- Amazonの社内AIプロジェクトが予算を860%超過し、約2億8900万円を使って失敗していた
- 使われたのはAnthropicのAI「Claude Sonnet」。商品リストと著者情報を照合するだけのツールだった
- 誰も気づかないまま5か月間、課金が走り続けていた
- 原因は「静かに動き続ける設定ミス」。リトライの繰り返しとカタログ全体へのアクセスが積み上がった
- モデルの使い分け・キャッシュ・バッチ処理で、同じ仕事のコストは10分の1以下にできる
AIの請求書を見て、思わず二度見したことはありませんか。世界最大級のIT企業でも、まったく同じことが起きていました。2億8900万円を使って、そのツールは一度も世に出ませんでした。しかも誰もそのことに、5か月間気づかなかったのです。
Amazonの社内会議で明かされた「壊滅的に高い」失敗
2026年7月28日、Amazonの社内スタッフ会議で1枚のプレゼン資料が共有されました。
そこに並んでいたのは、社内のAI活用プロジェクトで起きた予期せぬコスト超過の記録です。あるチームはその状況を「壊滅的に高い（catastrophically expensive）」と表現しました。
この内容を最初に報じたのは、イギリスの経済紙フィナンシャル・タイムズです。7月30日のことでした。
180万ドルを溶かしたのは「照合するだけ」のツール
もっとも被害が大きかった事例を見てみます。
目的は地味なものでした。Amazonのeコマースサイトに並ぶ商品リストと、著者の情報を自動で照合する——ただそれだけです。
本のページに載っている著者名が正しいかどうかを、機械にチェックさせる作業だと思ってください。人間がやれば単純ですが、数が膨大なので自動化したかったわけです。
使われたのは、Anthropic社のAI「Claude Sonnet」（人間のように文章を読み書きできるAIモデル）でした。
結果はこうです。かかった費用は180万ドル（約2億8900万円）。当初予算に対して860%の超過でした。
そして、このツールは結局リリースされませんでした。2億8900万円は、何も生まないまま消えたことになります。
気づくまでに5か月かかった
この件でいちばん怖いのは、金額そのものではありません。
誰も5か月間、超過に気づかなかったという点です。
エラーは出ていません。アラートも鳴りません。ただ静かに、毎日少しずつ請求が積み上がっていました。
ほかにも超過事例が報告されています。財務監査用のツールでは約54万1000ドル（約8600万円）が予定外に発生しました。物流の配送スピードを改善するシステムでも、約13万4000ドル（約2100万円）が余分にかかり、こちらは2週間以上発覚しませんでした。
なぜ860%も膨らんだのか
ここが本題です。単純な作業のはずが、なぜ9.6倍にまで膨らんだのでしょうか。
静かに課金され続ける「設定ミス」
報道で指摘されている原因は、AIの性能ではなく設定の問題でした。
ひとつはリトライループです。AIが失敗したときに自動でやり直す仕組みが、想定を超えて何度も繰り返されていました。1回失敗するたびに、料金メーターがもう一度回るわけです。
もうひとつはカタログ全体へのアクセス設定。必要な範囲だけを見ればよかったものが、商品カタログの全体を読み込む設定になっていました。
水道の蛇口を細く開けたまま、5か月間家を空けたようなものです。1日あたりの量は小さいので誰も気づきませんが、請求書が来たときには手遅れになっています。
「トークン課金」という落とし穴
AIの料金は、多くの場合トークン（AIが文章を処理するときの文字のかたまり）の量で決まります。
月額固定のサブスクリプションと違い、使った分だけ請求される従量課金です。だから「思ったより処理量が多かった」がそのまま金額に跳ね返ります。
実は2026年は、生成AIサービス全体が定額制から従量制へ移りつつある年でもあります。この落とし穴に落ちる企業は、今後さらに増える可能性が高いと言われています。
Amazon側の対応
Amazonの広報は「新しい技術と同様に、実験・学習・改善に取り組んでいる」とコメントしています。
社内では実務的な対策も始まりました。ひとつは従業員がAI使用量を水増しするインセンティブの排除です。「AIをたくさん使ったチームが評価される」という空気があると、無駄な消費が起きやすくなります。
