AIコスト見直しの号砲、ナデラ・カープ発言と6社の予算修正

「AIは使えば使うほど得をする」。この空気に、僕はずっと違和感を持っていました。Claude CodeにMCPサーバーをつないで毎日仕事をしていると、トークンを消費すること自体が目的になってしまう瞬間が、たしかにあります。「たくさん使えているから、うまく活用できている」。その感覚は、本当に正しいのでしょうか。

この夏、その空気に「待った」をかける発言が相次いでいます。パランティアのアレックス・カープCEOは2026年7月1日、AIのトークン課金モデルを厳しく批判しました。マイクロソフトのサティア・ナデラCEOも同月14日から16日にかけて、別の角度から同じ課金モデルに警鐘を鳴らしていたのです。Washington Post（2026年7月28日付、AP通信配信）は、この一連の動きをこう総括しました。「トークンマックスという企業の流行が色あせつつある」。

「トークンマックス（tokenmaxxing）」とは、AIの利用量そのものを社内の評価指標にし、とにかくトークンを使うことを推奨する企業文化を指す言葉です。この言葉が生まれた背景と終わりつつある理由、そして個人でAIエージェントを使う僕たちに何を意味するかを、一次ソースを当たりながら整理します。

「AIは使うほど得」ブームが、この夏に潮目を変えた理由

「トークンマックス」という言葉が生まれた経緯は、単純です。生成AIを導入した企業の多くが、社員の利用率をKPI(重要業績評価指標)に設定しました。「使った量が多いほど、AI活用が進んでいる」という発想です。利用量に応じたランキングを社内につくり、上位者を表彰する企業もありました。

ところがこの発想は、思わぬ副作用を生んでいます。TechCrunch(2026年6月24日掲載)によると、Amazonは社内で「KiroRank」という利用量ランキングを運用していました。社員がランキングを上げるためだけに、意味のないタスクでトークンを消費し始め、静かに廃止されたといいます。Metaも似た仕組みの「Claudeonomics」を持っていました。IBTimes UKの報道では、社員が1カ月で2億2,100万ドル分のAIトークンを消費していたことがわかっています。

数字だけを追いかけると、成果につながらない消費が積み上がります。春先の熱狂から、夏の冷静な予算見直しへ。Washington Postの記事タイトルが示す通り、企業は今、より安いAIの使い方を探し始めています。「使えば使うほど良い」という前提そのものが、財務の現実に追いつかれた格好です。

これは、マーケティングの世界にいた僕には既視感のある構図です。かつて「投稿数を増やせばフォロワーが増える」という前提で、SNS運用のKPIを組んだ企業もあったのです。その結果、質の低い投稿を量産し、逆にエンゲージメントを落とした事例を何度も見てきました。測る指標を間違えると、現場は指標を満たすことだけに最適化していきます。トークンマックスも、根っこは同じ失敗です。「AI活用度」を測りたかったはずなのに、測れたのは「トークンをどれだけ溶かせるか」でしかなかったのです。

ナデラが警告した「AIに二重で払っている」の本当の意味

マイクロソフトのナデラCEOは、2026年7月中旬に公開した自身のブログ記事で、AIを導入する企業に向けてこう警告しました。「あなたたちは、AIに2回お金を払っている」。1回目はトークンの利用料として。2回目は、モデルを賢くするために提供している自社の機密情報や業務データとして、という意味です。Fortune(2026年7月16日掲載)がこの警告を詳しく報じています。

この指摘が刺さるのは、多くの企業が「トークン代」しか意識していないからです。AIモデルに業務データを読み込ませるたびに、そのやり取りが将来のモデル改善に使われる可能性があります。Technology.orgの記事によれば、ナデラ氏はこれを「企業の暗黙知が、AIラボの資産に変わっていくプロセス」と表現しました。日々の細かい修正や指示のやり取りまで、AIラボにとっての学習材料になり得るという指摘です。

ナデラ氏自身、社内で「トークンマックスは中毒性がある」と認めています。そのうえで対策として、3つの方向性を示しました。データの所有権を手放さないこと。社内に閉じた学習環境をつくること。そして、用途に応じて複数のAIモデルを自動的に切り替えるオーケストレーション層(状況ごとに最適なモデルへ振り分ける管理の仕組み)を持つことです。AIベンダーであり、同時に大口の利用者でもある企業のトップが語っているという点に、この警告の重みがあります。

