クレジット
重要なお知らせ: 他の Automation Anywhere 製品との一貫性を維持するため、計算されたクレジットの UI 表示を 10 倍に増やしました。今後、UI 上のクレジットは k 単位 (千単位) で表示されます。たとえば、1,000 クレジットは 1k クレジットとして表示されます。この更新は現在、チームごとに段階的にロールアウトされています。パワーユーザー向けに追加のアドオンクレジットを割り当てるなど、スムーズな移行を支援するため、Sales、Orders、Deal Desk の各チームからすでにご連絡している場合があります。ご質問やご相談がある場合は、support@automationanywhere.com までお問い合わせください。喜んでサポートいたします。
EKB の使用量は クレジット で請求されます。これは、AI を利用したワークフローの実行にかかる基礎的なコストを抽象化する統一通貨です。クレジットには 2 種類のアクティビティが含まれます。ドキュメントのアップロード、メッセージの送信、ツールの呼び出しなどの個別の操作に対する定額の プラットフォーム アクション クレジット と、言語モデルによって処理および生成されるテキストの量に基づく変動 LLM トークン クレジット です。これら 2 つのコンポーネントを合わせると、EKB での操作の総コストが構成されます。
このページでは、各クレジット タイプの計算方法を詳しく説明し、実際の例を示し、使用量が増減する要因について説明します。
コアコンセプト
クレジットとは何ですか?
クレジットは、EKB がプラットフォームの使用状況を追跡し、請求するために使用する測定単位です。クレジットは、基礎となるリソース (コンピューティング、API 呼び出し、LLM 使用量) ごとに個別に請求するのではなく、それらのコストを予測可能な形式に抽象化する単一の統一通貨を提供します。
クレジットは次の 2 つの方法で消費されます。
- プラットフォーム アクション クレジットは、ドキュメントのアップロード、チャット メッセージの送信、ツールの呼び出しなど、特定のユーザー アクションに関連付けられた定額料金です。これらは固定されており、コンテンツのサイズや使用されるモデルに関係なく予測可能です。
- LLM トークン クレジットは、実際の言語モデルの使用量に基づいて変動する料金です。LLM のコストはモデルに出入りするテキストの量に依存するため、これらのクレジットはドキュメントのサイズ、応答の長さ、モデルの選択に基づいて変動します。
あらゆる操作の合計クレジット消費量は、常に両方のタイプの合計になります。
トークンとは何ですか?
トークンは、大規模言語モデルがテキストを処理するために使用する単位です。LLM によってテキストが読み取られたり生成されたりする前に、テキストはトークン、つまり単語または単語の一部に大まかに対応する小さな断片に分割されます。
一般的な経験則として:
- 1 トークン ≈ 4 文字、または英語のおよそ ¾ 単語
- 100,000 ワードのドキュメントは約 133,000 トークン
- 「Explain this document」のような短い文は 4～5 トークン程度です
LLM プロバイダーは、入力トークン (モデルに送信されるテキスト — プロンプト、取得されたドキュメント チャンク、システム命令) と 出力トークン (応答としてモデルが生成するテキスト) に対して個別に料金を請求します。入力レートと出力レートは異なり、両方とも LLM トークン クレジットの消費に影響します。モデルごとの入力および出力クレジット レートについては、事前定義およびカスタムモデルを参照してください。
EKB では、大きなドキュメントがコンテキストに取得される場合、多くのナレッジ ベースのチャンクがプロンプトに含まれる場合、またはモデルが長い応答や構造化された応答を生成する場合、トークンの使用量が増加します。
クレジット消費テーブル
A. ナレッジベース (KB) の取り込み
ドキュメントをナレッジベースにアップロードすると、複数段階の取り込みパイプラインがトリガーされます。各ステージには独自のコスト構造があり、プロジェクトの構成に応じて追加の LLM トークン クレジットが発生するステージもあります。
取り込みパイプライン
| Stage | Description | Cost |
|---|---|---|
| 1. Document Upload | ファイルを受信し、ワード数を計算 | 10,000 ワードあたり 10 クレジット |
| 2. LLM Extraction (optional) | LLM がドキュメントからコンテンツを解析および抽出 | 入力 + 出力トークン × モデル レート |
| 3. Platform Chunking | トークン化、分割、メタデータの組み立て | 無料 (プラットフォーム) |
| 4. Chunk Enrichment (optional) | LLM が各チャンクのコンテキスト接頭辞を生成 | 入力 + 出力トークン × モデル レート |
ステージ 2 と 4 は、プロジェクト設定で有効になっている場合にのみ課金されます。ドキュメントのチャンク化は取り込みの一部として発生するため、追加のコストが発生する場合があります。詳細については、セクション B を参照してください。
例 – 10,000 ワードのドキュメント (オプション ステージ無効)
| Item | Credits |
|---|---|
| 10,000 words | 10 credits |
例 – 100,000 ワードのドキュメント (オプション ステージ無効)
| Item | Credits |
|---|---|
| 100,000 words | 100 credits |
例 – 100,000 ワードのドキュメント (すべてのステージ有効)
| Item | Credits |
|---|---|
| 100,000 words (upload) | 100 credits |
