AIコーディング費はFarosで部門に配る|人数割りでは読めない

AIコーディング費はFarosで部門に配る|人数割りでは読めない

「先月のAIコーディングの請求が前の月の倍になっていたのに、どのチームが何に使ったのかだれも説明できない」「開発者の人数で割って各部門に付け替えてきたが、使う人と使わない人の差が大きすぎて、もう納得してもらえない」——開発組織の予算を預かる管理部門や情報システム部門から、2026年に入って急に増えた声です。開発組織のデータ基盤を手がける米国の Faros AI は、2026年9月に「AIのコーディングにかかった支出を、それが生んだ仕事に結び付ける」ための仕組みを発表し、公開した事例では、開発者711人の金融機関がAIに月30万ドルを超える額を使っていたと紹介しています。AIコーディングの費用は、もう人数割りでは読めません。支出がだれの何の仕事から生まれたかを、作業の単位でたどる必要があります。この記事では、公式ブログと製品ページで確かめられる範囲で、Faros を使って支出を見える化し、部門や案件に配賦し、上限と警告を決め、どのモデルに流すかを統制するまでの手順を、人が決める線とあわせて整理します。効果測定の考え方や画面の操作は扱いません。


カメ先生カメ先生

AIコーディングの費用は、ライセンスの数を数えれば分かると思われがちなんだ。でもいまは、同じ一人でも使うモデルや任せる仕事の量で、月の利用料が何倍も変わる。


カメ子カメ子

席の数ではなく、どれだけ使ったかで請求が決まる、ということですか。


カメ先生カメ先生

そう。だから人数で割ると、たくさん使ったチームの費用を、ほとんど使っていないチームが肩代わりすることになる。どの作業から支出が生まれたかをたどって配るのが、本来の形なんだ。


カメ子カメ子

配り方の前に、支出の出どころが分かる状態を作るのが先なんですね。


この記事のポイント
  • Faros AI は開発のデータ基盤で、2026年9月にAIのコーディング支出を見える化・配賦・経路の最適化・統制する仕組みを、10月に自社の過去の仕事でモデルの設定を採点する「タイムマシン」を発表した
  • 配賦はセッション単位で、リポジトリ・チケット・プルリクエスト・チームに結び付け、人の作業とエージェントの作業を分けて予測する。まず請求しない報告から始め、上限と警告の線は人が決める
  • どのモデルに流すかをAIの採点に任せきりにしない。品質の基準、個人の数字を評価に使わない線、送られるデータの範囲、やめ方を先に決める

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

Faros AI とは:開発のデータ基盤が、AIの支出に重心を移した

Faros AI は、開発組織のデータをつなぐ基盤を提供する米国の会社です。もともとはソースコードの管理、チケット、テストと配備の仕組み、障害対応といった開発の道具からデータを集め、開発の速さや品質を一つの画面で見られるようにする製品として知られてきました。2022年に1,600万ドル、2023年に2,000万ドルの資金調達を公表しています。

その Faros が2026年に打ち出したのが、AIのコーディングにかかる支出の管理です。公式サイトのトップは、自らを「トークン・エンジニアリング」の基盤と位置づけ、AIのコーディング支出を出荷された仕事に結び付け、自社のコードで採点したモデルの経路を勧め、利用が広がっても方針を守らせると説明しています。製品の柱は、見る(支出と成果と効率を追う)、最適化する(モデルの振り分けと文脈の工夫でむだを減らす)、統制する(方針と歯止めで導入のリスクを下げる)の三つです。

対応するAIの道具として Claude Code・Codex・GitHub Copilot・Cursor を挙げ、開発の道具は GitHub・GitLab・Jira など、モデルの基盤は Amazon の Bedrock や Google の Vertex、Microsoft の Azure の基盤まで、100を超える接続先をうたっています。AIの開発で効果をどう測るか、契約を続けるかの判断は別の論点なので、ここではお金の流れ、つまり支出を配って管理する手順に絞ります。