僕自身、Claude CodeにMCPサーバーを繋いで日々の業務を任せています。「このやり取りがどこまで学習に使われるのか」を意識せずに使っていた時期がありました。ナデラ氏の指摘は、大企業だけの話ではありません。個人でクライアントの契約書や、自社サービスの未公開ソースコードをAIに読み込ませる場面がある方なら、同じ構造の「二重払い」が起きている可能性があります。案件の見積書や、まだ発表していない新サービスの設計メモを、深く考えずにチャット欄へ貼り付けたことがある方も、少なくないはずです。

カープが放った「完全に間違っている」発言の裏側

パランティアのアレックス・カープCEOは、もっと直接的です。2026年7月1日放送のCNBC「Squawk Box」に出演しました。AI業界のトークン課金モデルについて、「彼らを非難するつもりはないが、何かが完全に間違っている」と語ったのです。

カープ氏の主張はこうです。「アメリカの企業の間には、トークンを使ってのんびり時間を溶かせばいい、という基本的な考え方がある」。トークンを消費すること自体が目的化し、成果につながっているかを誰も検証していない、という批判です。カープ氏はさらに、企業の関心の変化にも触れました。すでに「トークンマックス」からROI(投資対効果)へ、そして同じ仕事をより安いコストでこなせるオープンウェイトモデルへと移りつつある、というのです。オープンウェイトモデルとは、パラメータ(モデルの中身にあたる設定値)が公開され、自社のサーバーでも動かせるAIモデルを指します。

パランティアは、OpenAIやAnthropicと同じ土俵で戦うAIラボではなく、企業向けにAI活用基盤を提供する立場の会社です。そのトップが競合するAIラボの課金モデルを名指しで批判する構図は、業界内の緊張を映しています。この発言をきっかけに、「なぜトークン課金なのか」「本当に価値に見合っているのか」という問いが、経営層の会話に上がるようになりました。

この発言だけを見ると、対立をあおる話に聞こえるかもしれません。ただ僕は、ナデラ氏とカープ氏という立場も競合関係も異なる2人が、同じ7月に同じ方向を指し示したことの方が重要だと感じています。一方は「データを差し出している」という構造の話。もう一方は「成果につながらない消費」という運用の話。角度は違っても、行き着く先は同じです。トークンを使うこと自体を目的にしてはいけない、という教訓が浮かび上がります。

Uber・Salesforce・Cursorが実際に予算を見直した中身

警告だけでは終わりません。実際に予算とプライシングを見直した企業の実例が、複数報じられています。

Forbes(2026年7月28日掲載)によると、Uberは2026年分のAI予算を、わずか4カ月で使い切ってしまいました。Salesforceは、AIエージェント製品「Agentforce」の料金モデルを、この18カ月で3回変更しています。同社のAnthropicへの年間支払いは、約3億ドル規模に達しているとのことです。

コーディング支援ツールのCursorは、月額20ドルの定額プランを維持できなくなりました。エージェント型の重い使い方が増えたことで、利用量に応じたクレジット制の料金体系に切り替えたのです。コンサルティング大手のアクセンチュアも同様です。TechCrunchの報道によれば、PDFをスライドに変換するような軽い作業でAIを使う社員がいるといいます。そうした行動でトークンの備蓄を食いつぶさないよう、社内で歯止めをかけようとしているところです。

先ほど触れたAmazonの「KiroRank」やMetaの「Claudeonomics」も、この流れの一部です。利用量を測って可視化すること自体は、悪いことではありません。ただ測る指標を「使った量」に置いたままでは、社員は指標を最大化する方向にしか動かないのです。ゲームのスコアを稼ぐように、意味のないタスクでトークンを消費する社員が出てくるのは、当然の結果だったとも言えます。

このしわ寄せは、AIを提供する側にも及んでいます。トークン単価そのものが競争で下がり続けている一方、企業側は使用量の管理を厳しくし始めました。Forbesの分析では、この2つが重なった結果、AIラボの利益率がかえって圧迫されているといいます。「単価を下げれば使用量が伸びて帳尻が合う」という前提が、崩れつつあるのです。値下げ競争と利用抑制が同時に進む、AIラボにとっては挟み撃ちのような状況です。

以前、AIエージェント効果測定、SAP実測92.92%と10万件自動化の中身という記事を書きました。SAPやDatabricksが公開した効果測定値を紹介した記事です。今回の一連の動きは、その裏側にある話といえます。「導入した」だけでなく、「その導入が、投じたコストに見合っているか」まで問われる段階に、AI活用は進んでいます。

Claude CodeとMCPを使う自分に、この話は無関係じゃなかった

正直に書きます。この話を調べながら、僕は自分の使い方を振り返らずにいられませんでした。Claude Codeを日常的に使い始めてから、「困ったらとりあえずAIに投げる」が習慣になっていたからです。

