Anthropicの生成AI「Claude」を大規模に利用してきたMetaとMicrosoftが、社内での利用を急速に絞っています。焦点は、どのAIモデルが最も高性能かという単純な比較ではありません。自社の業務基盤を、将来の競合企業にどこまで依存してよいのか。巨額の利用料、従業員が入力する情報、開発現場で蓄積される利用データを誰の製品に委ねるのかという、経営上の主導権が問われています。



MetaとMicrosoftはいずれも、Anthropicにとって最大級の法人顧客でした。その2社が同じ時期に自社陣営のツールへ利用者を誘導していることは、生成AI市場の関係が固定的ではないことを示しています。ある時点では外部の優れたモデルを採用する顧客であっても、自社製品が成長すれば、供給元と販売先が重なる競合企業へ変わり得ます。導入を拡大した企業ほど、切り替え時の教育や運用変更にも相応の負担が生じるでしょう。

今回の動きから読み取れる中心的な論点は、AI調達が「優れたモデルを買う段階」から「どの企業のエコシステムに業務を置くかを選ぶ段階」へ移っていることです。モデルの回答品質だけでなく、既存ソフトウェアとの統合、データの取り扱い、予算管理、供給元の事業戦略まで評価対象になります。法人向け生成AIは便利な単体ツールではなく、企業の知識や日常業務に入り込む基盤になりつつあるためです。

The Informationの報道として紹介された情報によると、MicrosoftではClaude関連の年間支出が10億ドルを超える規模になると予測されていました。これに対し、クラウド・AI部門を率いるスコット・ガスリー氏とジェイ・パリク氏は、従業員にGitHub CopilotやOpenAIのモデルなど、Microsoftが推す製品群を利用するよう求めました。Claudeへの支出は3分の1以上削減されたとされています。



特に目を引くのが、クラウド部門における従業員1人当たりの月間予算です。報じられた数字では、従来の10万ドルから約1万ドルへ引き下げられました。これはClaudeを完全に排除する措置というより、利用の自由度を大幅に狭め、標準ツールを自社陣営へ戻す強い誘導と捉えるほうが自然です。全体の支出削減率と1人当たり予算の削減幅は異なるため、両者を同じ指標として扱わない注意も必要でしょう。

Microsoftにとっては、外部サービスの費用を減らすだけでなく、自社が販売するGitHub Copilotの利用を社内で増やす意味があります。従業員が競合製品を日常的に使い続ければ、自社製品の改善に必要な利用経験が蓄積されにくくなり、顧客へ導入を勧める際の説得力にも影響しかねません。優れた外部モデルを柔軟に採用する合理性と、自社製品を育てる必要性が衝突した結果、Microsoftは後者を強く優先し始めたと考えられます。

Metaでも、ソフトウェア開発を支援するClaude Codeの社内利用者が、およそ6万人から3万人へ減少しました。減少の一部は人員削減によるものですが、Metaが「Muse Code」や「MetaCode」といった自社ツールの利用を促していることも影響しています。単なる利用者数の自然減ではなく、開発現場の標準環境を自社技術へ移そうとする方針が重なった結果です。



支出規模も無視できません。ある28日間だけで、MetaがClaude Codeに支払った金額は1億500万ドルを超えたと報じられています。短期間にこれほど大きな費用が発生すれば、利用者ごとの価値や、同じ処理を自社モデルで実行した場合の費用を精査する動きが出るのは不自然ではありません。Metaはこれに先立つ6月にもAI関連のコスト削減策を導入しており、Claude Codeの利用縮小は継続的な支出管理の一環とみられます。

Metaには、自社のAI製品を育てるというMicrosoftと共通した事情もあります。社員が日々行うコード生成や修正、レビュー支援は、ツールの弱点を発見し、改善の優先順位を決めるための実践的な機会です。その利用がAnthropicの製品に集中すれば、Metaは費用を負担しながら競合製品の利用拡大を支える構図になります。自社ツールへの移行で直ちに同等の生産性を維持できるかは明らかではありませんが、Metaが短期的な使いやすさだけでなく、技術開発と製品競争を含む中長期の利益を重視していることは読み取れます。

巨額の利用料は、両社がClaudeを縮小する分かりやすい理由です。ただし、予算だけで今回の判断を説明すると、生成AI市場で起きている構造変化を見落とします。MetaとMicrosoftはAIツールを購入する顧客であると同時に、自らも法人向けAI製品を販売する供給者です。Anthropicの成長によって製品領域が重なれば、取引相手を支援することと競合を強くすることが同じ行為になりかねません。



データを巡る利害もあります。Metaは、Anthropicが自社の学習用データへアクセスする範囲を制限したい意向を持っていたと報じられています。具体的な対象や条件は現時点では明らかにされていないため、確定した措置として扱うことはできません。それでも、AI企業にとってデータがモデル開発と製品改善の源泉である以上、競合へどの情報を渡すかが重要な交渉事項になることは理解できます。

