AIモデルの効率的フロンティア：ポートフォリオ理論を活用したモデル選定手法

筆者は現代ポートフォリオ理論を援用してAIモデルのパレート効率的フロンティアを構築し、知能スコアと単一タスクの総合コストを比較することで劣後するモデルをフィルタリングした。分析によれば、トークンコスト単体で見ると多くのモデルは割に合わないが、人間の待機時間（高報酬な人材の手待ちなど）をコスト換算すると、高速モデルやより上位のモデルの総合的な費用対効果が大幅に逆転するという。また、エージェントの長時間セッションで生じるコストの激しい変動に対しては、予算超過を防ぐために一般的な平均値ではなく最悪ケースのコストを用いるロバスト最適化の採用を提案している。