あらゆる大きな技術革命は、効率の向上を約束する。通説では、それにより需要は減り、コストは下がるはずである。だがAI経済学は、その逆に動いているように見える。160年前の経済原理である「ジェボンズのパラドックス」が、その理由を説明するかもしれない。AIがより安く、速く、利用しやすくなるにつれ、企業はAIの利用を減らしているのではない。むしろ、より多く消費するためのまったく新しい方法を見いだしている。
ジェボンズのパラドックスは、ウィリアム・スタンレー・ジェボンズが1865年に石炭を研究する中で提唱したもので、資源の効率化は消費を減らすのではなく、参入障壁を下げ、新たな用途を切り開き、最終的に需要をさらに押し上げるという考え方である。
マイクロソフトCEOのサティア・ナデラは、AIの進歩がコンピュート需要を減らすのではなく急増させている理由を説明するため、ジェボンズのパラドックスに繰り返し言及している。モデルがより速く、安く、高性能になるにつれ、企業は単にAIをより効率的に使うだけではない。AIを導入するまったく新しい方法を見つけているのだ。
AIハードウェア、インフラ、エンタープライズソフトウェアの最前線に立つ3社が、このダイナミクスがスタートアップと中小企業の競争環境をどのように変えつつあるかを説明する。
ハードウェアで新たな需要を解き放つ効率性
より速く、より安いハードウェアはボトルネックを取り除き、AI経済学を変えている。Tensordyneは、代替製品より消費電力を90％少なくした推論ラックを構築している。これは、コスト低下によって組織はAIを減らすのではなく、より多く稼働させるというジェボンズの洞察を体現する進歩である。
「ジェボンズのパラドックスが勢いを増しているのは、AIが実際に担う作業の種類が、より複雑で集中的なものになっているからだ」と共同創業者のジル・バックハスは語る。「数年前にChatGPTが登場した当初は、多くの場合、1つの入力に対して1つの出力だった。いまでは、1人の開発者のエージェントが同時に何百ものタスクを実行し、それぞれに詳細な推論が必要となり、より多くの計算資源を使うことがある」
顧客が重視するのは速度とモデル品質
エージェント型システムへの移行は、すでにユーザーおよびタスク当たりのコンピュート利用を押し上げている。しかしハードウェアはそのペースに追いつけず、多くの企業はAI導入を急ぐ一方でコスト上昇に直面している。
「ジェボンズのパラドックスを上回るには、顧客が重視する速度とモデル品質を損なうことなく、AIワークロードの実行コストを大幅に下げる必要がある」とバックハスは言う。「ソフトウェアはさらに効率化するだろうが、最大の変化をもたらすのはハードウェア、つまりチップとラックだ」
TensordyneのNapier推論システムは、トークン当たりのエネルギー、スペース、コストを抑えながら、エヌビディア（Nvidia）より13倍高いスループットで稼働する。システムと、それによって提供されるAIモデルは通常、高速で高価か、低速で安価かのどちらかである。同社はこの妥協をなくし、高性能AIワークロードの実行に必要な資本負担を軽くする計画だ。
「スタートアップが使える資本は限られているため、各トークンの価値ははるかに高い」とバックハスは言う。「チップとデータセンターのコスト効率が10倍以上になれば、モデルの実行コストは下がり、資金制約のあるアーリーステージ企業の利益率は一夜にして変わるだろう。成長のためのロケット燃料になり得る」
コスト低下はAIの研究開発を民主化し、現時点では検証するには高価すぎるユースケースを解き放つ可能性がある。創業者にとっての核心的な教訓は、その根底にある経済原理にある。「最先端のカスタマーサポートモデルが現在1セッション5ドル（約1万未満円）かかるとして、ハードウェアが安くなることで0.50ドル（約1万未満円）になれば、それを採用する企業の数は10倍、あるいは100倍にもなるだろう」とバックハスは語る。
プロフェッショナルサービスに新たな可能性を生む生産性
低コストのAIに意味があるのは、企業がそれを活用する新たな方法を見いだせる場合だけである。まさにそれを、Orbitalのような企業は目の当たりにしている。法律や不動産のように、成果が長らく労働時間と結びついてきた分野では、AIは単に時間を削減するだけではない。以前は経済的に成り立たなかった、あるいは不可能だった仕事を可能にする。米国と英国で年間20万件の取引を支援する不動産AIプラットフォームのOrbitalは、この変化を日々見ている。
「こうしたAIシステムを設計する開発者も、労働時間が減っているわけではない。通常は同じか、時には増えている。ただ、はるかに多くのことを成し遂げているのだ」とCTO（最高技術責任者）のアンドリュー・トンプソンは語る。「人的資本にトークン資本が加わり、いまでは1人当たりでより多くのソフトウェアを生み出している」