2026年秋の発表:トークン・エンジニアリングとタイムマシン

2026年9月21日、Faros は共同創業者で最高経営責任者の名前で「トークン・エンジニアリング」を発表しました。発表の文章は、トークン(AIの利用量の単位)を管理すべき資源として扱い、コーディングのエージェント全体で消費を測り、出荷された成果に結び付け、モデルの選び方や渡す文脈、利用の方針を調整して、トークンあたりの見返りを上げることを目指すと説明しています。問いを「いくら使ったか」から「その支出で何が生まれたか」に変える、という主張です。

同じ文章は、トークンを気前よく使い続けるやり方も、トークンに一律の上限をかける粗い対応も、どちらも支出を事業の成果に結び付けられないと批判しています。製品ページでも、一律の上限は、最も成果を出しているチームの足を引っ張るとして勧めておらず、トークンあたりの出荷量が多い仕事に支出を寄せるべきだとしています。上限をどう扱うかは、後の手順で詳しく触れます。

10月26日には、評価の仕組み「タイムマシン」を発表しました。自社で過去にマージされたプルリクエストと作業項目を再現できる課題に変え、モデル・エージェントの実行環境・文脈・スキルの組み合わせを同じ課題で走らせ、品質と費用と所要時間で採点するものです。本番には手を加えず、隔離された作業場所で実行すると説明されており、特許出願中としています。

人数割りで読めなくなった理由:席の定額から、使った分の課金へ

AIのコーディング支援は、当初は一人あたり月いくらの席の課金が中心でした。席の課金なら、費用は人数で決まるので、人数で各部門に配っても大きな不公平は出ません。ところが、エージェントに長い作業を任せる使い方が広がり、各社の課金は使ったトークンの量や、高性能なモデルへの要求の回数に応じて増える形へと比重を移しています。同じ席でも、ある人は月数千円分、別の人はその何十倍も使う、ということが普通に起きます。

Faros のタイムマシンの発表では、ある金融機関の事例として、GitHub Copilot と Claude Code を使う711人の開発者がAIに月30万ドル超を使い、開発者はたいてい一番大きなモデルを既定にしていた、と紹介しています。同じ文章は、モデルの価格は最大で10倍ほど違うとも書いています。どのモデルを既定にするかだけで、請求の桁が変わりうるということです。

さらに、人ではなくエージェントが夜間や裏で動いて使う分が増えています。Faros の配賦のページは、AIの事業者は組織全体に請求するが予算はチームが持っている、事業者の管理画面ではどのチームのどの仕事から生まれた支出かが分からず、経理は毎月の利用量の書き出しを突き合わせて残りを推計している、と課題を描いています。人数割りが崩れたのは、使い方の差が大きくなり、しかも人の手を離れた利用が増えたからです。

配賦を始める前に決めること:だれの予算で払うか

道具を入れる前に、社内で決めておくことがあります。AIのコーディング費用を、全社の共通費として本部が持つのか、開発の各部門の予算で持つのか、案件や製品の原価に載せるのかです。どこに配るかが決まっていないと、どれだけ細かく見える化しても、だれも行動を変えません。見える化の細かさは、配る先の単位に合わせて決めるものです。

もう一つは、配る目的です。費用を公平に負担させたいのか、使いすぎを抑えたいのか、成果の出る使い方に予算を寄せたいのかで、ルールが変わります。Faros は三つ目、つまり成果に対する効率の証拠をもとに予算を決めることを勧めていますが、最初から成果に結び付けた配分を目指すと、成果の測り方の議論で止まりがちです。多くの会社では、まず公平な負担と使いすぎの早期発見から始め、データが溜まってから成果との関係を見るほうが進めやすいはずです。

この二つは、経理・開発の責任者・情報システムの三者で決めます。AIの道具や Faros の初期設定に任せることではありません。決めた内容を一枚の文書にし、四半期ごとに見直す前提にしておくと、後の手順がぶれません。

