エンタープライズのAI運用ダッシュボードは、長らく一つの問いに答えるための道具でした。すなわち 「今月、トークンをいくら燃やしたか」 です。しかし経営会議で本当に問われるのは、その裏側の問い——「その請求書と引き換えに、我々は何を得たのか」 の方です。2026年9月10日、AnthropicがClaude Enterprise向けに追加した 「Smart Reports（スマートレポート）」 は、まさにこの後者の問いに正面から答えようとする機能で、AIの計測が 「費用の計測」から「価値の会計」へ 移り始めた象徴的な一歩といえます（Anthropic公式ヘルプ）。
homula はエンタープライズ向けの AIエージェント・インテグレーターとして、日本企業の「PoCから本番・全社へ」を日々支援しています。本稿では、Smart Reports が何を可視化するのかを一次情報で整理したうえで、AI/エージェント投資を 「使った量」ではなく「生んだ価値」 で説明するために日本企業が押さえるべき計測設計を、実務の観点からまとめます。
何が変わったのか——「トークン計測」から「仕事の可視化」へ
Smart Reports は、チームが実際に Claude をどう使っているかを分析し、①どんな仕事が生まれているか、②それにいくらかかっているか、③どこでセッションが詰まっているか（摩擦）、④繰り返し現れる作業のうち“共有スキル”として切り出す価値があるものは何か を報告します（Anthropic公式ヘルプ）。
仕組みの要点は、チームの会話ログ（トランスクリプト）のサンプルを読み込み、作業を「ワークストリーム」ごとにまとめ、それぞれの仕事の種類に金額を紐づける ことです。単なる利用量の棒グラフではなく、「どの種類の仕事に、いくら払い、何が生まれたか」を対話的なチャートと文章の所見として提示します。レポートに含まれる代表的な断面は次のとおりです。
| レポートの断面 | 何が分かるか |
|---|---|
| ワークストリーム別（セッション数・支出） | どの業務にAIが使われ、どこに費用が集中しているか |
| 成果物（deliverables） | 実際に何が生み出されたか（種類・量） |
| 出力タイプ別のセッション単価 | 「1回いくら」を成果物の種類ごとに把握 |
| タスクの成否（outcomes） | 完了したか、途中で止まったか |
| 共通の摩擦（frictions） | どこで繰り返しつまずいているか |
| 作るべき再利用スキル | 定型化して共有すべきパターンの候補 |
| 最も高コストなセッション | どの使い方が費用対効果を圧迫しているか |
提供形態も企業の統制を意識した設計です。Smart Reports は Claude Enterprise プランのベータ機能 として提供され、ベータ期間中は 各組織あたり月10本まで無料（毎月1日にリセット）で実行できます（claypier）。デフォルトでは無効で、Enterprise の Owner / Primary Owner が明示的に有効化 する必要があり、Claude Teams では利用できません。加えて、顧客管理鍵（CMEK）・HIPAA構成・Access Transparency を使う組織では利用できないなど、データ取り扱いの厳格な環境には制約が設けられています。
Smart Reports は突然の飛び道具ではありません。Anthropic は2026年7月にも、Enterprise 管理コンソールに グループ別・ユーザー別の利用量とコスト分析（成果物、使われたスキルやコネクタ、Claude Code のメトリクスを含む）を追加しています。Smart Reports は、その「利用量ダッシュボード」の上に 「価値の言語」 を重ねた延長線上にあります。
なぜ「費用」ではなく「価値」を測るのか
トークン消費量は、コストを抑える上では重要な指標です。実際、本ブログでも「トークン浪費」を止める使い方の統制を扱いました。しかし 「いくら使ったか」は「いくら価値が出たか」を教えてくれません。同じ100万トークンでも、稟議書のドラフトを量産したのか、顧客対応の初動を8割自動化したのか、あるいは誰も使わない実験に溶けたのかで、意味はまったく異なります。
Smart Reports の本質は、この空白を埋めることにあります。支出を「仕事の種類」に割り付ける（cost-to-work allocation） ことで、AIの請求書が初めて経営の言語——どの業務に、どれだけ投じ、何が返ってきたか——に翻訳されます。「トークンを何本燃やしたか」ではなく「その燃料で、どの仕事が、どこまで進んだか」を語れるようになる、という転換です。
この転換が急ぎ足で進む背景には、エージェントの遍在があります。調査会社 Gartner は、2026年末までにエンタープライズ・アプリケーションの約40%がタスク特化型のAIエージェントを搭載する（2025年の5%未満から急増） と予測しています（Gartner）。業務のあちこちにエージェントが埋め込まれれば埋め込まれるほど、「全体でいくら使い、全体で何が良くなったのか」を横断的に説明する計測レイヤーが不可欠になります。
見落とされがちな2つの副産物——「摩擦」と「再利用スキル」
価値の可視化と並んで、Smart Reports が示す二つの副産物こそ、実務では効いてきます。
一つ目は「摩擦（friction）」の特定です。 どのワークストリームで、セッションが繰り返し途中で止まるのか、どの使い方が不釣り合いに高コストなのか——これは、プロンプトの改善余地、ツール接続の不足、あるいは「そもそもAI化に向かない業務」を炙り出す診断データです。摩擦のあるところには、テンプレート化・接続の整備・業務プロセス側の見直しという打ち手が必ず眠っています。
