いまテック業界で奇妙なことが起きている。人間の労働を不要にするはずだったテクノロジーが、現時点では、それが置き換えるはずだった人間よりも高くついているのだ。企業は、解雇したばかりの従業員よりも費用のかかるAIツールに資金を回すために人員削減を進めている。数万人の生活がその渦中になければ、この循環論法はブラックユーモアとして笑えたかもしれない。
UberのCTO（最高技術責任者）は最近、同社が2026年のAIコーディング予算を4カ月で使い切ったことを明らかにした。3月までにUberのエンジニアの84％がClaude Code（クロード・コード）を導入し、コミットされたコードの約70％がいまやAIに由来している。利用量は膨大だった。だが、それに見合う価値はより不透明だった。UberのCOO（最高執行責任者）兼社長であるアンドリュー・マクドナルドは、トークン使用量がユーザー向けに出荷された有用な機能と直接相関しているようには見えないと公に認めた。
Uberは例外ではない。Microsoft（マイクロソフト）は、OpenAI（オープンAI）に約130億ドル（約2兆1100億円）を投資し、自社コードの最大30％を生成AIで書いているが、主要部門のエンジニアに対し、請求額が維持不能になったとしてAIコーディングアシスタントの使用停止を指示した。Axiosによれば、ある匿名企業では、経営陣が使用上限の設定を忘れた結果、1カ月でClaude（クロード）の請求額が5億ドル（約811億円）に達した。これは、知能を音節単位で購入するときに何がコストになるのかをめぐる構造的な誤算である。
Nvidia（エヌビディア）の応用ディープラーニング担当バイスプレジデント、ブライアン・カタンザロは、「私のチームにおける計算（コンピュート）コストは現在、その計算資源を使用する従業員に会社が支払う人件費をはるかに上回っている」と率直に語った。AI革命を支えるハードウェアを製造する当の企業が、そのテクノロジーは本来拡張するはずだった人間よりも高くつくと認めているのだ。
それでもカタンザロの上司であるジェンスン・フアンは業界に対し、50万ドル（約8110万円）のエンジニアは年間少なくとも25万ドル（約4050万円）分のAIトークンを消費すべきであり、Nvidiaはエンジニア組織向けに年間20億ドル（約3240億円）のトークン予算を目指していると語っている。彼は、トークンは採用時の特典になるべきだとも示唆してきた。供給網の頂点から発せられるメッセージは明白だ。より多く、より速く使え、ということである。
企業はそれに応じてきた。ビッグテックは今年、設備投資として7400億ドル（約120兆円）を発表しており、2025年から69％増加した。Gartner（ガートナー）は、AIエージェントソフトウェアへの支出だけで2026年に2070億ドル（約33兆6000億円）に達し、前年から139％増えると予測している。
ここで計算は倒錯したものになる。この支出と並行して、2026年には150社超で11万5000人以上のテック労働者が解雇された。Meta（メタ）は8000人のポジションを削減した。SentinelOne（センチネルワン）はリソースをAIに振り向けるため、従業員の8％を削減した。Wix（ウィックス）は人員の5分の1を削減した。Block（ブロック）は従業員数を半減させた。Atlassian（アトラシアン）は1600人を削減した。
表向きの理由は一貫している。業務効率化とAIへのリソース再配分だ。しかし、マサチューセッツ工科大学（MIT）の研究によると、AIによる自動化が経済的に見合うのは全業務の約23％にすぎない。残りの77％においては、依然として人間のほうが安上がりなのだ。ゴールドマン・サックスのチーフエコノミストは、AIへの投資が強力な成長要因になるとは考えていないと明言している。セコイア・キャピタルのパートナーであるデビッド・カーンは、その結果生じるギャップを具体的な数値で示している。AI企業が現在のインフラ投資を正当化するためには、年間約6000億ドル（約97兆3000億円）の売上高が必要だというのだ。2026年半ば時点で、そのギャップは縮小ではなく拡大している。