手順1:支出の出どころをつなぐ

最初の作業は、AIの支出がどこから来ているかを一つに集めることです。Faros は、開発者の端末とエージェント、AIの利用を中継する仕組み(ゲートウェイ)、ソースコードの管理、チケット、テストと配備の仕組み、障害対応の記録につなぎ、AIを使った仕事の生きた見取り図を作る、と説明しています。トークンの支出を、作業の依頼からプルリクエスト、テスト、出荷までたどるための接続です。

ここで漏れやすいのが、会社の契約の外で使われているAIです。Faros の見える化のページは、開発者に支出を割り当てる一方で、個人の契約や無人で動くエージェントは見えないままになりがちだと書いています。会社の契約、各部門が独自に契約したもの、個人のカードで払って経費精算しているものを洗い出し、つながっていない支出がどれだけあるかを先に把握することが、配賦の数字を信じられるものにする前提です。

つなぐ範囲は、最初から全社でなくてかまいません。製品ページは、まず数チームや一つのリポジトリから始めて数日で動かせるとしています。支出が大きい順に二つか三つのチームを選び、そこで数字の見え方と配賦のルールを試してから広げるほうが、社内の合意も取りやすくなります。

手順2:見える化の粒度を決める

Faros の見える化は、チーム・案件・リポジトリ・取り組み単位に加え、道具とモデルごと、そしてセッションを実行した開発者ごとに支出を出せるとしています。セッションあたりの費用の分布、中央値、ふだんの範囲から外れて高くついたセッションも示し、どの数字からでも元のプルリクエストやチケットまでたどれることを特徴に挙げています。

粒度は細かいほどよいわけではありません。配る先が部門なら、部門とチームの単位で十分で、個人の単位は原因を調べるときだけ使えば足ります。逆に、案件の原価に載せたいなら、チケットやリポジトリと案件を結び付ける対応表を先に整える必要があります。見える化の粒度は、配る先の単位と、原因を調べる単位の二段で決めると考えると整理しやすくなります。

もう一つ決めるのは、だれがどの粒度を見られるかです。経理と部門長はチームの単位、開発の責任者は道具とモデルの単位、個人の単位は本人と限られた管理者だけ、といった線です。個人の数字の扱いは、後の節で改めて触れます。

手順3:配賦のルールを決める

Faros の配賦は、各セッションをリポジトリ・チケット・プルリクエスト・チームといった開発の文脈に結び付け、利用量のデータをソースコードの管理、チケット、チームのデータと突き合わせて行うと説明されています。クラウドの費用管理はタグやアカウントで配りますが、AIのコーディングのセッションには費用の部門を示すタグが付いていないので、この結び付けの手順が要る、という整理です。

特徴的なのは、支出を人の作業とエージェントの作業に分ける点です。エージェントが動いた分も、そのリポジトリやチケット、プルリクエストを通じて持ち主のチームに割り当て、どこにも配られない支出として残さない、としています。社内のルールとしては、次のような迷いやすい場面の扱いを決めておきます。

迷いやすい支出配り方の例決める人
複数チームが触る共通のリポジトリリポジトリの持ち主のチームに配るか、プルリクエストを出したチームに配るかを一つに決める開発の責任者
夜間に動くエージェントの作業起動した人ではなく、作業の依頼元のチケットのチームに配る開発の責任者と経理
チケットに結び付かない試行や調べもの部門の共通枠に配り、月の上限を別に持たせる部門長
全社の基盤づくりや教育での利用本部の共通費として配賦の対象から外す経理
個人の契約で使った分の経費精算会社の契約へ移すまでの期限を決め、移すまでは申請した部門に配る情報システム

ルールを決めずに道具だけ入れると、次のような失敗が起きがちです。

  • 共通のリポジトリの支出を、毎月その場の話し合いで割り振り、月によって配り方が変わる
  • 夜間に動いたエージェントの支出を起動した開発者の所属に配り、依頼元のチームの費用が見えなくなる
  • どこにも結び付かない支出を「その他」に積み上げ、半年後には全体の大きな割合を占めている
  • 道具が自動で結び付けた結果をだれも確かめず、組織変更の後も古いチーム名のまま配り続ける

