AIを使いまくった人が偉い時代、終了？ Amazonがエンジニアに求めること

「トークンマキシング」って、結局のところ『成果ではなく使用量を競う』みたいなことなの？

そうですね。ただ問題なのは、そこが想像以上に簡単に起きてしまう点かもしれません。 成果を測るのは難しいんですよ。コードの質なんて主観的だし、長期的な影響も判断しづらい。だから企業は「使用量」という数字に頼りたくなる。AIに投資したなら、その投資が活躍してるって示したい気持ちもある。 でも、そこから先が厄介です。数字が上司の目に入ると、社員は数字を稼ぎにいく。だからAmazonの事例のように、本来必要ない質問までAIに投げちゃう。トークンマキシング的には「使用量が増えた＝AIが活躍してる」という幻想が生まれてしまう。 実はこれ、営業の「売上至上主義」や、ライターの「記事本数競争」と構造が同じ。数値化できるものを競わせると、その数字を膨らませることが目的化しちゃうんですよね。 Amazonが気づいたのは、本当に大切なのは「AIで何ができたか」であって、「AIをどれだけ動かしたか」じゃないということ。むしろ無駄なトークン消費は、コストを垂れ流してるも同然だと言えそうです。

AIツールの利用料がコストになるなら、普通の会社員が個人的にChatGPTとか使ってるときも、会社に負担がかかってるってこと？

会社が ChatGPT の有料プランを導入していれば、その費用は会社が払っています。ただ、多くの企業が社員個人の利用を把握していないのが実情のようです。 Amazon の事例から見えるのは、コスト意識を持つことの大切さなんですよね。彼らは AI の月額費用を社内で追跡できる体制をつくってる。それに対して、一般的な会社では「誰が何に ChatGPT を使ってるのか」が可視化されていない場合が多いと言えそうです。 個人レベルなら、ChatGPT の無料版を使ってる人も多いでしょうし、その場合は会社負担もゼロ。でも、会社が法人版 ChatGPT や Claude Business などを導入していて、あなたのアカウントがそこにぶら下がっていれば、その分は経費になります。 面白いのは、Amazon が気づいたこと。数字ばかり追うと、本来の目的を見失うということです。個人の利用も同じで「毎日 AI を使ってる」ことが評価されるべきではなく「それで何が達成できたか」が問題になっていくのではないでしょうか。

Amazonがわざわざ指針を改定したってことは、実際に『AIを使いまくる社員が評価される』っていう問題が起きてたんだ。どうしてそんなことになっちゃったの？

指標が単純だから、その指標を頑張ることになっちゃう、という古典的な罠なんですよね。 トークン消費量は「AI をどれくらい活用しているか」を測る一つの数字として、見た目は分かりやすい。だから、それを評価の基準に入れた瞬間、社員の目がそこに釘付けになる。すると「本当に必要な仕事か」という判断より「この数字を伸ばす」という行動が優先されてしまう。 実は、システム開発の世界では昔からあった問題です。「コード行数が多いエンジニアが優秀」という評価をしていた時代、無駄に長いコードを書く人が増えたとか。「バグ件数が少ないから品質が高い」と信じていたら、バグ報告が減ったけど隠れたバグが増えていた、みたいな話も。 AI の場合、消費量という数字が「活用度」に見えるので、経営層からしても「使用量が増えればうちのデジタル化が進んでる」と感じてしまう。実は、意味のない質問や重複した処理が増えてるだけなのに。 つまり、良い意図（AI をもっと活用しよう）が、測定方法の粗さのせいで、逆効果になっていたということなのかもしれません。

これって『測定可能な指標を評価軸にすると、その指標を追い求める行動が生まれる』っていうよくある問題の一つなの？

その通りですね。これはビジネス組織でよく起きる「ゴールシフト」という現象です。 測定可能な数字を評価軸に据えると、人は無意識のうちにその数字を最大化することが本来の目的だと思い込んでしまう。Amazonのトークン消費量ランキングも、当初の狙いは「AIをどれだけ活用しているか」を見える化することだったはずです。でも評価に直結した瞬間、社員は「数字を伸ばすこと」そのものが目標化してしまった。 興味深いのは、Amazonがこの罠を認識した後の対応です。トークン消費量を「参考情報」に格下げしつつ、同時に「実際の成果が出ているか」という定性的な判断を管理職に求めている。さらに「AIが役に立たない仕事を見つけるのも発見」と、失敗まで評価軸に組み込もうとしている。 つまり、数字だけでなく、その数字の背景にある思考プロセスを価値判断の中心に据え直した形です。完璧ではありませんが、測定可能性の罠をもう一段階メタで捉えようとしてる試みに見えます。組織が学習する瞬間、という感じがするんですよね。

AIが役に立たない場面を見つけることが『立派な発見』って言ってるけど、そういう失敗報告ができる職場ってどのくらい多いと思う？

失敗報告が浮上する職場と埋もれる職場の分かれ目は、実は経営層の「本気度」がどこにあるのかで決まってる気がします。 Amazonがわざわざ「役に立たない仕事を見つけるのは立派な発見」と明言したのって、裏を返すと「多くの企業ではそうなってない」という現実があるからだと思う。数字で評価される文化が強いほど、うまくいかなかった試行は「無駄」のレッテルを貼られやすい。エンジニアも報告しづらくなります。 ただ、AIに限った話じゃないんですよね。かつての業績評価制度でも「ハンコは押された数」「提案は却下されない数」みたいに、数字だけを追う企業は腐りやすかった。失敗から学ぶ文化を持つ組織は、実はそこまで多くない。 Amazonが今回こうした指針を打ち出したのも、一度トークンマキシングで痛い目を見たから。同じ轍を踏まないために、管理職に「成果との対応を確認しろ」と明確に指示している。つまり、失敗報告ができる職場を意図的に作らないといけないと、ようやく気づき始めたというわけかもしれません。