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。

AIエージェントの製品管理は、歴史上最もワイルドな製品管理の形式です。 一般的な製品管理は、人々が決定論的システムと対話するためのインターフェイスとソフトウェアをどのように設計するかを理解しようとすることです。ユーザーは通常、作業を成功させるためのすべてのコンテキストを知っているため、通常、基礎となるビジネス ロジックと周囲の UX を釘付けにする必要があります。 しかし、AI エージェントでは、最も気にするユーザーはエージェントであり、デフォルトでは何も知りません。彼らは喜んでどの方向にも走って仕事をしますが、多くの場合成功しません。 したがって、PM(またはエンジニア)として、基本的には「人間がこのタスクを実行するためにコンテキストとして何が必要か」をリバースエンジニアリングし、エージェントに適切な順序で適切なツールと指示を使用してデータを取得するためのシステムを設計する方法を考え出すことに時間を費やします。 これらのシステムの中には、人間のユーザーにはまったく見えないものもありますが、その技術の一部は、エンドユーザーがエージェントと対話してこのコンテキストを提供する方法も同様に重要です。そして、多くの場合、各段階で品質のポイントを段階的に引き出すために、終わりのない試行錯誤が繰り広げられます。 特に、深い専門知識を持つ人、またはそれをすぐに習得できる人が、AI エージェントの構築に非常にうまくいく理由です。エージェントが成功するために必要なコンテキストを予測する能力は、エージェントがどれだけ効果的であるかを決定する大きな要因です。 これは、コーディングエージェントが最初から非常にうまく機能した理由を部分的に説明しています。なぜなら、そのビルダーは自動化に取り組んでいるドメインを深く理解しているからです。しかし、コンテキストエンジニアリングと新しいプロダクトマネージャーの出現により、法律、ヘルスケア、金融など、あらゆる分野で同じ結果がすぐに現れることは明らかです。

AI 以前の世界を振り返ると、すべてがどれほど遅かったかに驚かされます。 Box では毎週、AI ファーストに取り組み、誰かがプロセスを自動化するための AI エージェントを社内で構築するワークフローを強調しています。人事プロセス、営業支援、RFP への対応、コンプライアンス ワークフローの処理、ドキュメントの作成などです。 通常、私の即時の反応は「以前はこの作業をすべて手動で行わなければならなかったなんて信じられない」です。私たちが「実際に」やろうとしていること (誰かを雇う、取引を成立させるなど) に到達するためだけに、調査、書き込み、またはステップ間のデータの移動に費やさなければならない時間の量は非常識です。 そして興味深いことに、この演習の結果、プロセスがより効率的になった結果、人に「もっと」投資したいと思う分野も実際にたくさん見つかりました。ROIの計算は、エージェントが実際にプロセスを加速したり、アウトプットを増やしたりできるときに、多くの種類の作業で突然変化します。 AIファーストの仕事の時代に先を行くワイルドな時代。