Uber、AIコーディング予算をわずか4ヶ月で使い果たした
AIコーディングのコストは急速に上昇しています。
Uberは、2026年度のClaude Code予算を4月までに使い果たしました。そのため、従業員の支出を月額1,500ドルに制限せざるを得なくなりました。
他のデータも、大規模な傾向を示しています。
- Gartnerによると、テックリーダーの23%が、開発者1人あたり月額200ドルから500ドルをトークン代に費やしています。
- GitHub Copilotは従量課金制に移行しました。
- 大手企業では、従業員1人あたり月額7,500ドルをAIに費やしています。
問題は単純です。エージェンティックなワークフロー（Agentic workflows）は、トークンの消費が速すぎます。すべてのタスクに高価なモデルを使用すると、資金を無駄にしてしまいます。
私自身も、自身の支出でこの現象を経験しました。AIコーディングの請求額が月額10,000ドルに達したのです。
私はすべてにClaude Opusを使用していました。コードの設計、テストの作成、ファイルのフォーマット、変数名の変更など、あらゆることに使っていました。
これは、家具を移動させるためにシニアアーキテクトを雇うようなものです。仕事は完了しますが、コストがかかりすぎます。
使用状況を分析したところ、あるパターンが見えてきました。
- 15%のタスクは高度な推論を必要としていた。
- 25%のタスクは中位レベルの能力を必要としていた。
- 60%のタスクは機械的な作業だった。
その60%の作業に、最先端（frontier）モデルは必要ありません。小型モデルを使えば、はるかに低コストで実行できます。
スマートなチームは、タスクを適切なモデルに振り分けます。
- Tier 1 (Frontier Models): アーキテクチャ、複雑なバグ、セキュリティに使用。
- Tier 2 (Mid-Tier Models): 機能の実装やコードレビューに使用。
- Tier 3 (Fast/Cheap Models): フォーマット、ドキュメント作成、ボイラープレートの生成に使用。
私はこの方法に切り替えました。その結果、月間の支出は10,000ドルから3,000ドルに減少しましたが、アウトプットの品質は維持されました。
開始方法：
- 1週間、APIプロンプトをログに記録する。
- コンテキストの肥大化や、不要な思考ループがないか確認する。
- セッションごとではなく、タスクごとに振り分ける。単一のワークフロー内でも、ステップごとに異なるモデルを使用すべきである。
AIで成功している企業は、単に支出を増やしているわけではありません。より賢く支出しています。コストを抑えるために、モデルを組み合わせて活用しているのです。
単純なタスクに対して、高価な推論能力にコストを払うのはやめましょう。
Optional learning community: https://t.me/GyaanSetuAi