新たなAI冬が近づいているのか？

2026年6月7日

皆さんはどうかわかりませんが、私はAIを取り巻くムードが少しずつ変化していると感じています。かつては、あらゆる知識労働者が間もなく消え去り、誰もが自由時間と趣味を楽しめるという約束が囁かれていましたが、現在は冷めつつあり、この新しいテクノロジーは現在の形ではまだ限界があるという認識へと向かっています。確かに最終的には人間を一部不要にするでしょうが、誰もが説いたような「賢者の石」がこれほど早く実現することはありません。

私たちはLLMとエージェントのハネムーン期間の終わりに近づいているように感じます。誤解しないでください。このテクノロジーが役に立たないと言っているのではなく、次の夏が来るまでしばらくは楽観論が減少するだろうと言っているのです。

この冬は、テクノロジーが停滞したり天井に達したために起こるのではなく（それについて判断できる立場にはありません）、採用と技術普及の不足によるものです。しかし、暗号通貨の世界から来た私は、ある程度の確信を持って言えます。冬は絶え間ないノイズに邪魔されずに構築するのに最適な時期であり、今こそAI採用に取り組む絶好のタイミングです。

> 車中の短い会話の後、このトピックに関する私の意見を形成し強化するのに協力してくれたPablo Gruesoに感謝します。乾杯！

トークンマキシングとは何か

約18ヶ月間、企業のAI採用における支配的な理論は単純でした。従業員がAIを使えば使うほど良いというものです。誰もがこの新しいテクノロジーを採用し、AIネイティブになり、自身の能力とアウトプットがどう向上するかを探求する必要がありました。AIの使用量が目標指標になりました。企業は内部リーダーボードを構築し、トークン消費目標を設定し、かつてデジタルトランスフォーメーションを測定した方法と同じように、成果ではなく採用率でAIの成功を測定しました。

私が言及しているのは、悪名高い「トークンマキシング」、すなわちモデルに可能な限り多くのトークンを投入し、スループットを最大化し、それによって結果の生産を最大化することです。そこに組み込まれた前提は、より多くの入力が比例してより多くの出力、ひいては価値を生み出すというものでした。そもそもこんなことが良いアイデアだと思われたのか、今でも自問しています。

例えば、AmazonはKiroRankという内部リーダーボードを運用していました。これは、同社のAI開発プラットフォームKiroでのエンジニアの活動をスコア化するものでした。ツールを誰が実際に使っているかを測定する合理的な方法のように思えました。しかし、結果は後から考えれば予測可能でした。エンジニアはランキングを上げるために、不要なタスクを自律エージェントに実行させたのです。トークン消費は増加しましたが、有益な作業は増えませんでした（おや、驚き！）。Amazonの上級副社長Dave Treadwellは最終的に従業員にこう伝えました。「AIを使うためだけにAIを使わないでください。顧客の問題を解決し、ビジネス上の問題を解決し、イノベーションを起こすためにAIを使ってください」。しかし、リーダーボードはその行動を促進していたのではなく、より多くのトークンの使用（コンテキストの圧縮なんてどうでもいい）を促進していました。当然、リーダーボードは廃止されました。

Amazonはより合理的なものに置き換えました。つまり、エンジニアがAIを使って役立つコードを定期的に生成しているかどうかを追跡するもので、消費トークン数ではありません（より主観的で測定は難しいが、真に求めるアウトプットに合致しています）。

これは、本質的にはAIの問題ではなく、目標とインセンティブを考慮しない政策設計のもう一つの例です。しかし、AIがすべてを解決するはずだった時代には、より多くのトークンがより多くの解決策に繋がると考えられました。結局、AIは問題を解決するために適切に導かれる必要があり、戦略とドメイン知識はそれほど多くのトークンを消費せず、人間が実際に働く必要があります。

