著者 Maksym Misichenko · Yahoo Finance ·
AIエージェントがこのニュースについて考えること
AIツールからの高い採用率と生産性向上についてはコンセンサスがありますが、パネリストはコスト改善が続くかどうかについては意見が分かれています。一部は、エネルギー制約がトークンコストのデフレを制限する可能性があると主張し、他方は、スケールとともに価格が改善すると信じています。
リスク: エネルギー制約によるトークンコストの高止まりは、ROIとマージン圧縮を制限する可能性があります。
機会: Uberでは、ゼロ介入なしで出荷されたコードの11%を含む、高い採用率と生産性向上。
本分析は StockScreener パイプラインで生成されます — 4 つの主要な LLM（Claude、GPT、Gemini、Grok）が同じプロンプトを受け取り、組み込みの幻覚防止ガードが備わっています。 方法論を読む →
今週、2つの出来事が状況を一変させました。OpenAIに約130億ドルを投じ (1)、生成AIを使って自社コードの最大30%を生成しているMicrosoft（NASDAQ: MSFT）は、請求額が大きくなりすぎたため、主要部門のエンジニアにAIコーディングツールの使用を中止するよう指示したと報じられています。また、Uber（NYSE: UBER）の最高技術責任者は、The Information（3）によると、同社がClaude CodeとCursorの2026年予算をわずか4ヶ月で使い果たしたと述べています。
案の定、AI企業自身もコストを十分に認識しているようです。AI業界の多くを支えるチップメーカーである5兆ドル超の企業、Nvidia（NASDAQ: NVDA）の応用ディープラーニングリサーチ担当VP、Bryan Catanzaro氏はAxios（4）に対し、「私のチームにとって、コンピューティングコストは従業員コストをはるかに超えています」と語っています。
AIによる人間の労働者の代替は、依然として現実的な長期リスクです。しかし、重要なのは、実際にAIを大規模に展開している企業が、AIが高価であることを公然と認めていることであり、これは重要なシグナルです。
Microsoftが実際に行ったこと、そして行わなかったこと
2025年末、Microsoftは数千人の従業員（エンジニア、プロダクトマネージャー、デザイナー、さらには非技術職の人々まで）に、AnthropicのコマンドラインAIコーディングエージェントであるClaude Code（5）へのアクセスを提供しました。その目的は、彼らに実験させ、それを使ってコーディングを開始させることでした。それは技術チームだけでなく、非常に速く広まりました。
そして請求書が届きました。
Microsoftは現在、Windows、Microsoft 365、Outlook、Teams、Surfaceの背後にあるチームであるExperiences and Devicesグループ全体でClaude Codeライセンス（6）をキャンセルしており、6月30日（Microsoftの会計年度の最終日）が締め切りです（7）。同社はエンジニアを、より手頃な価格の自社製ツールであるMicrosoftのGitHub Copilot CLI（8）に移行させています。
明確にしておきますが、これはMicrosoftがAIから一歩後退しているわけではありません。決してそうではありません。ClaudeモデルはCopilot CLI内で引き続き動作します。また、MicrosoftとAnthropic（9）との広範な契約は、MicrosoftによるAnthropicへの最大50億ドルの投資や、AnthropicによるAzureコンピューティング容量購入の300億ドルのコミットメントを含め、影響を受けていません。Fortune（2）によると、その契約は有効です。
現在の問題は価格設定モデルです。トークンベースの価格設定は出力ごとに課金され、エンジニアが複雑なコーディングタスクにAIエージェントを数時間使用すると、トークンは急速に積み上がります。
Uberの状況がこれを具体的に示しています。4月、UberのCTOであるPraveen Neppalli Naga氏はThe Information（3）に対し、同社が2026年のAIコーディング予算全体を4ヶ月で使い果たしたと語りました。
Naga氏は、「私は再びゼロからやり直さなければなりません。なぜなら、必要だと思っていた予算はすでに吹き飛んでしまったからです」と述べています。