つまり現在の状況はこうだ。企業は、現時点では置き換える労働力よりも費用がかかる人工知能に資金を回すために人間の労働を削減し、ほとんどの研究がまだ検証できていない生産性向上を追い求め、年間予算を数週間で消耗するペースで進んでいる。
企業文化の側面が最も雄弁に物語っているかもしれない。Amazon（アマゾン）は、エンジニアチーム内のAI利用状況を追跡するために「KiroRank」と呼ばれる社内リーダーボードを構築した。しかし、従業員がランキングを上げるためだけに、無意味でくだらないタスクにトークンを消費するという不正行為（ゲーミング）を始めたため、この仕組みはひっそりと廃止された。Metaも「Claudeonomics」と呼ばれる同様の追跡ツールを構築した。Amazonはスタッフに「トークンマックス（tokenmaxx：トークン最大化）」を促し、消費量そのものを業績指標（KPI）として扱った。アウトプットではなく、どれだけ支出したかで人を評価すれば、支出そのものが成果になってしまう。
取締役会はCEOたちにAIの導入を迫った。その結果、無計画な導入、つまり業界でいう「トークンマックス」が起きた。そして第3フェーズに入り、経営陣は請求書を見てようやく、遅すぎる疑問を抱き始めている。「本当にすべてのタスクに、最も高価なモデルが必要なのか」という疑問だ。企業におけるAI利用の約95％は、そこまでの高度さを必要としない作業であっても、依然として最も高価なフロンティアモデルで実行されている。
ある資源が無駄遣いできるほど安くなると、人々は何のためらいもなくそれを浪費する。それが無視できないほど高くなると、人々は突然、効率に熱烈な関心を抱く。人工知能も同じ清算に向かって突き進んでいるように見える。ただし、その無駄は数十億ドル単位で測られ、重い月次請求書として届く。
プライベート・エクイティ（PE）市場側も、反対の方向から同じ結論に達しつつある。最近開催された「Crypto Valley Conference」のPEパネルディスカッションにおいて、ジュリアス・ベアのプライベート・キャピタル・マーケット部門責任者であるジュゼッペ・デ・フィリッポは、ホリゾンタル（水平型）な価格設定がもはや機能せず、企業評価額（バリュエーション）がその現実に追いついていないため、SaaS（サース）の取引が停滞していると述べた。
AIはいまや、実用的なインターフェースを数時間で生成できる。つまり、企業が何年もかけて磨き上げてきたデザインレイヤーの価値は、1年前よりも低下している。一方で、AIが生成できないのは、鉱山運営や水道事業といったニッチなERP（企業資源計画）システムに組み込まれた20年分のドメインロジック（専門知識と業務ルール）だ。競争優位性の源泉（モート）は、「ソフトウェアの見た目」から「ソフトウェアが何を知っているか」へと移行した。
長い間、コストは低下していくという前提で話が進んでいた。実際にトークンあたりの単価は下がっており、Gartnerは最大規模のモデルの運用コストが2030年までに90％近く安くなる可能性があると予測している。しかし、落とし穴は、消費の拡大ペースが価格の低下を上回っていることだ。Faros AIの調査によると、高い割合でAIを導入している環境下では、追加されたコード行数に対して削除されたコード行数を示す「コード・チャーン（コードの手戻り）」が800％以上増加したという。投入されるトークンが増えるほど、破棄される作業も増えているのだ。
企業が現在AI利用に支払っている価格は、実勢価格ではない。OpenAI、Anthropic（アンソロピック）、Google（グーグル）、Metaはいずれも、推論を提供するコストを下回る価格で提供し、市場シェアを買うためにベンチャーキャピタル資金を燃やしている。OpenAIは推論で1ドル（約1万未満円）稼ぐごとに、ほぼ2ドル（約1万未満円）を費やしている。サム・アルトマンは、月額200ドル（約3万円）のサブスクリプションで同社が損失を出していることを公に認めた。補助金モデルは今年、ほどけ始めた。
