Uberの予算はなぜ4ヶ月で消えたか — AI組織 での導入における組織・評価・コストの3変数

Uber の直近のニュースを見ていると、Claude Code の年間予算が4ヶ月で消えたり、社内のリーダーボードが機能しなくなったり、、と、AI 導入の運営そのものが揺れている様子が見えてきます。

今年5月に「AIを使う人を組織はどう評価するか」という記事で、北米12社の当時までの事例を4つの型に整理して、導入期から成熟期までの移行モデルを提示しました。評価連動型で触らせて、可視化型で状況を見えるようにして、そこから徐々に成果ベース型に移行していく、、という道筋です。

あくまであの時点までの事例から見た整理だったのですが、Uber の直近12ヶ月の動きに照らし合わせてみると、重なる部分と、当時の整理では拾いきれていなかった変数が見えてきました。 今回はそこを、5月の記事の続編という位置づけで再整理してみたいと思います。

組織へのAI導入評価の4つの型と4段階モデル

まず5月の整理をざっと振り返っておきます。4つの型と、成熟度に応じた移行の順序をこう置いていました。

段階	型	代表企業	狙い
導入期	評価連動型	JPMorgan / Meta	まず触る
浸透期	可視化型	Disney / Amazon	質を上げる
定着期	成果ベース型	Duolingo	成果で測る
成熟期	前提化型	Shopify / Google	当然の前提

日本企業向けには、「評価連動型で触るインセンティブを作り、可視化型でダッシュボードを整え、そこから徐々に成果ベース型に移す」という順序で書きました。個人的にはこれが一番現実的な道筋だろうと思っていました。

Uber のAI導入が辿った4段階

Fortune と Bloomberg の一次報道、それから TechTarget の続報を時系列で並べてみると、Uber は5月のモデルとかなり素直に重なる道を歩いています。

時期	Uber の動き	5月モデルの段階
2025年後半	Claude Code 展開。使用量でエンジニアをランク付けする社内リーダーボードで利用を促進	導入期（評価連動型）
2026年2月→3月	導入率 32% → 84%。現在は約95%が毎月利用	導入期の目的達成
2026年4月	年間予算が4ヶ月目で消滅。CTO が「白紙に戻して考え直している」	—
2026年6月	月1,500ドル上限・ダッシュボード・承認ワークフローを導入	浸透期（可視化型）
2026年6月→8月	セッション単価 52%減（役割別モデル割当・コンテキスト上限・推論深度の固定）	浸透期の「質を上げる」
現在	COO「出荷している機能に直接線を引けないなら、そのトレードオフは正当化しづらい」	定着期の手前で止まっている

導入期 → 浸透期の移行は起きた。ただし定着期には届いていない。 5月に机上で描いた道筋を、実際に大企業が12ヶ月で歩いた形になっていて、、身につまされる感じがします。

量を競うAI利用が、財務事故として表面化

5月の記事の中で、こんなことを書いていました。

使用量を追い続けると、使うこと自体が目的化してしまうのではないかと思っています。Metaの60兆トークンは印象的ですが、その全部が生産的だったかは怪しいものもあると思います。リーダーボードが閉鎖されたのも、量を競うこと自体が目的化したからだと推測されます。

これも当時までの事例（Meta のリーダーボード閉鎖等）から見た仮説だったのですが、Uber のケースはこれと同じ方向の動きに見えます。リーダーボードで量を競わせ、導入率を32%から84%へ引き上げ、、そして予算を飛ばしています。

象徴的だったのが CTO のデモです。同僚に Claude Code を2時間デモしたところ、出荷できるものは何も生まれず、トークン代が1,200ドルかかった、、という話です。しかも彼は、Uber が5,000人のエンジニアに推奨していた通りの使い方をしていただけでした。使うこと自体が目的化する、という論点そのものは重なっているのですが、質の問題として見ていたものが、実際には財務の問題として先に表面化した、、というのが今回の気づきです。

AI運営で拾いきれていなかった変数、課金モデル

5月の整理は、すべて人事評価の軸でできていました。評価に入れるか、可視化するだけか、成果で見るか、前提にするか。いま読み返すと、この整理には暗黙の前提が1つあります。

ソフトウェアライセンスは、使っても使わなくても同じ額である、という前提です。

人数課金の時代では、「まず触らせる」という施策は財務的にはタダで実行できるわけです。だから導入期に評価連動を置くこと自体には、コスト面の副作用がなかった。5月の記事はここに全く踏み込んでいませんでした。人数課金時代の慣性で書いていたと言ってもいいかもしれません。

Uber のケースが見せてくれるのは、この前提が崩れつつあるということです。Virtasant のまとめ記事にこんな一節がありました。

予算が壊れたのは、Uber が制御できる数値である人数を基準に組まれ、請求額は Uber が制御できない数値、つまり各エンジニアがエージェントにどれだけの仕事を渡すかで決まっていたからだ

