あなたはたった今、100万人のダメ社員を雇った
企業が無制限のAgentとtoken予算を全社員に配れば、悪いフローは秒単位で複製されます。次に学ぶべきはモデルの追加購入ではなく、このデジタル部隊のマネジメントです。
- Hebbia創業者のGeorge Sivulkaが長文を投稿。企業が全社員にほぼ無制限のAgentとtoken予算を与えた結果、ボトルネックは「モデルの性能」から「このデジタル部隊をマネジメントできるか」へと移った。
- 主軸は19世紀の鉄道にたとえた比喩——線路（能力）が先に敷かれ、運行管理（マネジメント）は後から追いつく。Agentは曖昧なタスクと悪いフローを秒単位で増幅する。
- 7つの対照——tokenの積み増し↔人海戦術、循環（loop）↔会議のための会議、tokenの浪費↔人員の肥大化、100Xコンテキスト↔10倍エンジニア、コンテキストの抱え込み↔保身、Evals↔OKR、トランスフォーメーション企業↔次世代の産業ポジション。
- スケールを支えるのはevals（再現可能な検収基準）。コーディングの領域が先に立ち上がったのは、結果の合否を自動判定できるからだ。
- ビジネス面の結論は、「AI変革企業」が既存企業の差別化されたプロセスをAgentに落とし込む、という賭けに置かれている。本文中の図表の多くには外挿値やillustrative（例示）の注記があり、マネジメントのフレームワークとして読むべきで、監査済みのレポートとして読んではいけない。
立場についての注記：筆者はHebbiaの創業者兼CEO。同社は金融・法務などのチームでAIを実務フローに組み込む支援をしており、事業の形は本文で言う「AI変革」に近い。後半では変革企業がNeofirmより一桁大きくなると書かれており、これは筆者自身のビジネスポジションと同じ方向を向いている。立場を持つ実務家による長文として読むべきで、中立的な市場調査ではない。
帳簿上は生産性、現場では止まらない部隊
企業は「生産性」を買っているつもりです——モデルの利用枠を契約し、全社員にアシスタントを開放し、さらに自分でツールを叩けるAgentを組み込む。しかし実際に起きているのは別のことです。ほぼ無制限のデジタル人員枠と予算が、タスクを言語化するのが一番苦手な人も含めて、社員一人ひとりの手に渡っているのです。タスクが曖昧なままだと、Agentは手を止めて人に聞くことはせず、ただ動き続け、tokenを消費し続けます。以前は悪いフローも人の手を介してゆっくり広がっていましたが、今は秒単位で複製されます。
一言で言えば、あなたが雇ったのは「間違えても無限に残業してくれる」社員です。
例示（原文の事例ではなく、自社の現場と照らし合わせるためのもの）
「このクライアントフォルダを整理して、更新しておいて」
- 成果物が不明確：議事録が欲しいのか、リスク一覧が欲しいのか、それとも顧客に送れるメールが欲しいのか？
- 範囲が不明確：どの3つのファイルを対象とし、どのチャット履歴は無視していいのか？
- 停止条件が不明確：どこまでやれば「十分」なのか、どんな場合に手を止めて人に聞くべきなのか？
- 検収基準が不明確：誰がどんな基準で「合格」と言うのか？
同じ曖昧な指示でも、人の時代とAgentの時代とでは「壊れ方」が違います。下の2つのタブをクリックして対照を見てください（見出しは常に表示されます）。
人も詰まるが、壊れ方は遅い
同僚がこの指示を受け取ったら、まず「誰に送るの？数字は入れる？明日の会議までに必要？」と聞き返すのが普通です。それでもはっきりしなければ短い打ち合わせを開き、長くても1日遅れる程度。無駄になるのはカレンダーと忍耐であって、請求額が勝手に雪だるま式に増えることはありません。
Agentは文句を言わないが、無限にリトライする
同じ指示をClaude Code / Copilot / 任意のharnessに投げ込むと、アウトラインを作り、構成を直し、もう一度自己評価し、また自分を呼び出して直す、というプロセスが始まります。停止条件がなければ「終わり」もありません。失敗していても、完璧なレイアウトで自信満々に提出してきます。tokenはモデルの読み書き課金の基本単位で、AIが作業する際に消費する文字数の枠と考えればおおむね近く、この枠が請求額の上で勝手に膨らんでいきます。
上の「Agent」側を分解すると、現場は大体こういう形になります（悪循環の一例を示すもので、監査済みデータではありません）。
曖昧なタスクを受け取る
「クライアントフォルダを整理して」には成果物の定義も、「完了」の姿もない。
まず一見完成しているものを書く
アウトライン、要約、表がひと通り揃い、体裁は綺麗だが、合格かどうかは分からない。
自己評価で不合格、もう一周回す
Agentが自分を呼び出して自分を直す——素材を追加し、構成を変え、検索をやり直す。人が介入しない限り、循環は止まらない。
請求額は上がるが、ビジネス上の結果はほぼ動かない
tokenは消費され続けるが、実際に使える成果物は依然として足りない。これが「tokenで、さらにtokenを使い続ける権利を買う」ということだ。
原文と照らし合わせると：loopは「タスクを明確に書ける人がほとんどいない」ことへの応急処置であり、力任せの全探索がシステムの唯一の前進手段になっている。
データ側の症状もこのストーリーと符合します。以下の2枚の図は原文からの引用です——1人当たりのAI支出は上昇を続け、AIを高強度で導入したグループでも人員は縮小していません。読み方としては「金も人も増えているからといって、AIが信頼できる形で成果を出しているとは限らない」であって、「AIが雇用を生み出した」と直接読んではいけません。
