AI ユニット

概要

先端： AI ユニットの消費数を組織レベルおよびテナントレベルで追跡するには、以下のページをご覧ください。

組織レベルでの使用については、『Automation Cloud^TM 管理ガイド』の「ライセンス割り当てを監視する」のページをご覧ください。
Insights ガイドの「AI ユニットレベルの消費量」のテナントレベルの消費量の概要ページから、テナントレベルでの消費量に関するページをご覧ください。

Document Understanding^TM プロジェクトと AI Center プロジェクトの AI ユニットの消費量を追跡するには、Insights ユーザーガイドの「Document Understanding と AI Center の消費量ダッシュボード」をご覧ください。

AI ユニットとは、AI 製品へのライセンスの付与に使用される尺度です。AI ユニットはモデルの使用量に基づいて課金されます。

UiPath の AI 製品の AI ユニット消費に関する一般的な情報については、以下の 「使用状況の測定と請求ロジック 」および 「ライセンスの追跡 」セクションをご覧ください。

Process Mining での AI ユニットの消費に関する具体的な詳細については、Process Mining ガイドの「ライセンス」をご覧ください。

これにより、AI ユニットの消費数をテナントレベルで割り当てて追跡することもできるようになりました。詳しくは、テナントレベルの割り当てに関するページをご覧ください。

Automation Cloud^TM - Automation Cloud - テナントにライセンスを割り当てる
Automation Suite - Automation Suite - テナントにロボット/サービスのライセンスを割り当てる

注: 既定では、各テナントには 0 AI ユニットが割り当てられ、すべての AI ユニットがアカウントプールから消費されます。テナントに AI ユニットが割り当てられていない場合、AI ユニットは組織アカウントプールから消費されます。テナントプールの AI ユニットがすべて消費された場合、管理者はその特定のテナントに AI ユニットをさらに割り当てる必要があります。

使用状況の測定と請求ロジック

全般的なロジック

このページには、使用するアクティビティに応じた AI ユニットに関する具体的な情報が記載されており、すべての AI 製品のコストを確認できます。

全体的な使用コストは次の式を使用して計算されます。

予測コスト + ハードウェアコスト = 使用コスト

詳しくは、以下のセクションをご覧ください。

予測コスト
ハードウェアコスト

予測コスト

予測コストは次の式を使用して計算されます。

入力データのサイズ x モデルの単位原価 = 予測コスト

たとえば、入力サイズが 5000 文字の UiPath Custom Named Entity Recognition (UiPath カスタム固有表現抽出) モデルの使用量は次のようになります。

5,000 文字 = 3 単位の使用量: 3 units x 0.5 (単価原価) = 1.5 AI Units

入力データのサイズ

モデル	入力の種類	入力データのサイズ	計算される入力データのサイズ
Document Understanding^TM (UiPath および顧客管理のサードパーティ)	Document	1 ページ	入力ドキュメントに含まれるページ数
Communications Mining	JSON	1 つのメッセージ	メールボックスまたはチケット管理システムごとのメッセージ数
AI Computer Vision	画像	1 つの画像	常に 1
Task Mining	データセット	1 つのデータセット	常に 1
GenAI アクティビティ	文字列	文字列サイズの制限はモデルごとに異なります
その他のモデル	JSON	2000 文字 = 1 単位	Ceil(length(input)/2000)
	ファイル	5 MB = 1 単位	Ceil(size/5MB)
	ファイル	5 MB = 1 単位	Ceil(sum(size(input))/5MB)

