原文タイトル：機械労働の市場

原文著者：@__sishir

翻訳：Peggy

編集者注：AIがコードを書き、カスタマーサポートのチケットを処理し、法律文書を審査するようになると、より根本的な問題が浮上してくる。企業が実際に購入しているのは、トークンなのか、GPU時間なのか、それとも完了した仕事なのか？

この記事は注目すべきフレームワークを提示している。AIの商業化は単なる「計算リソース市場」や「モデル呼び出し市場」として理解されるべきではなく、新たな「機械労働市場」へと向かっている。この市場では、トークンは単なる計量単位であり、GPUは投入資材、モデルは生産ツールであり、実際に価格設定され取引される対象は、ソフトウェアが直接実行する経済的労働である。

記事の核心的な判断は、AIの価格設定メカニズムが、原始的なトークンから、標準化されたモデル能力、業界特化型の労働力、そしてプログラム可能な結果市場へと進化するという点にある。つまり、将来的には企業は特定のタスクがどのモデルやGPUで実行されるかを気にせず、規定のレイテンシ、精度、信頼性、コストの範囲内で、基準を満たした結果が納品されるかどうかを重視するようになる。

これはまた、AIが人間の労働市場に与える影響が単純な代替に留まらないことを意味する。機械がより標準化・検証可能な作業を担うにつれ、人間の役割は再確認、責任負担、コンテキスト管理、最終判断へと移行する可能性がある。特定のシナリオでは、最後の1％の人間の判断がより価値を持つようになる。なぜなら、それが大規模な自動化の99％を解放できるからだ。

この観点から見ると、AI市場の次の段階の競争は、もはやモデル能力の競争や単純な計算リソースの価格競争ではなく、誰が先に「仕事」を標準化・検証可能・価格設定可能にし、最終的に機械労働を調達・決済・取引可能な新たな生産要素に変えるかにある。

以下が原文である：

生産性の波はこれまで常に、人間の生産ツールやソフトウェアから生まれ、仕事の完了方法を最適化してきた。スプレッドシートは会計士やアナリストを助け、コンベアベルトは処理能力を向上させ、ハンマーは人間のレバレッジを拡大した。しかし、真の労働は常に人間から生まれていた。

今、AIはエンドツーエンドで仕事の成果を生み出し、労働そのものを直接実行している。コードを書き、カスタマーサポートのチケットを処理し、法律文書を審査することができる。技術スタック全体の末端で圧縮が起きている。古い技術スタックは労働を支援するものであったが、新しい技術スタックは労働を生産し始めている。

最近、AIの金融化に関する議論を耳にしたことがあるなら、Jensen氏などが「LLMトークンやGPU時間が新たなコモディティになりつつある」と言っているのを聞いたかもしれない。この直感は理解できる。トークンは計測可能で課金でき、グラフ化も容易だ。GPU時間の背後には数十億ドルの資金が流入している。しかし、トークンは依然として単なるメーターであり、GPU時間は単なる投入財に過ぎない。誰もそれら自体を所有するために購入しているわけではない。人々が本当に求めているのは、仕事を完了させることだ。AIはテクノロジースタックそのものを労働力の源泉に変えつつある。

機械労働：ソフトウェアによって実行され、経済的用途を持ち、生産工程に販売される作業。

市場はすでにこの方向へ動いている。BenchmarkのSarah Tavel氏は、この機会をソフトウェアのカテゴリーではなく、アウトソーシング労働市場を通じて理解する傾向がある。もし反復可能なタスクがもともと専門のオフショアチームや専門サービス企業によって行われていたなら、それはAIによる提供に適した仕事でもある。a16zのAlex Rampell氏はこれを「ソフトウェアが労働を飲み込む」と呼ぶ。ソフトウェアの次の幕は、自ら仕事を完了することだ。SequoiaのJulien Bek氏は別の角度から同じ変化を説明している。サービスはソフトウェアになりつつあり、copilotはツールを売り、autopilotは仕事を売る。

関連記事：https://sequoiacap.com/article/services-the-new-software/

結果価格設定の背後にある欠落した市場

シート価格設定はアクセス権に対して課金し、トークン価格設定は使用量に対して課金する。結果価格設定は、作業が完了した時点で課金する。結果価格設定は一歩前進をもたらすが、それでも一つの疑問に答えていない。誰が価格を決めるのか？

機械労働が直接購入可能であれば、価格はサプライヤー間の競争から生まれるべきだ。これらのサプライヤーは、同じ種類のタスクや作業完了基準を満たせなければならない。そのためには、異なる業界やタスク内での標準化が必要となる。

