月200ドルで何倍分働かせたか
前回、私は若者に宛てて書いた。下積みの梯子は外れたが、作ることへの階段は架かった。育ててもらうのを待たずに、自分で作って腕を上げればいい、と。
では、その作るための費用は、会社の帳簿のどこに載っているのか。
AIの使用料、いわゆるトークン代である。経営者とAIの話をすると、この費用はたいてい、ソフトウェアの利用料として片づけられる。毎月請求書が届き、情報システム費のような科目に振り分けられて、それで終わる。私も最初はそうだった。
会社のお金は、帳簿の上でさまざまな姿に変わる。社員を雇えば人件費になり、本を買えば書籍購入費になり、クラウドを借りれば情報システム費になる。どの科目に載せるかは、そのお金で何を手に入れたかで決まる。
トークンも、お金で買う。そして、いまは多くの会社で、クラウドと同じ情報システム費として扱われている。だが、自分の請求書を1年余り眺めてきて、この置き場所は合っていないと思うようになった。私はAIを使って、AIエージェントを作っている。エージェントとは、指示を受けて、一連の仕事を自分でこなすAIのことだ。私が作ったエージェントは、予定を調整し、経費を確かめ、資料を作る。そのふるまいは、社員に近い。人が社員を雇えば人件費で処理し、クラウドを借りれば情報システム費で処理する。では、AIを通じて社員のようなものを作れるようになったら、その費用はどの科目に載せればよいのか。今回は、この問いから始めたい。
1990年代の終わりに、学生だった私はニューヨークで地下鉄に乗った。駅の窓口でドル札を出すと、真ん中に五角形の穴が開いた真鍮のコインが返ってくる。これがトークンだった。改札に入れれば、1.5ドルの運賃の代わりになる。だが、改札の外では、コーヒー一杯も買えなかった。
トークンという言葉には、いくつかの意味がある。暗号資産の世界でも使われるが、ここでの話はそれとは関係がない。この連載でいうトークンは、AIが言葉を処理するときの単位である。AIは文章を細かく刻んで読み書きし、その刻みの一つひとつをトークンと呼ぶ。そして、AIの使用料はこのトークンの数で決まる。処理の単位が、そのまま支払いの単位になっているのだ。冒頭で「トークン代」と書いたのは、この単位で数えた使用料のことである。
私は、アンソロピックというAI企業のClaudeを仕事に使っている。契約しているのは月200ドルの定額プランで、AIに文章を読ませ、書かせる機能に加えて、プログラムを作らせる「Claude Code」という機能もまとめて使える。利用量には上限があるが、その範囲であれば、何をどれだけ頼んでも請求額は変わらない。お金を気にせずに、思いついたものを次々と作らせることができる。私はこのプランで、秘書の仕事を任せ、日々の仕組みを作り、自分のためのサービスをいくつも開発してきた。
定額でも、使ったトークンの数は記録に残る。従量課金で払った場合の公表単価をかければ、「いくら分使ったか」がわかる。連載の第1回で、私はこの計算をした。7月下旬までの30日分の記録を集計すると、払ったのは200ドル、使ったのは8,621ドル分。差は43倍だった。払った額の43倍分を、AIに処理させていたことになる。
この倍率は、トークンという費用の性格を映す。倍率が大きいほど、払った額に比べて多くの仕事をAIに任せている。逆に倍率が下がれば、AIへの頼り方か、AIの値段のどちらかが変わったということだ。まず私自身のトークンがこの3か月でどう動いたかを見ておきたい。同じ計算をやり直すと、数字は思っていたのと違う方向に動いていた。
今回は、10月3日までの30日分を集計した。この30日で使った総トークンは約23億3,000万、公表単価で換算すると2,157ドルになった。払っているのは同じ月200ドルだから、差は約11倍である。
7月までの30日で43倍だったものが、10月までの30日では11倍になった。ただし、この二つは同じ物差しで測っていない。第1回の集計に使った7月の記録は消えてしまい、同じ方法で計算し直せない。今回は、同じやりとりが二重に記録された分を除いて数えたが、7月はおそらく重複込みで数えている。今回も重複込みで数えると、総トークンは約46億（換算額4,843ドル、約24倍）になる。第1回は約71億だった。7月も重複込みで数えていたとすれば、量は3分の2ほどに減り、倍率は43倍から24倍へ、ほぼ半分になった計算だ。11倍は、重複を除いた今回の正味の値である。厳密に比べられるのは、ここまでだ。
