> ウーバーのエンジニアの95%が今や月にAIツールを使っていて、70%のコミットされたコードがAIから来てるんだって。まあ、パフォーマンス評価にAIツールの使用が関わってくると、そうなるのも当然だよね。

この批判が理解できない。 (1) 会社が求めること、つまり彼らが生産的だと思ってることをやってるのに、報酬がもらえないと思ってたの？ (2) このAI生成のコードが無駄だと思ってるの？ 編集: みんな文句ばっか言ってるね、ほんとに。

マネージャーやVPたちが「AIを使わないとここでは働けないよ」って言ったら、そりゃみんな使うようになるよね。

非開発者が開発者にKPIを押し付けると、どれだけゲームされるかを全然理解してないのがすごいよね。AIでも、PRや行数カウントでも、何でも。

そうだね、KPIが「どれだけAIを使ったか」になったら、「何を出荷したか」っていうのが無視されることになる。予算オーバーは自動的に決まっちゃうよ。みんな数字を操作するからね。

APIトークンを使ってると、特に古いコンテキストをクリアしないと、セッションごとに何百ドルも使っちゃうのは簡単だよね。しかも、サブスクリプションだと月に何百ドルで同じ使い方ができるし。アンソロピックはAPIユーザーを完全に搾取してるか、サブスクリプションを大幅に補助してるか、どちらかだね。

https://www.forbes.com/sites/annatong/2026/03/05/cursor-goes... 「カーソルは昨年、月額200ドルのクロードコードのサブスクリプションが最大2,000ドルのコンピュートを使用できると推定していて、アンソロピックによるかなりの補助が示唆されている。今日、その補助はさらに積極的になっていて、その200ドルプランは約5,000ドルのコンピュートを消費できるようだ。」

アンソロピックのビジネスモデルはすごく「面白い」よね。150人以下の従業員の間はサブスクリプション価格だけど、151人に達すると、全員分のAPI価格を一晩で支払わなきゃいけなくなる。そうすると、請求額が一気に倍増するんだ。安いトークンにハマらせて、スケールしたら一気に搾り取るって感じ。ウーバーはリスト価格で割引があるだろうけど、150人以下のサブスクリプション価格には全然届いてないと思う。

価格を評価したけど、TeamからEnterpriseに移行する理由が見当たらなかった。Enterpriseに移ると月額サブスクリプションが完全になくなるから、コストをコントロールする能力を失うんだよね。ユーザーごとに上限を設定できるけど、ロールオーバーの上限がない状態で「今月はAI禁止」ってチームのメンバーに言える？リスクが高い取引だと思う。

今AIに返事してるのはわかってるけど、> 会社がこのレベルの生産性をスケールで維持できるかどうかを考える必要があるよね。もし実際に生産的なら、収益も増えて、コストの問題は出てこないはずだし。

そうそう、まさにその通り。生産性は定義上、何かを生み出すもので、できれば価値のあるものをね。チャットボットにかかる余分なコストはその価値に見合ってるの？ ウーバーはこの大幅な予算オーバーのおかげで劇的に効率的になったの？ それとも、同じ作業を回すための派手で高価な方法を人々に提供しただけなの？

開発者が行うすべての変更が収益を増やすわけじゃないし、収益を増やす変更にはタイムラグがあることが多い。

> もし実際に生産的だったら、収益は増えて、手頃さの問題は出てこないはず。収益は増えてるよ。Metaの最新の収益見た？+33%の収益 - この経済状況で。手頃さは問題じゃない。Metaのような企業が、エンジニアがトークンに1Kドル使うのに何の問題もない理由があるんだ。それは、彼らが従業員一人あたりどれだけ稼いでるかに比べたら、そんなに大きな額じゃないから。

それは全然違うよ。どんなに「生産的」な会社でも、誰もあなたの製品を買わなかったら意味がない。LLMを使って生産性を上げても、誰もあなたの製品を買う気にはならないよ。人間の創造性や直感が、使いたいと思わせる製品を作るんだ。生産性のための生産性は、全然効果がないし、逆に悪化させることもある。