最初の警告サイン：このテクノロジーの採用方法をまだ解明していない可能性があります。

なぜ意味がなくなったのか

トークンマキシングの失敗によるROIの最も明確なデータポイントはUberから来ました。同社のCTOは、Uberが2026年のClaude Code予算全体を4月までに使い果たしたことを明らかにしました。そしてCOOのAndrew Macdonaldは、多くの人がすでに考えていたことを公言しました。「そのリンクはまだ存在しない」、つまりAIトークン消費とユーザーが実際に求める機能との間のリンクです。Uberはブレーキを踏みました（またもや、おや、驚き！）。

2008年の住宅市場に賭けて名を馳せたMichael Burryは、AIトークンマキシングを「割り当て主導、リーダーボード主導、経営陣が強制する過剰消費」によって駆動された「クレイジーで、急ぎすぎた一時的なフェーズ」と表現しました。彼はこれを1990年代後半のドットコムバブルと明確に比較し、自身の見解を裏付けるためにNvidia株100万株のプットオプションを購入しました。このドットコムバブルとの比較については、数段落後で触れます。

Fortuneの分析はより形式的に述べています。ほとんどの企業はAI採用のステージ1または2、つまり基本的な実装とワークフローの再設計で行き詰まっています。真の価値にはビジネスの再発明が必要ですが、既存企業のほとんどは実際には試みていません。彼らの昼食を奪っているのは、最初からAIネイティブな企業です。

これはAIが機能しないと言っているのと同じではありません。私たちはまだAIを効率的に使用し適用する方法を知らないと言っているのです。これが、トークンマキシングが企業におけるAIの採用と熟練度の指標として失敗した理由です。測定自体を最適化し、成果を最適化しないと、まさに予想通りの結果が生まれます。多くの活動、しかし価値はほとんどありません。

このところ、友人や同僚から「AI以来、かつてないほど働いている。新しい開発に追いつく時間がない」という言葉を聞くたびに、私はいつも同じ質問をします。「AI以前よりも多くの価値を生み出していると思いますか？」ネタバレ注意：回答は大きく異なります（関連して、まだ読んでいなければ、数ヶ月前に書いた「私たちはAIを恐れているのではなく、無関係になることを恐れている」という記事を読むのに良いタイミングかもしれません）。

これも私の論点を支持するもう一つのポイントです。今がAI採用を始めるのに最適な時期ですが、公の物語は冷たく感じられ始めるでしょう。

便利な言い訳

しかし、AI採用は一部の人々にとって執着であるだけでなく、他の人々にとっては言い訳になっています。2025年から2026年にかけて、企業がAIを理由に大規模なレイオフを発表するパターンが浮かび上がりました。Amazon（約30,000人）、UPS（約48,000人）、Oracle（約30,000人）、Microsoft（約23,000人）、Salesforce（約5,000人）。2026年だけで約80,000人の雇用が失われ、45人以上のCEOがAIを要因として挙げています（調査で見つけたこの情報源を参照）。

Jack DorseyはBlockを10,000人以上から6,000人未満に削減し、明確に述べました。「私たちは経営危機のためにこの決断を下しているわけではありません。事業は好調です…しかし、何かが変わりました」。CoinbaseのBrian Armstrongも同様に述べています。「エンジニアがAIを使って、かつてはチームで数週間かかっていたことを数日で出荷するのを見てきました」（そして大規模な障害が発生しました）。彼は「純粋なマネージャー」の終焉を宣言し、目標を「Coinbaseをインテリジェンスとして再構築し、人間がその周辺で調整する」と説明しました。

これらのCEOが嘘をついているとは思いません。AIは確かに少人数のチームでより多くのことを可能にします。しかし、多くのケースでAIは、もともと起こるべきだった縮小を社会的に受け入れ可能な枠組みとして機能しています。企業は低金利ブームの間に過剰採用を行い、その調整は避けられませんでした。AIは、「採用判断を誤った」から「テクノロジーが変わった」へと原因を移行させるクリーンな物語を提供します。両方とも真実であり得ますが、私はまだAIの物語を買っていません。

少なくとも今のところ、私は大量の純雇用破壊の波を予想していません。より可能性の高い短期的なパターンは、人々や組織がAIとは何かを理解する間の縮小であり、その後、適切な判断力を持ってこれらのツールを使いこなす新世代のAIネイティブ専門家が登場することで拡大が起こるでしょう。これは歴史的に変革的テクノロジーが普及する方法です。スムーズな上昇曲線であることは稀であり、第一波の間に語られるストーリーであることはほとんどありません。

