UberのCTOが「トークンマキシマイジングの時代の終わり」を宣言、2026年AI予算を数カ月で使い切る
重要ポイント
- •UberはAnthropicのClaude CodeなどのAIツールの広範な従業員利用を奨励した結果、2026年のAI予算全体を年初の数カ月以内に使い切った。
- •Uberはプロンプトキャッシングの改善、デフォルトモデル設定の調整、時間単位のコスト監視ダッシュボードを活用し、最先端AIツールの利用従業員数を4倍にしつつトークン単価を削減した。
- •会社の社長Andrew Macdonald氏によると、UberはAI支出と消費者向け製品成果の測定可能な改善との直接的な関連性をまだ確立していない。
- •トークン価格は2023年以降90%以上下落したが、大規模言語モデルの総支出は昨年末以降2倍になっており、AI経済におけるジェボンズのパラドックスを示している。
- •マグニフィセント・セブンのテック企業の利益率は2023年第1四半期から2026年第1四半期にかけて15%から25%に成長したのに対し、S&P 500のその他の企業はわずか10%の成長にとどまり、AIの利益はテクノロジーセクターに集中していることを示唆している。
Uberは、2026年の人工知能予算の全体を年初の数カ月以内に使い切った後、より持続可能なAI展開アプローチを特定したとしている。
今年初め、The Informationのインタビューで、Uberの最高技術責任者Praveen Neppalli Naga氏は、会社が従業員に対しAIツール、特にエンジニアがソフトウェアの作成、デバッグ、レビューを支援するAI搭載コーディングアシスタントであるAnthropicのClaude Codeを可能な限り広範に使用するよう奨励した後、支出配分について「白紙に戻した」と認めた。UberはソフトウェアエンジニアのAIツール使用量で順位付けする社内「リーダーボード」まで作成していた。
この推進は、「トークンマキシマイジング」として知られるより広範な企業トレンドを反映していた。これは企業が職場でのAI採用を奨励するものの、投資利益率が加速する支出を正当化できずに多くが後退する現象である。この用語はトークン、すなわち大規模言語モデルが処理しプロバイダーが課金するテキストの基本単位に由来し、生のトークン消費量がAI支出の概算指標となっている。Uberも例外ではなかったが、Naga氏は会社がその後より効率的な展開モデルを構築したと述べた。
「AIコストに関して非常に興味深い傾向が見られます」、とNaga氏は水曜日にXの投稿で書いた。「私はこれが、いわゆるトークンマキシマイジングの時代の終わりに来ているもう一つのシグナルだと思います。」
Naga氏は、Uberが最先端AIツールを使用する従業員数を4倍にし、それによってトークン単価を下げたと説明した。同社はこれを、プロンプトキャッシングの改善、デフォルトモデル設定の調整、新しいモデルの効率性評価、そしてエンジニアがAI使用量とコストを時間単位で監視できるダッシュボードの提供によって実現した。
「採用が加速すればコストが上がると予想するかもしれません」、とNaga氏は続けた。「私たちは逆の結果を見ました。アクセスを制限したからではなく、効率性を予算の問題ではなくエンジニアリングの問題として扱ったからです。」
AI投資利益率を巡る高まる課題
企業に対し、巨額のAI投資から利益を示すよう求める圧力が高まっている。7月、Deutsche Bankリサーチ研究所のマクロ・テーマ研究グローバル責任者であるJim Reid氏は、AIの生産性向上はまだ数年先の話だと警告した。
Apolloによると、マグニフィセント・セブン（Apple、Microsoft、Nvidia、Alphabet、Amazon、Meta、Tesla）の利益率は2023年第1四半期から2026年第1四半期の間に15%から25%に拡大したが、S&P 500のその他の企業は同期間中にわずか10%の利益率成長にとどまった。これは、直接的なテクノロジーセクター以外ではAI投資の利益が限定的であることを示唆している。
5月時点で、UberはAI投資を測定可能な製品改善に結びつける取り組みを続けていた。
「そのつながりはまだありません」、とUberの社長兼最高執行責任者Andrew Macdonald氏はRapid Responseポッドキャストへの出演で述べた。「暗黙的にはより多くのものが出荷されているかもしれませんが、そうした統計と『では、実際に25%多くの有用な消費者向け機能を生み出している』との間に線を引くのは非常に困難です。」
AI支出に迫るジェボンズのパラドックス
Uberがトークン単価を下げる戦略を開発している一方で、同社は経済学者が長年指摘してきたリスクに直面している。それはジェボンズのパラドックスであり、資源への総支出が単価の下落にもかかわらず増加する現象である。
1865年にワット蒸気機関が石炭の利用を効率化したにもかかわらず石炭消費が急増したと観察した19世紀の経済学者William Stanley Jevonsにちなんで名付けられたこの概念は、現在AIにおいて現れつつある。
Silicon Data Token Expenditure Indexによると、単一トークンの価格は2023年以降90%以上下落したが、大規模言語モデルの支出は昨年末以降2倍になっている。
「トークンが安価になるにつれて、企業は支出を減らすのではなく、より多くのAIエージェントを実行し、より多くのワークフローを自動化し、より多くのコードを生成し、インテリジェンスの単価が低下するにもかかわらず総支出を押し上げています」、とApolloのチーフエコノミストTorsten Slok氏は最近のブログ投稿で書いた。
6月に発表されたBain & Co.のブリーフがこの知見を裏付けた。それによると、トークンコストは2024年12月から2025年にかけて半減したが、企業がAIツールをアップグレードしたことで、消費されたトークン量は同期間に450%増加した。
Naga氏は、トークン支出において量より質を優先するUberの哲学の転換を指摘したが、同社が年初と比べてコンピューティング能力を多く消費しているか少なく消費しているかについては明らかにしなかった。
「これがエンタープライズ規模における応用AIの未来です」、と彼は総括した。「次の段階が何と呼ばれるにせよ、最も多くのトークンを消費する者ではなく、人々がそれらをいかに効率的に使用するかによって特徴づけられるでしょう。」
この記事は元々Fortune.comで掲載された。
