アクセンチュアがClaudeの利用に29ドル（約4580円）の上限を設けたとの報道が話題を呼んだが、同社広報の最近の説明によると、これは厳格な制限ではなく、あくまで財務モデリングの一環にすぎないという。
この29ドルという水準は、AI支出の価値を問う声の高まりのなかで浮上した。すなわち、AIと計算リソースへの支出1ドルごとに、ビジネスや各職種のプロフェッショナルにどれほどの投資対効果（ROI）がもたらされているのか、という問いだ。
AIのヘビーユーザーである筆者は、リサーチや戦略立案、コードを多用する作業を行いながら計算コストを低く抑えることの難しさを痛感している。新たに利用制限を設定しても、わずか数日で上限に達してしまうことはよくある。2026年6月には、UberのエンジニアがClaudeの年間予算全体をわずか数カ月で使い果たしたと報道されたが、アクセンチュアの議論は、Uberが直面した予算問題と地続きの課題を示唆している。
自身の収入とビジネスの持続可能性を守るために、私がすぐに学んだことの一つは、「どのタスクに、価値の高いAI活用を割り当てるべきか？」と自身に問いかける習慣だ。AIを無制限に使える無料の資源とみなして無駄遣いするのではなく、限られたリソースとして捉え、「適切なタスクを、それに最適なAIにどう割り当てるか？」を自問するようになったのだ。
企業がAIと計算リソースの予算高騰に苦慮するなかで、これはまさに、ワークフローにおけるAI導入と実装について、自分がどれほど熟達し成熟しているかを決定づけるスキルであり、試金石になり得る。
Claude、ChatGPT、Gemini、Grok、それとも別のツールを使うべきか
筆者は先週、エドテック企業のMultiverseが開催した「Workforce 2030」サミットに招かれ、創業者のユアン・ブレアが会場の参加者にこう投げかけるのを聞いた。「AIからROIを得られている方は手を挙げてください」
あらゆる分野の英国の労働者数百万人を代表する会場内の約400人のリーダーのうち、手を挙げたのはわずか十数人ほどだった。
この結果に、おそらく衝撃を受けただろう。
しかし、こうした状況は以前から続いている。マサチューセッツ工科大学（MIT）などの調査によると、生成AIのPoC（概念実証・パイロット運用）の約95％が成果に至っていないという。その理由は多岐にわたり、ここで掘り下げる余裕はないが、大きな理由の1つに「適切な能力に適切なAIをマッチングできていないこと」が含まれているのは確実だ。
あらゆるLLM（大規模言語モデル）には長所と短所がある。万能なLLMは存在しない。たとえお気に入りがあったとしても、仕事となれば個人的な好みや慣れは脇に置き、特定のタスクやワークフローに最良の結果をもたらすものを使うべき場面に直面するだろう。