現在のアプローチはLLMトークンを使用することだが、生のトークンは単なる最下層に過ぎない。石油1バレルは単なる計量単位であり、実際に取引されるのは特定のグレードの石油バレルであり、明確な品質、納入条件、市場価格を持つ。ブレント原油1バレルと高硫黄重質原油1バレルは同じコモディティではない。LLMトークンも同様だ。トークンは単なる計量単位であり、本当に重要なのはその背後にあるインテリジェンス、すなわちモデルの品質、ベンチマークの下限、レイテンシ、コンテキストウィンドウ、信頼性、納入保証だ。最先端のコードモデルからの100万トークンと、安価な汎用モデルからの100万トークンは、同じコモディティではない。市場には、エネルギー市場が標準化された石油グレードを必要とするように、標準化された推論グレードが必要だ。

Anjali Shriva氏はこの点を直接指摘している：トークンは固定されたコスト単位ではない。その経済性は、コンテキストの長さ、タスク構造、入出力比率、リトライ回数、ツール呼び出し、エージェントワークフローによって変化する。短いプロンプト内の1トークンと、長いエージェントループに埋め込まれた1トークンは、同じ経済的対象ではない。

我々は人間の労働市場で既にこれを行っている。放射線科医を汎用的な「人間時間」単位で雇う者はいない。人々は、教育背景、資格認証、専門分野、経験年数、可用性、評判、責任範囲などを考慮する。異なる人間の契約仕様には、異なる最低基準と等級の期待値が対応する。

人間の労働市場は元々これらの仕様に基づいて機能しているが、それらは往々にして複雑で定性的であり、様々な代理指標に満ちている。機械労働はこれらの仕様をより明示的で定量化可能なものにする。

LLMやエージェントにとって、スキル、経験、速度、信頼性といった指標は、契約に直接書き込むことができる：ベンチマークスコア、レイテンシ、スループット、コンテキストウィンドウ、最大出力長、ツール使用精度、アップタイム、エラー率。我々は定量化可能な期待値と成果に基づいて労働力を調達できる。

TheGrid.aiの契約仕様は、本質的には資格フィルターと、LLM出力に対する価格競争の組み合わせである。サプライヤーは仕様を満たせば競争に参加できる：

インテリジェンスベンチマーク ≥ 下限

レイテンシ ≤ 上限

スループット ≥ 下限

アップタイム ≥ 下限

エラー率 ≤ 上限

全てのサプライヤーが同じ最低基準を達成すると、価格競争が始まる。買い手が問うべきは：どのサプライヤーが最適な価格で必要な労働力を提供できるか？

放射線科医の採用は、LLMの文脈では測定可能な問題となる：どのLLMが高い熟練度でX線画像を読み取り、明確なレイテンシ、コンテキストウィンドウ、その他の成果ベースの契約仕様の範囲内でタスクを完了できるか。

結果は、買い手が成功を測る方法であり、労働は供給される経済活動であり、トークンは機械が作業を完了する過程で消費する燃料である。

The Gridは機械労働市場である。

トークンから機械労働市場へ

市場はテクノロジースタックのインプットに価格を付けることはできるが、アウトプットに価格を付けるには機械労働市場が必要となる。買い手はGPU時間を気にしない。モデルエンドポイント自体も不安定であり、名称変更、廃止、ラッピング、あるいは直接退役することもある。

ユーザーと流動性は頻繁な変更を嫌う。GPUやモデルは進化し続けるが、安定した単位は仕事そのものである。

市場は以下の経路に沿って進化すると考える。階層が上がるごとに、購入されるものはより抽象的で価値が高くなるが、検証も難しくなる。The Gridはこの梯子を段階的に上昇すべきである：

生トークン → コモディティ化されたLLM能力市場 → コモディティ化された労働市場 → プログラマブルな結果市場

第一段階：生トークン

Claude 4.7、GPT 5.5、Kimi 2.6、DeepSeek V4、GLM 5など。

現在、買い手は推論プロバイダーから生のモデル出力を購入している。自身のプロンプトを送信し、推論結果を受け取り、使用量に応じて支払う。これは検証が容易だが、依然として原材料に過ぎない。買い手が本当に望むのはトークンではなく、最適な価格で有用なインテリジェンスを得ることである。

第二段階：コモディティ化されたLLM能力市場

例：text/usd、code/usd、agent/usdなど。

買い手は特定のモデルを選択するのではなく、必要なインテリジェンスのカテゴリを選択する。買い手は依然としてワークフロー、プロンプト、データ、アプリケーションロジックを掌握する。The Gridは各リクエストを、契約仕様に適合し、かつ最低価格の適格モデルにルーティングするだけである。

注：これは生トークンを超える最初の真の抽象化層であり、TheGrid.aiが現在位置している場所である。

第三段階：コモディティ化された労働市場

例：accounting/usd、support_agent/usd、legal/usd、healthcare/usd、radiology/usdなど。

モデルがより専門化するにつれて、能力市場はさらに業界固有の市場へと進化する可能性がある。これは人間が異なる労働市場で専門分化するのと類似している。

この層では、特定の労働分野のワークフローに適した推論能力を販売します。業界特化型モデルが普及するにつれ、この市場は急速に拡大します。具体例として、CursorのComposer、法律業務向けのHarvey、医療向けのEvidenceOpenが挙げられます。

