AIで仕事を進めていると、「少し直してもらっただけなのに、もう利用上限？」「長い資料を毎回渡して、無駄に使っていないかな」と感じることがあります。

トークンを節約するなら、まず取り組みやすいのは、今回の作業に不要な材料を外すこと、欲しい回答の長さを伝えること、同じ説明を何度も生成させないことです。必要な条件を残したまま、処理する情報とやり直しを減らしていきます。

節約できたかは、短い回答が出たかだけでなく、確認と修正を含めて一つの仕事を終えるまでの利用量で判断します。 APIならトークン数や料金の記録、チャットアプリなら利用状況と手戻りの記録が役立ちます。

目次：知りたいところから読む

この記事でわかること

  • 会話・資料・回答のどこから見直すとよいか
  • 公式の削減事例と、メール・資料要約で使える依頼例
  • トークン数、利用上限、API料金を混同しない効果の確かめ方

トークン自体の仕組みはAIのトークンとは？で解説しています。ここでは「普段の使い方をどう変えるか」に絞ります。

最初に、何を節約したいかを決める

入力トークンは、その回にモデルが受け取る文章・資料・履歴などに関係します。出力トークンは新しく生成する回答に関係し、モデルによっては内部の推論も利用量へ影響します。質問欄の文字数だけが、すべての処理量ではありません。

チャットアプリで気になるのは、一定期間に使える枠です。一方、APIでは入力・出力などの料金区分を見て費用を計算します。入力を減らした割合だけ、月額契約の料金が下がったり、残り回数が増えたりするとは限りません。

OpenAIのコスト最適化ガイドも、リクエスト数、入力・出力トークン、利用モデルを見直す方法を挙げています。

「料金を減らしたい」「利用上限までの作業を長く続けたい」「回答を早く読みたい」のどれかを決めると、変える箇所が明確になります。契約の違いは月額プランの制限とAPI料金の違いも参考にしてください。

公式事例：指示を整理すると、総利用量が減る場合がある

OpenAIのGPT-6向け公式ガイドでは、内部のコーディングエージェント評価の一部で、指示を簡潔にした構成が総トークン数を41〜66％、費用を33〜67％減らしたと報告しています。同時に、評価スコアもおよそ10〜15％改善したという説明です。

ただし、これは提供元の内部評価であり、本サイトの実測ではありません。一般のChatGPT利用、別モデル、別の作業へ同じ削減率を当てはめることはできません。

参考になるのは、指示の重複や不要な例、関係のないツール説明を見直した点です。公式資料は、動いている構成から一度に一つのまとまりを外し、同じ評価課題で結果を確かめる進め方を勧めています。OpenAI：Using GPT-6「Favor leaner prompts」

重要な条件まで一緒に削ると、やり直しが増える可能性があります。 まず同じ指示を何度も書いていないかを見るところから始めましょう。

方法1：欲しい回答の形を、最初に指定する

「詳しく教えて」と頼むと、背景説明、複数案、注意事項などが長く続くことがあります。今回必要なのがメール案だけなら、最初に成果物と分量を伝えます。

メール作成での依頼例

次は編集部が作った架空の依頼例です。実際の出力や削減率を測ったものではありません。

お客様への返信案を、本文200文字程度で1案作ってください。受領したことと、担当者へ確認してから改めて連絡することを伝えます。納期と料金は未確定です。新たな約束を追加せず、説明は必要な確認事項だけを最後に3点以内で示してください。

「本文だけ」「1案」「確認事項は3点以内」のように、欲しいものを具体化すると、読む必要のない説明を減らす方向へ調整できます。OpenAIの応答時間の最適化ガイドも、自然言語の回答を短くする指示を例に挙げています。

ただし、200文字はトークン数の上限ではなく、文章量の目安です。AIが必ず指定どおりの長さへ収めるとも限りません。注意条件が省略されていないかは読んで確認します。

方法2：資料は、判断に必要な範囲を選ぶ

添付できるからといって、関係のない資料までまとめて渡す必要はありません。申込条件を知りたいなら、まず該当する章、料金表、条件の注記を材料にする方法があります。

資料要約での依頼例

目的は、申込期限と参加条件の確認です。添付した該当章から、期限・対象者・費用・例外条件を抜き出してください。根拠となる見出しを添え、資料に書かれていないことは「未確認」としてください。背景説明は省いてください。

