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、法的文書をレビューし始めた今、より根本的な問題が浮上している：企業が実際に購入しているのは、トークン、GPU時間、それとも完了した作業なのか？

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「計算力市場」や「モデル呼び出し市場」にとどまらず、新たな「機械的労働力市場」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は投入財、モデルは生産ツールであり、真正に価格が付けられ取引されるのは、ソフトウェアが直接行う経済的労働である。

文章の核心的な判断は、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、産業化された労働力、そしてプログラマブルな結果市場へと進化するということである。つまり、将来的には企業は特定のタスクがどのモデルやどのGPUによって実行されたかではなく、その結果が指定された遅延、精度、信頼性、およびコストの範囲内で基準を満たして提供されたかどうかに注目するようになる。

これはまた、AIが人間の労働市場に与える影響が単純な置換にとどまらないことを意味する。機械がより多くの標準化可能で検証可能な作業を担う中で、人間の役割は検証、責任の負担、コンテキスト管理、そして最終的な判断へとシフトする可能性がある。ある状況では、最終的な1％の人的判断が、大規模な自動化の99％を可能にするため、むしろ価値が高まる。

この観点から見ると、AI市場の次なる段階の競争は、もはやモデル能力の競い合いでも、単なる計算リソースの価格戦争でもなく、誰が「作業」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購入・決済・取引可能な新しい生産要素として実現できるかにある。

以下为原文：

生産性の波は、これまで常に、作業の完了方法を最適化するための人類向けのツールやソフトウェアから生まれてきました。スプレッドシートは会計士やアナリストを支援し、コンベヤーベルトは処理能力を向上させ、ハンマーは人間の力を拡大しました。しかし、真の労働は常に人間から生じてきました。

現在、AIはエンドツーエンドで作業成果を生み出し、労働そのものを直接実行している。コードを書いたり、カスタマーサポートのチケットを処理したり、法律文書をレビューしたりできる。技術スタックの末端で圧縮が起きている：従来の技術スタックは労働を支援していたが、新しい技術スタックは労働を生産し始めている。

最近AI金融化に関する議論を耳にしたなら、JensenらはLLMトークンや/またはGPU時間があたかも新しいコモディティになりつつあると述べ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可能であり、グラフ化しやすいからだ。また、GPU時間の背後には数百億ドルの資金が流入している。しかし、トークンはあくまで計測器にすぎず、GPU時間は投入資材にすぎず、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、仕事を完了することだ。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。

機械的労働力：ソフトウェアによって実行され、経済的用途を持ち、生産プロセスに販売される作業。

市場はすでにこの方向に移動しています。BenchmarkのSarah Tavelは、ソフトウェアカテゴリではなく、外部労働市場を通じてこの機会を理解することを好んでいます。繰り返し可能なタスクがもともと専門のオフショアチームやプロフェッショナルサービス企業によって行われている場合、そのタスクはAIによって提供されるのに適していることが多いです。a16zのAlex Rampellはこれを「ソフトウェアが労働を吞噬する」と呼びました：ソフトウェアの次なる幕は、直接仕事を行うことなのです。SequoiaのJulien Bekは、同じ変化を別の視点から説明しています：サービスがソフトウェアになり、copilotはツールを売っており、autopilotは仕事を売っているのです。

結果の価格設定の背後にある欠けている市場

席位料金はアクセス権に基づいて課金され、トークン料金は使用量に基づいて課金されます。結果料金は作業完了時に課金されます。結果料金は一歩前進ですが、まだ一つの問いに答えられていません：誰が価格を決定するのでしょうか？

機械的労働力が直接購入できる場合、価格はサプライヤー間の競争によって決まるべきである。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すことができなければならず、そのためには異なる業界やタスク内で標準化が求められる。

現在の方法ではLLMトークンを使用していますが、元のトークンは最も基本的な単位にすぎません。一桶の石油は単なる計量単位であり、実際に取引されるのは、明確な品質、納入条件、および市場価格を持つ特定のグレードの石油桶です。一桶のブレント原油と一桶の高硫黄重質原油は、同じ商品ではありません。LLMトークンも同様です。トークンは単なる計量単位であり、真に重要なのはその背後にある知能です：モデルの品質、ベンチマークの下限、遅延、コンテキストウィンドウ、信頼性、および納入保証です。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、同じ商品ではありません。市場は、エネルギー市場が石油のグレードを標準化するように、標準化された推論グレードを必要としています。

