AI費用を誰にいくら配るか — 答えは1つではなく3つある

全員が同じ順序で同じ失敗をした

2026年4月、Uber の CTO は「AIコーディングツールの年間予算を、4ヶ月で使い切った」と社内に説明した。6月には、ツール1つあたり月 $1,500 という上限が導入された。承認があれば超過でき、各自が自分の使用量を確認できる社内ダッシュボードも用意された。Microsoft は Experiences + Devices 部門（Windows、Microsoft 365、Outlook、Teams、Surface）の Claude Code ライセンスを6月30日で打ち切った。約5,000人のエンジニアに展開してから半年、採用率が84%を超えたところでの決定だった。Amazon は、トークン消費量で開発者をランキングする社内リーダーボード「KiroRank」を廃止した。順位を上げるために無意味なジョブを走らせる開発者が出たからだ。SVP は社員にこう通達している。「AIを使うこと自体を目的にAIを使わないでほしい」

並べて読むと、落ち着かないパターンが見える。どの企業も、同じ4つを同じ順序でやっている。

1. 広くアクセスを配る
2. 使用量にインセンティブを付ける — リーダーボード、週次目標、人事評価に組み込まれた採用率
3. 予算を燃やす
4. 絞る

配分の原則を先に宣言した企業が1つも見つからない。 上限はすべて事後的だ。だから興味深い問いは「Uber がいくらに決めたか」ではない。「これを意図して決めるとどうなるか」だ。

使用量は最初から指標ではなかった

損害が出たのはステップ2だ。トークン消費量で人を並べるのは、塗り替えられたグッドハートの法則にすぎない。指標が目標になると、それは指標であることをやめる。行数（LOC）を数えたのと同じ間違いで、同じ壊れ方をする。量が報われるのだ。

実測された効果量を見るとさらに苦しい。DX が184社・38,880人の開発者を対象に調べた結果では、AIによる時間節約の中央値は 1人あたり週3時間45分ほど、実際の生産性向上は5〜15%、PRスループットの中央値は7.8%程度の増加だった。悪くない数字である。だがベンダーのマーケティングが示唆する3〜10倍ではない。10倍を前提に組んだ予算は、単に外れるだけではない。以後のコストの議論すべてを「失敗」の顔にしてしまう。ツールは、ツールとして十分に働いていたのに。

コストを動かしているのは作業量ではない

一番役に立った部分は、論考ではなくベンダーのドキュメントから出てきた。Anthropic の Claude Code のコスト解説は、API課金が想定外に高額になる原因を2つに絞って挙げている。クリアされないまま長時間開かれたセッションと、一番高いモデルを既定のまま放置していることだ。

仕組みを理解しておく価値がある。Claude Code は毎リクエストで会話全体を送り、ツールを使うたびにその結果を載せた別のリクエストを送る。プロンプトキャッシュがあるので、その履歴は正価ではなくキャッシュ読み取りのレートで再読される — が、読まれること自体は変わらない。つまり1日開いたままのセッションで放つ1行の質問も、会話全体分の使用量を引く。そしてキャッシュ有効期間を超えた休憩の後の最初のメッセージは、キャッシュを完全に外して全体を再処理する。

支配的なコスト要因が作業量ではなく習慣であるなら、習慣を教えることが予算の調整に勝つ。 これは議論の枠組みそのものを変える。ある人に月$300が妥当か$600が妥当かを論じる前に、その人がタスク間でクリアしているか、変数名の変更にフロンティアモデルを使っていないかを確かめたほうがいい。

同じドキュメントは、複数インスタンスを並列で走らせる agent teams が、teammate が plan mode で動く場合に通常セッションの約7倍のトークンを使うとも書いている。支出の跳ねを誰かの生産性と読む前に知っておきたい事実だ。