厳密には比べられないが、倍率は下がったと私は見ている。理由は二つ重なっている。
一つは、AIの使用料が安くなったことだ。私がいちばん多く使うのは、ClaudeのなかのOpusという系列のモデルだ。公表されている料金表によれば、その入力の単価は、2024年3月のClaude 3 Opusでは100万トークンあたり15ドルだった。2025年11月のOpus 4.5で5ドルに下がり、この9月に出たOpus 5.5では4ドルになった。連載の執筆を始めた7月のOpus 5と比べても、2割安い。私の使う量の94%を占める、過去のやりとりの読み返しの単価は、半分以下になった。同じ仕事をさせても、換算額は下がる。倍率の下がり分の一部は、私の仕事が減ったからではなく、単価が下がったから生まれている。
業界全体でも、値段は同じように下がってきている。スタンフォード大学の「AI Index 2025」によれば、オープンAIのChatGPTの初期のモデル（GPT-3.5）と同じ程度の性能を出す費用は、2022年11月から2024年10月までの2年足らずで、280分の1以下になった。ニューヨークの地下鉄の1.5ドルの運賃が、2年足らずで1セントの半分になるようなものだ。暮らしの中で、こんな下がり方をする物はまずない。理由は三つ重なっている。小さなモデルが、かつての最上位と同じ程度の仕事をこなせるようになったこと。計算する機械が年に3割ずつ安くなっていること。そして、同じ性能をより少ない計算で出す工夫と、各社の値下げ競争である。AIの価格を追う研究機関Epoch AIは、同じ性能を得る値段が、課題によって年に9倍から900倍の速さで下がってきたと分析している。
倍率は換算額の比であって、できた仕事の量ではない。この3か月、私は同じ200ドルで、できる仕事が何倍にも増えたように感じてきた。私がそのように感じるのも無理はない。なぜなら、AIはこの連載の執筆を始めた7月から見ても、大きく進化しているからだ。7月に私が使っていたのは、その月に出たOpus 5だった。9月に出たOpus 5.5は、アンソロピックの発表によれば、業務の流れを自動でこなす試験での正答率が27%から40%に上がり、答えを出す速さも3割上がった。プログラミングの試験では、Opus 5が最大の力を出した結果を、Opus 5.5は標準の設定のまま、5分の1ほどの費用で上回ったという。長い目で見ても同じだ。AIが一度に読める量（コンテキストウィンドウ）は、2023年に出たGPT-4の標準版では8,000トークンほどだったが、いまでは各社の主力モデルで100万トークン前後と、100倍以上に増えた。AIの能力を測る非営利団体METRは、AIが5割の成功率でやり遂げられる仕事の長さが、2019年以降でならせばおよそ7か月ごとに倍になり、近年はさらに大きくなっていると報告している。値段が下がったというより、同じ値段で買える仕事が増え続けていると言ったほうが正確だ。
ここまでは、技術が進んだという話で、わかりやすい。だが、私の倍率が下がった理由は、ほかにもある。私の仕事に、型ができたことだ。3か月前の私は、毎日のように新しい仕事をAIに教えていた。何をさせたいのかを説明し、やり直させ、また説明する。そのやりとりのぶんだけ、トークンは膨らむ。いまは、繰り返す仕事の多くに手順書ができ、説明し直す手間が減った。そのぶん、使うトークンも減った。
AIの単価が下がり、私の仕事には型ができた。この二つが重なって、月200ドルの支払いに対し、AIに使わせた分を料金表で換算した額は、43倍から24倍へ、ほぼ半分になったとみられる。ここまでは、よい知らせに聞こえる。だが、型ができたということは、新しく教える仕事が減ったということでもある。このことは、あとでもう一度取り上げる。
46個の手順書のうち、よく使うのは6つ
型ができた仕事は、どれくらいあるのか。数えてみた。
