AIを使う際は、利用したトークン量に応じて費用が発生し、望む成果が得られなくても改善のために追加のトークンを使います。これに対し、AIのトークン管理を担う企業が現れ、消費量ではなく成果に対して料金を受け取る仕組みが広がる可能性について話しました。トークンを多く使って試行錯誤するより、適切なAIや指示の出し方を知る専門家に依頼するほうが、全体の費用や手間を抑えられる場合があるという見方も出ました。
こうしたAI活用の専門家が増えれば、ウェブ開発やデザインなど、これまで人が担ってきた仕事への影響が大きくなるのではないかと議論しました。依頼者の意図をくみ取り、AIに適切な指示を出せる人が介在すると、AIだけでは難しいと考えられていた部分も補える可能性があります。一方で、人間が作ったこと自体に価値が生まれることや、AIが扱いにくい感覚や情報が残ることにも触れました。AIによって既存の仕事が脅かされる懸念と、使い方が広がることで新しい仕事や創作の機会が生まれる期待の両面を取り上げました。
後半では、Gemini 3.7 Flashについて、応答の速さやトークンあたりの費用、性能をめぐる話題を扱いました。高性能モデルとの競争だけでなく、Googleの各種サービスにAIを組み込み、一般ユーザーが使いやすい体験を重視する方向性も考察しました。AIを身近な道具として使う例にも触れ、次回はJPYCとは異なる「JPYSC」について調べることになりました。