世界を動かす技術を、日本語で。

ウーバーのCOOが、トークンマキシングにかかる費用の正当化が難しくなっていると述べる

概要

  • Uberの幹部がAI投資の費用対効果に疑問を表明
  • AIトークン消費増加と消費者向け機能増加の関連性の薄さ
  • AI投資による人員削減などのトレードオフ
  • Duolingoなど他社もAI利用評価の見直し傾向
  • AI投資が企業経営に与える影響の再検討の動き

Uber幹部、AI投資の正当性に疑問

  • UberのCOO、Andrew Macdonald によるAI投資の費用対効果への懸念表明
  • AI関連コストの正当化が困難 との発言
  • CTO Praveen Neppalli Naga が「Claude Code予算2026年分をすでに消化」と発言し、社内議論が活発化
  • AIトークン消費増加有用な消費者向け機能の増加と直結しない 状況
    • シニアエンジニアと協議した結果、 「直接的な相関が見られない」 との認識
  • AI投資によるコスト増加人員削減などのトレードオフ が発生
  • CEO Dara KhosrowshahiAI投資に伴い採用ペースを抑制 と発言

AI利用の現場と評価の見直し

  • AIは利用者には無料に見えても、企業が最終的な費用を負担
  • Big Tech各社はAI利用を最大化(tokenmaxxing) し、従業員評価にもAI利用を反映
  • Duolingo では AI利用を評価指標に含める方針を撤回
    • 従業員から「AI利用自体が目的化している」との声
    • CEO Luis von Ahn が「成果でなくAI利用自体を推進していた」と認める

AI投資の再考と今後の動向

  • AI投資の直接的な成果が不明確 なため、 コスト対効果の見直し が進行
  • 企業経営におけるAI活用の在り方 が再検討される流れ
    • 投資判断の透明性実際の成果へのリンク強化 が今後の課題
  • AI利用の目的化 から 実質的な価値創出重視 への転換が求められる

Hackerたちの意見

もしどこかの会社が、トークン消費を従業員のパフォーマンスの指標として使うって発表したら、俺にとってはその会社から離れた方がいいっていう赤信号に近いね。良いエンジニアリングリーダーシップを持つ会社が、こんなことを良いアイデアだと思うはずがない。

トークンは新しい「エンジニアあたりのコード行数」だね。グラフにしやすいし、管理もしやすい。

先月、これをやってるYCの会社で働いてたけど、どこから始まったのか気になる。VCやテックエグゼクティブって、ほんとモノカルチャーだよね。

メタもそういうことやってるよ。最近のレイオフの基準の一つが何か、想像つく?

驚くかもしれないけど、すごく大きなテック企業にいる開発者を何人か知ってるよ。FAANGじゃないけど、みんな知ってる企業だよ。彼らはトークンのリーダーボードを持っていて、「もう手動でコードを書くな」って言われた開発者もいるんだ。経営者たちの視点は、上位20%の労働者がLLMを使って80%のコードを生産して、会社がまだ機能しているなら、下位80%の開発者を排除してコストを削減できるって感じなんだろうね。

2022年から2025年までUberで働いてたけど、エンジニアリング文化はかなりひどかったから、納得だね。

仕事でちょっと皮肉っぽく言ったんだけど、出張で食事手当を$100オーバーしたら、マネージャーか経理と嫌な話し合いをしなきゃいけない。でも、$500分のAIトークンを無駄に使ったら、トップのAI導入者として認められるんだよね。

もっと高いモデルを使わない方がいいんじゃない?AIは道具として使うべきで、願いをかなえてくれるブラックボックスじゃないんだから。

次のリストラに入りたいってこと?

企業はAIが魔法のランプの精じゃないって、やっと気づき始めてると思う。あくまで道具なんだよね。すごく価値はあるけど、ツールの能力に合った戦略を持たないと。単に「魔法のランプをこすって利益を80%増やす」みたいな戦略じゃダメだよ。もし市場が「ランプをこする」戦略を取ってる企業を評価してるなら、株価を上げるためにそう言うだろうね。市場が、ほとんど戦略もなしにLLMに何十億も無駄遣いするのが良くないってやっと気づき始めたのかも。誰にもわからないけど。

でも、経営者たちは高価な労働コストを置き換えるために、最高のモデルが必要なんだよね。

トークンマキシングは意味がないよ。極端に非効率なSQLやSparkジョブを書くのと同じで、カーテシアン結合や超偏ったデータセットを使って、計算やメモリ、IOをできるだけ使おうとするだけ。指標が目標になるとこういうことが起きる。企業はAIをできるだけ効率的に使う環境を育てるべきで、「本当にエージェントが必要か?」ってまず考えるべきだし、必要ならどんなエージェントが必要か、どのモデル、推論レベルが必要かを考えるべき。トークンを節約したり、キャッシュヒットを増やしたり、できるだけ少ないコンテキストで情報をコーディファイするプロジェクトも推進すべきだね(知識のグラフはこれに結構いいよ!)。

Hacker Newsで議論の続きを見る