ルールは道具に入れる前に文書にし、例外の判断はだれがするかも決めます。配賦のルールをAIに推測させないことが大切です。道具が自動で結び付けた結果は便利ですが、どの支出をどこに配るかは予算の責任の話であり、人が決めた規則に沿っているかを確かめる対象です。

手順4:まず請求しない報告から始める

配賦のルールができても、いきなり各部門の予算から差し引くのは避けたほうが無難です。Faros の配賦のページは、チームごとの請求明細(実際に費用を付け替える形)と、チームがどの道具・モデル・リポジトリでどれだけ使ったかを示す報告(お金は動かさない形)の両方を挙げています。最初の数か月は、お金を動かさずに各チームへ数字を返すだけにすると、ルールの不備や結び付けの誤りを、揉めずに直せます。

報告を返すと、各チームから「この支出はうちではない」「この夜間の作業は別のチームの依頼だった」といった指摘が出てきます。これがルールの穴を見つける一番の材料です。指摘を受けて対応表や例外の扱いを直し、チームの側が数字に納得できる状態になってから、実際の付け替えに移るという順番を守ると、配賦そのものへの不信を避けられます。

付け替えに移るときは、経理の締めの日程に合わせて、いつの利用分をいつの予算に載せるかを決めます。AIの事業者の請求と Faros の集計がずれることもあるので、差額をどこで吸収するかも決めておきます。たとえば、請求額を正として、Faros の比率で按分するといった形です。

手順5:上限と警告の線を決める

Faros は、チームの支出を予算に対してリアルタイムで追い、予算期間の残りの支出を予測して、請求が届く前に予算を超えそうなチームを知らせると説明しています。知らせを受けた責任者は、予算を付け替える、モデルの経路を変える、利用量の割り当てで抑える、といった手を打てます。予算を超えた場合は、どのモデルと実行環境が超過を生み、セッションをまたいでどう積み上がったかを示すとしています。

一方で、Faros 自身は一律の上限を勧めていません。上限の線は、次のような手順で人が決めるのがよいでしょう。

STEP1
三か月分の実績を見る

請求しない報告の期間の数字から、チームごとの月の支出と、その振れ幅を確かめます。予算は実績の平均ではなく、振れ幅を見て決めます。

STEP2
警告の段階を二つ置く

予測が予算の八割に届いたら部門長に知らせる、超えそうなら開発の責任者も入れて対応を決める、というように段階を分けます。

STEP3
止める線は別に決める

警告とは別に、異常な使い方(一つのセッションが通常の何十倍もかかるなど)を止める線を決めます。止めるのは利用の割り当てやゲートウェイの設定で行い、だれが止めてだれが解除するかを書いておきます。

STEP4
止まったときの業務への影響を確かめる

締め切り前の作業が止まらないよう、解除の申請の通り道を短くしておきます。障害対応のような急ぎの作業は、上限の外に置くかどうかも決めます。

STEP5
四半期ごとに見直す

新しいモデルの登場や価格の変更で、同じ仕事の費用は変わります。予算と警告の線を四半期ごとに見直します。

ここでも、予算を超えたかどうかの判断と、止めるかどうかの判断は人が持つことを明確にしておきます。道具の予測は判断の材料で、予算を動かす決裁ではありません。

手順6:モデルの経路を決める

支出を左右する一番大きな要素は、どの仕事をどのモデルに流すかです。Faros は、一般的な比較の順位表ではなく、組織自身のコードの履歴で測った性能をもとに仕事をふさわしいモデルへ振り分ける、と説明しています。その採点を担うのがタイムマシンで、自社でマージ済みの仕事を正解として、同じ課題を別の設定で解かせて比べる仕組みです。

公開された事例では、先の金融機関が五つのモデルを88件のプルリクエストで試し、モデル・スキル・道具の選び方を見直せばセッションの支出の30%を取り戻せる見込みだと報告しています。ただし、これは一社の結果で、発表の文章自身も一般化できる数字ではないとしています。品質がどこまで保たれたかの測り方も詳しくは書かれていません。30%という数字は自社で試すきっかけであって、予算の前提にする数字ではないと受け止めるのが妥当です。