毎月、会社の支出をちょっと覗いてみるんだけど、どんどんトークンを月に1,000ドル使ってるのが増えてて、どうやってそんなに使ってるのか全然わからない。俺は毎日LLMを使ってて、せいぜい200ドルから400ドルくらいだし。最も高価なモデルを使って、深く考えるモードでね。だから、これを使うことに反対してるわけじゃないんだ。ただ、どうやって月にそんなにお金を責任を持って使うかがわからない。月に5,000ドルから10,000ドル使ってる人に、どうやってそれが50,000ドルから100,000ドルの価値に変わるかを示してほしい。企業レベルでは、月に100ドルから200ドル使って生産的になるジュニアエンジニアを雇った方が、トークンに年間10万ドル使うことを正当化するよりずっといいと思う。

同意だわ。みんな自分で問題を分析しないの？ただチケットの説明をそのままClaude Codeにコピペして、うまくいくまで繰り返してるだけなの？全然理解できない。

> 「責任を持って」それが問題だよ。責任感を持とうとするあまり、トークンを無駄に使ってでもリーダーボードのトップに名前を載せようとしてるんだよ。

使ってるリポジトリによるね。もしすごく大きいリポジトリなら、特にカスタムフレームワークやAPIのドキュメントを参照しなきゃいけない場合、すごく大きなコンテキストウィンドウが必要になって、トークンをすぐに消費しちゃう。逆に小さいリポジトリや、モデルが学習した一般的なフレームワークに沿ったものなら、小さいコンテキストウィンドウでももっとできるし、トークンの使用量もかなり少なくなるよ。

> どうやって月にそんなにお金を責任を持って使うかがわからない。私も、クオータに関して同じことを思ってる。200ユーロのChatGPTプランに入ってるから、たぶん最高のクオータを持ってて、「最も高価な」モデルを使って、最高の推論で、ファストモード（1.5倍のクオータ使用）でやってるけど、エージェントを使ってプログラミングをほぼ1日中やっても、クオータに全然届かない。実際、エージェントを使い始めてから、唯一クオータに近づいたのは、上記と同じ条件で3台のコンピュータでクロスプラットフォーム開発をやったときだけで、そのときはほぼ週のクオータに達した。でも普段は、クオータの約20%までしか行かないけど、それ以下にはほとんどならない。どうやっても無理だと思う、もう「楽しみ」のためにたくさんのプロンプトやクエリをやってるから。

自動エージェントワークフローは使ってないし、ただのペアプログラマーみたいにClauseを使ってる。1ヶ月くらい前にClaude Opus 4.6をAPIの価格設定に2-4時間使って、20ドル使ったんだけど、いつもよりずっと高かったから驚いた。1万ドルはわからないけど、コストを気にしなければ1,000ドルには簡単に達しそう。

一つ目立つのは、プロセスの一部にしかLLMを使ってないように聞こえること。LLMにコードを書くのを手伝わせてるけど、書いてるコード自体はLLMを使ってない。私の今の仕事は、LLMを多く使うプロセスを改善しようとすることが基本的に含まれてる。複数のエージェントが並行して主にLLM駆動のツールのパフォーマンスを改善するための実験を行うと、トークンの使用量がかなり高くなるのはそんなに難しくないよ。

まず、明らかなこととして「会社が許可してるなら、無駄遣いしちゃうよね」ってこと。これには、コンテキストを頻繁にクリアしたり圧縮したりしないことも含まれる。Opusは今、1Mのコンテキストウィンドウを持ってて、質も最低200Kは良いんだ。だから、各クエリがトークンを大量に消費しちゃう。コードベースのサイズや複雑さについては既に言われてるけど、僕はチームに新しく入ったばかりで、コードベースは大きくはないけど、理解できてない部分がたくさんある。タスクをもらったら、もちろんClaudeに頼んで、関連するコードの部分を見つけてもらって、既存のワークフローを理解してから変更を試みるようにしてる。デメリットは、専門性が身につかないこと。でも、実際にはClaudeを使えば、5日かかるところを1日で終わらせられるし、みんながそうしてるなら、置いていかれるわけにはいかない。だから、妥協案として、1日で終わらせる代わりに2〜3日かけて、少しはコードに触れる時間を作るようにしてる。特にAIのおかげで、コードベースの変更速度が異常なんだ。だから、プルリクエストを受け取って、それを深く掘り下げて説明してくれるツールを作ったんだ。（注：僕はレビュー担当じゃないけど、チームの作業を把握しておきたいだけ）。これはまだ始まりに過ぎない。もっとLLMを活用する方法を考える時間は取れてないけど、僕の使い方は君と似てる。ただ、もしコードベースにかなり慣れてたら、もっと色々できたと思う。聞いてはいないけど、チームの中には月に1Kドル以上使ってる人もいるんじゃないかな。いつも通り、ボトルネックは適切なテストとレビューだね。追記：あまり重要でない社内のコードについては、ほとんどの人がフルAIでやってるんじゃないかと思う。私的な（仕事じゃない）コードについては、AIに全部書かせてるよ。リスクは通常とても低いし（問題もすぐに見つかる）。もし誰かが「スーパーパワー」スキルを使ってるなら、基本的な機能でもトークンを大量に消費することになる。僕は通常、20〜40Kトークンから始めて、完成時には80〜90Kトークンになることが多い。つまり、完成前のリクエストの多くは、80Kトークン近くを送信してたってこと。これをクエリの数で掛け算すると、無駄遣いだけど、誰かが支払ってくれるなら…

