Every
「やる」から「育てる」へ——AIループを回す時代の知識労働
要点
- Cursor と SpaceX の共同訓練で生まれた Grok 4.5 は Claude Opus 4.8 相当の性能で、入力 $2 / 出力 $6 per million tokens（Opus 4.8 の $5/$25 に対して約1/4のコスト）。速度・コスト・完遂率で長丁場のタスクに向く
- Every は「Tend」をオープンソース公開——情報収集・意思決定提案・承認済みアクションの実行を自律ループで回し、人間はループを「育てる」役割に移行するという設計思想
- 「tokenmaxxing（なるべく多くのトークンを使う）」から「efficiencymaxxing（1トークン当たりの成果）」へ価値観が転換。現場指標として "revenue per million tokens" が浮上
- 医療分野では AI スクライブが「書くことで鍛えられる臨床推論」を奪うリスクが指摘されている。航空業界が自動操縦依存でパイロットの手動技術が劣化した経緯と構造が同じ
- ライター Craig Mod は Opus / Fable でツールを自作しつつ、文章は WiFi 切断 Mac で必ず自分で書く——「書く混乱の中にいること」に価値を置く境界線の引き方
編集部の考察
Grok 4.5 の入力 $2 / 出力 $6 という価格は、Claude Opus 4.8（$5/$25）比で約 1/4 のコストで同等水準の長丁場タスクをこなせることを意味する。裏を返せば、今の自社 AI 支出を「全タスクをフロンティアモデルに均等投入」で積み上げているなら、用途の種類次第でコストの 4 分の 3 は削れる可能性がある。
ここで問われるのは「どのモデルを使うか」より一段上の問いだ。記事が提示する "revenue per million tokens"（トークン単価あたり収益）という指標を自社で計算しようとした瞬間、ほとんどの組織は「部署ごと・ユースケースごとにそのデータを誰も持っていない」という事実にぶつかる。AI 支出が増えているのに ROI の粒度がざっくり「全社コスト」のままなら、モデル選択の最適化以前に計測設計そのものが抜けている。
具体的に今期決める必要があるのは、誰がモデルルーティング戦略を持つか、だ。IT 部門がインフラとして標準化するか、AI 推進チームが用途別ティアを定義するか、各 BU が自由選択するか——この意思決定が遅れるほど、競合に対してコスト構造の差が静かに広がる。
原文より
“Grok 4.5 is right there, and it has earned a slot for long, multi-step assignments where speed, price, and follow-through count more than the last few points of quality.”
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。