私はこの1年余りで、AIに特定の仕事をさせるための手順書を、自分で書きためてきた。Claudeではこれを「スキル」と呼ぶ。スキルとは「この種類の相談が来たら、この資料を読み、この順で考え、この形で返せ」という指示書のことだ。秘書の仕事、資産の見直し、日報、この連載の原稿づくりと、仕事ごとに一つずつある。
いま手元にあるスキルは46個で、そのうち10月27日までの30日で一度でも使ったのは25個。21個は一度も使わなかった。10回以上の会話で使ったのは6個だけである。秘書、資産運用の相談、体の管理、日報、資料づくりなどだ。
作ったうちの半分近くを、ひと月のあいだ一度も使っていない。これを無駄と見るのは早い。使い方にはスキルごとに周期がある。
インターネットのサービスでは、利用者を、毎日使う人、毎週使う人、毎月使う人に分けて数える。それぞれDAU、WAU、MAUと呼ぶ。私のスキルにも同じ層がある。ニュースの要約は毎日使う。旅行の手配は4半期から半年に1度で足りる。資産の配分を組み直すのは、半年から1年に1度だ。年に1度しか使わないスキルが30日の集計に現れないのは、当然だろう。特定の悩みを解くために作ったものは、その悩みが起きたときにしか使わない。
さらに、数字に出てこない層がある。自動で動くようにした仕事だ。毎朝のニュース収集と要約、日報の下書き、開発の記録、資料の取り込みは、私がAIにいちいち問いかけなくても夜のうちに動く。いま、このように常駐している仕事が40本ある。ニュースの要約は167日、1日も欠けずに届いている。自動化した仕事は、私がスキルを呼び出した回数には出てこない。使われていないように見えるものの中に、毎日働いているものがある。完全に型になった仕事は、目に見えなくなるのだ。
手順書の撤退は、事業の撤退に似ている
46個のうち、消したものは一つもない。それでも、出番がなくなったスキルは多い。
一時期は、ほかのスキルに仕事を振り分ける司令塔のようなスキルを作っていた。いまはほとんど使っていない。振り分けの判断は、秘書と、CFOのように財務と資産運用を受け持つスキルの二つが引き取った。財務の細かい計算を受け持つスキルもいくつか作ったが、これもCFO役のスキルに吸収された。セミナーの準備は、何度か繰り返すうちに手順が固まり、新しく考えることがなくなった。noteへの寄稿のために作ったスキルは、この連載に力を集めたことで出番が減った。そして、ある一つの問題を解くためだけに作り、解き終えて役目を終えたものがある。
これは事業の撤退とよく似ている。撤退には五つの形がある。統合、吸収、型化、集中、一回きり。どれも削除とは異なる。
私ははてな、ミクシィ、スマートニュースで、いくつもの事業の始まりと終わりを見てきた。うまくいかなかった事業であっても、唐突にすっぱり消すことはまれだ。たいていは別の事業に統合されるか、より大きな事業に吸収される。うまくいった事業は運用の型に落とされ、少ない人数で回るようになる。会社の力を一つの柱に集めるために、ほかを細らせることもある。特定の顧客のためだけに作り、役目を終えて静かに終わるものもある。
スキルの撤退も、同じ形で起きた。経営者は、ヒト・モノ・カネ・時間という資源をどこに配るかに、最後の責任を負う。どの問いに資源を配り、どこから引き上げるか。私がAIに対してやっていることも、この配分と変わらない。配る資源の中に、トークンが加わりつつあるのだ。
トークンは「人件費」なのか
私がどのようにトークンを配分したかを見てみよう。30日の換算額2,157ドルを、仕事の種類別に分けると、いちばん大きいのは秘書の仕事だった。予定の調整、メールやチャットの確認、朝の段取りで、976ドル、1ドル150円で換算して約15万円分である。
秘書のスキルを作ったきっかけは、恥ずかしい失敗だった。親友との約束を、別の予定と重ねて入れてしまったのだ。それも2回。私の会社は小さく、秘書を一人雇う余裕はない。人はなかなか採用できない。だから採用する代わりに、AIに秘書の仕事を教えた。
いま、私の予定は、カレンダーに入る前にAIが確認する。重なりを見つけ、移動の時間を計算し、前後の詰まり具合を見る。私自身の体にかかる負荷も見張らせている。外での打ち合わせが何本あるか、夜遅くまで予定があったか、翌朝は早いか。それを点数にして、信号の色で知らせてくる。赤が出れば、私は予定を動かす。
