
AIにSNS投稿を任せたら、文章作成より「画面確認」でトークンを使っていた
今日、ClaudeにX Articlesやnoteへの投稿作業を任せていました。
記事を整え、画像を設定し、公開前に表示を確認する。人間が行えば、それほど大仕事には見えません。文章もすでに用意していたので、私は「比較的軽い作業」だと思っていました。
ところが、利用状況を見ると予想以上に消費が進んでいました。
すべてのモデルの週次枠:48%
Fable 5の週次枠:85%
追加の利用クレジット:7.71ドル
そこでClaudeに聞きました。
noteやX、Instagramへの投稿作業は、トークンの消費が大きくなる傾向があるのか?
返ってきた答えは「はい」。ただし、重かったのは文章作成でも、投稿ボタンを押すことでもありませんでした。
文章を書くより、画面を見続けるほうが重かった
最大の要因は、ブラウザ自動操作に伴うスクリーンショットでした。
Claudeの振り返りによると、この日はXとnoteの作業で、画面確認用のスクリーンショットを約60枚使っていました。
AIエージェントがブラウザを操作するときは、画面を見て、次に押す場所を判断し、操作後の結果をもう一度見ます。タイトルが入ったか、画像が正しく表示されたか、公開範囲は合っているか。人間にとっては一瞬の目視確認でも、AIにとって画像は入力データです。
Anthropicの公式資料では、画像は28×28ピクセル単位の「視覚トークン」として処理されます。たとえば1000×1000ピクセルの画像は1,296トークン、1920×1080ピクセルは高解像度対応モデルで2,691トークンの目安です。
もちろん、実際のスクリーンショットのサイズや圧縮方法によって数字は変わります。また、画面に表示される「利用枠」とAPIのトークン数を単純に同一視することもできません。それでも、画面確認が何十回も積み上がれば、文章だけのやり取りより重くなりやすいことは理解できます。
失敗からのやり直しも、静かに積み上がる
この日は、クリップボードの文字コード不良や日本語入力の混入もありました。
貼り付ける。崩れる。原因を確認する。別の方法で貼り付ける。もう一度スクリーンショットで確かめる。
この往復が増えるたびに、新しい操作だけでなく、それまでの会話や作業履歴も抱えたまま次の判断が行われます。
今回は、同じセッションでX Articlesの投稿を終えた後、そのままnoteの作業へ進みました。後半のnote投稿では、前半のX投稿の履歴まで引きずっていたわけです。
Anthropicも、利用量は会話の長さや複雑さ、使用機能、選択モデル、思考の強度によって変わると説明しています。また、長い会話では自動的なコンテキスト管理そのものが利用枠を多く消費する場合があると案内しています。
つまり、AIに複数の仕事を連続して頼むときは、「同じ担当者に続けて任せたほうが効率的」とは限りません。AIの場合、前の仕事を覚え続けるコストがあるからです。
高性能モデルに、投稿実務まで全部やらせていた
もう一つの原因は、モデルの役割分担でした。
この日は、企画や設計に使うFable 5のセッションで、そのままブラウザ操作まで実行していました。
人間の組織にたとえるなら、戦略設計を担当するシニアコンサルタントに、投稿画面への貼り付け、画像設定、公開後の目視確認まで全部やってもらっていたようなものです。
できないわけではありません。むしろ高性能なので、かなり丁寧に進めてくれます。しかし、正確にできることと、その担当者に任せるのが経済的であることは別です。
「X ArticlesにはAPIがない」は、現在は正しくなかった
今回、Claudeの回答をそのまま記事にする前に確認したところ、重要な訂正も見つかりました。
Claudeは「noteとX Articlesには公式の投稿APIがないため、ブラウザ自動化は避けられない」と説明していました。しかし、現在のX APIには、長文記事の下書きを作成し、公開するための公式Articles APIがあります。利用にはOAuth認証や必要な権限設定、実装準備が必要ですが、「X Articlesは必ずブラウザで投稿しなければならない」という説明は正しくありません。
今回ブラウザ操作になった正確な理由は、XにAPIがないからではなく、私の現在の投稿環境にArticles APIをまだ接続していなかったからです。
これは小さく見えて、大事な違いです。
AIのコスト改善は、モデルを安価なものに変えるだけでは不十分です。そもそもブラウザで操作するのか、APIで直接処理するのかという「作業経路」も設計しなければなりません。
次回から、SNS投稿の運用をこう変える
今回の経験を受けて、今後は次のように分けることにしました。
1.設計と実行でモデルを分ける
記事の構成、主張の整理、事実関係やリスクの判断には高性能モデルを使う。一方、決まった内容の転記や定型的な投稿操作は、より軽量なモデルへ任せます。
複雑な表示崩れや判断が必要な場合だけ上位モデルへ切り替え、高性能モデルを常駐させない運用にします。
2.1記事につき1セッションにする
Xの記事を投稿した後、同じセッションでnoteやInstagramまで続けない。媒体または記事ごとにセッションを分け、過去の作業履歴を次の投稿へ持ち込まないようにします。
3.スクリーンショットは要所に絞る
視覚確認をなくすのは危険です。誤投稿や画像の見切れを防ぐには、人間と同じように最終画面を見る必要があります。
そこで、画面の文字や状態を取得できる場面ではテキスト情報による確認を優先し、スクリーンショットは主に次の3か所へ絞ります。
公開直前の最終確認
公開直後の表示確認
サムネイルや画像のトリミング確認
品質保証に必要な目視は残し、同じ画面を何度も撮ることを減らします。
4.API化できる媒体は、費用対効果を見て切り替える
投稿頻度が増える媒体は、公式APIを使えるか確認します。API接続の開発や保守にもコストはかかるため、1回の投稿だけならブラウザのほうが早い場合もあります。一方、定期投稿が増えるなら、毎回の画面認識をなくせる効果は大きくなります。
AIにも「適材適所」と「作業設計」が必要だった
今回わかったのは、SNS投稿が一律に高コストなのではありません。
消費を大きくしたのは、ブラウザを何度も見て、失敗をリカバリし、長くなった同じセッションの中で、高性能モデルに実行まで任せたことでした。
AIを導入すると、つい「どのモデルが一番賢いか」に目が向きます。しかし、実務ではそれ以上に、誰に考えさせ、誰に手を動かさせ、どこだけ確認させるかが効いてきます。
人間の組織で、経営者、設計者、実務担当者、品質管理担当者を分けるように、AIにも役割分担が必要です。
高性能なAIを使うほど成果が上がるとは限らない。高性能なAIを、必要な場面だけ使える運用のほうが強い。
今日の利用枠85%は、そのことをかなり具体的に教えてくれました。