二つ目は「再利用スキルの掘り起こし」です。 チーム全体で繰り返し現れる作業パターンを見つけ、それを 共有スキルとして切り出す候補 として提示する——これは、暗黙知を組織資産に変える起点になります。本ブログで論じた業務ナレッジをSKILL.mdに変換する手法と、方向性は完全に一致します。個々人が毎回ゼロからプロンプトを書く状態から、「よく使う仕事は、検証済みのスキルとして全社で共有する」 状態へ。使用実態のデータが、その標準化・内製化の優先順位を教えてくれるわけです。
価値計測の出口は「レポートを眺めること」ではありません。摩擦 → プロセス改善、高コスト → 使い方の是正、頻出パターン → スキル化 という具体的なアクションに落として初めて、計測は投資回収の一部になります。可視化はゴールではなく、意思決定の入口です。
日本企業が押さえる4つの論点
Smart Reports のような価値計測を自社に取り込む際、日本企業が特に注意すべき論点は次の4つです。
- サンプリング前提を理解する：Smart Reports はトランスクリプトの「サンプル」を読み込んで推計します。全量監査ではないため、経営報告に使う際は「傾向をつかむ推計値」として解釈し、重要な意思決定は原データ（監査ログ）で裏を取る運用が安全です。
- 計測の土台は“信頼できる利用データ”：価値会計は、正確で改ざん不能な利用・実行の記録があって初めて成立します。誰が・どのエージェントで・どのツールを・どこまで使ったかを、統制水準で残せているか——ここが崩れると、価値のレポートも砂上の楼閣になります。
- 単一ベンダーに閉じた計測の限界：Smart Reports は Claude の利用を対象とします。しかし現実の企業は、複数のLLM・複数のワークフロー基盤（n8n / Dify など）・複数のエージェントを併用します。ツールをまたいだ横断計測 をどう確保するかは、各社が自前で設計すべき課題として残ります。
- セキュリティ構成との両立：前述のとおり、CMEK・HIPAA構成・Access Transparency 環境では Smart Reports が使えません。厳格なデータ主権・コンプライアンス要件を持つ企業ほど、ベンダー機能に依存しない自前の計測・監査 を併せ持つ必要があります。
「ベンダーがダッシュボードを用意してくれたから可視化は済んだ」と考えるのは早計です。多くの日本企業にとって本当の課題は、複数ツール・複数エージェントを横断して、統制水準の記録から価値と摩擦を測る ことです。可視化“機能”の有無ではなく、可視化を支える“データ基盤”の設計が勝負を分けます。
homulaの観点——価値を測れる状態を、統制ごと作る
価値計測が機能するには、その手前に 「測れるだけの、信頼できる接続と記録」 が必要です。homula がこの領域で提供するのは、まさにその土台です。
Agens は MCP を活用したエンタープライズ向け統合プラットフォームとして、200以上のツールと構築ゼロで接続 し、エージェントが触れる社内システムの入口を一元化します（MCP活用支援）。入口が一元化されているからこそ、「どの業務で・どのツールが・どれだけ使われたか」をベンダーの壁を越えて横断的に捉える素地ができます。その上で Agens Control が、承認フロー・DLP・5年分の監査ログ・RBAC を提供し、価値会計の生命線である 改ざん不能な実行記録 を統制水準で残します（Agens Controlを見る）。ベンダー製のレポートが「傾向」を示すのに対し、監査ログは「証跡」を担保する——両者は補完関係にあります。
そして、Smart Reports が示唆する 「頻出パターンをスキル化する」 出口は、homula が得意とする内製化の勝ち筋そのものです。使用実態のデータから「標準化すべき仕事」を特定し、それを検証済みの共有スキルへ落とし込む。この一連を、いきなり全社ではなく リスクと効果の高い1業務 から始め、PoC（最短5日） で「価値が測れ、摩擦が減り、スキルが再利用される」ことを確かめるのが現実的です。homula の AIエージェント・ブートキャンプ は、業務棚卸し・プロトタイプ構築・ROI試算 を3〜5日で完結させ、この「測って、直して、標準化する」サイクルの立ち上げを支援します。
まとめ
2026年9月の Smart Reports が示したのは、エンタープライズAIの計測が 「消費量のメーター」から「価値の会計」へ 進化し始めたという事実です。要点は3つです。
- 問いが変わった：「トークンをいくら燃やしたか」から「その費用で、どの仕事が、どこまで進んだか」へ。支出を仕事の種類に割り付けることで、AIの請求書が経営の言語に翻訳される。
- 副産物こそ効く：価値の可視化と同時に得られる「摩擦の特定」と「再利用スキルの掘り起こし」が、プロセス改善と内製化の優先順位を教えてくれる。
- 土台が勝負を分ける：ベンダー機能は傾向を示すが、複数ツールを横断し、統制水準の記録から測るデータ基盤は各社が設計する必要がある。可視化の“機能”より、それを支える“接続と監査”の設計が本質。
「いくら使ったか」で止まっている議論を、「何を得たか、次に何を標準化するか」へ一段引き上げること。それが、AIエージェントを本番と全社へ、そして投資回収の説明責任へと運ぶための次の一歩です。
AIの利用量ではなく「生んだ価値」を、統制水準の記録から測れる状態にしたい——そんな段階に来た企業のために、homula は接続・承認・監査の土台づくりから、価値計測とスキル化までを一気通貫で支援します。