Anjali Shriva は直接指摘した：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、入力/出力比率、再試行回数、ツール呼び出し、およびエージェントワークフローに応じて変化する。短いプロンプト内の1つのトークンと、長いエージェントループに埋もれた1つのトークンは、同じ経済的対象ではない。

私たちは既に人間の労働市場でそうしています。誰も放射線科医を「人間の時間」として汎用的に雇うことはありません。人々は教育背景、資格認定、専門分野、勤務年数、利用可能性、評判、責任の負担などを確認します。異なる人間の契約仕様には、それぞれ異なる最低基準と等級期待が対応しています。

人間の労働市場は本来、これらの基準に従って動いており、これらの基準はしばしば曖昧で定性的であり、さまざまな代理指標で構成されている。機械の労働力は、これらの基準をより明示的かつ定量的にする。

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、すべて契約に直接記載可能である：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、ツール使用の正確性、稼働時間、エラーレート。私たちは、定量的な期待と結果に基づいて労働力を調達できる。

TheGrid.aiの契約仕様は、本質的に資格フィルターであり、LLM出力に対する価格競争を加えたものです。サプライヤーは仕様を満たせば、競争に参加できます：

スマートベンチマーク ≥ 下限

遅延 ≤ 上限

スループット ≥ マイナム

正常稼働時間 ≥ 下限

エラーレート ≤ 上限

サプライヤーがすべて同じ最低基準を満たすと、価格で競争し始めます。買主が問うのは、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です。

放射科医の採用は、LLMの文脈において測定可能な問題に変化した：どのLLMが、明確な遅延、コンテキストウィンドウ、その他の結果に基づく契約仕様内で、X線画像を高熟練度で読み取ることができるか。

結果は買い側が成功を測る指標であり、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際に消費する燃料である。

Gridは機械の労働力市場です。

トークンから機械労働市場へ

市場は技術スタックへの投資に価格を付けることができるが、生産物に価格を付けるには、機械労働市場が必要である。購入者はGPU時間には関心がない。モデルエンドポイント自体も不安定であり、名前が変更されたり、廃止されたり、パッケージ化されたり、そのまま退役されたりする。

ユーザーと流動性は頻繁な変更を嫌います。GPUやモデルは継続的に進化しますが、安定した単位は作業そのものです。

私は、市場は以下の経路に沿って進化すると考えます。一段階上がると、購入されるものがより抽象的になり、価値も高くなる一方で、検証が難しくなります。The Grid はこの梯子に沿って段階的に上昇すべきです：

オリジナルトークン → LLM能力の商品化市場 → 労働力の商品化市場 → 可プログラミングな結果市場

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

今日、買主は推論プロバイダーから原始モデルの出力を購入します。彼らは自身のプロンプトを送信し、推論結果を受け取り、使用量に応じて料金を支払います。これは容易に検証できますが、依然として原材料にすぎません。買主が本当に求めているのはトークンではなく、最適な価格で有用な知性を得ることです。

例えば text/usd、code/usd、agent/usd など。

購入者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します。購入者は依然としてワークフロー、プロンプト、データ、およびアプリケーションロジックを掌握しています。The Gridは、契約仕様に合致し、最も価格が低い適格なモデルに各リクエストをルーティングするだけです。

注：これは元のトークンよりも高い最初の真正な抽象層であり、TheGrid.ai が現在置かれている位置です。

例えば accounting/usd、support_agent/usd、legal/usd、healthcare/usd、radiology/usd など。

モデルがより専門化されるにつれて、能力市場は業界特化市場へさらに進化することができる。これは、人間が異なる労働市場で専門化されるのと似ている。

この層では、特定の労働力垂直分野のワークフローに適した推論機能を提供しています。セグメント化された業界モデルがますます一般的になるにつれ、この市場は急速に拡大します。関連する例としては、CursorのComposer、法律分野向けのHarvey、および医療・ヘルスケア分野向けのEvidenceOpenがあります。