もうひとつは、自動化されたガードレールの構築。使いすぎを自動で止める仕組みです。
なお金額の大きさについては、冷静な見方もあります。Amazonの四半期売上は1800億ドル超。今回の超過分は月商の0.1%にも満たない規模です。Amazonは同じAnthropicに対して既存80億ドルに加えて50億ドルを出資し、さらに最大200億ドルの追加投資を表明しています。2026年の設備投資額は約2000億ドル規模とされます。
つまりAmazonにとっては誤差です。問題は、同じ構造のミスが中小企業で起きたら会社が傾くということです。
同じ仕事を10分の1のコストでやる方法
ここからが実務の話です。今回の失敗は、技術的にはかなり防ぎやすい部類に入ります。
モデルの使い分けで単価が5分の1になる
まず、AIモデルには明確な価格差があります。Anthropicの公開価格（100万トークンあたり）を並べてみます。
- Claude Opus 5：入力5ドル / 出力25ドル — 最も賢く、最も高い
- Claude Sonnet 5：入力3ドル / 出力15ドル — バランス型
- Claude Haiku 4.5：入力1ドル / 出力5ドル — 速くて安い
今回Amazonが使ったのはSonnetでした。ですが「商品リストと著者名を照合する」作業に、バランス型の頭脳は本当に必要だったでしょうか。
単純な照合や分類なら、Haikuで十分なことが多いのです。単価だけで3分の1から5分の1になります。
キャッシュとバッチ処理という2つの割引
さらに大きいのが、この2つです。
ひとつめはプロンプトキャッシュ。毎回同じ指示文や資料をAIに送っている場合、その部分を一時保存して使い回せます。キャッシュから読み出す分の料金は、通常の入力料金の約10分の1です。
ふたつめはバッチAPI。すぐに答えが要らない処理をまとめて投げると、料金が50%オフになります。夜のうちに数十万件を処理するような用途にはぴったりです。
Amazonの照合作業は、まさに「大量・定型・即時性なし」という条件が揃っていました。仮にHaikuとバッチ処理を組み合わせていたら、コストは桁が変わっていた可能性があります。
従来の自動化との比較も忘れずに
もっと根本的な問いもあります。そもそもAIを使う必要があったのかという点です。
商品IDと著者名を突き合わせるだけなら、データベースの照合処理で足りるかもしれません。表記ゆれの吸収が必要な部分だけをAIに任せる、というハイブリッドも現実的です。
AIは万能ですが、そのぶん高価です。「全部AIに投げる」のは、宅配便で隣の家に荷物を送るようなものかもしれません。
日本企業にとっての意味
この話は、遠い海の向こうのニュースではありません。
PoCから本番展開で費用が跳ね上がる
国内でも、実証実験（PoC）から本番運用に移る段階でのコスト急増が報告されています。
ある報道によれば、PoC時点で月数万円だった費用が、利用者10倍で月数十万円、全社展開で月数百万円に跳ね上がる事例があるとされています。
ここに、AIが自分で判断して複数のツールを呼び出す「AIエージェント」が加わると、トークン消費はさらに増えます。1回の依頼で内部的に何十回もAIが動くからです。
「超過しているのが普通」というデータ
クラウド費用管理の調査会社DoiTの調査結果も示唆的です。
コスト管理の成熟度が非常に高い組織でも89%が予算超過を報告し、その平均超過幅は30.9%でした。管理が初期段階の組織では69%が超過し、平均16.1%です。
興味深いのは、管理が上手な組織のほうが超過率が高く見える点です。これはおそらくちゃんと計測しているから見えているだけで、計測していない組織は超過に気づいていないのだと考えられます。
Amazonの5か月というのは、まさにその「気づいていなかった期間」です。
3つの現場シーンで考えてみる
もう少し身近な例で考えてみましょう。
ある地方の製造業で、問い合わせメールへの返信文をAIに下書きさせる仕組みを導入したとします。導入当初は営業部の5人だけ、月2万円ほどでした。半年後に全社200人に広げたところ、請求額は単純計算で40倍。誰も止める人がいなければ、そのまま通ってしまいます。
別のケースです。ある物流会社が、配送ルートの最適化にAIを組み込みました。ところがAPIの呼び出しに失敗するたび自動でやり直す設定になっており、夜間バッチで同じ処理が延々とリトライされていました。Amazonの物流システムで起きたのと同じ形です。