これは確認範囲を明確にするための例です。ファイルを読む際に、アプリが実際にどこまで処理するかは製品の仕組みによります。「この章だけ」と依頼しただけで、全ファイルの入力処理が必ず減るとはいえません。

自分で該当部分を抜き出す場合も、「対象外」「ただし」などの注記を残します。全文の要約、必要箇所の抽出、個別条件の確認を順に使う方が、重要な箇所を探しやすい場合もあります。

会社の資料は、許可されたサービスとアカウントで扱ってください。トークン数を測るためだけに、未承認の外部サイトへ貼り付ける必要はありません。

方法3：長い会話は、仕事の区切りで前提を整理する

一つの会話で、企画、メール、表計算、別案件の相談を続けると、今の作業に関係のない履歴が増えます。区切りがついたら、必要な前提を短いメモへまとめて、新しい会話に引き継ぐ方法を検討します。

Claudeの公式ヘルプでも、長い会話の自動整理が利用枠を消費することや、新しい会話を検討する方法を説明しています。動作は各製品によって異なるため、「毎回新しい会話にすれば必ず安い」とは決めつけないでください。Claude：利用上限と会話の長さ

引き継ぎメモは、4項目に絞る

目的：社内向けの研修案内メールを作る。 確定事項：オンライン開催。対象は新人。開催日時は確認済みの別メモを使う。 未決事項：本文の言い回し。AIに日程や参加条件を補わせない。 次の作業：上の条件で300文字程度の案を1つ作る。

これは架空例です。実際には、確認済みの日付や条件を正確に引き継ぎます。AIにメモを作らせた場合も、決定事項が変わっていないかを元の記録と照合してください。

新しい会話へ移っても、アカウントの期間内の利用上限がリセットされるわけではありません。また、前の全文が必要な仕事で短いメモだけを渡すと、情報不足による再確認が増えます。継続作業には、その判断に必要な根拠も残しましょう。

方法4：同じ文を何度も作り直させず、修正箇所を伝える

完成に近い文書を「もっといい感じに」と何度も全体生成させるより、どこを変えたいかを伝える方が、必要な修正を確認しやすくなります。

冒頭の2文だけ、結論が先に伝わる形へ直してください。日付・金額・約束の内容は変更しないでください。回答は差し替える2文だけにしてください。

この依頼も編集部の例です。文章全体のつながりを直す必要があれば、全体の再編集が適切な場合もあります。差分だけ返してもらったときは、差し替えた後の文章を一度読み、意味や敬語がつながるかを確認します。

最初の依頼に目的・材料・条件・仕上がりを入れることも、修正の往復を減らす工夫です。 プロンプト自体を極端に短くするより、日付を変えない、未確定の約束を増やさない、といった条件を一度で伝えた方が使いやすい場面があります。

方法5：検索・ツール・考える設定を、作業に合わせる

文章の言い換えに最新のWeb検索が必要か、少数の項目整理に深い推論が必要かを、作業ごとに考えます。Claudeの公式ヘルプは、不要な接続アプリの無効化や、日常的な作業でのeffortの見直しを案内しています。

ただし、料金や新しい仕様を調べる仕事では、確認に必要な検索を残します。複雑な集計や原因調査でも、設定を下げた結果やり直しが増えれば、全体の利用量が増える可能性があります。

設定の選択肢はサービスや画面で異なります。利用できる項目だけを調整し、重要な確認を省く節約にはしないでください。

APIのキャッシュは「同じ入力を安く扱う」仕組み

同じ資料や指示を繰り返すAPI処理では、プロンプトキャッシュも選択肢になります。OpenAIは、リクエストの先頭に共通部分があるときに処理を再利用する仕組みを説明しています。対象モデルでは既定で有効ですが、同じ会話を続けるだけで必ずヒットするわけではありません。

キャッシュされた入力は、コンテキストや制限の計算から消えるわけではありません。費用を考える場合は、モデルごとの通常入力・キャッシュ済み入力・キャッシュ書込みの料金条件を確認します。OpenAI：プロンプトキャッシュ

資料や共通指示を先頭、質問ごとの内容を後ろに置く構成は検討できますが、対応条件と計測が必要です。履歴の要約や変更が先頭部分を変えると、キャッシュの再利用が減る場合もあります。