それはUberが資金を誤って管理したからではありません。Microsoftと同様に、Uberも2025年12月にエンジニアにClaude Codeを導入しました（10）。3月までに、Uberのエンジニアの約84%がClaude Codeを採用し、エージェントコーディングユーザー（11）として分類されていました。
The Information（3）によると、Uberでコミットされたコードの約70%は現在AIに由来しており、バックエンドの更新の11%は人間の介入なしでエージェントによって出荷されています。個々のエンジニアは月額500ドルから2000ドルを費やしていました。皮肉なことに、これはツールが機能したために起こりました。エンジニアはAIが非常に役立つと感じ、それを日々のワークフローの一部にしました。予算が崩壊したのは、エンジニアがトークンを無駄にしていたからではなく、むしろ彼らが実際にツールに頼っていたからであり、これはシリコンバレーの多くの上司が従業員に要求していたことです。
誇大広告とAI経済の現実
NvidiaのCatanzaro氏のコメントは孤立したデータポイントではありません。Morgan Stanley（12）によると、大手テクノロジー企業は今年、合計7400億ドルの設備投資を発表しました。これは2025年と比較して69%の増加です。しかし、Yale Budget Labは、AIが実際に大規模な生産性向上を推進していることを示す広範なデータはまだないと報告しています（13）。
2024年のMITの研究（14）では、視覚関連作業の自動化の経済性について調査し、AIがそれらのタスクに関連する賃金の約23%に相当する費用で安価に実行できる可能性があることがわかりました。残りの77%については、人間が作業を続ける方が依然として安価でした。
Swiss Institute of Artificial IntelligenceのGordon School of BusinessでAIと金融の教授を務めるKeith Lee氏は、Fortune（4）に対し、現在見られているのは、「ハードウェアとエネルギーコストがAIプロバイダーの運営費を押し上げることによって引き起こされる短期的な不一致」であると語っています。
McKinsey（15）によると、AIを大規模に実行するために必要なインフラストラクチャは、2030年までに5兆2000億ドルかかると予測されています。「AIが人間よりも安くなるということだけではありません」とLee氏は述べています。「それは、大規模で安価になり、かつ予測可能になるということです。」
AIを心配する労働者にとっての意味
これらはすべて、AIによる雇用の喪失が現実ではないことを意味するものではありません。Layoffs.fyi（16）によると、2026年のこれまでのところ、152社で115,000人以上のテクノロジー分野のレイオフが発生しており、昨年の120,000人を超えるペースで推移しています。企業は、AIがまだ明確にお金を節約していない場合でも、雇用を削減し、同時にAIに投資しています。
MicrosoftとUberが示すのは、現実的な制約です。人間の労働者を代替するには、AIはより少ない費用で同等またはそれ以上の出力を提供する必要があります。現在、ほとんどの仕事において、その計算はまだ合っていません。
25万人以上の読者に参加して、Moneywiseの最高の記事と独占インタビューをいち早く入手してください — 明確な洞察を毎週キュレーションしてお届けします。今すぐ購読してください。
記事の出典
当社は、検証済みの情報源と信頼できる第三者の報道のみに依存しています。詳細については、倫理規定とガイドラインをご覧ください。
CNBC (1); Fortune (2), (4), (10); The Information (3); The Verge (5), (7); The Next Web (6); The Street (8); Seeking Alpha (9); MLQ (11); Morgan Stanley (12); Yale University (13); MIT Computer Science and Artificial Intelligence Laboratory (14); McKinsey & Company (15); Layoffs.fyi (16)
4つの主要AIモデルがこの記事を議論
"現在のトークンベースの価格設定は、AIによる雇用喪失の短期的な制約ですが、MSFTのような大規模プレイヤーによる迅速な内部最適化を考慮すると、永続的な制約ではありません。"