三つめ。ある出版社が、書籍データの整備にAIを使いました。過去の全書籍データを毎回読み込ませる設計だったため、1件処理するたびに何万件分の情報が課金対象になっていました。これはAmazonの「カタログ全体アクセス」とほぼ同じ構図です。
どのケースも、AIが賢すぎたわけでも壊れていたわけでもありません。使い方の設計を見直せば防げる話です。
よくある質問（FAQ）
Q1. これはClaudeというAIが高すぎるということですか？
いいえ。今回の問題はモデルの価格ではなく、使い方の設計にありました。リトライの繰り返しと、必要以上のデータ読み込みが原因です。同じ作業でも、安いモデルとキャッシュ、バッチ処理を組み合わせれば費用は大きく下がります。
Q2. 自社でAIを使っています。何から確認すべきですか？
まずは1日単位・プロジェクト単位で使用量が見えているかを確認してください。月末の請求書だけを見ている状態が、いちばん危険です。次に、失敗時のリトライ回数に上限が設定されているかを確認しましょう。
Q3. 予算アラートを設定していれば防げましたか？
かなりの部分は防げた可能性が高いです。多くのAPIには使用量の上限設定や通知機能があります。ただし「アラートを設定したが誰も見ていない」状態では意味がありません。止める仕組み（ハードリミット）まで入れるのが安全です。
Q4. AI導入は結局コストが読めない、ということでしょうか？
読めないのではなく、読み方が人件費やサーバー費と違うだけです。処理1件あたりのトークン数を実測し、想定件数を掛ければ、おおよその上限は計算できます。実際に、AIの請求書を人件費と並べて管理する「トークンマネジメント」という考え方が広がりつつあります。
Q5. Amazonはこの失敗でAI投資を減らすのでしょうか？
その兆候はありません。AmazonはAnthropicへの追加出資（最大200億ドル）を表明しており、2026年の設備投資は約2000億ドル規模とされています。今回の超過は月商の0.1%未満で、投資戦略が変わる規模ではないと見られています。
まとめ
- Amazonの社内AIプロジェクトが予算を860%超過し、約2億8900万円を消費して失敗した
- 用途は商品リストと著者情報の照合という、比較的単純な作業だった
- 5か月間、誰も気づかなかった。エラーもアラートも出ないまま課金が続いた
- 原因はリトライループとカタログ全体へのアクセス設定という、地味な設定ミス
- モデルの使い分け・プロンプトキャッシュ（約10分の1）・バッチAPI（50%オフ）でコストは大きく圧縮できる
- 日本でもPoCから全社展開でコストが跳ね上がる事例が報告されている
次のアクションはひとつだけです。今使っているAIサービスの管理画面を開き、「今日1日でいくら使ったか」を確認してみてください。それが分からない状態なら、あなたの会社にも5か月分の見えない請求が積み上がっているかもしれません。
参考文献
- AmazonのAI活用プロジェクトが予算を860%超過（GIGAZINE、2026年7月31日）
- Amazon accidentally spent $1.8 million using Claude for menial coding task（Tom’s Hardware）
- Amazon’s $1.8m Claude blunder shows AI’s runaway costs（The Next Web）
- Anthropic and Amazon expand collaboration（Anthropic 公式）
- 生成AIの請求書を見て絶句…予算オーバー招く「トークン課金」の罠（ビジネス+IT）
こんな時代だから遊んで学びたい
AIを学ぶオンラインサロン「AIフレンズ」では、生成AIを楽しく、どこよりも優しく学べる環境をご用意しております。
毎週開催されるオンラインセッションでは、リアルタイムで学び合える機会を提供しています。 さらに、月に一度のオフラインイベントでは、メンバー同士が直接交流し、アイデアや知識を深めることができます。
「AIフレンズ」の仲間とともに、新しい価値を創造し、可能性を広げてみませんか？
一緒に学び、成長しながら、生成AIを使いこなす力を身につけましょう！