第4段階：エージェント向けプログラマブルRFQと成果市場

例：support_ticket_resolved/usd、pr_merged/usd、claim_processed/usdなど。

最終層は、The Gridが推論市場から機械労働市場へと移行する場所です。

この層には、RFQ（見積依頼）、エスクロー口座、決済遅延、買い手確認、サプライヤーの評判、チャージバックメカニズム、紛争解決などの仕組みが必要です。おそらく、最初はオーダーブックではなくRFQから始まります。買い手が作業内容、制約条件、受入基準、決済条件を定義し、エージェントがタスク完了を競います。The Gridは、これらの作業のルーティング、価格設定、検証、決済を支援します。

これは最も価値のある層ですが、結果が遅延し、主観的で、操作されやすいため、検証が最も難しい層でもあります。カスタマーサポートのチケットが再オープンされる可能性があります。PRがテストに合格しても、アーキテクチャが悪化する可能性があります。

総価格 = 作業完了コスト + リスク負担コスト

インテリジェンスに市場ができたり、インテリジェンスが安価になったりしても、ワークフローが自動的に市場になるわけではありません。顧客履歴や内部ポリシーなど、プライベートなコンテキストに大きく依存する作業もあります。作業がコンテキストに依存すればするほど、オープン市場でクリーンに清算される可能性は低くなります。[@hypersoren https://hypersoren.xyz/posts/cybernetic-arbitrage/]

市場は、どの労働カテゴリーが拡大し、どのカテゴリーが縮小するかを明らかにする必要があります。

「機械労働 vs 人間労働」か、それとも「機械労働 & 人間労働」か

Anjali Shrivaはそのメカニズムデザイン草案の中で、AIの語りはあまりにも頻繁に代替として描かれると指摘しています。しかし実際には、それは調整問題に近いものです。人間と機械の両方が生産に参加する場合、仕事、帰属、インセンティブ、価値はどのように再編成されるのでしょうか。

今日、企業内でのAI活用の多くは依然として行き詰まっている。従業員が個人的にAIを利用しているものの、ワークフローは個人に閉じ込められたままであり、企業はこれらの生産性向上を価格設定できず、その利益をスケールさせることもできない。

自動化可能な作業の大半は、おそらく機械に移行するだろう。一部の作業は、人間による確認、責任の引き受け、トレーニング、コンテキスト管理へと変わる。場合によっては、最後の1％の人間の判断がより価値を持つようになる。なぜなら、それが残り99％の自動化作業を大規模に解放できるからだ。

Rachel Su Park氏の『Brave New World of AI Markets』は、AIのTAM（総アドレス可能市場）を、単に既存の人間労働力への支出の代替としてモデル化すべきではないと指摘する。それは価格と数量の両方を変えるからだ。作業コストが低下するにつれ、単価は下がるかもしれないが、消費数量は拡大する可能性がある。なぜなら、既存の作業がより頻繁に消費されるようになり、これまで経済的に成立しなかった全く新しい作業も実現可能になるからだ。記事はこれを次のように要約している：

P × Q：市場規模 = 単位作業の価格 × 消費される作業の数量

もしAIがカスタマーサービスのやり取りをより安価にすれば、企業は24時間365日のサービス提供が可能になる。この市場は、単に旧来のカスタマーサービス労働市場の廉価版ではなく、より大規模な顧客インタラクション市場へと変わる可能性がある。

AIは拡張型市場である。なぜなら、作業コストが下がっても需要は変わらないわけではないからだ。

労働層

機械労働市場は、明確に仕様を定義できる作業から始めるべきだ。GPU時間には多くの投入情報が含まれすぎており、何が作業を支えているかを示すに過ぎない。一方、完全な成果物に価格を付けるのは複雑すぎ、コンテキストに依存しすぎる。検証、評判、リスク/保険の価格設定が徐々に機械に引き継がれるにつれて、市場は純粋な成果物層へと進んでいく。

機械労働は取引可能になり得る。なぜなら、買い手はどのモデルやGPUが作業を生み出したかよりも、作業自体が正しい価格で契約仕様の最低基準や等級を満たしているかどうかを重視するようになるからだ。Agentはこれらの基盤となるソースに対してさらに無頓着になるだろう。

機械は現在、経済的に有用な作業を直接実行できるようになっており、その作業は定義、測定、価格設定、調達、そして最終的には取引が可能である。電力、計算能力、モデル、トークンはもちろん依然として重要だが、これらはすべて上流に位置している。

下流こそが作業が実際に完了する場所であり、市場はよりシンプルな対象、すなわち機械労働へと向かっている。

[原文リンク]

BlockBeats の公式コミュニティに参加しよう：

Telegram 公式チャンネル：https://t.me/theblockbeats

Telegram 交流グループ：https://t.me/BlockBeats_App

Twitter 公式アカウント：https://twitter.com/BlockBeatsAsia