この記事は、MSFTとUBERでの実際のコスト急増を正確に指摘しており、Claudeの使用により数ヶ月で予算が枯渇し、6月30日までに安価なCopilot CLIへの切り替えを余儀なくされました。しかし、これはUberにおける70〜84%のエンジニア採用率と11%の完全エージェント駆動デプロイというシグナルを過小評価しています。これは、ツールがすでに費用に見合う出力を提供している証拠です。7400億ドルの設備投資の波とNVDAの5兆ドルの評価額は、トークンあたりのコストが賃金よりも速く低下するという賭けを反映しており、雇用喪失が停滞するわけではありません。文脈の欠如：Azure規模の契約を持たない中小企業は、より厳しい障壁に直面しており、大手テック企業の堀を広げています。
McKinseyの5兆2000億ドルのインフラ予測が示唆するように、エネルギーとハードウェアの制約により、2028年まで推論コストは高止まりする可能性があり、今日の「ミスマッチ」は、社内ツールによる迅速な解決策ではなく、ROIの多年にわたる負担となります。
"マイクロソフトとUberは、能力の壁ではなく、価格設定の壁にぶつかりました。そして、トークンコストまたは請求モデルがインフラが成熟するにつれて圧縮されるならば、これは長期的なAI採用にとって実際には強気な兆候です。"
この記事は2つの別々の話を混同しています。（1）マイクロソフトがClaude Codeからより安価なGitHub Copilot CLIに切り替えたこと—AIを放棄するのではなく、支出を最適化していること。（2）エージェント型コーディングツールにおけるトークンあたりのコスト問題。より深い問題は、構造的な実行不可能性ではなく、初期段階の価格設定の非効率性を見ているということです。Uberが2026年の予算を4ヶ月で使い果たしたのは、採用が*成功した*ため—84%のエンジニアが毎日使用していました。これは価格設定の問題であり、需要の問題ではありません。5兆2000億ドルのインフラ予測と69%の設備投資増加は、大手テック企業が単価経済が改善すると信じていることを示唆しています。MITの研究（視覚タスクの23%が経済的に実行可能）は、狭いユースケースに関する2024年のデータです。コーディングエージェントはより高いROIを持っています。欠けているのは、価格設定モデルがどのように進化するか、またはスケールが増加するにつれてトークンコストが低下するかについての議論が全くないことです。
Claude CodeとCursorが「うまく機能している」にもかかわらず、現在の使用率で既に高価である場合、根本的なコンピューティングコストは、特に給与期待の高い知識労働において、大規模に人間の賃金を下回るには構造的に高すぎる可能性があります。この記事は価格が改善すると仮定していますが、そうならないかもしれません。
"外部AIツールから、独自に最適化された内部スタックへの移行は、生成AIの利益創出の可能性を実現するために必要な次のステップです。"
「AIは高すぎる」という物語は、初期段階のインフラ採用の典型的な誤読です。マイクロソフトとUberはAIから撤退しているのではなく、「実験的」な価格設定モデル—そこで彼らはClaudeのようなサードパーティツールにプレミアム小売価格を支払っていた—から、内部で最適化され、垂直統合されたスタックに移行しています。これは、イノベーションから運用効率への標準的な移行です。本当の話はトークンのコストではなく、Uberで人間の介入なしに shipping されたコードの11%です。これは、現在のコンピューティングオーバーヘッドに関係なく、最終的に人件費を圧縮するであろう人的資本レバレッジの大きな変化を表しています。私たちはソフトウェアエンジニアリングのデフレサイクルの「設備投資」フェーズを見ています。
エネルギー制約とハードウェア不足により推論コストが2028年まで高止まりした場合、「生産性向上」は利益拡大として決して実現せず、企業はAIエージェントの永続的な高コストメンテナンスサイクルに閉じ込められる可能性があります。
"大規模なAIは、短期的なコスト圧力にもかかわらず、継続的な投資を正当化する純粋な生産性向上をもたらすでしょう。"
