Uber、コスト管理のためClaude CodeなどのAIツールの利用を制限
Uber は AI コーディングツールの利用コストを抑制するため、従業員あたりの月間使用料に上限を設ける新たな方針を導入した。
キーポイント
AI ツール利用の予算制限導入
Uber は全従業員に対し、Cursor や Claude Code などのエージェント型コーディングツールにおける月間のトークン使用料を $1,500 に制限した。
過剰なコスト削減と現実的な評価
2026 年の AI バジェットが短期間で枯渇した背景を受け、競合する「トークン消費量」を競う風潮に対し、合理的なコスト管理策として評価されている。
AI コストと人件費の比率分析
エンジニア 1 人あたりの年間 AI 上限額（約 $36,000）は、同社ソフトウェアエンジニアの median compensation の約 11% に相当し、AI ツールの経済的価値を示唆している。
影響分析・編集コメントを表示
影響分析
本ニュースは、生成 AI ツールが急速に普及する中で、企業の予算管理が追いついていない現実を示す事例であり、特に「コーディングエージェント」のような高消費型ツールの利用において、明確なガバナンスとコスト上限の必要性を浮き彫りにしています。今後は、AI ツールの導入規模や効率性を定量的に評価し、持続可能な運用モデルを構築する企業が競争優位を獲得する重要な転換点となるでしょう。
編集コメント
AI ツールの導入が爆発的に進んだ結果、予算管理の重要性が浮き彫りとなった象徴的な事例です。企業の AI ガバナンスにおいて、単なる利用制限だけでなく、ツールごとのコスト配分や ROI の可視化が不可欠であることが示されています。
Uber、コスト管理のために Claude Code などの AI ツールの利用を制限
先日、Uber が 2026 年の AI 予算をわずか 4 ヶ月で使い果たした件や、その理由が特に驚くべきことではない点（誰が予測できたでしょうか、トークンを大量消費するコーディングエージェントがこれほど人気になるとは）について書きました。
ブルームバーグのナタリー・lung 氏による報道：
配車大手である Uber は、AI コーディングツールごとの月額トークン利用料を従業員一律 1,500 ドルに制限すると発表しました。これはブルームバーグニュースからの問い合わせに対する同社のスポークスマンの回答です。つまり、あるツールの利用費は別のツールの予算に影響を与えません。この制限は最近数カ月に導入されたもので、Cursor や Anthropic PBC の Claude Code などの「エージェント型」コーディングソフトウェアにのみ適用されます。
ツールごとの月額 1,500 ドルの上限は、可能な限り多くの AI 利用を競い合うよう従業員を促す「トークン最大化（tokenmaxxing）」ランキングとは比較にならないほど合理的であり、過剰な支出に対する理性的な政策対応だと私は考えます。
また、Uber がこれらのツールから得ているものの実際のドル価値を示唆している点も興味深いです。エンジニアあたり 2 つの活用されているツールを想定すると、1 年あたりのエンジニアごとの上限は 3,000 ドル × 12 = 36,000 ドルとなります。Levels.fyi は アメリカ合衆国における Uber のソフトウェアエンジニアの年間報酬パッケージの中央値 を 330,000 ドルとリストしています。
つまり、各従業員の AI 支出上限は、その中央値報酬パッケージの約 11% に相当します。
私は 以前、Anthropic と OpenAI のそれぞれに対して月間約 1,000 ドル分のトークン使用量があると指摘しました。現在、これらは個人利用者のための手厚い補助プランのおかげで各プロバイダーあたりわずか 100 ドルで済んでいますが、Uber のような大企業にはもはやこれらのプランは利用できません。
つまり、現在の使用パターンを維持したまま Uber で働いていた場合、それぞれのツールに対して月間約 500 ドル分のトークンを余らせることができることになります。
タグ: ai, generative-ai, llms, llm-pricing, coding-agents, uber
原文を表示
Uber Caps Usage of AI Tools Like Claude Code to Manage Costs
I wrote the other day about Uber blowing its 2026 AI budget in four months, and how that wasn't particularly surprising given they would have set that budget in 2025, before anyone could have predicted how popular token-burning coding agents were about to become.
Natalie Lung for Bloomberg:
The rideshare giant is limiting all employees to $1,500 in monthly token spending per AI coding tool, an Uber spokesperson said in response to a Bloomberg News inquiry. That means spending on one tool doesn’t have a bearing on the budget for another. The limits, which have been instituted in recent months, only apply to agentic coding software such as Cursor or Anthropic PBC’s Claude Code.
A $1,500 monthly limit per tool strikes me as *much* more sensible than those tokenmaxxing leaderboards encouraging employees to compete for as much AI usage as possible, and as a rational policy response to over-spending.
It's also interesting in that it hints at a real dollar value for what Uber is getting out of these tools. If we assume two actively used tools per engineer that's $3,000 * 12 = $36,000 cap per engineer per year. Levels.fyi lists the median yearly compensation package for Uber software engineers in the USA at $330,000.
That means each employee's AI spending cap is ~11% of that median compensation package.
I noted that my own token usage comes to about $1,000/month against each of Anthropic and OpenAI - which currently costs me just $100 per provider thanks to their generous subsidized plans for individual subscribers - plans that are no longer available to larger companies like Uber.
That means if I were working at Uber I'd still have ~$500/month of tokens to spare for each of those tools, given my current usage patterns.
Tags: ai, generative-ai, llms, llm-pricing, coding-agents, uber
関連記事
オープンモデルとクローズドモデルは異なる指数関数的成長曲線にある（8 分読）
TLDR AI は、現在のオープンソースモデルは分布外タスクで不足しているが、将来的に追いつくと指摘。最終的にオープンモデル生態系はクローズド企業寡占を超え、市場価値も OpenAI や Anthropic の累積を上回ると予測する。
ロシアのプロパガンダに抵抗する能力において最も優れた大規模言語モデルとは
エストニア言語研究所は、外国の敵対国が推進する危険なプロパガンダを拡散する懸念に対応するため、大規模言語モデルがロシア連邦の戦略的トピックに対して立場を取らない能力を評価する「プロパガンダ抵抗」ベンチマークを発表した。
「バトルシップ」ゲームを通じて AI エージェントにより良い質問をさせる方法を教える
MIT の研究者らが、不確実な環境で広範な解決策を尋ねる必要がある医療診断や科学発見の課題に対し、AI エージェントがより効果的な質問を行う能力を向上させる手法として「バトルシップ」ゲームを活用する研究を発表した。