効果は「同じ仕事を終えるまで」で測る

APIなら、同じモデル・設定・資料・完成条件で、見直し前後の入力、出力、推論、キャッシュなどの利用記録を比べます。料金まで比べるときは、その時点のモデルの単価と、追加のツール料金も含めます。

OpenAIは入力の事前計測を案内し、GoogleのGemini APIも事前のトークンカウントと実行後の利用内訳を説明しています。OpenAI：トークン計測・Google：トークンの理解と計測

下の教材では、入力文をローカルのトークナイザーで実際に数えます。入力テキストの減少と、生成・再試行を含む作業全体の利用量は分けて見ます。

チャットアプリで内訳が見えない場合は、トークン数をAI自身に推測させて実測扱いにしないでください。代わりに、次の条件をそろえて数回記録します。

  • 同じ種類の仕事と、利用したモデル・設定
  • 添付した資料、回答の分量、追加依頼の回数
  • 完成までの時間と、重要な条件を満たしたか
  • 確認できる場合は、実行前後の利用状況の表示

一度うまくいっただけで一般化せず、必要な情報が抜けた場合は元の条件を戻します。短い回答が出ても、作り直しを何度も頼んだなら、節約できたとはまだ判断できません。

入力文を実際に数える：248から67トークンになった教材例

「何を減らしたのか」が分かるよう、新人研修の案内メールを依頼する長い入力文と、条件を残して整理した入力文を作りました。実際の業務で送った会話履歴ではなく、編集部が用意した説明用の文章です。

2026年10月28日、Python 3.12系とtiktoken 0.12.0のo200k_baseを使い、改行を含む各テキストだけをローカルで数えました。モデルへの生成依頼や有料API呼び出しはしていません。

教材の入力文文字数o200k_baseのトークン数
背景説明と重複指示がある版359248
必要な条件を残した版9267
条件まで落とした短すぎる版2819

整理後の入力例は次の通りです。

新人向け研修の案内メールを丁寧に作成。件名1つ＋本文300文字以内。日時：2026年11月5日14時〜15時。形式：オンライン。申込期限：11月2日。接続URLは未確定なので補わない。

削ったのは、今回のメールに不要な過去の打ち合わせの話と、「丁寧で読みやすく」という繰り返しです。対象者、日時、形式、申込期限、出力形式、未確定URLを補わない条件は残しました。これらが入力文に残っていることは確認しましたが、生成されたメールの品質を比較したわけではありません。

このテキスト部分の削減率は(248−67)÷248×100≒73.0％です。チャットの利用枠や請求額が73％減ったという意味ではありません。 o200k_baseを選んだローカル教材の数値で、現在の特定モデルが同じ数え方をするとも断定しません。

最短の19トークンを採用しない理由

短すぎる版は「新人研修の案内メールを短く作って。11月5日オンライン。」です。終了時刻、申込期限、URLが未確定であること、本文の上限などを失っています。少ないトークン数でも、目的の仕事を依頼できていません。

入力文を短くした後は、元の条件と一つずつ照合してください。出力が短いことや、生成が速そうに見えることだけでは採用しない。これが、節約で仕事の条件を削らないための確認です。

整理前の全文、整理後の全文、短すぎる版、計測記録JSONを配布しています。計測用Pythonスクリプトはtiktoken 0.12.0を導入して実行できます。初回はエンコード定義のダウンロードが必要になる場合があります。

OpenAIの公式資料も、ローカルのトークナイザーはプレーンテキストには使える一方、画像、ファイル、ツール定義等を含むリクエスト全体には限界があると説明しています。入力トークンの計測方法を2026年10月28日に再確認しました。実際のAPI処理では、対象モデル、リクエスト全体、出力や追加処理まで含めて記録します。

今日試すなら、いつもの依頼を一つ見直す

次にAIへ頼む仕事を一つ選び、「必要な資料」「欲しい回答の長さ」「変えてはいけない条件」を書いてみてください。まずは関係のない添付と、求めていない長い説明を減らすところから始められます。

会話が長くなる理由は入力・出力・履歴の違い、依頼の組み立て方はプロンプトの基本と改善例へ進んで読めます。節約の目的は、必要な判断材料を保ちながら、確認できる成果物まで少ない手戻りで進むことです。

公式情報源と確認日

情報の確認日：2026年10月13日。提供元の評価事例、編集部の依頼例、仮の計算を区別しています。本記事では各チャットアプリでの削減率やAPI料金を実測していません。