  • 711人・月30万ドル超・五つのモデル・88件・30%は、いずれも Faros の公式ブログ(2026年10月26日)が紹介した一社の事例の数字です
  • どの程度の品質の差を許容したうえでの見込みかは公開されていません。自社で試すときは、品質の基準を先に決めてから比べます

発表の文章は、実験の途中で新しいモデルが出て最適な既定が入れ替わった例にも触れています。経路は一度決めれば終わりではなく、新しいモデルや価格の変更のたびに試し直すものです。タイムマシンのような仕組みは、その試し直しを本番に手を加えずに、自社の仕事で行えるところに価値があります。

経路の最適化をAIに任せるときに、人が決める線

採点と振り分けを道具が自動でやってくれるとしても、任せきりにしてはいけない部分があります。一つ目は品質の基準です。マージされた仕事を正解とする採点は、過去のやり方を正とみなすことでもあり、安全上の注意が要るコードや、規制にかかわる処理を、費用の安さで軽いモデルに回してよいかは、採点の点数では決められません。こうした領域は経路の自動変更の対象から外し、人が決めた設定に固定します。

二つ目は、どのモデルの事業者にコードを渡してよいかです。安くて採点の高いモデルでも、自社の契約やデータの取り扱いの方針で使えない事業者があります。振り分け先の候補は、情報システムと法務が認めたものに限るのが前提です。三つ目は、変更の記録です。Faros は出荷した変更ごとに、その支出・モデル・文脈を結び付けて追えるとしていますが、経路を変えたのはだれの判断か、いつからかを人の側でも記録しておかないと、品質が落ちたときに原因をたどれません。

つまり、道具には「この設定ならこの品質でこの費用」という比較を出させ、どの設定を採るかは開発の責任者が決める、という分担です。AIに判断させず、根拠となる比較を出させる。ほかの業務でのAIの使い方と同じ線が、ここでも効きます。

個人単位の数字を、人の評価に使わない

Faros は、AIのセッションごとにそれを実行した開発者を結び付けて支出を出せるとしています。原因を調べるには役立ちますが、この数字が人の評価に流れると、配賦の仕組みそのものが壊れます。たくさん使った人が成果を出しているとは限らず、少ない人がむだを省いているとも限りません。個人の支出の多い少ないは、良し悪しを示す数字ではないことを、最初に文書で約束しておきます。

製品ページは、個人の数字を匿名にする仕組みや、管理職に見せる範囲を絞る仕組みについては具体的に書いていません。そのため、見せる範囲は社内の権限設計で決めます。個人の単位は本人と、原因を調べる限られた担当者だけが見る。部門長に返す報告はチームの単位までにする。個人の数字を見るのは、異常なセッションの原因を確かめるときだけという線です。

この約束がないと、開発者は数字を減らすために高性能なモデルを避けたり、会社の契約の外でAIを使ったりするようになります。そうなると、見える化の目的だった「支出の出どころをたどる」ことができなくなります。評価に使わない線は、配賦を続けるための条件でもあります。

何が Faros 側に送られるか:権限と置き場所

Faros はAIの道具だけでなく、ソースコードの管理、チケット、テストと配備、障害対応、人事の基盤まで接続先に挙げています。トップページは「コードの履歴を掘り起こして」経路と文脈を勧めると書き、タイムマシンは自社のコードの履歴で採点します。どこまでが利用量や作業の記録で、どこからがソースコードそのものかは、確認した公開ページでは明確に書き分けられていませんでした。契約前に、何が送られ、どこに保存され、いつ消えるかを具体的に確かめる必要があります。

