ソフトウェアと知能のコスト崩壊が引き起こす産業革命 — ジェボンズのパラドックスとディープテックの台頭

はじめに

「AIで何を自動化できるか」——多くの人がこの問いを追いかけている。しかし、東京大学の馬田隆明氏が投げかけるのは、もっと本質的な問いだ。「安くなったソフトウェアや知能で、どの問題が新たに解決可能になるのか」。はてなブックマークで1,000超のブックマークを集めたこの記事は、AI推論コストの劇的な低下を歴史的パターンから読み解き、これから起きる産業構造の変化を鮮やかに描き出している。

AI推論コストの「280分の1」が意味すること

Stanford HAIの「AI Index Report 2025」によれば、GPT-3.5レベル（MMLU精度64.8%）の推論コストは、2022年11月の100万トークンあたり約20ドルから、2024年10月にはわずか0.07ドルへと下落した。18ヶ月で280倍以上のコスト削減だ。

この数字のインパクトを具体的に捉えてみよう。かつて1回のAPI呼び出しに数セントかかっていた処理が、今やほぼ無視できるコストで実行できる。これは単に「同じことが安くなった」という話ではない。コストが閾値を下回ったことで、これまで経済的に成立しなかったユースケースが一斉に実現可能になるということだ。

ハードウェアレベルでも、コストは年間30%のペースで低下し、エネルギー効率は年40%改善している。このトレンドが続けば、AI推論は電気や水道のように「あって当然のインフラ」となる未来が見えてくる。

照明の歴史が教える「安くなった資源」のパターン

馬田氏の記事で最も印象的なのは、照明の歴史との類比だ。1830年頃、夜間に3時間の照明を得るには3時間分の労働が必要だった。それが1992年には1秒未満の労働で同じ光量を得られるようになった。

しかし、人々は単に「安い照明」を享受しただけではなかった。街路、工場、看板、競技場——社会のあらゆる場所に光を敷き詰めていった。照明のコスト低下は、夜間経済、24時間稼働の工場、ネオンサイン広告といった、まったく新しい産業やライフスタイルを生み出したのだ。

これは経済学で「ジェボンズのパラドックス」と呼ばれる現象と深く関連している。19世紀のイギリスで経済学者ウィリアム・ジェボンズが発見したこの法則は、ある資源の利用効率が向上すると、消費量が減るのではなく、むしろ総消費量が増大するというものだ。蒸気機関の効率が上がれば石炭消費が減ると思われていたが、実際には石炭需要は爆発的に増えた。

AIでも同じことが起きつつある。DeepSeek-R1のような低コストモデルの登場は、AIの利用を抑制するどころか、これまでAIが使われていなかった領域への展開を加速させている。

補完的イノベーションが真の価値を生む

馬田氏が強調するもう一つの重要な視点は、「補完的イノベーション」だ。

電気モーターが工場に導入されたとき、最初は蒸気エンジンを単に電気モーターに置き換えただけだった。生産性はほとんど上がらなかった。真の革命が起きたのは、電気モーターの特性を活かして工場のレイアウト自体を再設計したときだ。小型モーターを各機械に直接取り付け、動力伝達のためのシャフトやベルトを廃止し、生産ラインを自由に配置できるようになった。

AIにおいても同様のことが言える。ChatGPTを既存業務の「置き換え」として使うだけでは、真のポテンシャルは引き出せない。AIの特性を前提にワークフローを根本から再設計する——プロンプトエンジニアリング、エージェントの組み合わせ、人間とAIの協働プロセスの構築——これらの補完的イノベーションこそが、次のフェーズの競争優位を決める。

エンジニアにとっての実務的インパクト

この構造変化は、エンジニアのキャリアと日々の仕事に直接影響する。

ボトルネックの移動を見極める力が重要になる。 ソフトウェア開発のコストが下がると、価値のボトルネックはGPU・電力・規制対応・物理的資源へと移動する。つまり、「コードを書く力」よりも「何を作るべきか」を見定め、物理世界の制約を理解する力の相対的価値が上がる。

ディープテック領域にチャンスが生まれる。 AIで初期検証が高速化されることで、これまで参入障壁が高すぎたハードウェア、バイオ、素材、エネルギーなどの分野で、スタートアップが戦える余地が広がっている。規制対応や製造ノウハウといった「実装の難しさ」そのものが、ソフトウェアだけの企業にはない競争優位になりうる。

「ビジネスとして成立しなかった領域」が解放される。 これまで開発コストに見合わなかったニッチな業務ツール、小規模市場向けのSaaS、個人向けの高度なAIアシスタントなど、ロングテール領域が一斉に採算ラインに乗る可能性がある。

まとめ

AI推論コストの劇的な低下は、単なるコスト削減ではなく、新しいカテゴリの問題解決を可能にする構造変化
照明やモーターの歴史が示すように、安くなった資源は「節約」ではなく「普及」と「新市場の創出」をもたらす
真の競争優位は技術そのものではなく、それを活用する補完的イノベーションにある
ボトルネックはソフトウェアから物理世界へ移行し、ディープテック領域が次の大きな機会になる

短期的にはAI自体への需要が続くが、中長期的には「安くなった知能」をどう物理世界の課題解決に繋げるかが、エンジニアにとっても企業にとっても最大のテーマとなるだろう。