Codex のアクティブユーザー数が 2026 年 1 月の 60 万人から 7 月 13 日時点で 700 万人に達した。5 ヶ月で 730% という急拡大は、単なるツールの流行を示す数字ではない。AIコーディングエージェント（自律的にコードを生成・実行するソフトウェア）が開発フローに深く組み込まれると、クラウド運用や監視設計にも直接影響が及ぶ。
ユーザー数と収益の乖離が示す「使われ方」の違い
Codex は WAU（週次アクティブユーザー数）で 700 万人に達した一方、Claude Code の ARR（年間経常収益）は 2026 年 2 月時点で 25 億ドルに達している。ユーザー数で Codex が勝り、収益単価で Claude Code が勝る構図だ。推定ユーザー数 400〜500 万人に対して 25 億ドルという数字は、1 ユーザーあたり年約 500 ドルの収益に相当する。
Codex の成長を牽引した要因の一つは、2026 年 7 月 9 日の GPT-5.6 リリースに伴う ChatGPT デスクトップアプリへの統合だ。OpenAI 自身が報告した数値によると、Codex ユーザーの 20% は開発者ではなくプロジェクトマネージャーやマーケターといったナレッジワーカーで占められている。これは「700 万人の開発者が Claude Code から乗り換えた」という読み方が正確でないことを示している。
Claude Code はターミナル（コマンドライン）からの起動が前提で、CLAUDE.md という設定ファイルを手動で構成する必要がある。利用者が意識的に選択して導入する形式のため、1 セッションあたりのトークン消費量（AIモデルが処理するテキストの単位）が深くなり、それが高い収益単価につながっている。
クラウド運用監視の観点で読み直す
この数字の乖離は、クラウド上でコーディングエージェントを運用するチームに対して具体的な設計上の示唆を与える。エージェントが生成・実行するコードはトークン消費を通じて API コストに直結し、そのコストは「ユーザー数」ではなく「セッションの深さ」に依存する。
たとえば Claude Code を CI/CD パイプライン（コードのビルド・テスト・デプロイを自動化する仕組み）に組み込んだ場合、1 回のプルリクエストにつき数万トークンを消費するケースがある。これを監視なしに放置すると、月次の API 利用費が予測不能なスパイクを起こす。AWS や GCP のコスト管理ダッシュボードで API Gateway の呼び出しコストを追うだけでは不十分で、モデルごとのトークン消費量をメトリクスとして個別に収集する設計が求められる。
具体的には、CloudWatch や Datadog のカスタムメトリクスとして以下を収集することが考えられる。
- 1 セッションあたりの入力・出力トークン数
- エージェントが呼び出した外部ツール（ブラウザ・ファイルシステム等）の回数
- タイムアウト・エラー率（モデルのレスポンス遅延を含む）
- 1 リクエストあたりのコスト（モデル単価 × トークン数）
障害時の根本原因分析に必要な視点
コーディングエージェントが生成したコードが本番環境に自動デプロイされる構成では、障害発生時の根本原因分析（RCA: Root Cause Analysis）が複雑になる。エージェントが生成したコード変更と、人間が書いたコード変更が混在するためだ。
OpenAI が 2026 年 4 月にリリースした「Codex for Everything」は、コード生成に加えてブラウザ操作やドキュメント編集といった汎用エージェント機能を追加した。これによりエージェントが触れるシステム境界が拡大した。インシデント発生時に「何がどの経路で変更されたか」を追跡するには、変更の発生源がエージェントか人間かを識別するタグをデプロイログに付与しておく必要がある。
たとえば Terraform や AWS CDK による IaC（Infrastructure as Code: インフラをコードで定義・管理する手法）の変更履歴に、エージェントが生成したコミットを示すメタデータを埋め込む方法がある。
# git コミットにエージェント生成フラグを付与する例
git commit -m "fix: adjust retry logic" \
--trailer "Generated-By: claude-code" \
--trailer "Session-ID: sess_abc123"このメタデータを後から grep できる状態にしておくと、障害発生後のタイムライン再構築で「エージェントが起点か否か」を迅速に判断できる。
Anthropic が 2026 年 5 月から 5 週間で 3 回にわたって Claude Code の週次利用上限を引き上げた背景には、競合との競争があったと分析されている。運用側からすると、利用上限の変更はコスト試算の前提が崩れることを意味する。ベンダーの仕様変更をサービスの SLO（サービスレベル目標）管理に組み込む仕組みを設けておかないと、予期せぬコスト超過や性能変動に対応が遅れる。
コーディングエージェントの普及は、クラウド運用チームにとって「AIが触れる範囲の可視化」という新しい監視課題を生み出している。ユーザー数の競争よりも、セッションの深さとコストの相関を自分のシステムで計測することのほうが、現場で直接役立つ。