第115号

ウーバーがAIコーディングツールに月1,500ドルの上限を設けた理由

ウーバーが従業員別・AIコーディングツール別に月1,500ドルの上限を導入しました。使用量が急速に増えるとき、コストと顧客価値を併せて測定すべき理由を見ていきます。

ビジネス

アン・グァンソプ（Oswarld）· INLEVEL9 著者・編集者

Google の優先ソースに追加
ウーバーがAIコーディングツールに月1,500ドルの上限を設けた理由

トークンをたくさん使えば、その分だけ成果は増えるのでしょうか

今年3月、ジェンスン・ファンはGTC期間中に収録されたAll-Inポッドキャストで、エンジニアに十分なAI利用予算を与えるべきだと述べました。年俸50万ドルのエンジニアなら、年間トークンに25万ドルほどは使えるべきだという提案でした。ツールを積極的に使わせて、より多くの仕事をこなしてもらう狙いでした。当時の発言を報じた記事

6月2日には、ウーバーが従業員1人当たり、AIコーディングツール1つ当たり月1,500ドルの利用上限を設けているとの報道がありました。会社の広報担当者がBloombergに確認した内容です。上限はここ数カ月にわたって導入されたとのことです。ウーバーがジェンスン・ファンの助言に従って失敗したという因果関係は確認されていません。2つの事例を合わせて見ると、企業がAI利用を奨励しながらコストをどう管理するか悩んでいることがわかります。Bloombergの報道

ジェンスン・ファンの予算提案は成果の公式ではありません

ジェンスン・ファンの主張は、高額報酬のエンジニアがより大きな成果を出せるなら、AIコストを惜しむ必要はないという方向に近いものです。支出と生産性が常に比例するという実験結果を提示したわけではありません。

年間トークン1予算25万ドルを12カ月で割ると、月あたり約2万833ドルです。大きな予算を許容しようという提案であって、すべての開発者が必ずそれだけ使うべきだという適正コストの算定ではありません。担当する業務やAIが短縮してくれる時間、成果物の価値によって必要な金額は変わってきます。

NvidiaがAI演算インフラを供給しているという点も併せて見る必要があります。AI利用が増えればNvidia製品への需要が拡大する可能性があります。しかし、顧客企業のトークン支出がすべてNvidiaの売上になるわけではありません。モデル提供会社やクラウド、ソフトウェア費用など複数の項目が含まれます。

ウーバーやウォルマートのようにAIを導入する企業は、そのコストをかけて得られる効果を計算する必要があります。トークン使用量が増えても、サービス改善やコスト削減につながらなければ、投資を継続的に正当化するのは難しくなります。

金融会社は金融サービスを、流通会社は商品を、自動車会社は自動車を売ります。AIはその仕事を助ける手段です。顧客が受け取る価値と業務処理コストがどれだけ変わるかが、導入企業の判断基準であるべきです。

インフラ供給会社と導入企業が常に対立する利害関係にあるわけではありません。より良いツールで成果を高めれば、双方が利益を得ることができます。問題は、使用量そのものを成果として評価するときです。トークン消費を最大限に増やす、いわゆるトークンマクシング2の文化では、不必要な呼び出しまで奨励してしまう可能性があります。

ウーバーは利用拡大と支出管理を同時に始めました

ウーバーは、開発組織でAIコーディングツールの利用を急速に拡大してきた事例です。

報道によると、ウーバーは2025年12月、約5,000人規模の開発組織にClaude Code3を導入し、Cursor4のようなツールも活用しました。使用量を示す社内ランキング表も運用していたとのことです。この導入は、ジェンスン・ファンの2026年3月の発言より前のことです。

ウーバー関連の報道には、開発者の月間AIツール利用率が95%に達し、AIの支援を受けたコミットの比率が約70%という数字が出てきます。こうした数字は、ツールが広く使われていることを示しています。ただし、AIの支援を受けたコミットの比率を、全体のコードの70%が人の介入なしに書かれたという意味に読み取ってはいけません。Forbesによる導入状況のまとめ

