制限を忘れる 1社が1ヶ月でClaudeに5億ドルを使い果たす

著者：鲍奕龙；出典：ウォール街見聞

企業のAI熱潮は、初めての本格的な請求書危機に直面している。

5月28日、AxiosはAIコンサルタントの発言を引用し、その傘下の企業顧客が最近1か月で5億ドルをClaudeに費やしたと報じた。原因は従業員の使用量に上限を設けていなかったことだけだ。

分析によると、多くの企業はAIツールを急速に展開する際に、機能や普及に注力しすぎて、コスト管理の仕組み構築を怠っている。

マイクロソフトやアマゾンなどの巨大テック企業は、内部のAIツールを削減したり、AI使用量追跡プロジェクトを停止したりして、「tokenmaxxing」（トークン最大化）と呼ばれる過剰消費行動を抑制しようとしている。

アマゾンの上級副社長は従業員に警告を発した。

AIを使うためにAIを使わないでください。

現在、市場が直面している核心的な問題は、「AIを導入すべきか否か」ではなく、「これだけ多くの資金を投入して何を得たのか」ということである。

アマゾンのランキング操作、内部「スコア稼ぎ」が実際のコストを引き起こす

アマゾンの事例は、企業のAIガバナンスの困難さを別の角度から浮き彫りにしている。

報道によると、2人の関係者の証言を引用し、アマゾンの開発者プラットフォームKiroには「Kirorank」という内部ランキングがあり、従業員のAI使用活発度に基づいて評価されていた。

しかし、そのランキングは、従業員が順位を上げるために無意味なタスクをAIに代理させる行動を引き起こし、直接的に計算資源の消費増加を招いた。

今週、アマゾンの上級副社長デイブ・トレッドウェルは従業員に対し、次のように認めた。

このランキングの出発点は良かったが、最終的には従業員が「tokenmaxxing」によって運用コストを押し上げた。

彼は明確に指示した。従業員に対し、トークン消費量に注意を向けるのではなく、より良い製品を作ることに集中すべきだと。そして、「AIを使うためにAIを使わないでください」と強調した。

その後、アマゾンは声明で、このテスト版ダッシュボードは「正式または承認されたツールではなく、すでに撤去された」と確認した。

Metaも同様の事例があり、従業員はトークン消費量を引き上げて社内ランキングで有利な位置を占めようとした。

この現象は、企業がAI使用量を評価に組み込むと、逆効果となり、従業員の動機付けが計算資源の無駄遣いに歪む可能性を示している。

アマゾンはその後、「正規化された展開」指標に切り替え、トークン消費量の代わりに、エンジニアがAIを通じて実用的なコードを継続的に生成できるかどうかを追跡することにした。

注目すべきは、アマゾンの今年の資本支出が2000億ドルに達すると見込まれ、その大部分がAIとデータセンターインフラに流れていることである。

四つの主要な問題点：なぜAIにお金を使ったのにリターンが得られないのか

Axiosの整理によると、企業のAI導入には四つの構造的障壁が存在している。

ユースケースの選択ミス。Velastegui VenturesのCEOであり、元MicrosoftのAI最高責任者Sophia Velasteguiは、多くの人がAIを使って嫌いな仕事を自動化しようとするが、最も価値のある仕事には集中していないと指摘する。

彼女は、企業はAIリソースを、直接収益を促進できるシナリオに集中させるべきだと考えている。盲目的に展開するのではなく。

コスト管理の欠如。AIクエリは無コストではなく、企業向けのパッケージはトークン単位で課金される。日常的な簡単なクエリでも、すぐにかなりの支出に積み上がるが、多くの事業部門はこれを明確に理解していない。

人材が最大のボトルネック。Velasteguiは、企業が一般的に採用している「花火式」AI承認を、実質的なリターンをもたらさない道と定義している。

企業は大量のAIツールを従業員に提供しているが、効果的な指導や焦点が欠如しているため、実際の採用効率は低い。

データの開放に対する懸念。金融業界に特化したAIツールを提供するBoosted.aiのCEO、Josh Pantonyは、企業がデータセキュリティを懸念して内部の独自データをAIに開示しない場合、AIの実効性は大きく低下し、投資回収も見込めなくなると指摘している。

トークン経済学：AIストーリーの新たな核心変数

この議論の背後には、より複雑な投資ロジックの再構築が進行している。

ウォール街見聞は、ゴールドマン・サックスのOne-Delta部門責任者Rich Privorotskyの最新見解を紹介し、AI取引の核心変数は「技術の実現可能性」から「コストの耐性」へと変化していると述べている。

DeepSeekはトークン価格を75％引き下げ、小米のMiMoはほぼ99％の値下げを行ったとされる。このコスト圧縮は、補助金競争後の「価格戦争」の論理を引き起こす可能性がある。

彼は、インフラのボトルネックは最終的に緩和されるとし、市場は「解決されつつある問題」に過剰なプレミアムを払うべきではないと指摘する。

さらに、Rich Privorotskyは、より安価なトークンが高コストの推論サービスに取って代わる可能性について仮説を提起した。需要の拡大に時間遅れがある場合、クラウドサービス事業者やモデル企業、AIインフラの収益増加は段階的な圧力に直面するかもしれない。

彼は、トークン支出の合理化は、今年の第2・3四半期に取締役会レベルの重要議題となる可能性が高いと考えている。その重要性は、AIの成長ストーリーと同等だ。

ブルームバーグのSilicon DataのLLM Token Expenditure Indexによると、トークン価格は今年2月末以降約65％上昇し、米国のAIソフトウェア価格は過去1年で20％から37％の上昇を記録している。

このコスト動向は、企業がAIの調達戦略を見直す契機となっている。「コストの10％で90％の出力を得る」ことがますます現実的になれば、高コストの最先端モデルへの依存は体系的に低下するだろう。

AIモデル訓練企業のMicro1のCEO、Ali Ansariは、企業は過剰なAI利用から合理的な利用への「健全な揺れ動き」を経験していると述べる。

彼は次のように考えている。

AIが今、最も効果的な分野は、実はプログラミングだけだ。

多空の争い：同じ現実に対する二つの解釈

AI投資のリターンについては、同じデータでも異なる分析枠組みの下で全く異なる結論に向かっている。

ブルームバーグのJim Schneiderは、5月初旬の見解として、2030年までに代理型AIがトークン消費を24倍に押し上げ、大規模クラウドサービス事業者やモデル提供者の粗利率は今後3〜12か月で黒字化すると予測している。

JPMorganの経済研究も、2026年初頭にPythonパッケージのPyPI上で爆発的な増加が見られたと指摘し、これは2022年のChatGPT登場時には見られなかった現象であり、実際の生産性向上が進行していることを示唆している。

一方、ブルームバーグの半導体分析家Jim Covelloは、4月のレポートで、AIサプライチェーンの価値のほぼすべてが半導体企業に流れていると指摘し、これは歴史上前例のない持続不可能な状況だと述べている。チップ企業は、顧客の利益に貢献してこそ利益を得るべきだが、今回のサイクルでは、産業全体の上流部が消費されることで繁栄している。

両者のストーリーは同時に進行しており、勝敗は未だ不明だ。確かなのは、「トークン消費量の増加＝AIの変革成功」という単純な方程式は崩壊しているということだ。

1か月で5億ドルを使い果たした極端なケースから、アマゾンのランキング操作停止まで、AI投資はより厳格なリターンの審査を受けている。次のAI請求書がどれだけの実質的価値を生み出すかが、この豪快な賭けの真の判決となるだろう。