支出の物語とリターンの物語は、別々の軌道を走ってきた。何年もの間、補助された推論価格、ベンチャー資金に支えられた赤字、そしていずれ実現する生産性という約束が、両方の軌道を同じ方向へ動かし続けていた。しかし2026年6月、市場は両者が乖離していることに気づいた。半導体メーカーは1回の取引で約1.3兆ドル（約211兆円）の時価総額を失い、フィラデルフィア半導体株指数（SOX指数）は2020年3月のパンデミックによる暴落以来、最大の1日下落率を記録した。Nvidia、Micron（マイクロン）、AMDが下落を主導した。韓国のベンチマーク指数は1日で10％下落し、一時取引が停止された。SpaceX（スペースX）は上場から数日でIPO価格を下回った。Accenture（アクセンチュア）は6カ月で52％下落している。この売りは、テクノロジーに対する評決ではなく、それが実現するまでの「タイムライン」に対する評決だったのだ。
2026年4月、Anthropicは企業顧客を定額プランから、実際のコンピュートに連動した従量課金へ移行させた。GitHub（ギットハブ）も数週間後、Copilot（コパイロット）で同じ移行に踏み切った。同社はそれまで何年も、ヘビーユーザーについてサブスクリプション価値の最大8倍をひそかに吸収してきた。アナリストは、価格が実際のインフラコストを反映して正常化すれば、企業のAI請求額は現行水準からさらに30〜50％上昇すると予測している。
収益化への道のりは、価格が上がるか、消費の伸びを上回るペースで計算コストとエネルギーコストが下がるかのいずれかを必要とする。しかし、そのどちらも起きていない。OpenAI自身の予測では、今年の損失は140億ドル（約2兆2700億円）に上り、2029年に利益が出るまでに累計440億ドル（約7兆1300億円）の損失が発生する見込みだ。レイ・ダリオは、現在の状況を「バブルの初期段階」と表現している。1990年代後半（ドットコムバブル）との類似性は示唆に富んでいる。インターネットは本物のテクノロジーだった。それでも、暴落は起きたのだ。
計算資源を販売している側が、その支出について「現在における最も正当な批判であり、膨大な無駄がある」と呼ぶならば、請求書を支払っている側は何と呼ぶのだろうか。トークンのコストが代替するはずだった従業員の人件費をすでに上回っているのだとすれば、その比較が逆転し始めるのはいつなのだろうか。そして、その答えが「最終的にはコストが十分に下がり、ギャップは埋まる」というものであるならば、次の疑問が生じる。「現在」から「最終的」に至るまでの数年間の損失は、誰が吸収するのだろうか。
歴史はすでにその答えを描き出している。インターネットは本物だったが、それでも暴落した。そして、その後に訪れたのは「インターネットの縮小」ではなく、「ようやく採算が合うようになったインターネット」だった。AIも同様の淘汰に向かっており、その境界線はすでに目に見える形になりつつある。Inversion AI（インバージョンAI）の共同創業者であるリサ・エメは次のように語る。「AIを追加機能（フィーチャー）として扱うのは間違いです。AIネイティブの企業はモデルを中心にシステムを再構築します。そうすれば、特化型モデルのほうがより優れ、より安価にこなせる作業に対して、フロンティアモデルの高額な料金を支払う必要はなくなります。これはコスト削減ではなく、アーキテクチャの変革です。この10年間の勝者は、最大のモデルを動かす企業ではありません。適切なモデルが適切なタスクを実行するシステムを構築し、人間が介入する（human-in-the-loop）必要がほとんどないワークフローへと移行していく企業です」
それこそが、ブームがまだ織り込んでいない、より地味な未来である。どれだけ多くの知能を買えるかではなく、どれだけ多くを実際に働かせられるかだ。業界は、AIに何ができるかという問いにはすべて答えてきた。だが、いま唯一重要な問いにはまだ答えていない。資金が尽きる前に、AIは自らの費用を賄えるのか、という問いである。
