Every
AI 活用の主役は「量」から「効率」へ — Efficiencymaxxing の時代
要点
- AI の補助金時代は終わり、トークンコストが上昇フェーズへ。ヘビーユーザーの地位指標が「消費量の多さ」から「revenue per million tokens」（1Mトークン当たり収益）に移行しつつある
- 著者・テクノロジスト Craig Mod は、AI で既存 SaaS を自作代替しコストを削減しながら、執筆そのものは絶対に AI に渡さないと言明。「何に時間を使うか」という意図の明確化が AI 時代の競争優位になる
- Every のエンジニア Nityesh Agarwal は「トークン監査」を実践中。エージェントにフェーズ別のトークン消費を報告させ、コストと難易度が不釣り合いなステップを手動で特定して削る
- OpenRouter のようなLLMゲートウェイを使い、12モデルをタスク別に使い分けるマルチモデルスタック運用が実務水準に
- 雇用への影響については AI CEO 陣が楽観論にトーンシフト中。一方、実際のデータは「5〜10年後を語れる情報源がない」と元BLS長官が認める
編集部の考察
Nityesh が実践した「トークン監査」の手法は具体的だ。エージェントにフェーズ別のトークン消費を自己申告させ、難易度とコストが釣り合わないステップを人間が特定して削る。これは AI が自己最適化する仕組みではなく、AI ワークフローの費用対効果を人間がレビューするフロー設計の問題だ。AI 全社展開済みの組織では、社内で数十〜数百本のワークフローが稼働していても、どのステップで最もトークンが消費されているかを把握しているチームはほぼ存在しない。記事が指摘する「トークン単価は補助金終了で上昇フェーズへ」が現実になれば、この非効率は利用規模と共に線形に拡大する。
「AI に任せれば最適化される」という前提が崩れたとき、問われるのは誰がこの審査を持つかだ。Engineering・Finance・業務推進、どの部門が AI ワークフローの費用対効果を定期レビューする責任を持つかが未定義なら、ツールの導入を決める意思決定よりも先に、そこに組織上のオーナーを置く意思決定が来る。
原文より
“If you say, 'I wrote a million lines of code,' did it actually increase your revenue or not?" — Naveen Naidu”
本記事は原文ニュースレターの独自キュレーション・考察であり、翻訳ではありません。引用部分の著作権は原著者に帰属します。