トークンを燃やせ、という呪文の構造──資源配分と余白の政治経済学
- Seo Seungchul
- 6月12日
- 読了時間: 13分
シリーズ: 行雲流水
「トークンを燃やせ」という言葉が、組織内で奇妙な説得力を持ち始めている。
半導体大手の経営者は、年収の半分に相当するトークンを使っていないエンジニアを深刻に懸念すると述べた。別の場では、計算資源（compute）、トークン（tokens）、知能（intelligence）、経済産出（economic output）を一本の因果連鎖として語り、「1ワットあたりどれだけのトークンを生み出せるか（tokens per watt）」がCEOレベルの成長指標になるとも述べている。その言説に付随する形で、「使った量が成長量である」というメッセージが画像として流通する。
一見するとこれはAI活用を促す合理的な助言に見える。道具を使える立場にあるのに使わないのは生産性の損失だ、という指摘自体は否定しがたい。
しかし、この言説には見落とされている構造がある。
本稿が問題にするのは、AIを使うこと自体ではない。「消費した量」が「成長した量」にすり替わるとき、個人・組織・市場・インフラ・政治経済の各レイヤーで何が起きているかだ。そして最終的には、「燃やせ」という言葉が、希少資源への優先アクセスを正当化する言語として機能しうる構造を明らかにする。
代理指標の政治学——「量＝成長」という変換はいかに起きるか
批判の対象を最初に明確にしておく。本稿が問題にするのは、AIを有効に活用することではない。省エネ最適化、医療・科学研究の加速、手戻りの削減、品質向上——これらのAI利用を否定する根拠はない。問題にするのは、トークン消費量を成果指標と混同すること、使用量をランキング化・称号化・評価化すること、そして「多く使う者ほど優秀だ」という空気を組織に作ることだ。
ジェンセン・フアンの発言は、道具利用としてのAIという主張として読める。その範囲では現実的な指摘だ。しかし問題は、この論理が組織・社会に流通するときに起きる変換にある。「道具を使え」から「多く使え」へ、「多く使う人は生産的だ」から「使った量が成長量だ」への移行は、論理の延長ではなく、代理指標の固定化として起きる。
指標論に「グッドハートの法則（Goodhart's Law）」という古典がある——「ある指標が目標になった瞬間、それは良い指標でなくなる」。トークン使用量は参照指標であるうちは意味があるが、評価指標として固定された瞬間、人はそこを最適化し始める。本来測りたいものは、意思決定速度、手戻り削減、品質向上、人間が判断に使える時間の回復——いずれも測りにくい。測りやすいトークン使用量が、測りにくい成果の代わりに立つ。その代替は静かに、しかし構造的に起きる。
フアン発言の真意はここでは問わない。問題は受容過程だ。計算資源・トークン・知能・経済産出を一直線につなげる語り方が流通すると、使用量が成長の代理指標として自然に見えてくる。「代理指標に見える」こと自体が、最初の危険な扉だ。
快感の先行——なぜこれほど止まれないか
バイブコーディングの報酬構造は、SNSの消費と質が異なる。動画を見続けていると「また時間を無駄にした」という内省が遅かれ早かれ訪れる。しかしコードが動き、UIが変わり、機能が増えるとき、その内省は起動しにくい。「作っている」という感覚が、後ろめたさを遮断するからだ。
ここに問題の核心がある。ドーパミン報酬が「進捗している感」と直接結びついているとき、その快感は部分的には本物だ。実際に形になっているものがある。だから自分を疑う契機が生まれにくい。問いを立てる前に答えが出てしまうという倒順は、快感の中では認識されにくい。仕様を詰める前に実装が先行する。止める判断は後ろに回り続ける。本当にハイになっているのだから、そのことに気づかない。
