AIで生産性400倍は本当か——YCombinator代表が実践するトークンマックス
「AIエージェントを使うのはフェラーリを運転するようなもの——スリリングで、信じられないほど速い。でも、壊れたときは自分で直さなければならない」
これはY Combinator（以下YC）代表のGary Tanが、自身のポッドキャスト「Light Cone」で語った言葉だ。
Tanは、2025年から2026年にかけて、約13年のブランクを経てエンジニアとして現場に復帰し、短期間で数十万行のコードを出荷、GitHubで10万スター超のオープンソースプロジェクトを複数立ち上げた。これをYCの代表職をフルタイムでこなしながら実現したという事実は、テックコミュニティで大きな注目を集めた。
本稿では、TanがLight Coneで詳しく語った「トークンマックス」という概念と、その実践方法を整理する。ビジネスパーソンや投資家にとっても、AI活用の本質を考えるうえで参考になる視点が多い。
1. 「400倍」の実態——数字の裏側にある変化
1-1. 同じプロダクトを3回作ってわかったこと
Tanが最初に取り組んだプロジェクトは、自身がかつて創業したブログプラットフォーム「Posterous」の再構築だった。同じプロダクトを3回開発した経緯を彼はこう振り返る。
「1回目は4百万ドルと6〜7人のチームで約1年半。2回目は10万ドルと2人で3ヶ月ほど。そして、今回（3回目）は月額200ドルのClaude Codeのサブスクリプション費用と約5日間で、フル機能のブログプラットフォームを完成させた」
同じ機能を持つプロダクトを、かかったコストと時間が劇的に圧縮された形で再現したこの事実は、AIによる開発効率の変化を端的に示している。
1-2. 400倍という数字の根拠
Tanは、自身の生産性を「400倍」と表現したが、この数字は単純な自己申告ではない。GitHubの実績データをもとに論理的行数（Logical Lines of Code）に正規化して計算したところ、以前の約100倍と言っていたものが実際には400倍だったと後に修正している。
重要なのは数字そのものよりも背景にある構造だ。ソフトウェアエンジニアの平均的な生産性は、テスト済みのプロダクションコードで1日あたり30〜50行程度とされている。AIを使いながら15のエージェントを並列稼働させることで、48時間で13本のプルリクエストを処理できるようになった、というのがTanの実態だ。
2. トークンマックスとは何か
2-1. 「少ないより多く」という発想の転換
「トークンマックス」とは、Tanが提唱する概念で、AIに処理させる情報量（トークン数）を意図的に最大化することで、出力の質と完成度を高めるというアプローチだ。
彼はこれをサンフランシスコの家賃に例えている。
「高いと感じるかもしれないが、払わないコストの方が高い。トークン代も同じだ。節約しようとすることが、むしろ機会損失になる」
具体的には、1つのリサーチタスクに対して1つのソースで満足するのではなく、20のソースを参照させ、そのうち13が同意し7が反論しているという構造を把握した上で判断する——という使い方だ。
2-2. 「ソースを1つ読む人間」と「20を横断するAI」の差
Tanが例として挙げるのは、自身が構築したメディアプロジェクト「Gary's List」だ。カリフォルニア州の教育政策などのテーマについて、AIがウェブ全体を再帰的にクロールし、複数の引用と裏付けを持つ調査記事を自動生成する仕組みを実装した。
「5〜10ドルのOpusのAPIコストで、人間のジャーナリストが何十もの記事を読み、書籍を精読し、注釈をつけてまとめるような作業をこなせる」
これは単なる自動化ではなく、人間がコストや時間の制約から諦めていた「完全な文脈の把握」を現実のものにするという発想だ。
3. 「シン・ハーネス、ファット・スキル」という設計哲学
3-1. コードとマークダウンの役割分担
Tanがもう一つ重要な概念として語るのが、「Thin Harness, Fat Skills（薄いハーネス、厚いスキル）」という設計思想だ。
ハーネスとは、ユーザーの入力をLLMに渡し、LLMの出力を受け取るコアループのことだ。これは既存のツール（Claude CodeやOpenClawなど）に任せればいい、というのがTanの考えだ。
一方で、スキルとは、マークダウン形式で書かれた「AIへの指示書」であり、ここにすべての知識とロジックを集中させるべきだという。
「結婚式のプランナーが次の担当者に引き継ぐためのチェックリストを書くとしたら、何を書くか。その全部がマークダウンに入れるべきものだ」
3-2. GStackの誕生——偶然から生まれたツール
この哲学から生まれたのが、Tanのオープンソースプロジェクト「GStack」だ。もともとは自分がClaude Codeに繰り返し入力していた指示をApple Notesにまとめていただけのものが、ウイルス的に広まり（20万インプレッション超）、体系的なスキルセットへと発展した。
GStackには以下のような機能が含まれる。
CEO Skill：Airbnbのブライアン・チェスキーが提唱した「10スター体験」の発想に基づき、プロダクトのプラトニックな理想形を問う思考補助ツール。
Plan→Review→CodeEx のワークフロー：まず計画を立て、それをレビューし、複雑な問題はOpenAIのCodexに引き渡して「200IQの非言語型CTOに相談する」という分業体制。
QAの自動化：MicrosoftのPlaywrightをラップし、ブラウザテストを自律実行させることで、手動QAのボトルネックを解消。
4. 人間に残る役割——意志と文脈
4-1. 「人間がいなくなる」ではなく「人間が羽を持つ」
トークンマックスやAIエージェントの話をすると、「エンジニアが不要になる」という文脈で語られることが多い。Tanはこの点についてはっきりと異論を唱える。
「私は完全にループの外に出たいとは思わない。ただ、自分がやりたくないことをマシンにやらせたい」
彼が強調するのは、AIが優れた出力をするためには「何を作るべきか」「誰のためか」「なぜ重要か」という人間の意志と文脈が不可欠だという点だ。代数を学べない中学生を思って「これは解決しなければならない」と感じるのは人間にしかできない動機付けだ、と彼は語る。
4-2. 「パーソナルAI」か「コーポレートAI」か
Tanはこの議論をより大きな問いに接続している。
「あなたは自分のツールをコントロールするのか、それともツールにコントロールされるのか。これが今の定義的な問いだ」
個人がプロンプトを書き、自分のデータと統合を持つ「パーソナルAI」の世界か、アルゴリズムの中身も動機もわからない「コーポレートAI」に依存する世界か——これはパーソナルコンピューターの普及と同じ構造の転換点だとTanは言う。
