私は 何十億 もの codex トークンを使用しています。ここに私のセットアップと学んだことを紹介します。
多くの人は codex の能力を大幅に過小評価しています。私の同僚の中にも、まだ codex を活用しきれていない人がいますが、野心的なユースケースを見せると熱心に実験したがります。そこで、もっと多くの人にインスピレーションを与えるために、これを書き留めて広く共有したいと思いました。
この記事では、シンプルなセットアップと、何億ものトークンを日常的に使うキラーユースケースをいくつか紹介します。今月は API 費用に $10,000 を費やしましたが、これにより私はチーム内で最も活発なユーザーの一人となっています。完全に価値があります。
最後に、組織が近い将来どのように大幅に効率化される可能性があるかについて考察します。
継続的なノートテイキング
私の個人セットアップは非常にシンプルです：git worktrees、多数のシェルウィンドウ、そしてワークツリーごとに1つの VSCode インスタンスでコード変更を閲覧できます。新しい codex アプリでは、このセットアップが基本的にそのまま利用できます。過度に派手なツールに惑わされないでください。
大きな進展は、codex に自身のワークフローを継続的に文書化・改善させることでした。これは完全に個人的なセットアップのために自作したものです。codex は、私がノートを取って改善するように依頼する習慣があるため、使えば使うほどタスクがより速く、より良くなります。作業中、codex はノートとヘルパーをモノレポ内の個人フォルダにコミットします。コードベースの新しい部分とのやり取りを数回繰り返すと、これらのヘルパーは安定する傾向があります。これらのノートを実際に読んだことは一度もなく、その有用性は純粋に codex のパフォーマンスへの効果にあります。
セッション間で知識を蓄積できるようになったことで、codex に任せるタスクを拡大することに抵抗がなくなりました。最近、何億ものトークンを費やした2つのタスクについて詳しく見ていきましょう。
研究のスケーリング
研究のスピードは速いです。実験はコストがかかり、設定を誤りやすいため、最新の発見と落とし穴を把握することが重要です。幸い、codex は素晴らしい検索エンジンです。
コードベースの不慣れな部分で一回限りの実験を素早く実装したいとき、codex に広範なデューデリジェンスを行わせます。codex は関連する Slack チャンネルを探索し、関連する議論を読み、そこから実験用ブランチを取得し、有用な変更を私の実験に取り込みます。これらすべてが詳細なノートにまとめられ、各情報の出典へのリンクが付きます。これらのノートを使って、codex は実験を配線し、私にはとても手間がかからなければ不可能だった多くのハイパーパラメータの決定を行います。
セカンドオピニオンを求めることで、リリースするものへの自信が大幅に高まります。ミスが高くつく状況では、非常に勤勉で再現率の高い検索エージェントが必要です。codex は日常的にそのニーズを満たしてくれます。
コーディングエージェントはデータ分析にも優れており、データから素早くインサイトを得るのが非常に簡単になりました。現在の本当のボトルネックは、何を 分析すべきかを考えることです。
最近、codex を使ってモデル行動に関する取り組みを積極的にスケールさせました。社内の Slack には、さまざまな種類のモデル行動に関する議論、レポート、データが溢れており、それらをより厳密にテストしたいと考えていました。codex を使って適切なチャンネルを見つけ、広範囲にクロールし、テスト可能な仮説の説明を生成させました。Slack を読むだけでなく、共有されたスクリーンショット、モデル行動に関連するドキュメント、スプレッドシートも参照しました。数時間の作業で、700 以上の新しい仮説が生成され、現在モデル行動とユーザー嗜好の理解を深めるために活用されています。
この作業のほとんどは GPT-5.2 で行いましたが、新しい GPT-5.3-codex モデルを数日前からテストしています。1日あたりの使用トークン数が増えており、これは生産性とおおまかに相関していると思います。
GPT-5.3-codex は特に複数のサブエージェントを同時に管理するのが得意だと感じます。さらに、codex スタックの最近の高速化により、サブエージェントの操作感が格段に向上しました。
現在のワークフローは、1つのエージェントとだけ対話し、そのエージェントが多数のエージェントを指揮して Slack 調査、コード調査、コード作成、データサイエンスを行う方向にシフトしています。これにより、エージェントを通じて作業を並列化するために必要なコンテキストスイッチの回数が大幅に減少します。ただし、重要なタスクを行う必要がある場合は、やはり特定のサブエージェントと直接対話することを選択します。
社会への影響
これらのワークフローは、組織の運営方法に関する基本的な何かを明らかにしています。両方のユースケースで、手動の調整なしに組織横断的な包括的な知識移転を実現しました。ミーティングもメールも、周りに聞き回ることもありません。単に codex に問題を指示すると、数十人の人々からの知識を集約してくれましたが、彼らは自分たちが私の目的に貢献していることさえ知りませんでした。
これが社会にどのような影響を与えるか考えずにはいられません。伝統的に、組織はある種のヘッドカウント税を支払っています。つまり、人員を増やせば総出力は増加しますが、調整のオーバーヘッドが増えるため、追加人員一人当たりの貢献は減少します。これは大きな問題です。現代の組織は、非構造化コミュニケーションチャンネル（Slack、Teams）、共有コードベース、集中管理されたドキュメントなどのツールを使ってこれを緩和していますが、それでも大きな摩擦が存在します。特定の決定に適切なコンテキストを表面化させるには、依然として多大な人間の労力が必要です。
現在利用可能なテクノロジーにより、組織全体の情報環境を横断し、必要なコンテキストをオンデマンドで合成できます。地球上のあらゆる組織が抱える非効率性に、真の打撃を与えることができるのです。
私たちの現代の組織ははるかに効率的にできると信じています。そして、そのためにはただ問いかければよいのかもしれません。
