GitHub CopilotのAIクレジット確認を社員別に実施して未活用アカウントを見抜く管理法

GitHub Copilotを会社で配っている場合、これまでは「誰が使っているか」と「どれだけAIクレジットを使っているか」を同じ粒度で見にくい場面がありました。
2026年6月19日のGitHub Changelogで、Copilot usage metrics APIのユーザーレベルレポートにai_credits_usedが追加され、社員別の消費量を日次や28日単位で追いやすくなっています。

出典: GitHub Changelog: AI credits consumed per user now in the Copilot usage metrics API(英語)

ただし、ここで見えるのは請求書そのものではありません。社員別AIクレジットは、削減対象を探すためだけでなく、活用支援と予算設計のために見る数字です。未活用アカウントを見つけたい会社ほど、低利用者をすぐ解約候補にせず、業務内容やオンボーディングの状態まで合わせて確認する必要があります。

GitHub CopilotのAIクレジット確認で何が変わったか

今回の変更点はシンプルです。Copilot usage metrics APIのユーザーレベルレポートに、ユーザーごとのAIクレジット消費量を示すai_credits_usedが入りました。
対象はenterpriseまたはorganizationのusers-1-dayとusers-28-dayのレポートで、日次の急増と28日単位の傾向を分けて見られます。

一方で、ai_credits_usedは機能別・モデル別・サーフェス別の内訳ではありません。GitHub公式は、これはユーザー単位の総消費量であり、請求額そのものではなくメトリクス信号だと説明しています。請求確認はbilling側、利用傾向の分析はusage metrics側、と分けて扱うのが安全です。

確認できる範囲と確認できない範囲

見えるもの	見えないもの	実務での使い方
ユーザー別のAIクレジット消費	どの機能で使ったかの詳細	高消費・低消費の候補を出す
1日単位と28日単位の傾向	業務成果や品質そのもの	急増検知と月次レビューを分ける
組織・企業レベルの利用状況	請求額の最終確定値	billing情報と突き合わせる

出典: GitHub Docs: REST API endpoints for Copilot usage metrics(英語)

管理者がまず見るべき3つの数字

社員別にAIクレジットが見えるようになると、管理画面を細かく眺めたくなりますが、最初に見る数字は多くありません。
未活用候補、急増ユーザー、成果に近い活動指標の3つに絞ると、経営側への説明もしやすくなります。

• 未活用候補: 28日でほとんど消費がない人。休暇、担当業務、研修不足、権限ミスを分けて見る。
• 急増ユーザー: 1日単位で消費が跳ねた人。障害対応や大きな開発作業の可能性もあるため、すぐ制限しない。
• 成果に近い活動指標: PR、レビュー、Issue対応、社内問い合わせ削減など、消費量と一緒に説明できる数字を選ぶ。

AIツールの費用は、単に「使った量」だけで判断すると歪みます。生成AIの従量課金をどう読むかは、AIエージェント従量課金の記事でも整理していますが、会社で見るべきなのは消費量が増えた理由と、仕事の前進が対応しているかです。

AIクレジットを確認する基本手順

操作手順は組織の権限やプランで変わるため、ここでは管理の考え方に絞ります。まずCopilot usage metricsの利用条件と権限を確認し、次にユーザーレベルレポートを取得して、最後にチームや職種の情報と突き合わせます。

Copilotが使われない会社では、ライセンス配布後の研修や用途設計が弱いこともあります。消費量が低い人を見つけたら、Copilot定着策の記事で触れているように、対象業務を1つ決めて30日だけ試すほうが、いきなり席数を減らすより情報が残ります。

出典: GitHub Docs: GitHub Copilotに対する会社の支出の管理(日本語)

未活用アカウントを見抜くときの注意点

未活用アカウントを探す目的は、社員を詰めることではなく、使うべき人に届いていないライセンスを見つけ、必要なら席や研修を再配分することです。
ここを間違えると、社員はAIを試すほど監視されると感じ、活用が萎縮します。

低利用者は3分類で見る

28日レポートで消費量が低い人が出たら、すぐ「不要」と決めず、次の3つに分けます。
業務上まだ使う場面が少ない人
使う場面はあるが、研修や型が足りない人
権限・環境・対象リポジトリが整っていない人
この分類がないまま削減すると、必要な部署ほどAI化が遅れることがあります。

社員別のAI利用量を人事評価へ直結させるのも避けたいところです。AIクレジットは業務成果や品質を直接表す数字ではないため、評価制度の見直しに使うなら、AI時代の組織と人事評価の記事で扱ったように、役割・責任・レビュー体制まで設計してからにするべきです。

使いすぎを止める予算設計

GitHub Docsでは、Copilot Businessに月1,900AI credits/ユーザー、Copilot Enterpriseに月3,900AI credits/ユーザーが含まれると説明されています。これらは組織や企業側の共有プールとして扱われるため、全員が同じペースで使うとは限りません。

出典: GitHub Docs: 組織と企業の使用量ベースの課金(日本語)

予算管理では、ユーザー、組織、コストセンター、エンタープライズのレベルを分けて考えます。特にユーザーレベル予算はハードストップとして効くため、強く絞るほど活用も止まる点に注意してください。
重要な開発や障害対応を持つ人まで一律に止めると、AI費用は下がっても業務の速度を落とします。

出典: GitHub Docs: 使用量ベースの課金の予算(日本語)

現実的には、全員一律の上限を決めるより、役割ごとに方針を分けるほうが自然です。
日常的にレビューやコード生成を使う開発者、たまに補助で使う管理部門、PoC中のチームでは、許容する消費量が違うため、同じ上限には向きません。費用だけを見るのではなく、AIが削った時間や品質改善の指標を同じ月次表に置くと、経営判断がぶれにくくなります。

AI投資を費用だけで見ない考え方は、AIのROIと効果測定の記事に近い論点です。GitHub Copilotでも、AIクレジットの消費量は入口であり、最後に見るべきなのは開発速度、レビュー品質、問い合わせ削減、属人化の緩和といった成果です。

経営者が月次で確認する表

経営側へ報告するなら、APIの生データをそのまま出す必要はなく、1枚で見る表は、消費・活用・次の打ち手の3列にすると十分です。
数字の細かさより、翌月に何を変えるかが決まる形にします。

月次レビュー用の最小フォーマット

見る項目	判断すること	次の打ち手
低利用チーム	不要か、定着不足か、権限不備か	研修・用途提示・席の再配分
高消費ユーザー	成果に見合う利用か、無駄な試行か	使い方改善・上限調整
共有プールの減り方	予算超過の予兆があるか	モデル方針・ユーザー予算を見直す
成果指標	AI利用が仕事に効いているか	対象業務を増やすか絞る

ここで欠かせないのは、社員に先に説明しておくことです。何を記録し、何のために見るのかが曖昧だと、社員別データはすぐ監視の印象になります。生成AI社内利用ガイドラインの記事で扱ったように、入力禁止情報、レビュー責任、ログの扱い、管理者の閲覧範囲を先に決めてください。

よくある質問

GitHub CopilotのAIクレジット確認は、未活用アカウントを見抜くための強い材料ですが、数字だけで社員を削る・止める判断に使うと、AI活用そのものが細ります。
社員別の消費量は、席を減らすための表ではなく、使う人へ届かせるための表として扱ってください。

最初の1ヶ月は、低利用者の理由、高消費者の業務内容、共有プールの減り方を同じシートに並べるだけで十分です。そこから研修を増やすのか、席を移すのか、ユーザー予算を調整するのかを決めれば、AI費用の管理とAI活用の定着を同時に進められます。