同じ記事が挙げる数字が、構造を端的に示しています。

利用の型	年間トークン消費
基本的なチャットボット利用者	約 940万
自律エージェントを走らせる人	3億5,600万

同じライセンスで約38倍。エージェント型のシステムは、タスクあたりで標準的なチャットボットの5〜30倍を消費すると言われています。つまり 使用量課金の下では、「まず触らせる」施策そのものが財務リスクになる、という構造ですね。Uber の導入は「追っていたあらゆる指標で成功していた」そうなのですが、そもそもコスト管理がその指標に含まれていなかった、、というだけで予算が飛んでいます。

AI導入の運営を診断する3つの独立変数

ここまでを踏まえて、AI 導入の運営設計は3つの独立した変数で見た方がすっきりします。

変数	問い	代表的な答え
組織構造	誰が決め、誰が実装するか	ハブ＆スポーク＝連合型
評価制度	使ったことをどう扱うか	4つの型（評価連動／可視化／成果／前提）
コスト構造	使った分をどう払うか	人数課金からトークン課金へ

大事なのは3つが独立しているという点じゃないかと思います。組織構造を整えても課金モデルの問題は解けないし、評価制度を変えても現場が統制を迂回する動きは止まらない。これまで自分は2つしか見ていなかった、というのが今回の一番の学びでした。

ちなみに9月頭の GitLab の社内プレイブック公開が、ハブ＆スポーク型 CoE への回帰を別企業の実例で見せてくれています。中央のチームがガードレールを所管し、各事業組織に AI Transformation Owner を置く、、という連合型ですね。北米企業でこの形に回帰する動きが続いているのは、それなりに普遍的な答えになってきているのかなと思います。

AI導入で可視化ダッシュボードを先に置く

そのうえで、5月の記事に、今回の気づきを1つ加えさせてください。

まずは評価連動型で「触るインセンティブ」を作り、可視化型で「全体を見渡せるダッシュボード」を整え、そこから徐々に成果評価に移行していく。

5月に書いたこの順序は「人数課金の時代」のものです。 トークン課金のツールを配るなら、順序が変わります。

可視化型のダッシュボードを、評価連動型のインセンティブより先に置く。 少なくとも同時に置く。触らせてから可視化すると、Uber と同じことが起きる可能性があるからです。Uber は6月に月1,500ドルの上限を導入するまで、4ヶ月で年間予算を失いました。順序を逆にすると、導入が成功するほど財務が壊れる、、というのが Uber のケースから読み取れる構造です。

もう1つ、5月の記事に足しておきたい観点があります。「いつ止めるか」の基準を、始める時に決めておく、というルールです。CX Dive で紹介されていた Gartner のデータでは、ROI を常時追跡して、AI を価値のポートフォリオとして扱い、成果の出ない施策を打ち切る企業は、施策の81%で正のリターンを報告しているそうです。撤退基準を持つことは慎重さの表れではなく、リターンを上げる打ち手として機能する、、というのは面白い視点だなと思います。

まとめ：AI組織の運営を組み立て直す

ということで、5月に書いた4段階モデルを、Uber の12ヶ月に照らして再整理してみました。

• 4つの型と4段階の順序そのものは残る
• ただし各段階に「課金モデル」という変数を追加で考える必要がある
• 導入期にはコストの門番（上限・ダッシュボード・承認）を同時に置く
• 浸透期は「単価」ではなく「タスクあたりの消費」で測る
• 定着期は待っていても来ない、AI 支出と出荷物を紐づける計測を先に設計する
• 全段階に共通で撤退基準を持っておく

日本企業には、Uber のように5,000人規模で走る前に規模が小さいうちに気づける、という有利さがあります。先行事例が失敗の形を先に見せてくれている状態は、追随者にとってはむしろ好機なのかもしれません。

クライアントの AI 導入状況を短時間で診断するなら、3変数それぞれに1問ずつ当てるのが早いと思っています。組織構造 — AI の標準・ガードレールを決めているのは誰で、現場はそれを迂回していませんか。評価制度 — いま評価しているのは「使ったこと」ですか、「何を生み出したか」ですか。コスト構造 — 契約している AI ツールは、人数で課金されていますか、使った量で課金されていますか。上限とダッシュボードはありますか。

3問目が一番答えにくい会社が多いです。契約形態を把握しているのが情報システム部門だけで、実際にツールを使うマーケティング側は知らない、、という分断がよく起きます。ここが見えないと、Uber と同じことがミニチュアで再現される余地が残ってしまうように思います。

手元ではより細かく、この3変数を組織の実態に照らして診断するフレームも作っています。詳細にご興味がある方は是非お問い合わせ頂ければと思います。成熟期（前提化）が使用量課金の環境で財務的に成立するのか、、というところは今回の系譜では拾えていないので、ここはまた事例が出てきたところで別の機会に触れてみます。