トークンマックスxing（Tokenmaxxing）：死んだのか、再び蘇るのか

投資対効果（ROI）と「楽しむこと」の矛盾

• 通常、数十万ドル規模の投資には明確な成果と ROIを期待するのが人情です。
• しかし、消費者向けビジネスには「無駄な時間」や「苦痛」に情熱を注ぐという矛盾が存在します。
  • これこそが現代のギャンブルアプリ人気の背景です。
  • 「Wemby 選手が片足立ちでハンドスタンドを取りながら国歌を歌う確率に賭ける」といった夢は一般層にはありますが、企業経営者には「楽しさのためにお金を燃やす」文化は存在しません。
• Mark Zuckerberg氏のように大企業で「お金を燃やすことを宣言する」ことは技術的に可能でも、滑稽に映ります。

トークンマックスxing（Tokenmaxxing）とは何か？

• 執行役員が社員を誘導して、無意味なタスクで大量の AI トークンを消費させる現象。
• Meta 社での事例：
  • 従業員の評価指標に「使用したトークンの量」を結びつける非現実的な施策を行っていました。
  • 結果として、「2 つの AI エージェントが会話し続けるだけで配分を増やす」といった無意味な作業が発生。
  • 世論はこれを「経営層が馬鹿で、意図的にトークンを燃やしている」と非難しました。

私の対立軸を持つ思考（Contrarian Thinking）

• 表面的には非難に妥当ですが、事実は異なります。
• 執行役員たちは「偶然」ではなく「意図的的に壁を突破するための手段としてこの政策を採用したのです。
• AI ツール導入初期には高齢メンバーなどの強力な抵抗勢力が存在し、説得が困難でした。
• その状況を打破するために、「粗末だが力強い」という手法が採用されました。

状況の変化：「複利効果的な正解（Compounding Correctness）」への移行

• もともとのインセンティブ（無駄遣い）は消えましたが、新たなインセンティブが生まれました。
• 概念の転換：
  • 旧態：より多くのトークンを消費すれば性能が劣化する（複利効果的なエラー）。
  • 新時代：「より多くのトークンを投入すれば、長期的に良い結果が得られる」（複利効果的な正解）。
• 変化の詳細：
  • AI エージェントを 24 時間稼働させても、プロジェクトは自己修正しながら改善されていくようになりました。
  • 「人間の監視なし」で非常に困難なタスク（大規模コード移行、競合調査など）が可能になりました。

「ループ（Loops）」の登場と市場の変化

• Claude Codeの創始者が提唱した「ループ」という手法が流行しました。
  • エージェントがターンを終了し、同じプロンプトを再実行する仕組み。
  • 人間の監視不要で、自動的に仕様が分割・解決されます。
• これ以前は難しかった設計も、「複利効果的な正解」により容易に自動化できるようになりました。
• 市場の動向：
  • 大手テック企業がコスト対効果の見直しを始めています。
  • 既にサイバーセキュリティ分野で変化が見られます（後述）。

サイバーセキュリティにおける「暗号通貨的」な新基準

• Anthropic の Myths モデルが示した事例：
  • ソフトウェア開発者限定のセキュリティ強化モデル。
  • システムを強化するためには、攻撃者が悪用するコストよりも多くのトークンを消費して脆弱性を探し出すことが必要です。
  • これは**「プルーフ・オブ・ワーク（Proof of Work）」**に通じる仕組みで、「より多く払う」方が勝利します。
  • 頭の良いことをすれば点はつかず、成功は純粋な計算量に比例します。

「トークンマックスxing」の再興と将来展望

• 一時的な死ではなく、長期的な蘇生が見込まれます。
• 真の勝者はオープンモデルプラットフォームです。
  • 監査耐性がないため、大手企業での無制限消費は困難。
  • しかしオープンモデル（例：GLM 5.2）が安価で高性能であれば、低コストなモデルを多用する戦略が有利になります。
• 市場の格差（マーキティブート）：
  • 買主が汎用プラットフォームの可能性に気づかず、高額な専用エージェント構築を委託するケースが減っていきます。

ソフトウェア工場（Dark Factory）へ

• 自然な進化は、人間監視なしにコード生成・レビュー・テスト・修正を行う**「ソフトウェア工場」**です。
• StrongDM チームの主張：「エンジニアは一日に 1,000 ドルのトークンを消費するべき」は誇張ですが、潜在的可能性があります。
• 現在はまだ非現実的ですが、このインセンティブが爆発的な変化の種となっています。

「古くは新しいものとなり、死んだものが再び蘇ることもよくあります。トークンマックスxing は死んだようですが、最後ではないでしょう。」

新しい時代への挑戦：規制とハードウェア

• GPT-5.6 シリーズ（Sol, Terra, Luna）の発表：
  • 米国政府との連携で先行プレビューを実施中。
  • 「最も優れたツール」が一部のユーザーに隔離される点に懸念があるとする報道もあります。
• 規制と勝者選定：
  • トランプ政権は AI 分野での自由放任から監視強化へ方針転換。
  • Anthropic の Myths モデルに対する輸出規制解除が進み、政府と企業の緊張緩和が見られます。
  • しかし、OpenAI と Mythos の利用企業リストは不明で、勝者選別プロセスの不透明さが懸念されます。
• ハードウェアの進化：
  • OpenAI は Broadcom と共同で推論専用プロセッサ「Jalapeño」を開発。
  • 高速化により、AI を「非同期オペレーター」から「同期型アプローチ」へ持ち戻す時代が来る可能性があります。

GLM 5.2 の台頭と価格破壊

• GLM 5.2は圧倒的な性能向上を遂げました。
  • OpenAI の Opus 4.X シリーズ（入力$/出力$）に対して、Haiku 4.5 と同等の価格帯で圧倒的に低コストです。
  • ベンチマークでは GPT 5.5 よりも優れるケースもあります。
• 戦略的アドバイス：
  • 大手プレイヤーへの依存を避け、プロバイダーロックインから回避する必要があります。

エージェント構築における「正しい使い道」

• 2 つの異なる失敗パターン：
  1. 開発者向け（正解に近い）: クロード コードなどをループ方式で使い、生産性向上を図る場合。
  2. パイプライン向け（間違い）: 手書きコードに一時エージェントを組み合わせて無意味なトークンを消費する場合。
• 解決策：
  • ハルシネーションなどの問題が発生したら、品質チェック用エージェントを追加する（コストは増えますが正解）。
  • 汎用プラットフォームの活用が進み、個別タスク用の高額エージェント構築から移行していくべきです。

まとめ

• エージェントを活用し、ハルシネーションコストを削減しつつ生産性を最大化するためには、「より多くのトークン」を投資する戦略転換が必要です。
• 単純な浪費ではなく、**「複利効果的な正解」**による自動改善プロセスへの移行こそが未来の姿です。

---

この記事についての議論 もっと読みませんか？