生成AIの業務適用が実証実験の段階から全社的な導入フェーズへと移行する中、組織の生産性向上を焦るあまり、テクノロジー企業自身が指標管理の罠に陥っている。Financial Timesの報道によると、Amazonは社内の開発者に対して野心的なAI利用目標を設定した。具体的には、開発組織の80%以上が毎週AIツールを利用することを目標として掲げ、その達成度を「トークン消費量」という可視化された指標で追跡し始めたのである。
この取り組みの中心にあるのが、Amazonが開発した社内用AIエージェント構築プラットフォーム「MeshClaw」である。MeshClawは、外部のサードパーティ製エージェントと同等の広範な機能を持つが、Amazon独自の複雑なエンジニアリングスタック向けに特化して構築されている。従業員はこのツールを使用して、コードのデプロイメントプロセスの自動開始、膨大な受信トレイの自律的なトリアージ、さらにはSlackなどのワークプレイスアプリケーション内でのタスク実行を担うAIエージェントを自ら構築できる。本来であれば、開発者を反復的で単調な作業から解放し、より創造的で高度なエンジニアリング課題にリソースを集中させるための極めて強力な武器となるはずであった。
しかし、経営層がこのツールの「トークン消費量」に基づく社内リーダーボード（ランキング）を導入し、Clarityと呼ばれる内部システムを通じて利用状況の監視を強化したことで、現場の行動原理は劇的に変化した。Andy Jassy CEOが2025年6月のメモで、生成AIによる効率化に伴う人員削減の可能性を示唆していたという背景もあり、現場には強烈なプレッシャーが重くのしかかった。数字がダッシュボード上で可視化された瞬間、従業員にとっての目的は「業務の本来の効率化」から「リーダーボード上のスコアを稼ぎ、自らの雇用を守ること」へとすり替わったのである。
トークンマキシング：グッドハートの法則の完全な実証
結果としてAmazon社内で横行しているのが、「トークンマキシング（Tokenmaxxing）」と呼ばれる本末転倒な現象である。従業員たちは、AIの介入を全く必要としない些細な手作業や、意図的に冗長なプロンプトに対してMeshClawを空回しし、意味のないトークン消費を積み重ねている。Financial Timesの取材に応じた従業員が「これらのツールを使わなければならないというプレッシャーが強すぎる」と吐露したように、過度な指標の強制がいかに組織の本来の目的を破壊し、無駄な労働を生み出すかを如実に示している。
これは、経済学や組織論で知られる「グッドハートの法則（Goodhart's Law：ある評価指標が目標とされた途端、それは良い評価指標ではなくなる）」の教科書的な事例と言える。Amazonの経営陣は「自社の労働力がAIツールを使いこなしているか（AI Fluency）」を測るための簡単な代理指標としてトークン消費量を選んだ。しかし、現場のエンジニアにとって、リーダーボードの下位に沈むことは「AIの導入に消極的で、生産性が低い」という烙印を押されるリスクと同義である。会社側は公式には「使用状況の統計を正式な人事評価には使用しない」と説明しているものの、リーダーボードの存在自体が「パーバース・インセンティブ（歪んだ動機付け）」として機能してしまっている。
さらに深刻なのは、トークン消費量が実質的な提供価値（Value Created）と全く相関しないという構造的欠陥である。複雑なマイクロサービスのアーキテクチャをリファクタリングするために、システムの構造を深く理解した上で極めて洗練された短いプロンプトを1つだけ記述するシニアエンジニアは、ほとんどトークンを消費しない。一方で、簡単なバグ修正や仕様の確認のためにAIと冗長な対話を繰り返すジュニアエンジニアは、大量のトークンを消費する。現在の指標体系では、後者が「AIを高度に活用している優秀な従業員」として高く評価されてしまうという、致命的な評価の逆転が生じている。
ビッグテック全体に蔓延する「AI監視」と評価の迷走
この指標の迷走とインセンティブの崩壊は、Amazon固有の問題ではない。テクノロジー業界全体が、巨額のAI投資に対するROI（投資対効果）を可視化するという株主からのプレッシャーの下で、同様の過ちを繰り返している。
2026年4月には、Metaの社内で従業員が独自のAIトークン消費量ダッシュボードを構築し、誰が最もトークンを消費したかを競い合うゲームが流行した。この非公式のリーダーボードは社内で瞬く間にバイラル化し、Mark Zuckerberg CEOがトップ250にも入っていないことがジョークのネタにされるほどであったが、事態を重く見た経営陣によって数日後に閉鎖されている。また、OpenAIの内部でも同様のトラッキングが行われており、一部のトップユーザーが1週間で2,100億トークンという異常な数値を消費したという報告もある。
Microsoftの事例はさらに直接的である。開発部門トップのJulia Liuson氏は、マネージャーに向けた内部メモの中で、AIの使用は「もはやオプションではなく、あらゆる役割とレベルにおいて不可欠なものである」と断言し、AIの利用状況を人事評価に組み込むべきだという強いメッセージを発信した。この通達が現場に波紋を広げた後、同社の広報担当者は「従業員のAI利用に関する公式な評価基準は存在しない」と火消しに走る事態に発展した。強力なメッセージを発信した後に、それが現場で過剰反応を引き起こし、後から慌てて軌道修正を図るというパターンは、各社に共通している。
CNBCの最新の調査によれば、現在Fortune 500企業のほぼすべてが、従業員のAI利用状況を何らかの形で追跡しているという。ログイン回数、プロンプトの送信数、ライセンスのアクティベーション率といった指標は、かつての「オフィスへの入館履歴」や「キーボードの打鍵数」に代わる、新たな監視テクノロジー（Surveillance Tech）の標準入力となりつつある。
表面的なAIネイティブから真のアウトカム評価へ
トークンマキシングの蔓延が私たちに突きつけているのは、現在市場に溢れている「AIによる生産性向上」の言説に対する強力な警告である。企業が「自社はAIネイティブになった」「全社でAI活用が進んでいる」とアピールする際、その裏付けとなるデータの多くは、Amazonで破綻したのと全く同じ「利用量（Usage Volume）」の指標に依存している。トークン消費量やアクティブユーザー数は、システムが稼働していることは証明できても、業務の効率化や品質向上に直結したかについては何も語っていない。
AIツールの導入が真に組織の生産性を引き上げているかを測定するためには、より困難でコストのかかるアプローチから逃げることはできない。コードのデプロイメントにかかるサイクルタイムの短縮、本番環境でのインシデント（欠陥率）の低下、カスタマーサポートのチケット解決時間短縮といった、直接的なビジネスアウトカム（成果）のトラッキングである。そして何より、指標の前後比較（ベースライン測定）と、AIを使用していない対照群（コントロールグループ）との比較分析が不可欠である。
採用市場においても、この変化はすでに現れ始めている。単に「Copilotを日常的に使用している」と履歴書に書く候補者と、「AIエージェントのワークフローを設計し、ビルドパイプラインを30%高速化し、デプレの失敗率を半減させた」と具体的なアウトカムを語れる候補者との間には、決定的な評価の差が生まれつつある。ツールの名前を列挙できる人材の価値は下落し、AIを駆使して具体的なビジネス課題を解決できる人材の価値が高騰しているのである。
リーダーボードの数字に一喜一憂するフェーズは完全に終わりを迎えた。企業が次に直面するのは、AIが生成した膨大なトークンの山の中から、真のビジネス価値を見つけ出し、それを正確に評価する強固な指標体系を再構築するという、極めて本質的な課題である。
