メタがAI利用率の評価を撤回｜コード220%増でも機能36%増の教訓

齋藤竹紘2026年9月9日2026年9月9日AIニュース

メタは2026年9月、AI利用率を人事評価の指標から外しました。トークン消費量やAI導入ダッシュボードで従業員のインパクトを測る運用を、社内メモで正式に取り下げたものです。AI活用を評価軸にすること自体は、日本のEC事業者にとっても身近なテーマです。商品説明の生成本数、レビュー返信のAI化率、問い合わせ対応の自動化率をKPIに置いている店舗は珍しくありません。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）が解説します。

メタが撤回したのは「AI利用率で人を測る」評価軸です

今回の変更点は、AI利用率が人事評価の基準から消えたことです。スペインのWWWhat’s newが The Information と Wired の報道をまとめたところによると、9月2日付でマヘル・サバとサントシュ・ジャナルダンの連名で出された社内ガイダンスは、AI導入ダッシュボードやトークン数を従業員のインパクト評価に使わないと明記しています。エンジニア向けの新しい評価ガイドから「AIの利用」という項目自体が外れ、社内の複数の証言でも利用量を示す圧力が消えたことが確認されたと報じられています。

背景にあるのが、いわゆるトークンマキシング（tokenmaxxing）と呼ばれた現象です。メタは前年11月に「AIによるインパクト」を中核の期待値に据えたのですが、その結果として社内に Claudeonomics というリーダーボードが生まれ、従業員がトークン消費量で順位を競い始めました。The Decoderと、The Information の記事を詳しく引いたMichael Parekh のニュースレターによれば、2026年4月時点のダッシュボードでは30日間で60.2兆トークンが消費され、その後73.7兆トークンまで伸びたところでリーダーボードは取り下げられました。エージェントに複数タスクを同時実行させて消費量を水増しする動きもあったとされています。

6月には約6,000人に向けた社内メモで、AI利用が指数関数的に増え、2026年は社内利用だけで数十億ドル規模の支出になる見込みだと共有されました。2027年からは予算と配分で管理する方針に切り替え、利用と支出を一元的に追跡する AI Gateway というダッシュボードも用意されています。CTOのアンドリュー・ボズワースは4月のメモで「すべての動きが前進なのではなく、トークン使用量だけでは何のインパクトの尺度にもならない」と述べていました。9月の評価基準の変更は、この流れの終着点にあたります。

コード220%増でも機能は36%増｜数字が語る失敗の中身

AI利用率を追った結果として何が起きたのかは、数字がはっきり示しています。LeadDevが Reuters の特報を引いて整理したところによると、メタの社内プラットフォームとインフラへのコード変更は前年比で220%増えました。ところが、そのうち実際にユーザーへ届く新機能や改善につながった変更は36%増にとどまっています。同じ期間に重大な技術・セキュリティインシデントは40%増え、その対応に費やした時間は70%増えました。作る量は3倍を超えたのに、届く価値は3分の1程度しか増えず、火消しの負荷だけが跳ね上がった形です。

これはメタ固有の話ではありません。開発者分析企業のDXが500組織以上を対象に調べた結果では、週あたりのプルリクエスト処理件数の中央値は4四半期で37%増えた一方、開発者体験を示す指標は67から65へ低下し、新しい機能を作ることに使われた時間の割合はほぼ横ばいでした。DXのブライアン・ハックは、出力の数字に見とれて成果の指標を見ていないことが多いと指摘しています。AIは一人ひとりの産出量を押し上げますが、組織として世に出る価値を同じ比率では増やしてくれない、というのが共通の観察です。

メタはさらに踏み込んで、10人から20人規模のチームを3人から5人の「ポッド」に縮小し、AIエージェントで補う組織再編（Project OT）にも着手していました。この計画が失速し、人員削減の第二波が撤回された経緯は、メタがAI置換リストラを撤回した件の記事で詳しく扱っています。今回の評価基準の見直しは、その反省を評価制度の側から追認したものと読めます。

EC事業者がAI活用KPIを設計するときの3つの論点

第一の論点は、AI利用率を目標にすると利用率だけが最大化されるという点です。楽天市場やAmazonの運営で「商品説明をAIで月200本刷新する」という目標を置けば、200本は必ず出てきます。しかし増えたのは掲載本数であって、転換率でも客単価でもありません。測るべきは出力量ではなく成果側の数字です。改訂した商品ページ群のCVR、検索順位、返品率、問い合わせの一次解決率、掲載までのリードタイム。このうち2つか3つを事前に決めて、AI利用の有無と紐づけて追う設計にします。AI利用率は参考値として見るのは構いませんが、評価や賞与に直結させた瞬間に数字が壊れます。

第二の論点は、品質劣化のコストが遅れてやってくることです。メタでは重大インシデントが40%増え、対応時間が70%増えました。ECに置き換えると、生成した商品説明に薬機法や景品表示法に触れる表現が混ざる、仕様やサイズの数値が原文とずれる、レビュー返信の文面が定型的すぎて印象を損なう、といった形で表面化します。楽天市場やAmazonは表現規約と誇大広告の審査が厳しく、差し戻しが増えれば生成で浮いた時間はそのまま消えます。生成量を増やす前に、チェックする人と基準を先に用意することが前提条件になります。職場でのAI評価をめぐる現場感覚については、職場のAI評価に関する記事も参考になります。

第三の論点は、コストの可視化を利用拡大より先に置くことです。メタでさえ、支出が数十億ドル規模に膨らんでから AI Gateway で一元管理を始めました。中小規模のEC事業者でも、担当者ごとに別々のAIサービスを契約し、誰がどの業務にいくら使っているかが見えないまま総額だけ増えていく状態は起こりえます。用途別・担当者別に月額を把握できる仕組みを先に作ってから、利用範囲を広げる順序が安全です。AI支出の管理についてはAI支出コンソールの記事で具体的な指標を整理しています。

初動としては、まず現在AIに関するKPIを置いているなら、それが利用量なのか成果なのかを分類してください。利用量側のKPIがあれば評価から外し、成果側の指標に置き換えます。次に、生成物のチェック担当と差し戻し基準を1枚の手順書にまとめます。三つ目に、AI関連の月額支出を用途別に並べ、成果指標と突き合わせられる状態にします。四つ目に、外注先や業務委託にAI活用を求めている場合、その要件も同じ基準で書き直します。「AIを使うこと」ではなく「この成果を出すこと」と書けているかを確認する作業です。

なお、日本のEC事業者がAI利用率を人事評価や外注要件に組み込んでいる割合については、公的な統計が見当たりませんでした。この点は要確認としておきます。また、メタは評価から利用量を外す一方で、Hatch と呼ばれる自律型のAIエージェントを従業員に配布しており、Wired の取材では利用者のトークン消費はむしろ増えていると報じられています。評価から外すことと、実際の使用量が減ることは別だという点も押さえておく必要があります。

まとめ

メタの一連の動きが示しているのは、AIの利用量はプロセスの指標であって成果の指標ではない、という単純な事実です。コード変更が220%増えても、ユーザーに届く機能は36%しか増えませんでした。日本のEC事業者がAI活用を進めるうえでも、KPIは生成本数や利用率ではなく、CVR・返品率・一次解決率・リードタイムといった成果側に置くべきです。利用量は見るが評価しない。この線引きを最初に決めておくことが、遠回りを避ける近道になります。

参考文献

※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/

引用元: LeadDev

【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）

齋藤竹紘

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。

投稿者: 齋藤竹紘

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。齋藤竹紘のすべての投稿を表示