メインコンテンツへスキップ
見出し画像

AIエージェントの利用記録から、仕事の単位が変わったことが見えてきた

    要点

    • 6月から7月にかけて、主に使うコーディングモデルがGPT-5.5からGPT-5.6 Solへ移りました。

    • 利用記録で増えた中心は、新しい入力より、既存の長い文脈を再利用する処理でした。

    • 処理量が突出した週は、オープンデータの更新、検証、分析などを複数のエージェントで並行していた時期と重なります。

    • トークンは成果そのものではありませんが、AIへ渡す仕事の単位がどう変わったかを振り返る手がかりになります。

    最近、2台の環境で使ったコーディングエージェントの利用記録を、6月と7月に分けて見直しました。

    最初に目に入るのは処理量の大きさです。私自身は、この記録をコストの大小ではなく、AIへの任せ方と仕事の単位が変わる証拠として読むほうが重要だと見ています。どのモデルを使い、どの種類の入力が増え、同じ時期に何を作っていたかを重ねると、その変化が見えてきます。

    6月は、利用の9割以上をGPT-5.5が占めていました。週ごとの変動はあるものの、比較的似た範囲で推移しています。Claude Opus 4.8、Sonnet 4.6、Fable 5も一時的に使いましたが、主力ではありませんでした。

    7月になると、利用の中心はGPT-5.6 Solへ明確に移りました。OpenAIは2026年7月9日にGPT-5.6を公開し、Solをコーディングや知識労働などの複雑な仕事に向けたモデルとして位置づけています。私の記録でも、7月の処理の大半をSolが占めています。

    増えたのは、新しい指示だけではなかった

    6月と7月を比べると、7月は途中集計であるにもかかわらず、総処理量は6月を上回っています。

    その一方で、新規入力は約2割減っていました。増えていたのはキャッシュから読み込まれた入力で、6月より約3割多くなっています。入力全体に占めるキャッシュ読込の比率も、約94%から約96%へ上がりました。

    この数字だけで、仕事が効率化したとは断定できません。長いセッションを維持しすぎたり、同じ調査を繰り返したりしても、処理量は増えるからです。

    それでも、新しい指示を次々に追加したというより、既に共有したコード、設計資料、検証結果、引き継ぎを何度も参照する仕事が増えたことは読み取れます。

    以前は、一つの依頼に対して調査や修正を行い、結果を受け取る形が中心でした。最近は、一つのエージェントが現在の状態を読み、実装し、テストし、失敗を修正し、次の担当へ証拠を渡すところまで進みます。複数のエージェントが別の役割を持ち、同じ大きな文脈を共有することも増えました。

    キャッシュ読込が増えたことは、その変化の一つの痕跡のように見えます。

    突出した週に、何をしていたか

    7月13日からの週だけは、他の週とは明らかに形が違いました。前週に比べて、新規入力は約2.4倍、キャッシュ読込は約3.2倍です。2台の環境で同じ時期に増えているため、一方の端末だけの動作というより、並行していた仕事の影響と考えるほうが自然です。

    この時期には、第11回NDBオープンデータを既存のデータベースへ追加し、第10回と同じ条件で比較する開発を進めていました。

    公開されたExcelを取り込み、データベース、API、画面の値を突き合わせる。差分が目立つ地域や指標をAIで探索し、医学的な結論ではなく、次に人が確認する候補へ絞る。さらに、その候補を再現できるSQLとともに公開する。こうした作業を、実装、検証、記事化まで並行して進めていました。

    以前の記事では、第11回NDBオープンデータを前回と並べて見た過程と、検証の型を再利用した開発について書きました。利用記録を後から重ねると、あの時期はAIとの会話が増えたというより、データ更新から検証、分析、説明までを一つの長い仕事として扱っていたのだと思います。

    モデルが進化すると、任せられる時間が長くなる

    AnthropicはClaude Fable 5を、大規模な移行や複雑な実装、複数日にわたる自律セッションを想定したコーディングモデルとして説明しています。私の利用記録ではFable 5は6月に限定的に使っただけで、7月の増加要因ではありません。

    それでも、Fable 5やGPT-5.6 Solの位置づけを見ると、モデル競争の焦点が一つの回答の品質だけではなく、長い仕事をどこまで進められるかへ移っていることが分かります。

    モデルが長く働けるようになると、人が渡すものも変わります。短いプロンプトだけではなく、目的、作業場所、判断基準、過去の検証、止める条件、次の担当への引き継ぎまでが入力になります。

    その結果、同じ文脈を何度も参照する処理は増えます。人が毎回説明し直す部分は減りますが、エージェントが読む範囲と進める工程は広がります。今回の利用記録は、その移行を数字の側から見たものだと捉えています。

    トークンは、成果ではなく仕事の足跡として見る

    利用量が多ければ、AIエージェントが自立しているとは限りません。キャッシュ読込の比率が高くても、同じ失敗を繰り返していれば、良い運用とは言えません。

    反対に、利用量を減らすことだけを目標にすると、必要な検証や再確認まで省く可能性があります。

    見るべきなのは、その週に何が完成したかです。実装だけでなく、検証できたか。公開できる説明へ変換できたか。人が決めるべき場所で止まれたか。次回が同じ調査のやり直しにならない記録を残せたか。利用記録は、こうした結果と組み合わせて初めて意味を持ちます。

    先日の記事では、AIエージェントの自走を、予定実行だけで判断しないという整理を書きました。今回の利用記録にも、同じ境界があります。処理量は仕事が長くなったことを示しますが、その仕事が成立したことまでは証明しません。

    それでも6月と7月を比べると、私がAIに渡しているものは、個別の作業から、複数の工程を含む仕事へ変わってきました。モデルの進化によって、エージェントが自ら進められる範囲は広がっています。その分、人の役割は、細かな指示を出すことから、目的、証拠、停止条件を設計することへ移りつつあるように思います。

    トークンを消費量として眺めるだけでは、この変化は見えません。何を作った週だったのかと重ねることで、AIとの仕事がどこまで長く、どこまで連続したものになったのかが見えてくるのではないかと考えています。

    利用しているツール


     
     

    tom

     
     
    ウェルネス・コミュニケーションズのCoEに所属しているtomです。 ヘルスケア業界に身を置きながら、生成AIを中心とする技術や開発に関わることを執筆していきます。 当社の業界や記事に関連する業務に興味ある方は、ぜひお問い合わせください。

    あなたへのおすすめ