LLM公開直後の“モックアップ量産文化”は本当に必要なのか

SNSで次々と投稿されるAI製モックアップを見ていて思ったことを、AIエンジニアである身として、ちょっとお気持ち表現しておきます。

新LLM公開のたびに起こる“お祭り騒ぎ”

ここ数日、Chat-GPT 6 AstraやFable 5.1、Gemini 3.8と立て続けに新しいLLMモデルが公開され、AI界隈が活気だっています。
自分もその湧き上がっている側の人間で、日進月歩で発展するAI技術に知的好奇心をくすぐられ続けている毎日を過ごしています。

SNS（X）を覗いていると、最新モデルで生成されたモックアップが次々と投稿されています。
アプリのUI案やサービスのコンセプト、グリグリと動くゲーム画面など、種類は様々。眺めているだけで今後のAIエンジニアリングの参考になるものも多く、単純に「よくできているな」と感じる作品も少なくないです。

ただ、そうした投稿を見ていると、ひとつ気になる点があります。

これらのモックアップは、本当に“コストに見合う価値”を生んでいるのだろうか、ということです。

ここでいうコストは、AIクレジットや料金の話ではありません。 もっと現実的な、水や電力といった資源の消費のこと。

テキスト中心のLLMは画像生成や動画生成ほど資源を使わないとはいえ、最近増えているバイブコーディングのような長時間の推論になると決して小さくない消費量になるはずです。
モデルが大きくなるほど必要な電力は増え、冷却のための水も多く使われます。

そして、SNSに流れてくるモックアップの多くが“その場限りの使い捨て”になっているように見えることも気にしています。
性能評価や技術検証のために作られた成果物というより、新モデルを触ったことを示すための、いわば“その瞬間だけのバズり素材”として扱われている印象があるのです。

もちろん、モックアップを作ること自体は悪いことではないし、新しい技術に触れることは学びにもつながるけども、これほど大量に生成され、短い時間で消えていく様子を見ていると、その裏側で消費されている資源について、どうしても考えさせられます。。

そして、この「大量に作られては消えていくモックアップ」が、実際どれほどの価値を生み、どれほどの資源を消費しているのか、その実態をもう少し丁寧に考えてみたいと思います。

大量に作られるモックアップから見るデータ

新モデル公開直後に大量生産されたモックアップについて、データの観点から考えてみたいと思います。

まず、SNSで公開されているモックアップの総数ですが……正直わかりません。。
多くの人がこぞって作成して投稿し、それがタイムラインに流れたり流れなかったりしているので、その一つ一つをとても追いきれないです。
（このあたり、SNSでモックアップをアップロードした人のその後を追跡するアプリとか作ると面白そうですが、それは話がズレるので置いておきます。）

なので、自分が注目したのは、モックアップからどれくらい製品化に至っているのかという点です。

一般的なお話をすると、AIを使ったPoC（概念実証）のうち、実に9割近くが実用化にまで至らないというデータがあります。

上記は企業向けのAI導入の話ですが、個人開発者やコミュニティのモックアップ文化も理由は多少違えど、ある程度同じ傾向が当てはまるのではないかと感じています。

SNSで見かけるモックアップの多くは、「新モデルを触ってみた」「こんなことができるらしい」 という、その瞬間の共有が目的になっていて、そこから先の展開である製品化や継続的な開発に進むケースはかなり少ないと感じています。

もちろん、すべてがそうだとは言いません。
実際にモックアップからプロダクトに発展した物もあるだろうけど、全体の流れとしてはやはり、モックアップは“その場限りの生成物”として消費される割合が圧倒的に多いように見えるというのが他の人も薄々感じている現状だと思います。

そして、ここからが本題なのですが、 その“モックアップ1つ”を生成するために、どれくらいの資源が使われているのかというお話です。

LLMの推論には当然ながら電力が使われます。
モデルが大きくなるほど必要な電力は増え、データセンターの冷却には大量の水が使われます。
これは大規模モデルほど顕著で、推論回数が増えるほど積み上がっていくものです。

テキスト中心の生成は画像や動画ほど重くはないとはいえ、最近のバイブコーディングのような長時間の対話型生成になると、消費量は決して小さくないとのこと。

「モックアップを1つ作るだけなら大したことないだろう」と思いがちですが、世界中でモックアップが大量生成されていて、しかもその多くが廃棄されていると考えると話は変わってきます。

つまり、 “使われないまま消えていくモックアップ”が積み上げる資源消費は、決して軽視できない規模になっている可能性があるということです。

個々のモックアップ生成行為を責めたいわけではありません。
ただ、モックアップ文化がここまで広がり、それが新しいLLMモデルが公開されるたび行われるとすれば、モックアップからどれくらいの価値が生まれ、どれくらいの資源が消費されているのか、そのバランスを一度立ち止まって考えてみる必要があるのではないかと感じています。

