GPT-4級のAI推論コストが1年で50分の1以下に下落し、実質的に「無料の知能」が目前に迫っている。カリフォルニア大学バークレー校の研究チームは、この変化がデータベースやデータシステムの根本的な再設計を迫ると指摘。人間ではなくAIエージェントが主な利用者となる世界で、システムはどう変わるべきか。3つの核心課題を読み解く。

年間50倍の価格破壊が意味する「知能の無料化」

2023年初頭、GPT-4クラスの推論は100万トークンあたり約30ドルだった。現在は1ドルを切り、一部プロバイダーは0.1ドル未満を提示する。ベンチマーク全体では、推論価格が年9倍から900倍のペースで下落しており、中央値で約50倍の低下だ。フロンティアモデルだけでなく、オープンソースモデルも急速に安価になっている。ノーベル賞級の知能は未到来でも、日常的な知的業務の大半をこなせる知能が月を追うごとに安くなっている事実は、企業のデータ戦略に根本的な再考を促す。もはや「AIをどれだけ使えるか」ではなく、「無尽蔵のAIをどう設計に織り込むか」が競争軸となる。

エージェントのためのデータシステム──数千クエリをさばく新設計

AIエージェントがデータベースに問い合わせるとき、その振る舞いは人間ともBIツールとも異なる。エージェントは「エージェンティック投機（agentic speculation）」と呼ばれる探索行動を取り、スキーマ調査、カラム分析、部分的なクエリ生成を経て完全な問い合わせに至る。複数エージェントが仮説空間を分担して探索するため、1回のユーザー要求で数千のSQLクエリが発行されうる。研究チームの実験では、重複しないサブプランは全体の10〜20%に過ぎず、80〜90%が重複作業だった。冗長性は成功率向上に寄与するが、システム視点では無駄である。マルチクエリ最適化や共有スキャンといった既存技術を再構成し、重複結果を使い回す「エージェントファースト」のデータシステムが求められている。

エージェントのためのデータシステム──群管理と状態保持の難題

知的業務の大半をAIエージェントが担うようになると、今度は数千単位のエージェント群そのものを管理する基盤が必要になる。長時間タスクにわたる状態の保持、エージェント間の調整と合意形成、障害発生時の回復処理といった課題は、従来のワークフローエンジンやメッセージキューでは対応しきれない。研究チームは、エージェントの群れを信頼性高く効率的に走らせる「エージェントのための（of）データシステム」という概念を提起する。これは単なるオーケストレーション層の拡張ではなく、エージェントの振る舞いそのものを管理対象とする新しいデータ基盤の設計思想である。

エージェントによるデータシステム合成と「信頼」の壁

AIエージェントがデータシステムそのものを一括で合成できる段階に入りつつある。ワークロードごとにカスタムシステムを自動生成できれば、汎用DBの制約から解放される。だが、合成されたシステムが意図した動作をするか検証することが大きな課題となる。従来のテスト手法では、エージェントが生成した複雑なシステムの正しさを保証できない。研究チームは「信頼できる合成」を可能にする検証技術の開発が、エージェントによる（by）データシステム時代の前提条件だと指摘する。合成の自由度と検証可能性の両立が、次の技術競争の焦点になる。

3つの潮流が交差する先にあるエージェントネイティブ時代

「エージェントのための」「エージェントの」「エージェントによる」という3つの課題は、独立して進むものではない。エージェントが自らデータシステムを合成し、そのシステム上でエージェント群が協調し、さらに人間に代わって問い合わせを発行する未来像では、設計思想の一体化が不可避である。現在のデータ基盤は人間の利用を前提に構築されてきたが、推論コストの急落はその前提を根本から覆す。UCバークレーEPICデータラボのAditya G. Parameswaran准教授らが提起するこの視点は、データシステム産業全体にとって設計パラダイムの転換点が近いことを示唆している。