MetaのClaudeonomicsを「指標設計の失敗」として読むことはできる。報道によれば、社員が独自に作ったダッシュボードが約85,000人の中のトークン使用量上位250人を表示し、「Token Legend」「Cache Wizard」のような称号を付けた。AIエージェントを何時間も走らせて使用量を最大化する社員も出てきた。グッドハートの法則——ある指標が目標になった瞬間、それは良い指標でなくなる——はここでも作動している。
しかし、快感が先にあり、組織がそこに旗を立てたという順序を見落とすと、「KPIを変えれば行動が変わる」という楽観が生まれる。指標を変えることは必要だ。本来問うべきなのは使用量ではなく、意思決定速度、手戻り削減、品質向上、人間が判断に使える時間の回復であり、BoxのCEOが「重視しているのは製品開発速度だ」と述べたのはその区別を意識した発言だ。だがKPIを組み換えるだけでは、本当に楽しくてハイになっている個人の行動には届かない部分がある。「なぜ止まれないか」は、構造の問いであると同時に、快感の問いでもある。その両方を同時に見なければ、「燃やさない判断」は意志の問題として個人に押し付けられることになる。
ラットレースの構造——余白はなぜ戻らないか
消費量崇拝が組織を超えて市場全体に広がるとき、構造はさらに変形する。
一人がAIを使うと有利になる。相対的に速く、広く、多くの案を出せる。競争優位が生まれる。ここまでは合理的だ。しかし全員がAIを使い始めると、相対優位は消える。残るのは、期待水準だけが引き上がった状態——提出物の増加、納期の短縮、比較案の数の増加、検討粒度の上昇。
AIが10の仕事を3の認知コストでこなせるようなったとする。本来ならば、削減された7は余白として人間に戻るはずだった。考える時間、問いを立て直す時間、作らない選択をする時間として。しかし競争環境では、その7は追加の生成、追加の資料、追加の実装、追加の比較に吸収される。楽になるのではなく、仕事量の標準が引き上がる。
これはゲーム理論が言う囚人のジレンマの変型だ——個々人の合理的選択が集合的には全員にとって不利な結果を生む。各プレーヤーが最適解を取ることで、全員がより過酷な競争に晒される。「なぜ止まれないか」という問いへの答えは、「競争構造があるから」では不十分だ。なぜなら競争構造は、それに参加するプレーヤーの行動によってのみ維持されるからだ。
ここで問いは別の次元に移行せざるを得ない。ラットレースを回しているのは競争構造だけではない。競争構造に参加することへの快感があり、本当にハイになっている人がいて、そのハイが部分的には本物だから止まれない。その快感を燃料として動く物理インフラがある。「なぜ止まれないか」への答えは、構造と快感の両方を同時に見なければ出てこない。
需要側から回る抽出——Atlas of AI 以後に立つ問い
ケイト・クロフォード（Kate Crawford）の主著『AI帝国（Atlas of AI）』（2021）は、AIを非物質的な知能としてではなく、物質的・政治的・環境的なシステムとして描いた。書の核心は供給側の抽出構造にある——AIを動かす鉱物はどこから来るか、情報整理を行う低賃金労働は誰が担うか、訓練データは誰から取られるか、AIの分類体系は誰の権力を反映するか。「AIはクラウドではない、採掘だ」という告発だ。
この告発は今も有効だ。しかしLLM時代に立つ現在、Crawfordが主に描いた「供給側の抽出構造」に加えて、もう一つの局面が問題として浮上している——需要側からの抽出加速だ。
個人が競争不安を燃料にトークンを消費し、企業が使用量をKPIに組み込み、AIエージェントが並列実行される。その積み重ねが推論需要を増幅し、データセンターの拡大・電力消費の増大・インフラ投資の加速を促す。「誰かが作った抽出システムを私が利用している」のではなく、「私の使い方が抽出システムを需要側から回している」という構造だ。
Atlas of AIが示したのは、AIが資源・労働・データを吸い上げる抽出インフラであるということだった。LLM時代に付け加えるべき論点は、その抽出インフラが、ユーザーの快感・企業のKPI・競争不安によって日常業務の側からも回され始めているということだ。抽出は遠い採掘現場だけで起きているのではない。私たちの不安と快感が、その回転に参加している。