4月には、Claude CodeなどのAIコーディングツールに充てていた年間予算を、想定より早く使い切っていた事実が明らかになりました。ウーバーの既存の配車・価格予測モデルなどを含む、会社全体のAI投資予算が消えたという意味に拡大解釈することはできません。また、一部の開発者の月間支出額を全人員に掛け合わせて、実際の総コストを確定することもできません。

Bloombergが確認した上限は、エージェンティックコーディング5ツールごとに独立しています。Claude Codeに1,500ドルを使ったとしても、Cursorの上限が一緒に減るという仕組みではありません。一部のケースでは、承認を得て超過することもあるそうです。したがって、1,500ドルを従業員1人分のAI予算全体と見なしたり、他社の包括的な年間予算提案と単純比較したりしてはいけません。

使用量を顧客価値と結びつける作業も残っています。ウーバーの社長兼COOであるアンドリュー・マクドナルドは、Rapid Responseポッドキャストで、AI利用指標が良くなることと、消費者にとって有用な機能がより多く提供されることの間の関係を説明するのは難しいと述べました。

開発者がより多くのコードを作成したという記録と、顧客がより快適にサービスを利用できるという結果は別物です。後者は、実際の利用状況と品質を別途測定して初めてわかることです。

この発言を、AIにまったく価値がないと認めたものと捉える必要はありません。導入と利用を測る指標だけでは、顧客に還元された効果を説明するには不十分だという意味です。

コードの量とサービスの品質は分けて見る必要があります

こうした悩みはウーバーだけに限りません。

Bloombergは、ウォルマートも社内AIツールの使用量を制限し始めたと報じました。企業が利用を奨励すると同時に予算上限を設ける姿です。上限を設けたという事実だけで導入失敗を意味するわけではありませんが、利用拡大だけで十分だった段階は過ぎつつあるという兆候と見ることができます。Bloombergの企業AIコスト報道

Menlo Venturesは、2025年のコーディング向け生成AI市場を約40億ドルと推定しました。部門別業務用AI支出73億ドルのうち約55%に当たります。企業の全AI予算のうち55%を占めるという意味ではありません。米国企業の意思決定者調査と市場推定を組み合わせたレポートだという範囲も併せて見る必要があります。Menlo Ventures 2025年レポート

コーディングツールに大きなコストが投入されている分、コードを作成した後のレビューやテストまでコストに含めて考える必要があります。

CloudBeesの2026年レポートは、企業の技術責任者200人以上を調査しました。AIコードに対する準備度の自己評価スコアは平均83.6点で、100点満点の基準です。回答者の83%が「準備できている」と答えたという意味ではありません。別途、回答者の81%はAI生成コードに関連する運用サービス上の問題が増えたと報告しています。実際の障害率を全数測定した結果ではありませんが、自信と運用上の困難が同時に現れているという点は見て取れます。

週間PR6数やコード行数、コミット数は作業量を示す指標です。AIが大量のコードを生成できるようになったことで、この数字だけで開発者の成果を比較するのはより難しくなりました。レビュー時間や修正回数、デプロイ後のエラー、顧客の機能利用率を併せて見る必要があります。既存の指標がすべて役に立たなくなったわけではなく、1つの指標に意味を持たせすぎないようにすべきだということです。

Oswarldの視点

私は、ジェンスン・ファンの予算提案において、成果をどう確認するかが抜け落ちている点が一番気になります。より多くの支出を許容するにしても、その結果を評価する基準はなければならないからです。

技術戦略を策定する中で、ツールを素早く導入した後、コストが膨らんでから初めて投資効果を測ろうとする姿を見てきました。CRMやクラウドでも似たような問題がありました。AIコーディングツールも、まず使用量を増やしてしまうと、どの作業でコストが増え、何が良くなったのかを後になってから確認することになります。

コードを書くことは、ソフトウェア開発の一部にすぎません。コーディングが速くなっても、設計レビューやテストに時間がかかれば、全体のリリース速度はそれほど速くならない可能性があります。制約理論7で、全体の成果を制限する区間をまず見つけるのと同じ理由です。トークン使用量に加えて、実際の作業が完了するまでにかかった時間と品質を見る必要があります。

