プロジェクトの途中でAIコーディングのコストが暴走するのを防ぐ方法

数週間前、Slashというフィンテックのスタートアップが話題になりました。ある開発者がミームに着想を得たビデオゲームを作る際に、誤って81,000$分のAIトークンを焼き尽くしてしまったのです。雇用主からvibe codingを試すよう勧められていたその開発者は、Claudeに大量のコードを繰り返し読み込ませて書き直させることがどれほど高くつくかを過小評価していました。

「これは正真正銘の事故でした。自分自身の能力を過小評価していたのです」と、その開発者はXに投稿しました。これは同情を誘う状況であり、AIコーディングエージェントが目新しさから日常のワークフローへと移行するにつれて、ますます一般的になっています。

このガイドでは、コストを予測可能に保つ、最も効果の高い5つの習慣を取り上げます。

1. モデルをタスクに合わせる

コストに対する最大の単一のレバーはモデルの選択です。フロンティアモデル（Claude Opus、GPT‑5、Gemini Ultra）は、ほとんどのタスクで十分な品質を持つ下位ティアのモデルよりも、トークンあたり10〜50倍高くつくことがあります。すべてにフロンティアが必要なわけではありません。

おおまかな心の地図:

• 小型で高速なモデル（Haiku、Flash、mini）: オートコンプリート、短い編集、リネーム、boilerplateの生成、簡単な構文の質問への回答
• 中位ティアのモデル（Sonnet、GPT-4.1）: ほとんどのコーディングタスク — 明確な仕様からの機能実装、テストの作成、diffのレビュー
• フロンティアモデル（Opus、Fable 5、GPT-5）: 複雑なアーキテクチャの決定、複数ファイルにわたる長い書き直し、厄介な本番環境の問題のデバッグ、モデルが多数のツール呼び出しにわたって推論する必要があるエージェント的セッション

MaxまたはProプランでClaude Codeを使用している場合、Auto modeは検出されたタスクの複雑さに基づいて適切なティアに自動的にルーティングし、API呼び出しと同じようにはトークン予算に計上されません。Autoをデフォルトに切り替え、より多くのパワーが必要だとわかっているときだけオーバーライドしましょう。

2. まず計画し、次に構築する

最も高くつくAIコーディングのパターンは、大きなコードベースに対していきなり「このファイルを書き直して」に飛び込むことです。モデルがそのすべてのコンテキストを読み込み、変更を提案し、修正を受け、反復すると、トークン使用量は急速に膨れ上がります。

Claude CodeのPlan modeは数百トークンで済みます。あなたが望むことを説明し、モデルが段階的なアプローチを提案し、1つのファイルにも触れる前に、あなたが平易な英語で計画を修正します。誤った400行のdiffは修正に数千トークンかかり、しかもその修正を修正するためにもう一巡を要することがよくあります。

2つか3つを超えるファイルに触れるものについては、手順は次のとおりです:

1. Describe the goal in /plan
2. Read and correct the plan
3. Execute on the corrected plan

この1つの習慣だけで、それを採用するチームの機能あたりのコストを一貫して30〜50%削減できます。

3. コンテキストウィンドウのスコープを絞る

AIモデルはトークン単位で課金します — 送るもの（入力）と生成するもの（出力）の両方です。よくある間違いは、モジュール1つしか必要ないのにコードベース全体をモデルに送ることです。

実践的なテクニック:

• 何を読むべきか明示する。 「authシステムをリファクタして」ではなく、「src/auth/session.tsをリファクタして — 他はすべて無視して」と言いましょう。
• --includeフラグを使う。 Claude Codeでは、--includeがファイルの読み込みをスコープし、エージェントがrepoの無関係な部分にさまよい込まないようにします。
• /compactに仕事をさせる。 セッションが長くなると、Claude Codeのコンテキスト圧縮（自動的に、または/compactでトリガー）が会話履歴を焦点を絞った要約に置き換え、重要な決定を保持しつつトークン負荷を60〜80%削減します。

おおまかな目安: 英語またはコード4文字あたり1トークン。大きなファイルで長いエージェントセッションを開始する前に、コンテキストが予算に収まるか見積もりましょう。対象ファイルが2,000行（約8,000文字、約2,000トークン）なら、作業する余地があります。50,000行のmonorepoモジュールを渡すなら、スコープを絞りたくなるでしょう。

4. 何が最もトークンを焼くかを知る

すべてのAIコーディングタスクがコスト的に等しいわけではありません。最も高いものから最も安いものへ:

1. 多数のツール呼び出しを伴うエージェント的セッション — モデルはファイルを読み、ファイルを書き、テストを実行し、出力を読み、反復します。すべてのステップが課金されます。
2. 大きなファイルの書き直し — 読み込み + 大きなdiffの生成は急速に膨らみます。
3. 反復的なデバッグループ — エラー、修正の試み、新たなエラー、繰り返し。
4. 緻密な仕様からの一発生成 — 最も安い。モデルは仕様を読んで、その物を一度だけ書きます。

デバッグセッションでは、エラーメッセージと、それが発生した特定の関数をモデルに与えましょう — スタック全体ではなく、モジュール全体でもなく。書き直しでは、大きなタスクを、より小さく、独立して検証可能な単位に分割しましょう。

5. 始める前に実際の支出上限を設定する

2026年6月15日以降、Claude Codeのエージェントおよびヘッドレス（claude -p）の使用は、インタラクティブチャットとは別個のクレジットプールに対して請求されます。Proで20$/月、Max 5×で100$/月、Max 20×で200$/月です。自動化やスケジュールされたエージェントを構築している場合、そのプールは予想より速く枯渇することがあります。

制御を保つために:

• セッションごとの上限として、CLAUDE_MAX_COST_PER_SESSION環境変数（またはCursorの設定の同等のもの）を設定しましょう。
• Anthropicコンソールで、予算の50%と90%で月次の支出アラートを設定し、上限に達する前にメール警告を受け取れるようにしましょう。
• APIの上に製品を構築している場合は、エージェントループにトークン予算チェックを追加し、実行ごとの上限を超えたら丁重に中断しましょう。

Slashの開発者の81,000$の実行は、ガードレールなしで起きました。SlashのAPIアカウントに500$の月次上限が設定されていれば、被害はブロックされたセッションと手短な会話で済んだでしょう — バイラルな話ではなく。

まとめると

これらの習慣のどれも、ペースを落とすことを必要としません。AIコーディングエージェントを最も効率的に使う開発者には、ある共通点があります。セッションを開始する前に、モデルに実際に何をさせる必要があるのかを30秒考えるのです。その小さな一呼吸 — 適切なモデルを選び、コンテキストのスコープを絞り、まずPlan modeを実行する — こそが、5$の機能と50$の機能を分けるものなのです。