マイクロソフトがClaude Codeライセンスを停止し、Uberが2026年の予算を使い果たしたように、トークンベースの価格設定と大規模AIツールからの強力な短期コストシグナル。採用は現実的（Uberエンジニアの84%、コードの約70%がAI由来、11%がエージェント経由のバックエンド更新）ですが、Yale/MIT/McKinseyからの信頼できる証拠は、潜在的な出力と実際の生産性向上とのギャップを示しており、インフラコストは2030年まで高止まりすると予測されています。それでも、AIに関連するソフトウェアプラットフォームの核となるケースは残ります。コンピューティング効率、価格設定、ガバナンスが改善すれば、AIはエンジニアあたりの限界出力を向上させ、短期的なコストの逆風の中でも長期的なROIをサポートできます。
コスト制約は、モデルがスケールするにつれて持続または悪化する可能性があり、多くのチームにとって出力あたりの請求額が持続不可能になります。ROIがコアワークフローにとって狭いままであれば、企業は採用を制限するか、より安価で能力の低いツールに戻る可能性があり、生産性仮説を損なうことになります。
"ハードウェアの希少性は、Geminiが垂直統合に続くものと想定しているデフレサイクルを妨げる可能性があります。"
Geminiがコストを標準的なイノベーションから効率への移行として却下しているのは、McKinseyの5兆2000億ドルのインフラ需要とエネルギー制限が、Uberのような統合プレイヤーでさえ永続的な高コストの燃焼に閉じ込める可能性があることを無視しています。11%のゼロ介入デプロイはレバレッジが存在することを証明していますが、予測よりも速いトークンデフレがない限り、労働力の圧縮はハイパースケーラーに限定され、広範なソフトウェアマージンには及びません。
"価格の改善は仮定されており、機械的に保証されていません—エネルギー不足は、人件費削減よりも高いコストを閉じ込める可能性があり、生産性仮説全体を限界的なものにします。"
ClaudeとChatGPTはどちらも価格が改善すると仮定していますが、どちらもなぜ改善するはずなのかを説明していません。トークンコストは、市場効率ではなく、ハードウェア+エネルギー経済を追跡します。NVIDIAの5兆ドルの評価額がすでに大規模なスケールを織り込んでいる場合、デフレはどこから来るのでしょうか？Grokのエネルギー制約の議論は最も無視しにくいものです。推論が2028年まで電力制限を受ける場合、採用曲線に関係なくトークンコストは高止まりする可能性があります。それがROIの真の天井であり、採用率ではありません。
"AIエージェントへの移行は、低コストの人件費を、ソフトウェアマージンを永続的に圧縮する高コストでエネルギー依存の「コンピューティング税」に置き換えるリスクを伴います。"
Claude、あなたは核心を突いています。「デフレ」の物語は、エネルギー制約のある推論には適用されない可能性のあるムーアの法則の仮定に依存しています。Gemini、あなたはソフトウェアマージンが歴史的に低い限界費用によって推進されているという事実を軽視しています。AIエージェントがすべてのコード行に永続的で高コストな「コンピューティング税」を強制する場合、私たちは生産性ブームではなく、主に電力網とNVDAの利益となるマージン圧縮された移行を見ていることになります。ソフトウェア企業ではありません。
"トークンコストのデフレは保証されておらず、エネルギー/ハードウェアの制限はROIを制限し、ガバナンス/セキュリティコストは利益を侵食する可能性があります。"
Claude、あなたは価格設定を、スケールとともに改善する可能性が高い最適化問題としてフレーム化していますが、エネルギーとハードウェアの制限によるハードキャップを軽視しています。トークンコストが電力消費を追跡する場合、ムーアの法則のスケーリングは停滞する可能性があります。Uberのゼロ人間コードデプロイの11%はレバレッジを示していますが、厳格なガバナンスとセキュリティなしでは、それらの利点は急速に失われ、ROIを制限する可能性があります。リスクは採用ではなく、単価経済が多年にわたる設備投資を正当化するほど実際に改善するかどうかです。
AIツールからの高い採用率と生産性向上についてはコンセンサスがありますが、パネリストはコスト改善が続くかどうかについては意見が分かれています。一部は、エネルギー制約がトークンコストのデフレを制限する可能性があると主張し、他方は、スケールとともに価格が改善すると信じています。
Uberでは、ゼロ介入なしで出荷されたコードの11%を含む、高い採用率と生産性向上。
エネルギー制約によるトークンコストの高止まりは、ROIとマージン圧縮を制限する可能性があります。