間は変わるからです。週ごとに一度だけ表を見直し、予算超過を責めるのではなく、分類が粗くなかったかを確認します。

モデルを変えた日は、変更理由を残します。品質が足りなかったのか、待ち時間が長かったのか、予算上限に近づいたのか。理由が分かれば、次の案件で同じ試行錯誤を繰り返さずに済みます。

最初から完璧な分類を作る必要はありません。記録を一週間続け、実際の差が出た作業から分類を細かくします。

一つのリポジトリで小さく回す

最初は一つのサービス、一つの担当、一週間のログで十分です。日次コスト、完了時間、差し戻し、レビュー時間を週末に並べます。LegalOnの事例は、モデルを役割で選ぶ発想を示しました。あなたの会社でも、作業の分類と予算の境界を先に決める。速さと費用が両方説明できてから対象を広げます。

出典・参考資料

著者: 松井 勇樹