1,000億トークンと、何を買ったのか把握しているCFOは誰もいない
サム・アルトマンは2026年6月2日、OpenAIの企業向けイベントのステージに立ち、聴衆を驚かせるために用意された統計データを披露した。同社内で最もトークンを消費するユーザーは、月間約1,000億トークンを処理しているというものだ。会場の反応は予想通りだった。しかしアルトマンはその後、ほぼ何気なく付け加えた——この数字は世界記録ではない、なぜならOpenAI社外にはさらに多くを消費している者がいるからだ、と。その発言によって、彼はほとんど意図せずして、企業規模における人工知能経済を分断しつつある問題を正確に描写してしまった。消費の拡大が、製品を売る側の想像力も、買う側の予算編成能力も、どちらも追い越すほどの速さで進んでしまったという問題だ。
その数字の後に続いた言葉こそが、数字そのものよりも雄弁だった。アルトマンは、コストが現在OpenAIの企業顧客から寄せられる2番目に多い不満になっていると認めた。そして、どんなアナリストのレポートよりも的確に現状を診断するミームが企業幹部の間で広まっていると説明した。「会社は2026年の予算を第1四半期で使い切ってしまった。もっと効率的にしてもらえないか？」というものだ。このミームの問いかけは反語ではない。これは、2025年の消費パターンに基づいた支出前提で新年度に突入し、エージェント型モデルがまったく異なるスピードで消費していくことに気づいてしまった数十の組織が直面している、新たな現実そのものだ。
6年半前、OpenAIで最もアクティブなユーザーが処理していたトークン数は、月約10万トークンだった。今日では、その数字が世界一人当たりの平均となっている。同社内で最もアクティブな内部ユーザーは、かつての歴史的記録の100万倍を消費している。アルトマンはこの拡大がさらに繰り返されると予測している。もしそうなれば、今日存在する人工知能インフラは、将来の市場にとって、ポケット電卓がデータセンターに対するようなものになるだろう。しかし、その予測と企業購買者の現実的な運用状況との間には、いかなる指数的成長のスライドも単独では解決できない隔たりが存在している。
予算編成こそが技術的成熟度の最初の指標である
企業向けテクノロジーの歴史には、十分な一貫性をもって繰り返されるパターンがあり、それは一つの枠組みとして活用できる。すなわち、ある技術が実験的ツールから業務上の定常コストへと移行するたびに、財務部門が会話に加わり、ルールを変えてしまうというパターンだ。クラウドソフトウェアではそれが2010年代半ばに起きた。データと高度な分析においてはその後に起きた。エージェント型人工知能では、それが今、2026年に起きており、その速度は地球上で最も洗練された企業の幹部たちさえも不意を突くほどだ。
Uberがその最も記録に残る事例だ。報告によれば、同社は2026年分の人工知能予算をわずか4か月で使い切った。運用上の対応は即座だった。Claude CodeやCursorを含むエージェント型プログラミングツールに対して、従業員一人当たり月1,500ドルの上限が設けられた。しかし最も重要な発言はCEOからではなく、COOのアンドリュー・マクドナルドから出てきた。彼は公の場で、Uberはトークンへの増大するこの支出と、エンドユーザー——ドライバーであれ乗客であれ——への具体的な改善との間に、直接的なつながりを見出せていないと述べた。この発言は、価値アーキテクチャの観点から見れば、一級の警戒信号だ。支出が悪いのではなく、投資と結果の間のフィードバックループがいまだに閉じられていないことを示しているからだ。
マイクロソフトは5月中旬以前に、Claude Codeの社内ライセンスの大部分をキャンセルし、6月30日の会計年度末前にエンジニアをGitHub Copilot CLIへと移行させた。表面的な解釈は、マイクロソフトが自社製品を好んでいるというものだ。しかしより正確な解釈は、マイクロソフトもまた人工知能ツールの予算超過に直面し、問題が拡大する前に支出を自社の枠内に集約することを選んだというものだ。Amazonは社内のトークン消費ランキング表を廃止した。シニア幹部が、使うこと自体を目的とした人工知能の使用をやめるようチームに指示したことを受けてのことだ。社内の人工知能エージェントのために従業員に無制限のトークンを提供していたウォルマートも、上限を設けた。
このパターンは偶然でも孤立した財務的なパニックでもない。企業セクターが、人工知能がイノベーション予算を持つパイロットプロジェクトではなく、リターンの正当化をめぐって他の運用コストと競い合う業務上の定常コストへと変わるという閾値を、たった今超えたことを示すシグナルだ。
トークン消費量が明らかにする価値配分の構造
消費数値の背後には、精確に検討するに値する経済構造が存在する。消費されるトークンのひとつひとつが、OpenAIまたはAnthropicにとっての収益であり、クラウドプロバイダーにとっての計算需要であり、チップインフラへの投資を正当化するものとなっている。その観点からすれば、6年半で100万倍という成長は、インフラ企業の評価を支え、大型データセンター契約の論理を支える、まさしくあのナラティブそのものだ。
しかしその同じ構造には、消費数値が捉えきれない非対称な配分がある。トークンの代金を支払う企業——Uber、マイクロソフト、Amazon、ウォルマート——が成長の運用コストを負担する一方で、マージン、モデルの知的財産、価格設定力という形での価値捕捉は、モデルプロバイダー側に集中している。この非対称性は市場の論理においては必ずしも不公平ではないが、大規模採用モデルの持続可能性に対して構造的な影響をもたらす。