法人利用では、従業員が入力したコードや文書がそのままモデル学習に使われるとは限りません。契約条件やデータ保持方針はサービスごとに確認する必要があります。それでも、利用傾向、求められる機能、業務への組み込み方といった情報は、製品戦略を考えるうえで価値を持ちます。企業がAIベンダーを選ぶ際には、情報管理の安全性だけでなく、取引によってどの競合企業の市場基盤を支えることになるのかという視点も加わってきます。

Anthropicの「Claude Cowork」やOpenAIの「ChatGPT Work」のような製品は、質問に答えるチャットボットの枠を越え、文書作成や情報整理、複数の作業をまたぐ支援へ対象を広げています。こうした機能が充実すれば、利用者は個別の業務ソフトを開いて操作する代わりに、AIへ目的を伝え、必要な成果物をまとめて作らせるようになります。これはMicrosoft Officeを中心とする従来の業務ソフトウェアにとって無関係な変化ではありません。



競争の焦点は、ワープロや表計算の機能をそのまま置き換えられるかどうかだけではありません。利用者が仕事を始める入口を誰が握るかが重要です。AIアシスタントが文書、コード、社内情報、タスクを横断して扱うようになれば、既存ソフトは表面に見える主役ではなく、AIが裏側で利用する機能の一部になる可能性があります。MicrosoftがAnthropicの成長を警戒する理由は、モデル販売の競争に加え、自社の中核である業務ソフトの利用体験まで変えられ得る点にあると考えられます。

もっとも、AIアシスタントが既存の業務基盤を短期間で全面的に代替すると決まったわけではありません。企業には権限管理、監査、ファイル形式の互換性、業務ごとの承認手順があり、長年運用してきた仕組みを簡単には移せないためです。現実には、既存スイートにAIが組み込まれる動きと、独立したAIサービスが作業の入口を奪う動きが並行するでしょう。今回の利用縮小は、その将来を見越したプラットフォーム防衛の側面を持っています。

日本企業が今回の事例から得られる示唆は、特定のベンダーを避けるべきだという単純なものではありません。注目すべきなのは、優れたツールを大規模導入した後でも、供給元との競争関係や費用構造が変われば、標準環境を短期間で見直す必要が生じる点です。生成AIを従来のSaaSと同じ感覚で全社展開すると、モデルや操作方法への依存が深まり、後から切り替える際の負担を過小評価しやすくなります。



選定時には、回答品質や月額料金に加え、少なくともデータ管理、既存システムとの接続、利用量の可視化、代替手段の有無を確認したいところです。AIサービスは使われるほど推論費用が増えやすく、定額のライセンス数だけでは総額を予測できない場合があります。部門別・用途別の上限を設け、費用に見合う時間短縮や品質向上が得られているかを継続的に測る仕組みが欠かせません。

契約面では、入力情報の保持期間、学習利用の扱い、ログの取得方法、解約時のデータ処理を明確にする必要があります。技術面では、プロンプトや業務フローを一社固有の機能へ結び付けすぎない設計が切り替え余地を残します。複数モデルを無条件に併用すれば管理が複雑になるため、すべてを分散させる必要はありません。重要業務だけ代替モデルで動かせるようにするなど、依存による損失と運用負担の釣り合いを取る判断が現実的でしょう。

AI導入の見直しは、全社で使う製品を直ちに変更することから始める必要はありません。最初に行うべきなのは、どの部門が、どのモデルへ、何の目的で、いくら支払っているかを把握することです。個人契約や部門単位の試験導入が積み重なると、経営側からは総額も情報の流れも見えにくくなります。MetaやMicrosoftの事例が示すように、利用者が数万人規模へ達してからの予算調整は、単なる契約変更では済みません。



棚卸しでは、AIを使えなくなった場合に業務が停止する用途と、別のツールへ容易に移せる用途を分けます。コード生成、社内検索、文書作成では、必要な精度や扱う情報の機密性が異なるためです。そのうえで、利用実績が大きい業務から費用対効果と代替可能性を検証すれば、全社一律の禁止や無計画な利用拡大を避けやすくなります。標準ツールを決める場合も、例外利用を認める条件まで用意しておくと、現場の生産性を損なわずに統制できます。

経営会議や調達審査で確認したい問いは明快です。そのAIは今の業務に役立つだけでなく、数年後も自社が条件を選べる形になっているでしょうか。供給元が競合へ変わった場合、費用が急増した場合、利用可能なモデルが変更された場合に、どこまで移行できるでしょうか。次回の契約更新を待たず、現在のAI支出上位3サービスについて利用部門、入力データ、代替候補を一枚に整理することが、主導権を保つ具体的な出発点になります。