専任の秘書を一人雇うと、いくらかかるか。求人の例から見積もると、経験のある秘書を東京で正社員として雇えば、会社が負担する保険料なども含めて月40万から50万円台になる。月30時間だけ頼むオンライン秘書でも、主要各社の公表料金で8万から12万円ほどかかる。これに対して、私の秘書業務の換算額は約15万円、実際の支払い月200ドルを按分すれば約1.4万円である。
ただし、比べるにあたって、断っておきたいことがある。AIは電話を取れないし、来客にお茶も出せない。代われるのは、秘書の仕事のうち、画面の中で済む部分だけだ。「画面の中」でも、渡せないものがある。決めること、責任をとること、謝ること、褒めること。仕事の合間の雑談もそうだ。秘書が私の顔を見て「今日は顔色が悪いですね」と声をかけ、予定を一つ減らしてくれる。そういう仕事を、私はまだAIに渡せていない。
それでも、ここで起きたことは小さくない。少なくとも私の会社では、トークンへの支払いが、人を雇う費用と比べる相手になった。経理の仕事も同じだ。領収書の仕分けや経費の確認を、私は人に頼む代わりにAIに任せている。第1回では、仕事ごとの原価がトークンで見えるようになったと書いた。いま起きているのは、その先である。人を雇うか、トークンを買うか。この二つを、同じ天秤にかけて決めるようになった。
トークンはお金の働きをするが、外では使えない
前の節で書いたとおり、私はひと月に使えるトークンを、秘書の仕事に、経理の仕事にと配っている。人件費の配り方とよく似ている。冒頭で、会社のお金は帳簿の上で姿を変えると書いた。トークンも、お金が姿を変えたものの一つだ。ここで、「AIが言葉を処理するときの単位」という最初の定義から少し離れて、トークンをお金として見直してみたい。
姿を変えたお金としてのトークンには、ほかの費目にない性質がある。配る範囲が、個人から会社へ、会社から社会へと広がっていくことだ。私はこれを三つの段階で考えている。
一つ目の段階は、個人である。いまの私のように、一人が月200ドルの定額プランを契約し、その範囲で自分の仕事にトークンを配る。定額プランは、働いた量にかかわらず決まった額を払う点で、社員の固定給に近い。私のAIの中では、どの仕事を頼むにもトークンで払い、どの仕事の値打ちもトークンで測れる。秘書の仕事と原稿づくりという、まったく違う仕事を、同じ単位で比べられる。
二つ目の段階は、会社である。会社がトークンをまとめて買えば、社員に配れるようになる。配る量は、一律である必要はない。AIエージェントを作れる人には多く配り、使いこなせない人には少なく、あるいは配らない。会社としては筋の通った判断だ。ただし、この差は一度つくと戻りにくい。多く配られた人はAIに仕事を覚えさせ、さらに多くを任せられるようになる。配られなかった人との差は、月を追うごとに開いていく。
では、誰に多く配るのか。トークンを使う人は、AIを設計する人と、AIを使う人に分かれる。使う人の中にも層がある。上の層は、自分の仕事の手順を見直してAIに改善させ、その結果を見て、また手順を直す。自分で改善を繰り返し、だんだん良くなっていく仕組みを回せる人で、設計する人に近い。基本の層は、AIで自分一人の生産性を上げる人である。そして、AIを使う範囲は、個人から課、部、部門、会社全体へと広がっていく。トークンを配る範囲と、使う人の層は重なっていく。
これは、悲観すべき話ではないと私は考えている。社員のようにふるまうAIエージェントを、ここではAI社員と呼ぶ。AI社員を使いこなすのに要るのは、人を選び、評価し、育て、業務の流れを組み立てて回す力だ。それは、40代、50代の管理職が、部下を持ちながら長年磨いてきた力そのものである。プログラムを書けなくても、その経験はAI社員を使う力に変わる。
二つ目の段階が進み、AI社員が増えてくると、AI社員に値段がつく。先に、私の秘書業務の換算額を約15万円と書き、オンライン秘書の公表料金と比べた。こうした比べ方が会社の中で当たり前になれば、AI社員の値段は、社外で同じ仕事を頼む値段と比べられ、高すぎれば正されていく。物差しは、社外とつながったわけだ。だが、財布はまだ社内にある。トークンで払えるのは、自分の契約の中の仕事だけである。
