AI コーディングが普及した Uber、開発者ごとの利用上限を設けた理由

2026年8月1日読了目安 3 分

導入

AI コーディングツールを導入する企業にとって、初期の関心は「開発者が使うかどうか」だった。しかし Uber の動きは、利用が広がった後には別の課題が浮上することを示している。すなわち、AI が生み出す成果は本当にコストに見合うのか、そしてインフラはその負荷に耐えられるのか、という問題だ。

InfoQ 中文によると、Uber は「Zero Growth Stack」と呼ぶインフラ戦略を進める一方で、社内の生成 AI 開発ツールに対するコスト管理を強化している。これは単なる節約ではなく、AI の利用を「導入促進」から「成果の測定」へ移す動きといえる。

インフラ拡張を抑える設計。 Zero Growth Stack は、サービス規模の拡大と物理ハードウェア増加を切り離すことを目指している。
Go ランタイムを動的に最適化。 Uber は、メモリ使用量が大きく異なるサービスに静的な GC 設定では対応しにくいと判断し、GOGC を自動調整する GOGCTunner を開発した。
大きなリソース回収効果。 この仕組みにより、30 の重要サービスで約 70,000 CPU コアを回収した。ただし、ヒープサイズとメモリ使用率しきい値を継続的に調整する制御ループも必要になる。
AI 開発支援は社内で一般化。 エンジニアの 92% が毎月 Agent を使い、新規コードの 31% が AI により生成されている。Autocover は毎月 5,000 件超の単体テストを作成している。
コスト増が制約要因に。 AI 関連費用は 2024 年以降 6 倍となり、2026 年初めには開発者 1 人あたり月 2,000 ドルに達した。Uber は現在、1 人あたり月 1,500 ドルの上限を設けている。

Uber の事例が示すのは、AI コーディングツールが単なる生産性向上ツールではなく、企業の開発プロセス、コード品質、レビュー負荷、インフラコストに直接影響するシステム要素になっているという点だ。

そのため同社は、生成されたコード量や利用率だけでなく、より細かな指標を検討している。たとえば、AI が書いたコードと人間が書いたコードについて、リリース後のホットフィックス頻度を比較する「net code quality ratio」や、機能単位で計算資源の効率を見る指標だ。

今後の企業導入では、AI がどれだけ使われているかだけでは不十分になる。AI が開発速度を上げる一方で、クラウド費用、冗長なテスト、レビュー工数、運用後の修正を増やしていないかを検証する必要がある。Uber の上限設定は、AI 活用が成熟段階に入ったことを示すシグナルでもある。