“モックアップを作って終わり”にしないためにできること

ここまで、モックアップが大量に作られては消えていく状況と、その裏側で静かに積み上がっている資源消費について触れてきました。

では、こうした状況を踏まえたうえで、AIエンジニアが“モックアップを作って終わり”にしないためにできることは何か、そのあたりを少し考えてみたいと思います。

モックアップを作る前に、少し立ち止まる時間をつくること

モックアップを作る前に、まずはほんの少しだけ立ち止まる時間をつくることが大事だと思っています。

「これは後で使う予定があるだろうか」
「既存の開発に組み込めないだろうか」
「この生成は、何かしら次につながるだろうか」

こうした問いを一度だけ挟むだけでも、使い捨てのモックアップが減るはずです。
そして、もうひとつ大事なのが、既に誰かが同じようなモックアップを作っていないか調べることです。

新しいLLMが出ると、「自分が一番最初に作るんだ」という気持ちが湧きやすいです。
製品販売や特許申請の場合なら早さは大事ですが、モックアップという段階で競争してしまうと、結果として車輪の再発明になりがちです。
無駄な資源の浪費にもなるし、個人にとっても無駄なAIクレジット消費にしかなりません。

そして、その様子はSNSで“とにかく反応を得たいSNSジャンキー"がやっている行動とも重なり、電車内や神社仏閣でダンスしてみせる人、寿司屋で醤油をペロペロする人、バイトテロ動画を上げてしまう人、etc…こうしたのと本質的に変わらないようにも思えます。

新しいLLMモデルが公開されたからといって、目的がはっきりしないまま「とりあえず作る」「とりあえず投稿する」という流れになってしまうと、どうしても“その場限りの反応”を求める行動に近づいてしまい、結果的に作っても使われないモックアップが出来上がるという流れの一つになっていると推察しています。

モックアップを作ること自体は悪いことではないです。
ただ、既に似たものが大量に存在している状況で、さらに同じものを作る必要があるのか、そこを少しだけ考えてみる価値はあると思います。

モックアップを部品ライブラリ化し、それを公開する

モックアップまで作ったのであれば、部品ライブラリ化してしまうという方法もあります。

UI案であればコンポーネント化する。 ゲーム案であれば設定やアセットを整理しておく。 サービス案であれば、構造化して再利用しやすい形にしておく。
こうしておけば、将来的に自分が使う機会が出てくるかもしれないし、ネット上に公開すれば他の人やAIが使ってくれる可能性もあります。
“使い捨てのモックアップ”が、“誰かの役に立つ素材”に変わる瞬間です。

モックアップを部品として扱うことで生成物が単なる一時的なアウトプットではなく、資産として積み上がっていくようになります。
これは、モックアップ文化を否定するのではなく、より生産的な方向に寄せていくための小さな工夫です。

最初からモックアップではなく、既存の開発に直接使う

もうひとつの方法は、最初からモックアップを作らず、既存の開発に直接使ってしまうという考え方です。
これは、私自身が今まさにやっていることでもあります。

新しいLLMが公開されたとき、まずモックアップを作るのではなく、「今進めている開発のどこに使えるだろうか」 「既存のコードや設計をどこまで改善できるだろうか」 「前モデルでうまくいかなかった部分が解決できないか」という視点で触ってみる。

こうした使い方をすると、生成物がそのまま開発の前進につながります。
モックアップを大量に作って終わるよりも、はるかに生産的で、結果的に全体のAIクレジット消費量の節約にもなります。

新モデルを触るときは、試しにモックアップを作るより、今の開発を前に進めるための具体的な作業に使ってみる。
その方が、生成物がそのまま活かせる形になりやすいと感じています。

この3つは、どれも大げさな取り組みではなく、ほんの少し意識を変えるだけで実践できるものばかりです。
結局のところ、こうした小さな意識の積み重ねが、使い捨てのモックアップを減らし、モックアップの価値をゆっくりと底上げしていくのだと思います。

結論『AI時代の創作に必要な、ほんの少しの倫理観の話』

バイブコーディングで生成AIを使っていると、どうしてもAIクレジット消費＝金銭コストだけを見て考えがちです。
しかし、その裏側では、電力や水といった現実の資源が静かに失われ続けています。

モデルが大きくなるほど必要な電力は増え、冷却のための水も多く使われます。
この構造は、かつて高度経済成長期に便利さを優先した結果、環境汚染や公害が積み上がってしまった“負の歴史”を思い起こさせます。
同じ過ちを繰り返さないためにも、少しでも環境資源消費に意識を向けておきたいところです。

「金を払っているから問題ないだろ」という態度は少し危ういです。
支払いを免罪符にして周囲の負荷を見ないまま進んでしまうという思考は、我々一般市民が嫌悪する“傲慢な金持ち”の振る舞いと変わりありません。
自分がそういう発想に近づいていないか、少しだけ立ち止まって考えてみる価値は十分あると思っています。

もちろん、生成AIを使うこと自体を否定したいわけではありません。
技術の進化を楽しみながら、同時に環境への影響にも少しだけ目を向ける。 その程度の倫理観が、AI時代のクリエイターやエンジニアにとってちょうど良いバランスなのだと思っています。