経済学者のロナルド・コースは、1937年の論文「企業の本質」で、なぜ会社というものがあるのかを問うた。市場で仕事を頼むには、相手を探し、値段を交渉し、契約を結ぶ費用がかかる。その費用が、社内で指示して済ませる費用より高いとき、仕事は会社の中に取り込まれる。トークンは、社内で仕事を頼む費用を大きく下げた。だが、社外と取引する費用は下げていない。いま、会社の境界は、トークンの財布の境界と重なっている。
私のトークンは、アンソロピックという一つの会社との契約の中でしか使えない。取引先への支払いには使えないし、別の会社のAIにも渡せない。私のAI秘書が誰かの予定を押さえたくても、相手のAI秘書に直接トークンを払って頼むことはできない。いまの仕事の流れは、こうだ。相手から連絡が来る。私のAIがそれを拾って私に知らせ、私が判断して頼み、AIが対応する。トークンは、私とAIのあいだを行き来しているにすぎない。
思い出すのは、私が副社長を務めたはてなの「人力検索」である。利用者が質問を書き、ほかの利用者が答える。質問する人は、はてなのポイントを払って問いを出した。ポイントは、はてなの中で流通し、問いに値段をつけるためにあった。換金もできたが、役目の中心は、人力検索で問いに謝礼を払うことだった。そして人力検索の値打ちは、ポイントそのものではなく、外から問いが持ち込まれ続けることにあった。問いを持ち込んだのは人だった。問いが来なくなれば、ポイントは使い道を失う。
三つ目の段階は、社会である。AI秘書どうしが直接やりとりし、互いの仕事にトークンで値段をつけて払い合う。私のAIが、取引先のAIに資料の下調べを頼み、トークンで払う。財布が社外とつながる日だ。そのとき会社の境界は、いまとは違う場所に引き直されるだろう。しかし、その日はまだ来ていない。社員は外へ出かけ、顧客の悩みを聞き、問題を持ち帰ることができる。トークンには、それができない。それまでのあいだ、問題は人が外から持ち込むしかない。
最後に、言葉を整えておく。経済学の教科書は、お金の働きを三つに分ける。物と交換できること、物の値打ちを測れること、値打ちを貯めておけることだ。トークンは、社内では交換する働きと測る働きをする。貯める働きは弱い。定額プランのトークンは、使わなければ時間とともに消える。三つの働きをするものを「貨幣」、そのうち社会で広く通用するものを「通貨」と呼ぶなら、トークンは、貯める働きこそ弱いが、社内で働く貨幣ではある。だが、通貨ではない。トークンが通貨になるのは、三つ目の段階が来たときである。
社員を雇うか、トークンを配るか
経営とは、限られた人とお金と時間を、どの仕事に回すかを決める仕事である。ここまで、私はそこにトークンも加えて考えてきた。先に見たとおり、トークンは姿を変えたお金であり、その財布はまだ社内にある。社内では仕事と引き換えに払われ、お金と同じ働きをする。使えば減り、回す先によって成果が変わる。だから、何にどれだけ回すかを決めなければならない。この先、多くの会社で、トークンをどの仕事に回すかの判断は、社員を一人増やすかどうかの判断と、ほとんど同じ手順で進むようになる。お金の使い方を知っている人は多い。だが、トークンの使い方については、ほとんどの人がまだ初心者だ。では、どう配ればよいか。私は次の順で考えている。
最初に、自分が責任を持つ範囲で、何を達成すれば成功なのかを書く。会社全体でも、一つの部署でも、一つの案件でもいい。
次に、その目的に向けて、いまどんな仕事が、どんな順で流れているかを書き出す。誰が何を受け取り、何を作って、誰に渡しているか。
そのうえで、流れのどこで仕事が滞り、どこで同じことを何度もやり直しているかを探す。そこが、解くべき問題になる。
見つけた問題には、値段をつける。その問題が解ければ、いくら得をするのか、あるいはいくら損をしなくて済むのか。値段がつけば、その問題にいくらまでなら人とお金と時間を回してよいかが決まる。第1回で書いた「悩みに値段をつける」を、自分の会社の中で行うわけだ。