ウーバーはツールの利用を止めるのではなく、コストの上限を設けました。今後確認すべきは、同じコストでより良い結果を出せるかどうかです。上限を引き上げる場合も、トークンを多く使ったという事実よりも、どの作業でレビュー時間を含めた総コストを削減できたのかという根拠が必要だと考えます。

おわりに

AI予算は、ツールを十分に活用できるようにしながらも、成果を確認できるように設計する必要があります。ウーバーの事例は、使用量が急速に増えるとき、コスト管理と効果測定が同時に必要であることを示しています。トークン数やコード量の次に、その結果が顧客にどう使われたのかを確認しなければなりません。

読者の皆さんの組織では、AIツールの効果をどのように測定していますか。もしかして「トークンマクシング」を経験されているのではないか、コメントで話してみましょう。

あなたの視点が次の号をつくります

この号で最も共感した点、あるいは違う経験をした点はどこですか。

読者アカウントがあれば無料でコメントできます。

参考資料と関連リンク

主要出典

背景知識

筆者のアン・グァンソプ（安光涉）は世宗大学校経営学科教授であり、INLEVEL9のリードコンサルタントです。大学では経営データ管理やビジネスアナリティクスなど統計・データ分析を教える一方、現場ではGTM戦略とAI戦略コンサルティングを率い、技術とビジネスの接点を設計しています。AI対話システムの記憶アーキテクチャ（HEMA）研究で学術論文を発表し、毎日グローバルなAI論文をキュレーションするDaily Arxivプロジェクトを運営しています。高麗大学校技術経営専門大学院修士課程とKMBAを修了しました。著書に『考えを委ねる人々：ホモ・ブレインレス』があります。

アン・グァンソプ（Oswarld）のイラスト

著者 アン・グァンソプ（Oswarld） は世宗大学校 兼任教授、INLEVEL9 戦略コンサルタントです。経歴、研究、著書、最近の活動は著者紹介で更新しています。 最近の活動 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

각주

  1. トークン（Token）：AIがテキストを処理する際に使う基本単位です。文字や単語と一対一で対応するわけではなく、言語やモデルのトークナイザーによって長さが変わります。AIサービスの料金は通常、このトークン消費量を基準に決まります。 ↩

  2. トークンマクシング（Tokenmaxxing）：AIトークンの使用量を最大限に引き上げる企業文化を指す新造語です。「多く使うほど生産的」という前提の下、一部の企業は使用量のリーダーボードまで運用していました。 ↩

  3. Claude Code：Anthropicが開発したエージェンティックコーディングツールです。単純なコード提案にとどまらず、ターミナル上で自律的にコードを作成・修正・実行する機能を備えています。 ↩

  4. Cursor：AIをコードエディターに直接統合した開発ツールです。VS Codeをベースに作られており、AIがファイル全体の単位でコードを分析・修正できます。 ↩

  5. エージェンティックコーディング（Agentic Coding）：AIが単にコードを1行提案するにとどまらず、複数段階の作業を自律的に計画・実行するコーディング方式です。ファイルの生成、テストの実行、エラー修正までを自ら行います。 ↩

  6. PR（Pull Request）：開発者が書いたコードをチームにレビュー依頼する手続きです。コードが本体のプロジェクトに統合される前に、同僚によるレビューを経る過程です。 ↩

  7. 制約理論（Theory of Constraints）：システム全体の成果は、最も遅いボトルネック区間によって決まるという理論です。ある区間を改善しても、別の区間がボトルネックとして残っていれば、全体の成果の改善幅は制限されることがあります。 ↩

あわせて読みたい過去の号

第114号

英国がGoogleにAI検索の拒否権を求めた理由

英国のCMAがGoogleに、AI検索での利用拒否と出典・利用指標の公開義務を課しました。韓国の著作権保護とどのような違いがあるのか見ていきます。

ビジネス
第112号

サムスン成果給論争で区別すべき三つの分配方式

サムスン電子の成果給格差をきっかけに、国民配当、国富ファンド、社会連帯賃金について調べました。誰がどの財源を分けるのかをまず区別する必要があります。

ビジネス
第111号

中国がMetaによるManus買収の撤回を求めた後に残る問題

中国当局がMetaによるManus買収の撤回を求めました。再買収の資金調達と、人材・技術の分離という残された課題を見ていきます。

ビジネス