別の価格ガイドでも、企業環境では月150〜250ドル程度／開発者が一般的なコスト帯とされています。

Uberで起きたとされる「AI予算の早期消化」

この問題が象徴的に表れた例として、Uberのケースが報じられています。

報道によると、Uberは約5,000人のエンジニアにClaude CodeなどのAIコーディングツールを提供した結果、2026年のAI関連予算を4月までに使い切ったとされています。

つまり、年間想定の予算がわずか数か月で消えた計算になります。

このケースが示しているのは、AIツールの問題が「導入するかどうか」ではなく、大規模導入時のコスト管理に移っているという点です。利用制限やチームごとの上限を設けないと、組織全体で急速にコストが増える可能性があります。

MicrosoftがClaude Codeのライセンスを縮小

Microsoftでも同様の見直しが進んでいると報じられています。

同社は2025年末から2026年にかけて、エンジニアやプロジェクトマネージャーなど数千人にClaude Codeを提供していました。

しかし報道によれば、現在は社内ライセンスの大半を終了し、GitHub Copilot CLIへ移行する計画とされています。

この動きはAIそのものをやめるというより、

• コスト管理
• 自社ツールへの統合
• 利用ガバナンス

といった観点からツール戦略を再調整している可能性が高いとみられています。

「AIで開発が安くなる」という期待とのギャップ

もう一つの要因は、生産性向上の効果が状況によってばらつくことです。

AIコーディングツールは確かに広く使われるようになりましたが、開発者が出力を完全に信頼しているわけではありません。利用は増えている一方で、結果への信頼度は下がっているという統計もあります。

さらに、研究では必ずしも作業が速くなるとは限らないことも示されています。

例えば2025年のランダム化比較試験では、経験豊富なオープンソース開発者がAIツールを使った場合、タスク完了までの時間が平均19%長くなったという結果が報告されています。

理由としては次のような点が挙げられています。

• AIが生成したコードのレビューや修正が必要
• プロジェクト固有のコードベース理解が不足
• バグや品質問題による再作業

つまり、AIがコード量を増やしても、必ずしも開発コスト全体が下がるとは限らないという構図です。

企業が今見直しているポイント

現在の企業の動きから見えてくるのは、AIコーディングツールの「価値」よりも運用モデルの問題です。

特に議論になっているのは次の点です。

• 従量課金モデルによるコスト予測の難しさ
• 大規模組織での利用ガバナンス
• 実際の生産性向上とのバランス

そのため多くの企業はAIをやめるのではなく、

• 利用制限の導入
• ツールの切り替え
• 社内プラットフォームへの統合

といった形でAI開発ツールの使い方を再設計している段階だと考えられます。

まだ不確定な点

なお、UberやMicrosoftの具体的な数字や決定の詳細は、企業の公式発表ではなく報道ベースの情報が中心です。そのため、今後の正式な方針や内部データによって状況が変わる可能性はあります。

ただし確かなのは、AIコーディングツールが単なる便利ツールから、企業のITコスト構造を左右するインフラになりつつあるという点です。

別の価格ガイドでも、企業環境では月150〜250ドル程度／開発者が一般的なコスト帯とされています。

Uberで起きたとされる「AI予算の早期消化」

この問題が象徴的に表れた例として、Uberのケースが報じられています。

報道によると、Uberは約5,000人のエンジニアにClaude CodeなどのAIコーディングツールを提供した結果、2026年のAI関連予算を4月までに使い切ったとされています。

つまり、年間想定の予算がわずか数か月で消えた計算になります。

このケースが示しているのは、AIツールの問題が「導入するかどうか」ではなく、大規模導入時のコスト管理に移っているという点です。利用制限やチームごとの上限を設けないと、組織全体で急速にコストが増える可能性があります。

MicrosoftがClaude Codeのライセンスを縮小

Microsoftでも同様の見直しが進んでいると報じられています。

同社は2025年末から2026年にかけて、エンジニアやプロジェクトマネージャーなど数千人にClaude Codeを提供していました。

しかし報道によれば、現在は社内ライセンスの大半を終了し、GitHub Copilot CLIへ移行する計画とされています。

この動きはAIそのものをやめるというより、

• コスト管理
• 自社ツールへの統合
• 利用ガバナンス

といった観点からツール戦略を再調整している可能性が高いとみられています。

「AIで開発が安くなる」という期待とのギャップ

もう一つの要因は、生産性向上の効果が状況によってばらつくことです。

AIコーディングツールは確かに広く使われるようになりましたが、開発者が出力を完全に信頼しているわけではありません。利用は増えている一方で、結果への信頼度は下がっているという統計もあります。

さらに、研究では必ずしも作業が速くなるとは限らないことも示されています。

例えば2025年のランダム化比較試験では、経験豊富なオープンソース開発者がAIツールを使った場合、タスク完了までの時間が平均19%長くなったという結果が報告されています。

理由としては次のような点が挙げられています。

• AIが生成したコードのレビューや修正が必要
• プロジェクト固有のコードベース理解が不足
• バグや品質問題による再作業

つまり、AIがコード量を増やしても、必ずしも開発コスト全体が下がるとは限らないという構図です。

企業が今見直しているポイント

現在の企業の動きから見えてくるのは、AIコーディングツールの「価値」よりも運用モデルの問題です。

特に議論になっているのは次の点です。

• 従量課金モデルによるコスト予測の難しさ
• 大規模組織での利用ガバナンス
• 実際の生産性向上とのバランス

そのため多くの企業はAIをやめるのではなく、

• 利用制限の導入
• ツールの切り替え
• 社内プラットフォームへの統合

といった形でAI開発ツールの使い方を再設計している段階だと考えられます。

まだ不確定な点

なお、UberやMicrosoftの具体的な数字や決定の詳細は、企業の公式発表ではなく報道ベースの情報が中心です。そのため、今後の正式な方針や内部データによって状況が変わる可能性はあります。

ただし確かなのは、AIコーディングツールが単なる便利ツールから、企業のITコスト構造を左右するインフラになりつつあるという点です。