値段がついたら、その問題を解くには、どんな作業を、どれだけの時間やればよいかを書き出す。誰がやるかは、まだ決めない。オープンAIとペンシルベニア大学の研究者は2023年の論文で、米国の働き手の約8割が、仕事のうち少なくとも1割の作業でAIの影響を受けうると見積もった。AIの影響は、職業をまるごとではなく、仕事の中の作業の単位で及ぶ。だから、仕事は作業に分けて書き出すほうがいい。
最後に、見積もった仕事を、誰に回すかを決める。私はこれを三段で考えている。
一段目は、その仕事が人にしかできないかどうかだ。AIは、数字で測れることなら、人より早く安くこなす。人に残るのは、数字で測れないものを判断する仕事である。それは、判断の前、判断のとき、判断の後の三つに分けられる。
判断の前にあるのは、問うことだ。好奇心を持ち、夢を持ち、何を目指すかを選ぶ。目的は数字からは出てこない。数字は、目的が決まって初めて測れるようになる。
判断のときにあるのは、賭けることだ。決める、信じる、ときには非合理なことをやってしまう。経済学者のフランク・ナイトは1921年の著書『リスク、不確実性および利潤』で、起こる確率を計算できるものをリスク、計算できないものを不確実性と呼んで分け、利潤は不確実性を引き受けた者に生まれると論じた。確率が計算できない以上、最後は人が賭けるしかない。
判断の後にあるのは、引き受けることだ。責任をとり、謝り、褒める。その値打ちは相手の心の中で決まり、同じ言葉でも、誰が言うかで意味が変わる。先に、秘書のAIに渡せなかったものとして挙げたのは、まさにこの仕事である。
二段目は、残った仕事を、社内の人、社内のAI、社外のどこに回すかだ。経済学でいう比較優位の考え方は、戦略にもそのまま当てはまる。自社の中だけで決めるのではなく、他社と、他社がいる市場まで見渡して、いちばん分のあるところに回す。AIを提供する会社が複数ある今、外に気軽に頼める仕事はますます増えている。
費用の性質の違いも見ておく。人は何でもこなせるうえ、給料には上限がある。固定費として使える。AI社員は、働かせるほどトークンが増え、工夫しなければ給料が上がり続ける。変動費になるのだ。社内の人とAIのどちらに分があるか見えない仕事は、まずAIに試させ、結果を見て決める。
試させるのには理由がある。ハーバード大学などの研究者が、ボストン コンサルティング グループのコンサルタント758人で行った実験がある。AIが得意な範囲の課題では、AIを使った人のほうが、こなした課題が12.2%多く、25.1%速く、質は40%以上高かった。ところが、AIの得意な範囲の外にある課題では、AIを使った人のほうが、正しい答えにたどり着く割合が19ポイント低かった。研究者たちは、AIの得意と不得意の境目を「でこぼこの最前線」と呼んだ。境目は外からは見えない。だから、試してみるしかない。
人とAIの分担も、AIを作る会社の集計で揺れている。アンソロピックは、Claudeとの会話を集計し、人の力を補う使い方と、指示した作業をAIに実行させる使い方に分けて公表している。2025年2月の初回では、補うが57%、実行させるが43%だった。同じ年の9月には実行させるほうが初めて上回ったが、2026年1月の報告では、補う52%、実行させる45%に戻った。人とAIのあいだの線は、まだ一方向には引かれていない。
三段目は、人を雇うなら、どんな人を雇うかだ。私が雇いたいのは、AIを私と同じ目で見ていて、二つの力を持つ人である。一つは、AI社員を選び、評価し、育てる人事の力。もう一つは、業務がどんな流れで成り立っているかを理解し、組み立て、回す力だ。そういう人が見つからないなら、自分の力を広げるつもりでAIを雇う。
私の秘書も、先の手順のとおりに生まれた。目的は、人との約束を守ることだった。仕事は、予定がメールやチャットで届き、それを私がカレンダーに入れる、という順で流れていた。滞っていたのは、その途中で重なりを見落とすところだ。親友との約束を二度重ねた、あの失敗である。値段は、失いかけた信頼と、見落としを防ぐために私が毎日費やしていた時間だ。カレンダーを確かめるのは、1日10回を下らない。前後の予定の調整や、乗り換え案内で移動の時間を調べる分も足すと、毎日30分から1時間になる。秘書の相場で、時給を賞与込みのおよそ3,000円とすれば、月に4万5,000円から9万円分の時間である。