たとえば、フォルダ整理やちょっとしたリサーチのような軽い作業にも、上位モデルをそのまま使っていました。速いし、便利だからです。ただ冷静に考えると、そういう作業は下位モデルでも十分にこなせます。実際に試すと、ファイルの仕分けやメモの要約程度であれば、軽量モデルでも体感の速度・精度はほとんど変わりませんでした。トークンマックスという言葉を知って、自分のやり方が企業のそれと同じ構造を持っていたことに気づきました。

MCPサーバーを複数接続していると、1つの指示に対してAIが裏側で何度もツールを呼び出します。ファイルを読み、検索をかけ、結果を要約する。この一連の流れが便利な半面、トークンの消費量は目に見えにくくなります。以前、Claude Code 料金、月3千〜3万円。5プラン×3シナリオ試算という記事で料金プランを整理しましたが、あのときの僕は「どのプランを選ぶか」にしか関心がありませんでした。「選んだプランの中で、どう使うか」という運用の視点が、抜けていたのです。

不安がないと言えば嘘です。AIエージェントに任せる範囲を広げるほど、自分が何にどれだけ払っているのか、感覚的につかみにくくなっていく実感があります。ナデラ氏の言う「二重払い」も、他人事ではありません。個人の業務データや、まだ公開していないアイデアを、日常的にAIへ渡しているからです。ただ、不安に思っているだけでは何も変わりません。まずは自分の使い方を、具体的に点検することから始めました。

今日からできる3つの点検、トークンを使う前に自分に聞くこと

僕が実際に見直した点検項目を、3つ共有します。

1つ目は、タスクの難易度とモデルの選び方を切り分けることです。要約や単純な検索のような軽い作業には、下位モデルや高速モデルを使う。設計判断や複雑なコードレビューのような重い作業だけ、上位モデルに回す。この切り分けを意識するだけで、トークンの消費は体感で目に見えて減りました。

2つ目は、評価指標を「使った量」から「浮いた時間」に変えることです。「今日AIをどれだけ使ったか」ではなく、「AIのおかげで、どの作業が何分短縮できたか」を記録するようにしました。数字にすると、成果につながっていない使い方が意外と見えてきます。惰性で投げていたタスクに気づけるのは、この記録があるからです。

3つ目は、月に1回、利用量と請求を実際に確認する習慣です。管理画面を見れば、モデル別・日別の利用状況がひと目でわかるのです。忙しいとつい後回しにしがちですが、この確認を怠ると、いつの間にか「使うこと」自体が目的化していきます。KiroRankやClaudeonomicsが機能不全に陥ったのも、可視化した数字を検証せず、放置してしまったからだと僕は見ています。

この3つを始めてから、僕自身のAI関連の月間コストは、体感で3割ほど下がりました。それでいて、任せている作業の量は減っていません。むしろ「軽い作業は軽いモデルへ」と切り分けたことで、重い判断にじっくり時間を使えるようになった実感があります。トークンを絞ることは、AI活用を後退させることではありません。使い方の解像度を上げることです。

この3つは、どれも特別なツールを必要としません。今の使い方を、少し立ち止まって見直すだけです。トークンマックスの教訓は「AIを使うな」ではなく、「なぜ使うのかを自分で説明できる状態にしておけ」ということだと僕は受け止めました。

まとめ

2026年7月に相次いだナデラ氏とカープ氏の発言。そしてUber・Salesforce・Cursor・Accentureといった企業の予算見直し。どちらも、「AIを使うほど得をする」という前提が終わりつつあることを示しています。

• ナデラ氏は「トークン代とデータ提供の二重払い」を警告した
• カープ氏は「成果につながらないトークン消費」を「完全に間違っている」と批判した
• Uber・Salesforce・Cursor・Accentureは、実際に予算やプライシングを見直し始めた
• 個人でAIエージェントを使う僕たちも、モデルの使い分け・成果の記録・月次の利用確認という3つの点検で、同じ構造の見直しができる

AIをやめる必要はありません。僕自身、これからもClaude CodeやMCPサーバーを手放すつもりはないです。ただ「使った量」を誇る段階は、もう終わりに近づいています。次に来るのは、「何に使い、何を得たか」を自分の言葉で説明できるかどうかが問われる段階です。

大企業の予算見直しは、遠い世界の話に見えるかもしれません。ですが、Uber・Salesforce・Amazon・Meta・Cursor・Accentureという名前が並んだこの数週間の報道は、貴重なきっかけです。個人でAIを使う僕たちも、自分の使い方を点検するのにちょうどいい機会だと思います。まずは今日、自分が今どのモデルで、何にトークンを使っているか、一度確認してみてください。