Uber CTOがThe Informationにさらっと一言漏らしました。「必要だと見込んでいた予算がすでに全部吹っ飛んだ（blown away already）」
2026年1月〜4月の4ヶ月で、R&D35億ドル規模の会社の1年分のAI予算が丸ごと底をつきました。主犯はClaude Codeです。これは「AIが高い」という話ではありません — インセンティブ構造がトークン爆走を生んだ話です。他のすべての会社も同じ方向に向かっています。
これは何?
Uber CTOのPraveen Neppalli NagaがThe Informationで正式に認めました。2026年の年間AI予算が4月時点ですでに底をついたと。運用データの主要な数値も合わせて公開されました —
- Uberのエンジニア95%が毎月AIコーディングツールを使用、84%が「エージェンティックコーディングユーザー」に分類
- コミットされるコードの70%がAI生成、バックエンドのライブコード変更の11%がAIエージェントによる自動作成
- 週1,800件のコード変更がAIから生まれる
- 2024年比でAIコストが約6倍に増加、2025年のR&D支出は34億ドル（前年比+9%）
- Cursorの採用は頭打ち、Claude Codeが事実上の社内標準となった
ところが同じ期間のUberのR&D支出増加率は9%。コードの70%がAIから生まれているのに成果の増加が9%なら、残りのトークンはどこへ行ったのでしょうか？ Om Bharatiyaの分析では — 一部はリリースされ、一部は探索的な試みで、一部は「摩擦がゼロになったから、書かなくてもよかったコードまで書いた」ということです。
なぜガバナンスが本当の原因なのか?
Uberが下した決断の中で最も致命的だった一つは、社内リーダーボードでした。エンジニアをAI使用量の順にランク付けしたのです。
なぜこれが問題かというと — 営業チームを「成立した取引数」ではなく「かけた電話の数」で評価するのと同じです。消費を最適化すると、価値ではなく消費が爆増します。同じ時期、Metaは「Claudeonomics」という社内ダッシュボードを作り、8万5,000人の社員のトークン使用量を追跡していましたが、ある個人が30日間で281Bトークン（約140万ドル）を使っていたデータが出てくると、2日でダッシュボードを閉鎖しました。 データが間違っていたからではありません。あまりにも恥ずかしかったからです。
| 区分 | Uber（消費の最適化） | 現実的なガバナンス |
|---|---|---|
| 予算モデル | 会社全体の共有プール | チーム別・ユースケース別の割り当て |
| モデルルーティング | すべて最高スペックのモデル | タスク別に分岐（コードレビュー=Sonnet、ボイラープレート=Haiku） |
| 測定指標 | 「AIを使うエンジニアの%」 | スプリントごとのPR、AIコードのバグ率、デプロイ時間 |
| インセンティブ | トークン使用リーダーボード | リーダーボード廃止 + 成果で評価 |
| コスト削減レバー | なし | プロンプトキャッシング（-90%）+ バッチAPI（-50%） |
Uberは4月から「エージェントエンジニア」モデルへの移行を進めていると発表しました — AIがコーディング・テスト・デプロイを一気通貫で処理し、人間はオーケストレーターの役割だけを担う形です。OpenAI Codexの追加導入も検討中とのこと。 しかし、より大きな問題は別にあります —
始め方のポイント
- リーダーボードを即刻廃止
「AIツール使用率」の測定をやめます。これはバニティメトリクスであり、測定した瞬間にゲーム化されます。 - チーム別トークン予算 + アラート
会社全体の共有プールではなく、チーム別に分離します。50%/75%/90%の閾値で自動アラートを設定します。クラウドコストの割り当てと同じ考え方です。 - モデルルーティングレイヤー
コードレビューはSonnet、ボイラープレートはHaiku、アーキテクチャの推論だけはOpus。5〜15倍のコスト削減が可能で、シンプルなタスクの品質はほぼ変わりません。 - プロンプトキャッシング・バッチAPIの活用
Anthropicはプロンプトキャッシングで-90%、バッチAPIで-50%の割引を提供しています。エンタープライズのワークロードはコンテキストの重複が多いため、これだけで30〜50%の削減が可能です。 - 測定指標の入れ替え
「AI使用%」の代わりに「スプリントごとにマージされたPR」「AIコードのバグ率」「本番デプロイ時間」— ビジネスの成果で評価します。
よくある質問
（FAQSectionが自動レンダリング — contentには含めない）
さらに深掘りしたい人へ
Project Flux — Blown by April The Informationの報道の運用データ分析 — 84%の採用率、11%のライブコード自動作成など数値まとめ projectflux.ai
Om Bharatiya — Uber Blew Its AI Budget in One Quarter インフラ・ガバナンス視点からの処方箋 — リーダーボード・モデルルーティング・キャッシング戦略 ombharatiya.com
Yahoo Finance — Uber's Anthropic AI Push Hits a Wall Naga CTO引用・社内ツール比較（Claude Code vs Cursor） finance.yahoo.com
Hacker Newsディスカッションスレッド エンジニアたちが見た本当の原因 — 「エンジニア1人あたり$1,250の支出中央値」など推計値 news.ycombinator.com