| LLM Extraction tokens | モデルにより異なる |
| Platform Chunking | 無料 |
| Chunk Enrichment tokens | ~10 credits (セクション B を参照) |
| Estimated Total | ~110+ credits |
B. ドキュメントのチャンク化
チャンク化は、ドキュメントの抽出と埋め込みの間のステップです。アップロードされたドキュメントからクリーンアップされたテキストを取得し、ベクトル ストアにインデックスされ、後でチャットまたはエージェントのクエリで取得される小さなピース (チャンク) に分割します。
チャンク化のコストは 2 つのカテゴリに分類されます:
- プラットフォーム チャンク化: サーバー上でローカルに実行される決定論的な操作 (トークン化、分割、メタデータの組み立て) で、LLM 使用量としては 課金されません。
- チャンク強化 (LLM トークン クレジット): ナレッジベース設定でプロジェクトに チャンク強化 が有効になっている場合にのみ課金されます。LLM は各チャンクの短いコンテキスト接頭辞を生成します。入力トークンと出力トークンの両方が課金されます。
例: ドキュメントのチャンク化コスト
次の例は、チャンク強化が有効になっている中程度のサイズのドキュメントを想定しています。
- ドキュメント サイズ: 100,000 ワード (~133,000 入力トークン、4 文字/トークン)
- チャンク設定:
chunk_size=64 tokens、chunk_overlap=10 tokens→ ~2,300 チャンク - チャンク強化:
gpt-4o-miniで有効 - 出力テキスト (強化接頭辞を含む結合チャンク): ~140,000 出力トークン
- モデル価格 (例): 入力
$0.15/ 100 万トークン、出力$0.60/ 100 万トークン
| Component | Tokens | Cost |
|---|---|---|
| Input Tokens (document) | 133,000 | $0.01995 |
| Output Tokens (chunks) | 140,000 | $0.084 |
| Total LLM Cost | 273,000 | $0.104 |
したがって、$0.104 (LLM 総コスト) / $0.01 (クレジットあたりのコスト) = 10.4 クレジット、~10 クレジットとして表示されます。
C. チャット / エージェントの対話
固定プラットフォーム クレジット
| Action | Credits |
|---|---|
| ユーザーがチャット メッセージを送信 | 1 credit |
| ツール呼び出し | 呼び出しあたり 1 |
変動 LLM トークン クレジット
LLM クレジットは次のように計算されます。
(入力トークン × 入力レート) + (出力トークン × 出力レート)
価格例 (Claude 4.5 サンプル モデル):
-
入力: 100 万トークンあたり $3
-
出力: 100 万トークンあたり $15
D. ワークフローの実行
| Action | Credits |
|---|---|
| Workflow execution | 1 per execution |
E. Smart Tables
Smart Tables は、LLM による抽出とエージェント主導のワークフローを組み合わせます。クレジット消費は、使用される計算パスによって異なります。
| Action | Credits |
|---|---|
| LLM computation | 入力および出力トークンに基づいて課金。コストは選択した LLM によって異なります。 |
| Agent computation | チャット / エージェントの対話と同じ方法で課金されます。 |
完全なチャットの例
シナリオ
ユーザーが「Explain the attached document.」と尋ねます。
プラットフォーム クレジット
| Component | Credits |
|---|---|
| Question asked | 1 |
| Tool calls (document retrieval) | 2 |
| Subtotal | 3 |
LLM トークンの使用
| Type | Tokens | Cost |
|---|---|---|
| Input | ~53,634 | ~$0.161 |
| Output | ~900 | ~$0.0135 |
| Total | — | ~$0.1745 |
クレジットに換算: 17 credits
最終合計
| Component | Credits |
|---|---|
| Fixed platform | 3 |
| LLM usage | 17 |
| Total | 20 |
コスト計算式の概要
ドキュメントのアップロード
ワード クレジット = (総ワード数 ÷ 10,000) × 10 + LLM トークン クレジット (解析)
チャット メッセージ
固定メッセージ クレジット + ツール呼び出しクレジット + LLM トークン クレジット (入力 + 出力)
LLM クレジットの使用を促進するものは何ですか?
LLM コストは、次の場合に増加します。
▶ 大きなドキュメントがコンテキストに取得される
▶ 多くの KB チャンクがプロンプトに挿入される
▶ 応答が長い、または構造化されている
▶ 複数のツール呼び出しがトリガーされる
▶ 高価格モデルが選択される
お客様への重要な注意事項
✓ ワードベースの取り込みコストは予測可能です。
✓ チャットのコストは、ドキュメントのサイズと使用されるトークンの数によって大きく異なります。
✓ モデルの価格はスーパー管理者で構成できます。
✓ LLM クレジットは消費量ベースであり、定額にすることはできません。
✓ 最終的なクレジット合計 = プラットフォーム クレジット + LLM クレジット。