月1000万円という数字の、本当の意味
2026年6月9日の日本経済新聞に、少しだけ背筋の寒くなる記事が載った。
「AI浪費、社員1人で月1000万円 企業活用『やってる感』の落とし穴」
日経記事によれば、AIエージェントの普及にともなってトークン消費が急増し、社員ひとりで月に1000万円分を使った事例があるという。米Uberは確保していたAI予算をわずか4カ月で使い切った。米Microsoftは、コーディング支援ツールであるClaude Codeの契約を終了する方針だと報じられている。
数字だけを取り出せば、これは「使いすぎ」の話に見える。経費精算で揉めそうな、よくある社内の風景だ。
ただ、この記事が照らしているのは、領収書の山ではない。もっと奥にある、企業の構造そのものだと思う。
AI浪費は、贅沢ではなく「設計の不在」から生まれる
AI浪費という言葉からは、ぜいたくな散財のイメージが浮かぶ。実態はその逆に近い。
月1000万円を使った社員は、おそらくサボっていたわけではない。むしろ熱心だった。AIエージェントに次々とタスクを投げ、調べさせ、書かせ、検証させ、また投げる。手を動かしている感覚があり、何かが前に進んでいる手応えもある。
問題は、その「進んでいる感覚」が、組織の成果と結びついていなかったところにある。
英語圏では、この現象をTokenmaxxing（トークンマキシング）と呼ぶ人が出てきた。とにかくトークンを最大限に消費すること自体が目的化していく状態を指す。AIを使えば使うほど仕事をしている気になる。けれど、その出力が意思決定につながらなければ、消費されたのは予算だけだ。
なぜこうなるのか。
理由はシンプルで、たいていの企業がAIに「どこまで任せるか」を一度も決めていないからだ。
ツールは配った。アカウントも発行した。研修もやった。利用ガイドラインだって整備したかもしれない。けれど、肝心の一点——どの判断をAIに委ね、どの判断を人間が引き受けるのか——だけが、誰の手元にも置かれていない。
その空白に、各自の善意と熱意が流れ込む。だから止まらない。
LayerXの転換が示していること
日経記事のなかで、私がもっとも重要だと感じたのはLayerXの事例だった。
同社は、AI活用の軸を「個人最適化」から「組織最適化」へと移しているという。個人がそれぞれにAIを使いこなす段階から、個人の暗黙知を共有のAIへ集約していく段階へ。
なぜこの転換が起きたのか。日経記事によれば、個人レベルでは確かに生産性が上がった。一方で、それが組織全体の成果向上には直結しなかった。
ここに、AI導入のいちばん見えにくい落とし穴がある。
個人の生産性の総和は、組織の成果にならない。
10人が各自10倍速くなっても、その10人が別々の方向に全力疾走していたら、組織はむしろ散らかる。判断の重複、出力の食い違い、誰の結論を採用するのかという新たな調整コスト。AIが速ければ速いほど、足並みの乱れも速く広がる。
LayerXの転換は、この力学に気づいた組織が次に何をするか、という実例として読める。個人に最適化された無数のAIを、組織の判断構造のなかに置き直そうとしている。
LayerXが見つけたのは、ナレッジ共有の重要性だけではない。誰のAIが、どの判断に使われ、その結果を誰が引き受けるのか。その構造を設計しなければ、組織最適化は成立しないという事実である。
コストの問題だと思った瞬間に本質を外す
ここまでくると、月1000万円という数字の正体が少し変わって見えてくるはずだ。
あれはコストの暴走ではない。判断構造の不在が、たまたまコストという形で表面化しただけだ。
もし経営が「使いすぎだ、予算上限を設けよう」と反応したとする。短期的には支出は止まる。けれど、根の問題——誰がどこまで判断するのかが決まっていないこと——はそのまま残る。次は別の形で噴き出す。品質のばらつきとして、責任の所在の曖昧さとして、あるいは「結局AIで何が良くなったのか説明できない」という鈍い停滞として。
コスト削減で対処すると、症状だけ抑えて病気を見逃す。
多くの企業が、いまAIをめぐって取り組んでいることのリストを思い浮かべてほしい。AI Governance。DX。Automation。AI Ethics。どれも大切で、どこも間違っていない。
ただ、これらの取り組みには共通の前提が抜け落ちている。
誰が判断するのか。どこまでAIに任せるのか。どこから人間が引き受けるのか。
この問いに答えないまま、ガバナンス体制を整え、自動化を進め、倫理指針を掲げる。土台のない場所に立派な建物を建てているようなものだ。
AIを使っているのは社員だ。しかし、実際に判断しているのはAIなのか、社員なのか、マネージャーなのか、組織なのか。その権限の所在が曖昧になる。判断は行われている。しかし、誰がその判断権を持っていたのかは、説明できない。
この状態を、私はAuthority Allocation Gap（判断権限の配分の空白）と呼んでいる。誰がどの判断の権限を持つのかが、明示的に配分されていない状態だ。そしてこの空白が、Governance Gap——統治の効かない領域——を生む。AI浪費も、責任の空洞化も、その地続きの先にある。
見え方はさまざまだ。AI浪費はコスト問題として現れる。責任の空洞化は組織問題として現れる。説明責任の欠如はガバナンス問題として現れる。しかし、根は同じだ。Authority Allocation Gapによって生じる、Governance Gapである。
政府も同じ場所を指している
興味深いことに、この問題は民間企業だけのものではない。
総務省と経済産業省が共同で示すAI事業者ガイドライン1.2版によれば、自律的に動くAIエージェントについては、誤作動やプライバシー侵害のリスクを念頭に、人間による監督・統制・責任の重要性が明記されている。政府は開発企業などに対して、「人間の判断を必須とする仕組み」づくりを求めている。
人間の判断を必須とする仕組み
言葉にすればその通りだ。けれど、これを実際の現場に落とそうとした瞬間、ある問いが立ち上がる。
どの判断について? どの段階で? 誰が?
ここに、見えてきた問題の輪郭がある。
民間のAI浪費も、政府が求める人間の監督も、突き詰めれば同じ一点に収束する。判断を、誰の手に、どこまで置くのか。
問題の正体は、もう見えてきたと思う。
けれど、ここまでは「何が問題か」を語っただけだ。「ではどう設計するのか」には、まだ一歩も踏み込んでいない。
その設計の話を、ここからする。
それが Decision Design（判断の設計） である。
Decision Designは、判断という行為そのものを設計対象とする思想だ。
その中心にあるのが Decision Boundary（判断の境界） という概念である。
誰が決めるのか。
どこまでを任せ、どこからを引き受けるのか。
その線を、無自覚のまま放置せず、意図的に設計すること。
それがDecision Designである。
詳細版について
本稿は、公開範囲を基に構成したInsynergyの日本語サイト版です。詳細な議論と実装上の考察はnoteの詳細版で解説しています。