例えば support_ticket_resolved/usd、pr_merged/usd、claim_processed/usd など。

最後の層は、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。

このレイヤーには、RFQ（询价请求）、託管口座、遅延決済、買主の確認、サプライヤーの評判、差し戻しメカニズム、紛争解決などの仕組みが必要です。このレイヤーは、直接注文簿を採用するのではなく、まずRFQから始まる可能性が高いです。買主は作業内容、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を入札して完了します。The Gridは、これらの作業のルーティング、価格設定、検証、および決済を支援します。

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という理由で、最も検証が難しい層でもあります。カスタマーサポートのチケットは再開される可能性があります；PRはテストを通過しても、依然として悪影響を及ぼすアーキテクチャを生む可能性があります。

総コスト = 完成作業のコスト + リスクを負うコスト

ワークフローは、知能が市場化されたり、知能が安くなったりしたからといって、自動的に市場になるわけではない。顧客の履歴や内部方針などの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る。コンテキストへの依存度が高いほど、オープンマーケットでクリーンに清算される可能性は低くなる。[@hypersoren https://hypersoren.xyz/posts/cybernetic-arbitrage/]

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

機械の労働力 vs 人間の労働力、それとも 機械の労働力 & 人間の労働力

Anjali Shrivaは、そのメカニズム設計のドラフトで、AIのナラティブがしばしば代替として描かれているが、実際には協調問題に近いと指摘した。人間と機械が生産に参加する際、仕事、帰属、インセンティブ、価値はどのように再編されるのか。

今日、多くの企業内でAIの利用は依然として制限されており、従業員が個人的にAIを使用している一方で、ワークフローは個々に閉じたままであり、企業はこれらの生産性向上に価値を付けることができず、その利益をスケールすることもできません。

ほとんどの自動化可能な作業は機械に移行するでしょう。一部の作業は、人間による確認、責任の負担、トレーニング、およびコンテキスト管理に変わります。ある状況では、最後の1％の人的判断がより価値を増すでしょう。なぜなら、それが99％の自動化作業を大規模に可能にするからです。

Rachel Su Park の『Brave New World of AI Markets』は、AIのTAMを、現存する人間労働支出の単なる代替として単純にモデル化すべきでないと指摘しており、それは価格と数量の両方を変化させるからである。作業コストが低下することで単価は下がる可能性があるが、消費量は拡大する可能性がある。これは、既存の作業がより頻繁に消費されるようになり、かつては経済的に実現不可能だった新たな作業が可能になるためである。記事はこれを次のように要約している：

P × Q：市場規模 = 単位作業価格 × 消費された作業量

AIがカスタマーサポートのやり取りを安価にすれば、企業は24/7のサービスを提供できるようになります。この市場は、従来のカスタマーサポート労働市場の安価なバージョンにとどまらず、より規模の大きな顧客インタラクション市場になる可能性があります。

AIは拡張型市場であり、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。

労働力層

機械の労働市場は、明確に仕様が定義できる作業から始めるべきである。GPU時間は投入情報が多すぎ、何が作業を支えているかを示すだけであり、完全な結果に価格を付けるのは複雑で文脈に過度に依存する。検証、評判、リスク／保険価格が徐々に機械に引き継がれていくにつれて、市場は純粋な結果層へと進んでいくだろう。

機械的労働力は取引可能になるでしょう。なぜなら、購入者は、どのモデルやどのGPUが作業を生成したかよりも、作業自体が契約仕様の最低基準とグレードを正しい価格で満たしているかどうかに注目するようになるからです。エージェントは、こうした下層のソースに対してさらに無関心になります。

機械はすでに経済的用途を持つ作業を直接実行できるようになり、その作業は定義され、測定され、価格が設定され、調達され、最終的に取引されることが可能になっています。電力、計算能力、モデル、トークンは依然として重要ですが、それらはすべて上流に位置しています。

本当の仕事が完了するのは下流であり、市場はより単純な対象、すなわち機械労働力に向かっている。