使用するモデル

モデル	請求タイミング	単位原価
Document Understanding^TM (UiPath および顧客管理のサードパーティ)	予測ごと	Document Understanding のすべてのモデルのリストは、『UiPath Document Understanding ガイド』の「使用状況の測定と請求ロジック」をご覧ください。
AI Computer Vision	予測ごと	0
プレビュー版のモデル (UiPath Image Classification (画像分類) など)	予測ごと	0
Task Mining	成功したパイプラインごと	5000
Communications Mining	アップロード、修正、予測されるメッセージごと	1 - Communications Mining の請求ロジックについて詳しくは、公式ドキュメントをご覧ください。
UiPath Light Text Classifier (ライトテキスト分類器)	予測ごと	0.2
UiPath Multilingual Classifier (多言語分類器)	予測ごと	0.5
UiPath Custom Named Entity Recognition (カスタム固有表現抽出)	予測ごと	0.5
オープンソースパッケージ	予測ごと	0.1
GenAI アクティビティ	実行ごと	1

注: Task Mining を除き、パイプラインの実行または ML スキルのデプロイによって消費されるのは、ハードウェアの使用量に関連する AI ユニットのみです。

ハードウェアコスト

ML スキルのデプロイ時のハードウェアコストは、次のように計算されます。

replicas x resource cost

既定のレプリカ数はアカウントの種類によって次のように異なります。

Enterprise アカウント: 2
その他のアカウントの種類: 1

注: レプリカの数を増やすと可用性が向上します。ユーザーがレプリカの数を 1 に減らした場合、高可用性 (HA) は保証されません。

以下の表を使用して、ML スキルのリソースコストを確認します。

ハードウェア	単位原価
0.5 CPU 2 GB RAM (既定)	1 AI ユニット/レプリカ/時間
1 CPU 4 GB RAM	2 AI ユニット/レプリカ/時間
2 CPU 8 GB RAM	4 AI ユニット/レプリカ/時間
4 CPU 16 GB RAM	8 AI ユニット/レプリカ/時間
6 CPU 24 GB RAM	12 AI ユニット/レプリカ/時間
GPU	20 AI ユニット/レプリカ/時間

パイプラインに関連するハードウェアコストについては、以下の表をご確認ください。

ハードウェア	単位原価
CPU	6 AI ユニット/時間
GPU	20 AI ユニット/時間

注: 使用開始時間から課金されます。

消費量の例

バックグラウンド情報

この例のプロセスを自動化するには、次の 2 つの UiPath モデルを使用する必要があります。

まずはじめに、手持ちのデータセットを使用して Multilingual Text Classification (多言語テキスト分類) モデルをトレーニングします。GPU を使用するこのトレーニングは 6 時間 30 分かかります。

両モデルを HA スキルとしてデプロイした後、3 か月間 CPU 上で実行します。この間、Multilingual Text Classification (多言語テキスト分類) モデルにより 20,000 件のテキスト (およそ 3,000 文字) が処理され、Invoices (請求書) モデルにより 10,000 件の請求書 (2 ページずつ) が処理されます。

合計消費数を計算する

Multilingual Text Classification (多言語テキスト分類) のトレーニングで消費される AI ユニット数
7 (時間) x 20 (GPU の 1 時間あたりの AI ユニット数) = 140 AI ユニット
Multilingual Text Classification (多言語テキスト分類) を 3 か月間ホストするために消費される AI ユニット数
24 (時間/日) x 90 (日数) x 2 (1 時間あたりの AI ユニット数) = 4320 AI ユニット
Invoices (請求書) を 3 か月間ホストするために消費される AI ユニット数
24 (時間/日) x 90 (日数) x 2 (1 時間あたりの AI ユニット数) = 4320 AI ユニット
Multilingual Text Classification (多言語テキスト分類) を使用して行う予測に消費された AI ユニット数
20000 (予測数) x 2 (入力データのサイズ) x 0.5 (単位原価) = 20000 AI ユニット
Invoices (請求書) を使用して行う予測に消費される AI ユニット数
10000 (予測数) x 2 (入力データのサイズ) x 1 (単位原価) = 20000 AI ユニット
AI ユニットの合計消費数
ハードウェアコスト + 予測コスト = (140 + 4320 + 4320) + (20000 + 20000) = 48780 AI ユニット