Claudeのコードが、トークン効率がめちゃくちゃ悪い解決策を選ぶ例をいくつか見たことがある。一例として、複雑なML/予測問題を解決するために、いくつかのエージェントに異なるサブ問題を与えたことがある。各エージェントはJupyterノートブックを書いて、実行して、読み取るんだけど、これがうまくいってた。ノートブックは冗長だけど、まあ大丈夫だった… ところが、あるエージェントが何十万行もセル出力に書き出して、500MBのipynbファイルを作っちゃった。Claudeは何度もそれを読み取ろうとしたけど、コンテキスト制限を全部使い切っちゃった。解決策は、CLI分析スクリプトと研究結果を保存するフォルダを使って、より良い構造で世界を処理することを提案することだった。でも、これには計画や考え、デザイン作業が必要だった。月に1万ドルトークンを使ってる人を見ると、彼らが高価なハンマーであるClaudeコードを使って、問題解決に手を抜いてるんじゃないかとしか思えない。例えば、Claudeに毎日メールを全部読ませる… それが手抜きの解決策だけど、もっと賢い解決策は、まずメール本文のHTMLをフィルタリングしてノイズを取り除くことだね。

シニアエンジニアのフルロードコストはもう40万ドルを超えてるよね。月に5千ドル増えるくらいじゃ、XX%生産性が上がるなら大したことないと思う。俺は別の大手テック企業で、月に中4桁のAI費用を使ってるけど、めっちゃ助かってるよ。基本的にコーディングは簡単になって、大規模なコードベースで作業してる。データ分析や実験の調整みたいな、直接的な価値を生むことにもっと時間を使えるようになったし、10層の抽象化を越えて変数を移動させたり、コードがコンパイルするか確認する時間を減らせた。

うちの組織では、みんなが文脈に詰め込みすぎてる。世界中のMCPがインストールされてるし、GTD、PAI、OpenClawも。日常でそんなにお金を使うって、俺も全然理解できないよ。

[1]によると、Uberのエンジニアリング部門には約5500人いるらしい。支出範囲の中央値を$1250とすると、エンジニアリングのAI支出は約680万ドルになる。範囲は275万ドルから1200万ドル。記事ではR&D支出が34億ドルとされてるけど、AI支出はR&D支出の中では大したことない（4ヶ月で0.3%、年換算で1%）。もし計画してなかったなら、予算的には大きな額ではないけど、文脈的にはそんなに多くはない。重要なのは、その金額で何を得たのかってこと。記事によると、コードコミットの70%がAI生成になってるらしいから、コードはレビューやテストを通過したんだろうね。それで機能数が増えたのか、品質問題が減ったのか、他のメリットがあったのかは不明。残念ながら、記事は支出が増えたこと以外の成果については何も触れてない。4ヶ月ではまだ早すぎるのかも。でも、アジャイルな世界では… [1] https://www.unifygtm.com/insights-headcount/uber

この記事の内容は全部ウソだよ。数字が合わないし、報告された情報とも一致しない、ただのフィクション。

実際の情報源は https://www.theinformation.com/newsletters/applied-ai/uber-c... で、「バックエンドシステムのコードに対する実際のライブアップデートの約11%が、主にClaude Codeで構築されたAIエージェントによって書かれている。これは3ヶ月前のわずかな割合から増加した」とか、「彼は会社のソフトウェア予算やAIコーディングツールにかかる費用の正確な数字を明かさなかった」と言ってるよ。