私自身AI信奉者であり、AIは異なるテクノロジーであり、これまでとはまったく異なる革命を起こすと考えていますが、まだ時期尚早だと感じています。物語としては素晴らしいですが、どれだけ強調してもしすぎることはありません。私たちはまだこのテクノロジーを活用する最善の方法を見つけていません。

コードベースの後悔

そして、これが私が「冬が来る」と考えた理由です。私たちがまだこのテクノロジーの使い方を模索している結果です。一部の開発者が、AIに過度に依存してコードベースを構築したことを後悔していると、増加する数で公に投稿し始めています。

シニア開発者のDragos Nedelcuは、プロダクションプロジェクトでAIが生成した約15万行のコードについて書きました。数ヶ月後、彼は混乱に直面しました。重複ロジックが再利用性ほぼゼロ、あらゆる場所にデッドコード、有意義なアサーションをしないユニットテスト、7つ以上のファイルに同時に広がるカスケードバグ。彼の結論は率直でした。「数百行の乱雑なAI生成コードを修正するよりも、最初からやり直す方が速い」。別のエンジニアは7ヶ月後にAI生成コードの14,000行を一括削除し、コードベースは41,000行から27,000行に縮小しましたが、すべての機能を維持し、バグ率は73%低下しました。

正直に言うと、私たちは皆、コーディングエージェントとの関係でどこかでこれに直面したことがあるでしょう（少なくとも私はあります）。

HVMプログラミング言語を構築するVictor Taelin（私は長年フォローしています）は、Xで彼の苦痛をリアルタイムに記録しました。彼はOpusを使って新しいアプローチを1日で実装しました。C言語で3,000行、パフォーマンスは5倍向上。その後、15時間かけて監査し、「頭の悪いもの」を見つけました。モデルが、HVM5が適用不足および適用過多の関数を処理することを暗黙のうちに想定し、その仮定のために大規模なシステムを実装し、決して質問しなかったケースです。それらは存在すべきではありませんでした。

彼の結論は、私たちがまだこのテクノロジーを効果的に使用する方法を学んでいないかもしれないもう一つの理由を示しています。「最初の5時間で0から95%に到達した。しかし、15時間後もまだ100%ではない…すべてを読み、すべてをレビューして頭の悪いものがないことを確認しなければならないなら、AIを使うことで何を達成したのか？あのドーパミン期待以外に？」

最後のフレーズ「ドーパミン期待」は、私が読んだ中で最も正直な「バイブコーディング」の描写です。ああ、私たち全員が夢中になっている美しいAIのスロットマシン。

スペイン人開発者のLuis Ángel Aldaは、構造的な問題をうまく表現しました。AIは「局所的には正しいが、全体的には一貫性がない」システムを生成します。モデルは次のステップを最適化するのが得意です。アーキテクチャはその正反対であり、長期にわたる直感に基づく規律であり、「ソフトウェアを感じる」ことが必要です。それは何年もかけて構築し、失敗させ、再構築することで蓄積されるものです。AIはそれを持っていません。AIが持つのは非常に優れた局所的なパターン補完であり、多くのことに有用ですが、全体的な一貫性が必要な場合には積極的に有害です。

繰り返しますが、これはAIがコーディングに役立たないという意味ではありません。私は常に使っており、出荷できる量が本当に変わりました。しかし、AIを判断力を持ったツールとして使うことと、判断力の代わりとして使うことには違いがあります。これらの後悔のストーリーを投稿した人々は、ほとんど後者を行いました。つまり、定型コードだけでなく、アーキテクチャ自体をAIに委ねてしまったのです。

ここで実際に重要なスキルは、いつ使うべきか、いつ使わないべきかを知ることです。これこそがこの冬のテーマになるでしょう。それを身につけるには時間と失敗の積み重ねが必要です。私たちは皆まだ学んでいます。私も含めてです。「人間/エンジニアリングの味覚」は依然として非常に必要です。