エージェントの知能コストは「空気」と「コード」で測られる

自律エージェントを支えるインフラは、もはやクラウドの請求書には載らないコストを生み出し始めている。一つは大気汚染物質という形で、もう一つは何百万ものサイトが共有するコードの深刻な脆弱性という形で届く。どちらもエージェントAIの売り文句には当初含まれておらず、今やこれらのシステムを構築する人間にのしかかっている。

データセンターの電力需要は、今後5年で大気質における数十年分の改善努力を帳消しにする可能性がある [1]。これは遠い未来の規制リスクではない。モデル選択、推論ルーティング、そしてそもそもそのタスクにエージェントを使う価値があるかどうかの判断にまで影響を及ぼす制約だ。「計算資源が多ければ多いほど良い」という前提は、コスト圧力によってすでに揺らいでいた。大気質データは、それを設計思想に近いものへと変える。すなわち、「最も安価な推論は、実行しなかった推論である」という考え方だ。

発見問題の二面性

エージェントシステムは今や、人間のレビューが何年も見逃してきた欠陥を発見できるほど高性能になっている。何百万ものWebサイトに影響するPHPの深刻な脆弱性が、OpenAIのGPT-5.6 Solによって「Patch the Planet」イニシアチブの一環として発見され、またセキュリティ企業WizによってGoogleのGemini 4 Argonを用いて独自に発見された [3]。これは純粋な能力の向上だ。同時に警告でもある。OpenAI自身の声明は、脆弱性を発見するのと同じ能力が攻撃者のエクスプロイト支援にも使えると指摘している [3]。

開発者にとって、これは攻撃と防御の間の距離を縮めることを意味する。依存関係を監査するエージェントは、同時にあなたの攻撃対象領域をマッピングできるエージェントでもある。ツールは対称的だ。唯一の非対称性は、どちらが先に動くかにある。AI支援のセキュリティレビューを継続的プロセスとして扱うチームは、悪用される前にパッチを当てる。定期的な監査として扱うチームは、自分たちが使っているのと同じモデルと競争することになる。

キャッシュフローの現実確認

Teslaの四半期決算は、この悲観論に対する有益な反論を提供している。同社はフリーキャッシュフローとして15億3000万ドルを計上し、前四半期のマイナスから黒字転換した。その中で、AIとロボット工学への投資をこれらの分野でのポジショニングの一部として明確に挙げている [2]。ここでの教訓は、AI投資が安全だということではない。キャッシュフロー規律とAI支出は、モデルやハードウェアに資金を注ぎ込んでいる企業であっても、互いに排他的ではないということだ。

エージェント開発者にとって、実際的な教訓はより限定的だ。計算資源を無料だと思い込まずにエージェント能力に投資することは可能だ。自社チームだけが使うと決めつけずにセキュリティ重視のエージェントを実行することは可能だ。そして、タスクのコストをトークン数とレイテンシ以外の尺度でも測ることは可能だ。大気質データとPHPの脆弱性は、二つの方向から見た同じ話である。エージェント知能の外部不経済は可視化されつつあり、それはあなたの課題になりつつある。

現実的な対応として残るのはこれだ。依存関係を監査するのと同じように、自分の推論ボリュームを監査しろ。すべてのエージェントデプロイを単なる生産性ツールとしてではなく、セキュリティの境界面として扱え。そして、モデルがあなたのスタックに脆弱性を発見したなら、他の誰かのモデルもすでにそれを探していると想定しろ。