Notion の Token Town — Sarah Sachs氏

Notion の AI チーフが明かす「トークン・タウン」からの脱出法：モデル非依存とソフトウェアファクトリーの真実

Notion で AI チームを率いる Sarah Sachs 氏は、企業が AI を導入する際に直面する最大の壁が「トークンコストの暴走」と「ベンダーロックイン」であると断言します。単一のプロバイダに依存し続けることは、ビジネスリスクを招くだけでなく、成長の足かせとなるため、複数のモデルやプロバイダを柔軟に使い分ける「AI スイス（非依存）」のアプローチが不可欠です。

本記事では、Sachs 氏が Notion で実践している戦略的アーキテクチャと、自律的なタスク処理を実現する「ソフトウェアファクトリー」の具体例を通じて、持続可能な AI 導入の道筋を解説します。

トークンコストの罠とベンダーロックインのリスク

AI の普及に伴い、多くの企業が「トークンコスト」に直面しています。Sachs 氏はこれを単なる経費の問題ではなく、ビジネスモデルそのものの存続に関わる構造的な障壁として捉えています。

「サプライヤーは競合他社である」

この言葉が示す通り、AI モデルを自社で開発・提供するプロバイダ（例：OpenAI や Anthropic など）と、そのトークンを購入して自社のサービスに組み込む企業の間には、本質的な利害の対立があります。Sachs 氏はこう指摘します。

「ネイティブのプロバイダは自社のファーストパーティー製品を最優先し、第三者に対しては高値でトークンを販売します。さらに、自社製品でもう一度利益を上乗せして販売する構造では、価値を定義できません。」

この構造に陥ると、企業は常に「悪い取引」を強いられます。また、単一ベンダーへの依存（ロックイン）は致命的なリスクとなります。なぜなら、プロバイダがモデルをアップグレードした際、性能が向上しても出力トークン量が急増したり、価格体系が全く変わったりするからです。

「モデルがアップグレードされ、出力トークンが 3 倍になったとします。しかし、あなたのビジネスは同時に 3 倍に成長しているでしょうか？違いますよね。」

顧客や投資家に対して、コスト増を正当化できないまま価格転嫁すれば信頼を失い、自社で吸収すれば利益を削ります。Fortune 500 企業のような大規模組織なら交渉力や専門チームで乗り切れるかもしれませんが、多くの中小企業やスタートアップにはその余地がありません。

「AI スイス」戦略：モデル非依存の重要性

Sachs 氏が提唱するのは、特定のベンダーに縛られない「AI スイス（Swiss）」のアプローチです。これは、複数のプロバイダとモデルを柔軟に切り替えられるアーキテクチャを指します。

「単一のモデルやプロバイダへの依存は、価格変動や機能不足に対するレジリエンス（回復力）を失います。」

市場の現状を見ると、AI モデルのプロバイダ数は限られており、実質的な寡占状態です。しかし、これは「最上位のモデル」だけが優れているわけではありません。

「最先端のモデルは、最も遅く、最も高価な傾向があります。すべてのトラフィックを最新かつ最強のモデルに送ることは、大きな誤りです。」

例えば、大規模なデータ分析には最先端モデル（Frontier）が適していますが、メールのトリアージや日常業務のような単純タスクでは、コスト効率の良い簡易モデルで十分です。Sachs 氏は、この「能力とコストのトレードオフ」を正しく理解し、用途に応じて最適なモデルを選択する戦略的アーキテクチャの必要性を強調します。

「すべてのトラフィックが等価ではありません。最も遅く、最も高価なモデルにすべてを送るのは大きな誤りです。」

堅牢な記録システム（SoR）とデータサイロの解消

AI エージェントが自律的にタスクを実行し、複雑なワークフローを処理するためには、基盤となる「堅牢な記録システム（System of Record, SoR）」が必要です。Sachs 氏は、多くの企業が AI を導入できない理由として、「データのサイロ化」と「協働の基盤となる持続可能な記録システムの欠如」を挙げています。

「AI エージェントが自律的に動作するためには、データが孤立せず、協働の基盤となる持続可能な記録システムが必要です。」

Notion の場合、同社が長年培ってきた「コラボレーションのプラットフォーム」という強みを活かし、人間と AI エージェント、あるいはエージェント同士が連携できる土台を築いています。これにより、AI が単なるチャットボットを超え、「チームメイト（Teammate）」や「システム（System）」として機能する段階へと進化します。

「88% の企業が『AI をアシスタント』の段階で止まっており、真の『システム』化には至っていません。その理由は、データのサイロ化と、協働のための堅牢な記録システムの欠如です。」

ソフトウェアファクトリーの実践：自律的なタスク処理

Sachs 氏が Notion で実現しているのは、複数の AI エージェントをオーケストレーションする「ソフトウェアファクトリー」のモデルです。これは、Claude や CodeX など異なる能力を持つエージェントを組み合わせ、タスクのスコープ設定から実装までを自動化する仕組みです。

「AI エージェントが自律的にタスクをスコープ設定し、複数の専門エージェントと連携する『ソフトウェアファクトリー』の実例を紹介しています。」

具体的には、複雑なタスクに対して最先端モデルを呼び出し、日常的な業務にはコスト効率の良い簡易モデルを使い分けることで、全体のトータルコストを抑えつつ、高いパフォーマンスを維持します。このアプローチにより、企業は特定のベンダーへの依存を避けながら、持続可能な AI 製品やサービスを提供することが可能になります。

まとめ：フロントに賭けろ、ラボには賭けるな

Sarah Sachs 氏のメッセージは明確です。AI の成功は、特定のモデルやプロバイダの性能に賭けることではなく、自社のドメイン知識に基づいて「いつ、どのモデルを使うか」を最適化するアーキテクチャにあります。

「フロント（最先端）に賭けろ、ラボには賭けるな。」

複雑なタスクには最先端モデルを使い、日常業務にはコスト効率の良いモデルを割り当てる。そして、特定のベンダーに縛られない柔軟なシステムを構築する。これが、トークンコストの暴走を防ぎ、持続可能な AI 企業へと成長させる唯一の道です。