希少資源の争奪——「燃やせ」が正当化するもの
トークン消費を美徳化するとき、その背後では別の競争が進行している。
計算資源（GPU、HBM、先端半導体）、エネルギー資源（電力、長期電力契約、系統接続）、立地資源（データセンター用地、冷却水、気候条件）、制度資源（規制当局との交渉力、補助金、優先接続）——これらはすべて希少性を持つ。希少資源は、アクセスをめぐる争いを生む。
IEAの推計によれば、データセンターは2024年に世界の電力消費の約1.5%（415TWh）を占め、2030年には約945TWhへ倍増する見通しだ。米国では、2030年までの電力需要増加のほぼ半分をデータセンターが占めると見られている。だが問題はグローバル平均ではなく、地域のボトルネックにある。データセンターは地理的に集中するため、特定の送電網や地域社会に集中的な負荷をかける。送電線の新設には先進国でも4〜8年を要し、変圧器やケーブルの調達待ちも延びている。
インフラのボトルネックが存在するとき、それへの優先アクセスは希少権益になる。誰が電力会社と長期契約を結べるか。誰が系統接続を優先されるか。誰がデータセンター用地を押さえるか。誰が地域の電力料金上昇や水利用の負担を外部化できるか。誰が規制当局と交渉できるか。
ここで「トークンを燃やせ」という言説が担う政治的機能が明確になる。AIの利用を「知性の競争」として語ることは、インフラへのアクセス格差を不可視化する。使わない者を「使う気がない者」に見せる。アクセスできない理由が、電力・資本・制度交渉力にあることは語られない。消費量の崇拝は、希少資源への優先アクセスを正当化する言語として機能しうる。
IEAは同時に、AIが再エネ統合、送電網の故障検知、産業プロセスの電力最適化に役立ちうるとも整理している。したがって「AIは電力を食うだけだ」とは書かない。切り分けるべきは、有効なAI利用と消費量崇拝だ。前者を否定せず、後者の構造を解剖することがここでの課題だ。
「燃やさない判断」の政治——余白を取り戻すとはなにか
余白を取り戻せ、という言葉は休憩の勧めではない。生成する前に、生成する価値があるかを問う時間の確保だ。作れるものを全部作らないこと。止める基準を持つこと。AIに何をさせないかを決めること。
個人レベルでは、AIに投げる前に問いを整える時間を持つことだ。何を出力してほしいのかを明確にする。作れるものを全部作らない。いつ止めるかを先に決める。生成物の量ではなく、意思決定に必要な最小出力を見る。
組織レベルでは、トークン使用量ランキングを評価指標にしないことだ。使用量を参照する場合も、教育・支援・コスト管理の目的に限定する。称号化・競争化・評価化は避ける。KPIを置き換えるべきは、手戻り削減・品質向上・リードタイム短縮・意思決定速度・不要作業削減・人間の判断時間の回復だ。「どれだけ使ったか」ではなく「何をしなくて済んだか」を問う組織と、そうでない組織は構造的に異なる帰結を生む。
社会レベルでは、データセンターの電力使用・系統接続・地域負担・料金転嫁・水利用・土地利用を統治の対象にすることだ。AIインフラを成長戦略の名で聖域化しないこと。便益と負担の配分を政治的に扱うこと。
これらは現実的に困難な提案だ。しかし問いとして立てることは困難ではない。「どれだけ生成できるか」だけを問う社会と、「どこで生成しないか、どこで止めるか、どこに希少資源を使わないか」を同時に問える社会は、異なる未来に向かう。
AIが余白を生む技術になるか、より高速なラットレースを動かすインフラになるか——その差を作るのはAI自体ではない。私たちの問い方だ。
ポイント整理
「量＝成長」という変換の構造
トークン使用量は成果指標ではなく投入量だ。営業でいえば架電数、開発でいえばコミット数に近い
参照指標を評価指標に固定した瞬間、グッドハートの法則が作動し、人はそこを最適化する
フアン発言の真意より、受容過程で起きる変換の構造を問うべきだ
組織レベルのGoodhart化
測定（使用量の把握）と評価（使用量を称える）は概念として分けられるが、ランキング化・称号付与はその二つを融合させる