公開されている範囲では、見える化のページが SOC 2 の第二類型と ISO 27001:2022 の認証、欧州の個人データ保護規則への準拠を挙げ、クラウド型・混合型・自社設置型のいずれでも顧客のデータは顧客の境界の内側にとどまる、と書いています。タイムマシンの説明でも、コードを自社の境界の中に置いたまま評価するとしています。どの配置を選べば、ソースコードが社外に出ないのかを、自社の条件で確かめるのが要点です。

社内AIからの利用にも注意します。Faros は MCP サーバーを用意し、Claude や Codex などから支出のデータを問い合わせられるとしており、問い合わせは利用者が Faros で持っている権限の範囲に限られる、と説明しています。裏返せば、Faros の中の権限設計がそのまま社内AIからの見え方になるので、個人の数字を見られる人の範囲を Faros の中で絞っておくことが、社内AIへの接続の前提になります。

費用の増え方とやめ方

料金は利用量に応じた形とされ、価格は問い合わせです。開発者向けの端末の道具は個人の利用者に無料、架空のデータで試せる環境も営業との面談なしで使えると案内されています。何の量に応じて増えるのか(開発者の数か、接続先か、扱う支出の額か)は公開ページでは確認できなかったため、AIの支出が増えたときに Faros の費用もつられて増える形かどうかを見積もりで確かめます。支出を減らす道具の費用が支出に比例して増えるなら、効果の見積もりもそのぶん割り引く必要があります。

やめ方は、配賦のルールと対応表、過去の支出の集計を、どの形で持ち出せるかを確かめておきます。配賦の仕組みが Faros の中にしかないと、やめた翌月から部門への付け替えができなくなります。配賦のルールそのものは社内の文書として持ち、道具はその計算役にとどめる形にしておけば、別の道具や手作業の集計に戻ることもできます。

接続をやめるときは、各接続先で Faros に与えた権限(読み取りの鍵やアプリの許可)を外し、送ったデータの削除の確認を取ります。経路の振り分けを Faros に任せていた場合は、やめる前に既定のモデルと振り分けの設定を人の手で決め直しておかないと、やめた日から全員が一番大きなモデルに戻ることになりかねません。

よくある質問

AIの事業者の管理画面だけでは足りませんか

一つの事業者だけを使い、チームの分け方も単純なら、事業者の管理画面と利用量の書き出しで足りることがあります。複数の道具とモデルを使い、エージェントの作業が増え、支出をチームや案件に結び付ける必要が出てきたら、管理画面だけでは追えなくなります。Faros が埋めようとしているのは、事業者の請求と社内の予算の持ち主の間のすき間です。

一律の上限をかけるほうが簡単では

簡単ですが、成果を出しているチームの作業も同じように止まります。Faros も一律の上限は勧めていません。まずは警告と、異常な使い方だけを止める線から始め、実績を見てチームごとの予算を決めるほうが、業務への影響が小さく済みます。

どのモデルを使うかを開発者に任せてもよいですか

任せる範囲を決めたうえでなら構いません。使ってよいモデルの候補を情報システムと法務が決め、その中で既定のモデルを開発の責任者が採点の結果をもとに決め、個々の作業で変えるのは開発者に任せる、という三段の分担が扱いやすい形です。

まとめ

AIコーディングの費用は、席の定額から使った分の課金へと比重が移り、同じ人数でも月の請求が大きく変わるようになりました。人数割りが通用しなくなった以上、支出がどのチームのどの仕事から生まれたかを、作業の単位でたどって配る必要があります。Faros AI は、AIの道具と開発の道具をつないでセッションごとの支出を見える化し、チームや案件に配賦し、請求前に超過を知らせ、自社の過去の仕事でモデルの設定を採点する仕組みを2026年秋にそろえました。ただし、だれの予算で払うか、どこまでの粒度で見せるか、上限をどこに置くか、どのモデルに流してよいかを決めるのは人です。まず請求しない報告で数字への納得を作り、個人の数字を評価に使わない線と、何が社外に出るかを確かめ、配賦のルールは社内の文書として持つ。道具に比較と予測を出させ、判断は人が持つという分担を守れば、読めなくなった支出を、もう一度管理できるものに戻せるはずです。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次