これはまさに、最も純粋な形で作用しているジェヴォンのパラドックスです。 AI トークンのコストが下がったため、ますます複雑化するタスクにはるかに多くの AI トークンを使用する余裕ができるようになりました。したがって、重要なポイントは「AIがますます高価になっている」ということではありません。むしろ、より安価で高性能になったため、問題をより適切に解決するためにより多くの電力を使用しているということです。 ほとんどすべての類似タスクでは、はるかに優れた出力を提供するためにタスクを完了するために、はるかに多くのトークンを使用しています。コードを書くときも、医療に関する質問に答えるときも、契約書の分析をするときも、パフォーマンスのポイントが追加されるため、今日ではその作業を実行するためにはるかに多くの AI を使用しています。法的契約に取り組むときに 99% の正解を得ることは、90% の正解とは *非常に* 異なり、トークンが 10 倍から 100 倍に増加する価値は簡単にあります。 さて、*ある時点で、特定の種類のタスクが頭打ちになり始め、その後、タスクあたりのコストが下がります。たとえば、簡単な医学的質問に答えたり、文書を要約したりするために、現在使用しているトークンの 100 倍はおそらく必要ありません。したがって、最終的には、モデルから効率の向上を捉えることができるため、これらのワークロードは同等ベースで安価になります。 *しかし*、一般的なサイクルは基本的に永遠に続くでしょう、なぜなら私たちはAIを使って行うことの基準を引き上げ続けるだけだからです。アルゴリズムのブレークスルー、GPU 価格の競争、一般的なコンピューティング効率、オープンウェイトの代替手段により、トークンが安くなり続けるにつれて、トークンを消費する次の一連の方法が見つかるでしょう。 タスクを高速化するためにはるかに多くのエージェントを並行してデプロイし、マルチエージェントシステムを使用して回答を比較してコンセンサスに達し、より複雑なナレッジワークの問題を解決し、バックグラウンドでエージェントをはるかに長く実行するようになります。 AIは、常に安価になり、同時に高価になります。