1つの名前、3つの別問題

ここが多くの議論で抜け落ちる。「AI費用の配分」という1つの言葉が、少なくとも3つの構造的に無関係な問題を覆っている。そして解決策が違う。時には正反対だ。

型A: 従量・高分散。 エンジニア、データサイエンティスト、そしてプロトタイプを作り始めたプロダクトマネージャー。1人の月額が数百ドル単位で振れる。振れの原因は作業量ではなく、エージェントを自律的に走らせた時間の長さだ。Anthropic が公開しているエンタープライズ平均は、開発者1人あたり稼働日 約$13、月 $150〜250 で、ユーザの90%は 1稼働日$30未満に収まる。エージェントを重く使う層はそこを大きく超える。per-person の上限・承認フロー・支出の可視化が本当に必要なのは、この型だけである。

型B: シート課金・安定。 営業、カスタマーサクセス、PM、マネジメント、人事、経理、現場職。1人あたりのコストはほぼ一定だ。仕事が長時間の自律実行ではなく短い対話でできているからである。ここに上限を設計するのは、存在しない問題のための制御装置を作ることだ。

型C: 成果課金。 一次対応のカスタマーサポート。2026年にこの領域はシート課金から完全に離れた。Intercom の Fin は 1 outcome あたり$0.99、Zendesk は自動解決1件あたり約$1.50（コミット）〜$2（従量）を導入し、5月の Relate でモデルを拡大した。設計すべき per-person の配分が存在しない。 判断は「単価×件数」対「有人対応のフルロード人時単価×件数」である。

実務的な帰結はこうだ。機構が必要なのは型Aだけ。 同じ申請・承認プロセスを全社に課すと、それが助けられない職種に事務コストを課し、何のリターンもなく不信のシグナルを送ることになる。

エンジニアと営業のコスト問題は正反対

型Bの中でも営業は別扱いが必要だ。コスト問題の構造がエンジニアリングと反転しているからである。

エンジニアリングの問題は従量の暴走だ。消費が想定を超えるので、処方箋は上限・可視化・安い仕事を安いモデルに流すルーティングになる。営業の問題はシートライセンスの積み重ねだ。Gong と Clari を重ねた構成は、数百人規模で1人あたり月$500を超えるという指摘がある。そして使用量をどれだけ可視化してもこれは減らない。すでに契約済みだからだ。処方箋はライセンスの棚卸しと統廃合になる。

同じ言葉、正反対の処方箋。全社共通のルールを1本書けば、必ずどちらかを外す。

インサイドセールスとフィールドセールスも分かれる。インサイドセールスは、成果が個人にきれいに帰属する唯一の職種だ。送信数、返信率、獲得した商談、受注額。だからこそ成果連動の配分が誠実に機能しうる唯一の場所でもある。同時に、営業版の tokenmaxxing が潜む場所でもある。もっと生成し、もっと送り、返信率が崩れるのを眺めることになる。対してフィールドセールスは、労働時間の大半を移動と対面に使う。AIに触る時間が構造的に少ない。 デスクワーカーと同額の枠を渡しても、単に使われずに余る。

「成果」をベンダーが定義するとき

成果課金は、指標を弄る問題を解消するように見える。実際には移動させている。

2社の定義を並べて読むとわかる。Fin の価格ページは、解決（resolution）・手順のハンドオフ・失格判定がそれぞれ$0.99であると書き、課金対象の解決を 「Fin の最後の回答のあと、それ以上のヘルプが要求されなかったこと」と定義している。これは受動的な定義だ。諦めて離脱した顧客もこれを満たす。そしてハンドオフも課金される。つまり Fin が人間にエスカレーションした会話も$0.99かかる。Zendesk は逆方向に進み、課金する解決を二重に検証すると発表した。エージェントが対話を完了したことに加えて、独立したAI評価モデルが検証したものだけを課金する。

含意が2つある。第一に、非解決イベントが課金対象である限り「解決率×単価」で支出を見積もると過小になる。正しい形は「単価×課金対象イベント数」だ。第二に、監査の対象が移動している。シート＋従量課金では、使用量の指標が弄られていないかを監査する。成果課金では、ベンダーの成功の定義が自社の定義と一致しているかを監査する。つまり会話をサンプリングして人間に判定させる作業を、早い段階で入れる必要がある。