MetaのClaudeonomicsの事例は、可視化が行動をいかに歪めるかを具体的に示している
Goodhart化を防ぐ構えは、本当に測りたいもの（成果・品質・判断時間）を指標として設計することだ
AI時代のラットレース構造
一人の行動は合理的でも、全員が同じ行動を取ると相対優位は消え、標準作業量だけが上がる
AIが生んだ余白は、競争環境では追加作業に変換され、新たな標準として固定される
「なぜ止まれないか」は競争構造の問いであると同時に快感の問いでもある。本当にハイになっている個人は、KPIを変えるだけでは止まらない
需要側から回る抽出——Atlas of AI 以後
CrawfordのAtlas of AIは供給側の抽出構造（鉱物・労働・データ）を描いた
LLM時代に付け加えるべき論点は、ユーザーの快感・KPI・競争不安が抽出インフラを需要側から回しているということだ
抽出は遠い採掘現場だけで起きているのではなく、日常業務の中でも回されている
希少資源の争奪と言説の政治機能
計算資源・エネルギー資源・立地資源・制度資源はすべて有限であり、ボトルネックが生まれると優先アクセスをめぐる争いになる
「AIを使わない者は競争に負ける」という言説は、インフラへのアクセス格差を不可視化する
「トークンを燃やせ」は、意図せずとも希少資源への優先アクセスを正当化する言語として機能しうる
余白の政治経済学
余白を取り戻すとは、AIを使わないことではなく、AIに何をさせないかを決めることだ
個人・組織・社会の三レイヤーそれぞれで、「生成しない判断」の基準を設計できるかが問われる
「どれだけ生成できるか」だけを問う社会と、「どこで生成しないか」を同時に問える社会は、異なる帰結を生む
キーワード解説
【グッドハートの法則（Goodhart's Law）】
英国の経済学者チャールズ・グッドハートに由来する経験則で、「ある指標が政策目標になった瞬間、それは良い指標でなくなる」というもの。社会科学者マリリン・ストラザーンが「観察に使われる指標はコントロールの手段として用いられると良い指標でなくなる」と定式化した。トークン使用量がKPIや評価に組み込まれると、使用量の最適化そのものが目的化し、本来の成果（品質・判断・学習）は背景に退く。
【抽出インフラとしてのAI（Atlas of AI）】
ケイト・クロフォードが2021年の主著で提示した視座。AIをクラウド上の非物質的な知能としてではなく、鉱物・低賃金情報労働・行動データ・環境負荷・国家権力に支えられた抽出技術として描いた。書の中心は供給側の物質的基盤にあるが、本稿はこれを踏み台に、LLM時代においてユーザーの行動が需要側から抽出を加速するという追加論点を展開する。
【リバウンド効果（Rebound Effect）】
エネルギー経済学の概念。技術的効率が向上すると、コストの低下によって消費量が増加し、節約効果が相殺または逆転する現象。エアコンの効率化が普及を促してエネルギー消費を増やす、というのが典型例。AIにおいては、1トークンあたりの推論コストが下がることで利用量が増加し、エージェント化によって継続的・並列的な推論需要が拡大する可能性がある。
【地域ボトルネック（Regional Grid Bottleneck）】
データセンターの電力需要が地域の送電網・変電設備・冷却インフラに集中的な負荷をかける現象。グローバルな電力不足という問題ではなく、地域単位での供給制約として現れる。IEAによれば、先進国での送電線建設には4〜8年を要し、変圧器やケーブルの調達待ちも延びている。データセンターが集中する地域では、地元住民や既存電力利用者への負荷転嫁が問題になる。
【tokens per watt】
1ワットの電力でどれだけのトークンを生み出せるかを示す指標。ジェンセン・フアンが提示した考え方で、AIファクトリーが電力制約を受ける中で、エネルギー効率を競争力の尺度として捉えるもの。企業の成長指標としてCEOレベルで語られ始めており、計算効率と電力確保が経営課題として接続されている。