原題: When AI Costs More Than the Engineer
著者: Tom Tunguz
公開日: 2026年6月29日
ソースURL: https://tomtunguz.com/ai-spend-breakeven-2029/
アーカイブ日: 2026-07-01
ベンチャーキャピタリストのTom Tunguzが、AI時代のソフトウェア企業のコスト構造を一つの挑発的な問いへと煮詰めている——AIへの支出は、いつエンジニアの人件費を上回るのか。出発点は最前線の異常な数字だ。Anthropicは人件費の2.3倍を計算資源（compute）に投じている。従業員約5,000人、2026年の推論・訓練支出はおよそ100億ドル。これは従業員1人あたり年間約200万ドルの計算資源を意味し、1人あたり50万ドル超とされる総報酬を大きく超える。
この比率は最前線から市場全体へ向かうにつれ急落する。TunguzはRampのAI Index（2026年6月）を引く。ここでの「上位1%」とはAI支出額でトップ1%の企業（S&P500などの規模ランキングではなく、Rampを使う企業群の中でAIに最も金を払っている層）を指す。その上位1%はエンジニア1人あたり年間約8.9万ドルをAIに使っている——これは総額22.4万ドルのシニアエンジニアの給与の約40%にあたる（注：Rampの原データは「従業員1人あたり」で月$7,449＝年$89k。Tunguzはこれを「エンジニア1人あたり」に読み替えて給与と比較しており、エンジニア比率が100%未満の企業では実際のエンジニア単価はさらに高くなる点に留意が要る）。一方中央値の企業はわずか年間137ドル。上位と中央値の間には680倍の支出格差がある。要するに、AIへの支出を人件費と並べると三層に割れる——最前線のAnthropicは計算資源が人件費の2.3倍（人件費より計算資源のほうが大きい）、市場トップ1%はAI支出がエンジニア給与の約0.4倍＝40%、中央値ではほぼゼロ。同じ「AI支出 対 人件費」でも、最前線と一般市場では文字どおり桁が違う。
市場の残りはこの最前線にどこまで近づくのか。Tunguzは3つのシナリオで幅を括る。シニアエンジニアの総報酬を今日22.4万ドル・年5%成長と置き、各シナリオが描く「給与に対するAI支出の割合」の経路から、エンジニア1人あたりの年間AI請求額を導く。
| 年 | Bear | Base | Bull |
|---|---|---|---|
| 2026 | $90k (40%) | $90k (40%) | $90k (40%) |
| 2027 | $106k (45%) | $164k (70%) | $258k (110%) |
| 2028 | $118k (48%) | $259k (105%) | $444k (180%) |
| 2029 | $106k (41%) | $363k (140%) | $596k (230%) |
Bullケースでは、エンジニア1人あたりのAI請求額だけで、中央値SaaS企業の従業員1人が生む売上まるごとに匹敵する。Tunguzはここで「コスト構造は売上構造に従う」と指摘する。AnthropicとOpenAIはすでに従業員1人あたり1,400万ドル・650万ドルという、Forbes Global 2000で最高の売上/従業員を叩き出している。極端な売上効率の裏側に、極端なコスト集中がある。
Bullを押す要因：訓練コストが頭打ちになる一方で需要が供給を追い越し、最前線モデルの価格が高止まりする。さらにエージェント型ワークフローはチャットとは桁違いのトークンを消費し、Goldman Sachsは2030年までにトークン消費が24倍に増えると予測する。競合が機能を速く出せば、AI請求は「任意の支出」ではなくなる。
Bearの反作用：トークン価格は3年間、年10倍のペースで下落してきた（GPT-4級の入力価格は2023年3月の100万トークンあたり30ドルから2026年には3ドル未満へ）。オープンウェイトのモデルは、DeepSeek-V3以降が最前線比のベンチマークを1/10〜1/30のコストで実現し、品質差を縮めている。役割やワークロード単位で利用を配給する企業は曲線を曲げられる。
記事は数値の断定ではなく、意思決定者への問いで閉じられる。「2029年に真実に近いのはどのシナリオか。そしてあなたは2027年に向けてどれをモデリングしているか」。全10個の脚注はGoldman Sachs、Ramp AI Index、Epoch AI、Levels.fyi、BLS、KeyBanc等の一次データに紐づけられている。
この論考の価値は、AI導入を「ツールの経費」ではなく労働コストと同じ土俵で測る視点へ引き上げた点にある。「エンジニア1人あたりのAI支出を給与の何％で見る」という物差しと、「最前線＝計算資源が人件費の2.3倍／トップ1%＝AI支出が給与の0.4倍／中央値＝ほぼゼロ」という三層の断層、そしてBear/Base/Bullのシナリオ表は、具体的な数字が陳腐化しても、2027〜2029年の予算を考えるための再利用可能な枠組みとして残る。とりわけ「Bullケースではエンジニア1人分のAI請求が従業員1人分の売上に匹敵する」という一文は、コスト構造と売上構造の連動を一撃で可視化する好例だ。
もちろんこれは投影であり、前提（給与アンカー、比率経路）に強く依存する。米国のシニアエンジニア報酬を基準に置いている点、Bull到達を「市場全体がAnthropic並みになる」と仮定する点は、現実には業種・地域で大きくばらつくだろう。だがTunguzの狙いは予言ではなく、トークン価格の年10倍下落とエージェントの24倍消費という相反する二つの力のどちらに賭けるかを経営者に迫ることにある。AIのユニットエコノミクスが人件費を侵食し始める時代の、実務的な思考の型として長く参照に値する。
タグ: #ai-economics #saas #compute-cost #unit-economics #tom-tunguz