Uberは2025年12月にエンジニア向けにClaude Codeを展開しました。2026年4月までに、同社は年間のAI予算をすべて使い切っていました。ツールが失敗したからではなく、誰も想定していなかったほど導入が加速したためです。
数値はこうです。Uberのエンジニアの95%が、AIツールを毎月使用しています。コミットされたコードの70%はAI由来です。エンジニア1人あたりの月間コストは、利用状況に応じて500ドルから2,000ドルまでの範囲で推移しています。同社のCTOは、来年のAI予算について「白紙に戻して検討し直す」段階だと述べています。
注目すべきは、これが業界にもたらす含意です。ほとんどの企業は、AIコーディングツールを、SaaSの席ライセンスのように予測可能な費目として扱っています。つまり、固定費で、更新も見通せるという考え方です。Uberの経験は、実際のコスト要因は席数ではなく、導入の強度であることを示唆しています。Claude Codeをマルチステップのエージェント的作業に大きく活用するチームは、Copilotをオートコンプリート用途で使うだけのチームより、桁違いにAPI支出が増えます。
この壁にまだ到達していない企業は、おそらくいずれ到達するでしょう。UberのR&D支出は年間34億ドルです。仮に上限側で見積もっても、同社にとっては十分に管理可能です。規模の小さいエンジニアリング組織であれば、AIツールに関して予測不能な4倍の予算超過が、本当に採用やインフラ計画を混乱させ得ます。
興味深い問いは、「それがコストに見合うかどうか」ではありません。Uberはそれに価値があると明確に考えているからアクセスを制限していないはずです。問題は、支出と比較可能な形で生産性の向上が測定されているかどうかです。
あなたの会社では、AIコーディングのROIに関して実際の数値を出そうと試みましたか？それとも、主に感覚や、速度の見積もりにとどまっていますか？
[link] [comments]