ソフトウェアは本質的に創造的である
本当の問いは、その追加的な能力が何を可能にするかである。「総生産量が増えるのは確かだが、より興味深いのは、その生産物が何をもたらすかだ」とトンプソンは言う。「ソフトウェアチームの成功を最もよく予測する指標は、新しいものを顧客に届ける頻度である。ソフトウェアは本質的に創造的だ。顧客が実際に製品を使うまでは、何も現実にはならない」
彼はまた、ソフトウェア開発は発見のプロセスだと指摘する。AIがその発見のループを強化すれば、より多くを出荷し、より速く解決策に到達できる。「それこそが、人々がAIで仕事の水準を引き上げる際に望む効率化の成果だ」と彼は言う。
給与上昇が急加速している
かつては希少だった「10倍エンジニア」は、AIを使いこなす人にとって実現可能になりつつあり、小規模チームがかつては部署全体を必要とした成果を出せるようになっている。「より少ない人数が同じ、またはそれ以上の成果を生み出すということは、1人当たりの生産性が上がっているということであり、AIを効果的に活用した個人の報酬は上昇している」とトンプソンは言う。「それが、テクノロジー業界のさまざまな職種で給与上昇が急加速している理由だと思う」
彼は、ジェボンズ効果が採用の好循環を生み、より大きな有用性がAIツールの消費をさらに押し上げると見込んでいる。ただし、そこには一定のニュアンスがある。
「かつてインテルはCPUをより高速に作り続けたが、Microsoft Wordが同じ速度で速くなったわけではなかった」と彼は言う。「それはWordが静的なものではなかったからだ。CPUがより多くを処理できるようになるにつれ、マイクロソフトの開発者は、それまで不可能だった豊かで多様な機能をWordに次々と組み込んだ。ハードウェアの進歩は速度ではなく、新たな能力に吸収されたのだ」
商業用不動産のデューデリジェンスも書き換えられている。企業はすべての物件についてすべての文書を確認し、あたかも全物件が手作業で精査されたかのように、デューデリジェンス報告書一式を作成できるようになっている。「これは法律事務所が顧客に販売できる新しいサービスであり、以前は経済的に成り立たなかったため存在しなかった仕事だ」とトンプソンは語る。
インフラのフライホイールを加速するアクセス性
AIを活用したこうしたワークフローを採用する企業が増えるにつれ、コンピュート需要は横ばいにならず、加速する。そこで登場するのが、Verdaのようなインフラ提供企業である。より優れたハードウェアが効率を高め、コンピュートへのアクセスが容易になることで、ジェボンズ効果はさらに加速する。
このAIインフラ提供企業は2年間で売上高を20倍に伸ばし、年換算売上高は1億ドル（約160億円）を突破し、4月には1億1700万ドル（約187億円）を調達した。その成長はアクセスの容易化だけでなく、ハードウェアの改善とモデルの高性能化がともに進む強化サイクルに由来する。
Verda、そしてAI業界全般にとって成長ストーリーの大きな部分を占めるのは、モデルとその能力が向上し、「ほぼ十分」な段階から真に本番利用可能な段階へ移行していることだ。CTOのアルトゥルス・ポリはこう語る。「急成長を、コンピュートへのアクセスが容易になったことの副産物としてだけ捉えるのではなく、ハードウェアとモデルがともに改善していると見るべきだ。アクセラレーターはより高性能になり、その上で動くモデルはより正確になっている。両者は連動しており、これは非常に急速で予測しにくい成長を伴う、明確なジェボンズ的ダイナミクスだ」
価値と価格を形づくる
アクセスの民主化は、大企業に有利に働いてきた長年の障壁を取り除く。高品質なオープンウェイトモデルと、より容易に利用できるコンピュートの組み合わせは、低コストのエージェント型ワークフローへの扉を開いた。コストと利用可能性が参入障壁ではなくなりつつあるため、企業やエンタープライズがAIコンピュートを活用した新サービスを展開することも容易になっている。
このフライホイールは、すでに価値と価格を再形成している。ポリは、知能を消費する方法がより効率的かつ多様になることで、利用増加の傾向は加速すると予想している。
そして、サステナビリティはこの拡大と深く結びついている。
「私たちにとってサステナビリティは極めて重要であり、自社の取り組みによって道を切り開きたいと考えている」と彼は言う。「具体的には、新たなクリーンエネルギーの生産から、余剰熱を住宅の暖房に使うことまで、あらゆることを検討している」
AIを構築する企業の見立てが正しければ、ジェボンズのパラドックスは、AI経済の次の段階を形づくる決定的な経済力の1つとなるかもしれない。効率の向上は、単にコストを下げるだけでなく、かつては経済的に正当化できなかった市場、製品、サービスへとAIを広げる可能性がある。