研究は直感と逆を向いている

直感的な配分は、上位の・高給の人に多く配る。入手できる最良の証拠は逆を指している。

Brynjolfsson、Li、Raymond は、生成AIベースのアシスタントを与えられたカスタマーサポート担当5,179名を調べた。1時間あたり解決件数で測った生産性は平均14%上がった。だがその伸びは偏っていた。新人・低スキル層で+34%、経験豊富で高スキルな層では影響が最小。 彼らが記述する機構は、モデルが最良の担当者の実践を伝播させ、新しい担当者が経験曲線を早く下れるようにしている、というものだ。

Dell’Acqua らはBCG のコンサルタント758名で実地実験を行った。モデルの能力の内側に置いた18のタスクでは、AI利用者が完了タスク数で12.2%多く、25.1%速く、品質も高かった。一方、意図的に能力の外側に選んだ複雑な経営判断タスクでは、AI利用者が正解に至る確率が19パーセントポイント低かった。

合わせると、こうなる。最も得をするのは最も経験の浅い層であり、能力の境界で身を守ってくれるのは熟練である。だから「若手に多め、シニアにはレビューの時間を確保」という配分は擁護できる — ただしレビューが実際に行われる場所でのみ。 モデルが自信を持って間違えている瞬間をまだ見分けられない人に大きな枠を渡せば、買ったのはアウトプットではなく量だ。

留保を2つ、正直に書いておく。どちらの研究もアクセスの有無を比較しており、枠の大小を検証していない。 「アクセスは新人を伸ばす」から「新人に大きい枠を配るべき」への一歩は外挿である。そして Brookings の指摘は握っておく価値がある。今日の生産性向上は、これらのツールが存在する前に蓄積された専門性を借用している。若手がその専門性を形成しないなら、効果はそれを持っていた世代を超えて生き残らないかもしれない。

自分ならこうする

1. 何かを設計する前に、職種をA・B・Cに振り分ける。per-person の機構は A だけに適用する
2. 上限を課す前に消費を可視化する — 本人にも見せる。自己認識だけで数字は動く。自社の契約が実際に何を露出するかを確認する。クラウドプロバイダ経由だとベンダー側の分析が一切届かないことがあり、OpenTelemetry かゲートウェイが必要になる
3. 上限は目標ではなく予算として置く。リーダーボードを作らない。人事評価に使用量を入れない
4. 誰かの数字を調整する前に習慣を教える — タスク間でクリアする、仕事にモデルを合わせる
5. 型Bでは使用量ではなく契約を棚卸しする
6. 型Cでは成果の定義を監査する
7. サイクルタイム、手戻り、満足度を測る。行数や生のPR数は測らない。AIが自動的に膨らませるからだ
8. 四半期で見直す。年次予算は「4ヶ月目に気づく」ためのやり方だ

まだ誰も答えていないこと

公平感の問題は開いたままで、技術的な答えはないと思う。型Aのエンジニアが月$500を必要とし、フィールドセールスが$30で足りることは、業務上は正しい。そして待遇差として読まれる。私が構成できる唯一の一貫した立場は、ここでの公平とは金額の均等ではなく業務に対する充足であると声に出して言うことだ — そう言った企業を見つけられなかった。

個人単位のROIも未解決だ。支出は正確に測れる。節約時間はほぼ自己申告である。分母が正確で分子が曖昧な比で誰かの枠を動かすのは、ステップ2に戻る道だ。

証拠についての締めの注記を1つ。Uber の$1,500、Microsoft の打ち切り、Walmart の上限は、いずれも報道であって企業の公式発表ではない。適用範囲、例外、その後どうなったかは不明である。そして Uber も Microsoft も、絞った後にアウトプットが落ちたかどうかを公表していない。もちろんそれが、この議論を決着させる唯一の数字なのだが。