経営者たちがソフトウェアエンジニアリングをエージェントで置き換えられると思うようになると、彼らが平均的なソフトウェアエンジニアに対して非現実的な認識に基づいて判断しているのではないかと疑問に思う。ちょっと矛盾した感覚を考えてるんだけど、1つ目は「投入したものが出てくる」ってこと。賢いCTOはエージェントでできることにすごくワクワクするかもしれないけど、実際には組織の平均的なソフトウェアエンジニアは、どんなケースで作業を減らせるかを考えるクリエイティビティがないかもしれない。だからエージェントの使用を義務付けると、生産性が向上せず、AIのコストだけが増えちゃうかも。2つ目はAIを使うと明らかになる2つのギャップ。まずは「誰がエージェントに何をさせるか？」のギャップ。多くの組織では、プロダクトが技術的に詳しくなくて、LLMが使える詳細な仕様や計画を考えられない。多くの開発者は仕様を考える立場にないから、ただ実装したいだけ。エージェントを使う開発者に仕事を実装させようとすると、逆に仕事が来るのを待っている無駄な労働者がたくさん出てくるかも。次はQA/レビューサイクル。組織に大きな変化をもたらしたけど、本当にコストを削減できてるのか、それともシフトしてるだけなのか？私はLLMをオプションとして導入して、既存の開発者の速度と品質を向上させるのには賛成だけど、「組織を再構築しよう」って動きは特に中小企業にとっては危険だと思う。

> 投入したものが出てくる。さらに言うと、それは力の倍増器で、力がプラスでもマイナスでも関係ない。ソフトウェアエンジニアリングの原則が乏しい人がAIを使うと、すぐにめちゃくちゃなものを作れる。

> 会社がこのレベルの生産性をスケールで維持できるかどうかを見極める。これが本当に不思議なんだ。彼らは予算を使い切った。4ヶ月分のデータがある。何を示せるの？私は嫌な奴じゃないし、ラッダイトでもない。200ドルのMaxプランを使ってるけど、Uberがこのツールを提供して、みんなに使うように促して、実際にどうなるか混乱してるって言ってるの？AIがコストに見合うほど生産的じゃないと判断するのは一つのことだけど、次に何を作るかアイデアが尽きたのかな？

> 僕はハイテク嫌いじゃないし、ルダイトでもないよ。200ドルのマックスプランを使ってるし、ちゃんと活用してる。AIについての議論が、批判的に聞こえることには「僕もこのカルトの一員だから、非信者じゃないけど」と前置きしないといけないところまで来たのは嬉しいね。

個人のマックスプランやチームプランは、実際にエンタープライズのAPI PAYGコストに比べると、驚くほどお得だよね。彼らは本当にエンタープライズ機能が必要なんだろうけど、そうじゃなければユーザーに200ドルのマックスサブを経費で落とせばいいって言えるはず。企業は企業らしくやるからね。

企業が年間何百万もソフトウェアライセンスやクラウド、AIに使って、リターンが見合わなくなってるってことはないかな？数年前、オラクルの製品ライセンスに100万以上使ってる会社で働いてたんだけど、そこのコンサルタントチームの一員として、全部引き剥がしてオープンソース製品を使ったシンプルでメンテナンスしやすいコードに切り替えたんだ。そうしたら、平均的な新入社員でもメンテできるコードベースに変わったし、オラクルに収益のかなりの部分を支払わなくて済むようになった。今のクラウドやAIの流れも、数年後には同じようになる気がする。最近はプロの現場から離れて、趣味でコードを書いてるから、ちょっと情報に疎くなってるかも。

ウーバーは何を開発してるの？アプリと車の配車バックエンドだよね。どちらもまあまあ動いてる。なんでそんなにお金を使ってるの？自動運転は諦めたから、それじゃないよね。

> どちらもまあまあ動いてる もしそうなら。彼らのマッチングアルゴリズムの最適化が、UXをひどくしてるから、今はLyftを使うことが多いよ。

そもそもこの話自体が根本的にバカげてるけど、他のメディアではもう少しマシに報じられてたよね。元のレポートはThe Informationから来たもので、少なくともこのYahoo Financeの[0]の記事はそれに触れてた。この記事は内容がほとんどなく、出典もないね。 [0]: https://finance.yahoo.com/sectors/technology/articles/ubers-...