必要なのは、予定の重なりと前後の詰まり具合を、毎日、漏れなく確かめる作業だった。画面の中で済む確認だから、人にしか担えない仕事ではない。この仕事に払える上限を月9万円とすると、社員を一人増やせば月40万円以上かかり、採用にも月日がかかる。オンライン秘書でも8万円からで、上限とほぼ変わらない。トークンなら按分して月1.4万円ほどで、今日から任せられる。だから、この仕事にはトークンを配った。
この手順のどこにも、「AIを導入する」という言葉は出てこない。出てくるのは、目的と問題と値段と資源だけだ。トークンの予算も人件費も、問題を解くために配る資源である。違うのは、トークンは今日配れば今日働き始めること、そして、要らなくなれば明日からやめられることだ。人の採用と配置は、そう早くは変えられない。
配って終わりではない。配ったら、配り直す。財務三表と事業計画を見比べて、どの問題にいくら配り、いくら返ってきたかを確かめる。費用に見合わない配分は引き上げ、見合う配分は増やす。手順書を一つも消さずに、統合し、吸収させ、型にし、出番を減らし、役目を終えさせてきた撤退は、この配り直しの結果である。
ただし、この手順で見つかるのは、社内の流れの中にある問題だけだ。
解く問題が尽きたら、外から仕入れる
社内の問題を解き、配り直していくと、やがて一つの問いに行き着く。解けていない問題が、まだ残っているか。残っていて、それがAIに向いた問題なら、そこにトークンを配って解き、追加の利益を得ればいい。では、解くべき問題がなくなったら、どうなるか。
そのとき尽きているのは、利益の機会そのものではなく、いまの人と仕事から見えている改善の種かもしれない。どれほど安くトークンを買えても、配る先がなければ意味がない。常駐する40本の仕事のように、型のできた仕事を回し、壊れたところを直すことにだけ、トークンが払われ続ける。使うトークンは減り、財務三表は良くなる。しかし、それだけでは新しい利益は見えてこない。
だから、問題を仕入れる。商売で商品を仕入れるように、まだ誰も解いていない問題を、外から持ち込む。そうしなければ、新しい利益は生まれない。新しい顧客の悩み、新しい市場、自分がまだ知らない分野の問い。トークンが外の問題を買えない貨幣である以上、問題の仕入れは人の仕事として残る。同じ性能のAIを使う値段は、年に何倍もの速さで下がってきた。安くなるほど、トークンではなく問題のほうが希少になる。
ただ、型ができると、トークンは新しい問いに配られにくくなる。私がAIに新しい仕事を教えることが減ったのも、その兆しである。組織論の研究者ジェームズ・マーチは、1991年の論文で、すでに知っていることを使い込む活動は成果が確実で早く、新しいことを探す活動は成果が不確実で遠いと論じた。だから組織は、放っておくと使い込むほうへ傾く。日本では書籍『両利きの経営』で知られる考え方の土台の一つになった論文である。
正直に書いておく。この3か月で、私の仕事の量は増え、クライアントにも喜ばれている。型ができて手が空いたはずだった。ところが、空いた手を、私はその型を回す仕事で埋めてしまった。一つは、できた型を使って引き受ける仕事を増やしたことだ。もう一つは、慣れた仕事に何度も手を入れ、すでに出来上がっている仕事の改善に多くの時間を割いたことだ。どちらも成果は出るし、クライアントにも喜ばれる。だが、新しい問いを考える時間を増やすことはできていない。10月27日の朝、体の負荷を見張らせているAIは、私に橙の信号を出した。休みなく働いた日が、25日続いているという。第2回で、私はAIで空いた時間をさらにAIにつぎ込み、めまいで倒れた話を書いた。同じことを、形を変えて繰り返している。新しい問いに時間を割けているかと問われれば、答えに詰まる。解くべき問題が尽きかけたら、問題を仕入れなければならない。それができていないのは、ほかならぬ私である。
それでも、悲観はしていない。トークンは通貨ではなく、外から問いを連れてくることはできない。だから、トークンが安くなるほど、問いを持ち込む人の値打ちは上がる。前回、作ることへの階段は架かったと書いた。その階段を上る費用は、これからも下がっていくだろう。足りなくなるのは、上る理由のほうだ。明日の朝は、AIに回させる仕事より先に、まだ誰からも頼まれていない問いを一つ書き出すつもりだ。