UberのCOOが、トークンへの支出と製品改善を結びつけられないと言うとき、彼は投資対効果の問題を描写している。それが持続すれば、より多くのトークンで解決できるものではなく、支出の全体的なアーキテクチャの再交渉を必要とするものだ。アルトマン自身の発言によれば、AnthropicがOpenAIを企業向け法人支出において上回ったという事実は、この分析にさらなる層を加える。モデル間の競争が複数プラットフォームの乱立を生み出しており、エンジニアリングチームはそれらを並行して採用しているということを意味する。これによりコストは倍増するが、必ずしも成果が倍増するわけではない。マイクロソフトが社内で実行している統合——単一ツールの使用を強制すること——は、たとえ製品選好のレトリックに包まれていたとしても、その問題に対する合理的な対応だ。
外部開発者のピーター・スタインバーガーが報告によれば30日間で6,030億トークンを消費し、OpenAIの従業員が1週間で2,100億トークンを使用したとされる事例は、異なるが関連した何かを浮き彫りにする。個人消費が世界平均を数桁上回るとき、定額または半定額の料金モデルは、どの貸借対照表にも現れないが、サービスの経済を歪める交差補助を生み出し始める。すべてのトークンが同一の生産コストを持つわけでも、消費者にとって同一の価値を持つわけでもないのだ。
大規模採用モデルにおける帳尻の合わない計算
2023年以来、このセクターを支配してきたナラティブは、摩擦のない採用というものだった。広いアクセスを提供し、価格の障壁を取り除き、消費を拡大し、依存性・データ・ネットワーク効果を通じて後から価値を捕捉するというものだ。このマニュアルは大規模なユーザーベースを構築するのには機能した。問題は、企業セクターにおいて「依存性」には個人消費者には同等の強度では存在しない対抗力があるということだ。それが、CFOと年次予算サイクルだ。
アルトマンは態度の変化を「突然やってきた」ものとして描写した。2026年初頭は、彼自身の言葉によれば、誰もコストを気にしていなかった。みな自分の支出水準に満足していた。この描写——人工知能セクターで最も価値ある企業のCEOによって語られた——は、それ自体が採用フェーズの構造化のされ方の診断だ。すなわち、エージェント的使用を拡大する際に暗黙的に受け入れていたコスト曲線について、購入者が明確な認識を持たないまま進められていたということだ。
エージェント型モデルは、単発のチャットボットとは異なり、大規模において構造的に高コストとなる特性を持っている。それは、タスクを連鎖的に実行するということだ。つまりプロセスの各ステップ——推論・検証・エラー訂正の中間ステップを含む——がトークンを消費する。人間が一つの判断で解決できるタスクが、結果を生み出す前に数十回のモデル呼び出しを必要とすることがある。この乗数効果は、適度な使用量でのパイロット段階では明らかではなかった。それが可視化されたのは、企業が数百または数千人の従業員に対して同時にこれらのツールを展開したときだ。
結果として、実験段階で認知された価値と、運用段階での実際のコストとの間に隔たりが生じた。そしてこの隔たりは、限界的な効率改善によっては埋まらない。根本的に異なる価格モデルか、あるいはどのタスクが人工知能エージェントによる解決に値し、どのタスクがより単純なプロセスでより安く解決できるかの深い見直しが必要だ。
次のサイクルで勝つのは、より多くのトークンを売る者ではない
アルトマンの発言と、世界最大の企業群の同時進行する行動から浮かび上がる最も直接的な結論は、企業向け人工知能セクターが第二フェーズに入りつつあるということだ。第一フェーズは熱意による採用の時代であり、イノベーション予算と、リターンの不確実性に対する高い許容度が特徴だった。第二フェーズは正当化による採用の時代であり、人工知能への支出がインフラ・人員・オペレーションへの支出と同じテーブルで競い合い、同種の測定可能なリターンを示すことを求められる。
この移行はセクターにとって否定的なものではない。しかし、その中で誰が勝つかは変わる。第一フェーズで勝ったのは、最も有能なモデルと最もスムーズなエクスペリエンスを提供した者だった。第二フェーズで勝つのは、各アウトカムにかかるコストとその価値を正確に示すことのできる者だ。それは、モデルの生の処理能力をスケールアップするだけでなく、オブザーバビリティ・コスト管理・成果帰属のツールを開発するプロバイダーを優位に立たせる。
アルトマンはトークン消費がさらに100万倍成長すると予測している。もしその成長が、コスト構造が購入者にとってより透明で制御可能なものになることなく実現した場合、持続的な市場拡大ではなく、採用を断片化させる一連の予算修正が起きることになるだろう。彼自身が引用した企業向けミーム——年間予算が第1四半期に使い切られてしまった——は、微笑ましい逸話などではない。それは、トークン量による現行の収益化モデルが抱える構造的限界を正確に描写したものだ。売り手の収益が成長するのとまったく同じ比率で、それを資金提供する購入者に対して持続不可能な圧力が生まれるというモデルの限界だ。
双方のカーブが互いをキャンセルすることなく共存することを可能にするアーキテクチャは、まだ明確には存在していない。それが存在しない限り、トークン消費の記録が更新されるたびに、それはインフラにとっての朗報であると同時に、それを支える企業支出の継続可能性に対する警告信号であり続けるだろう。
