何が測られているのか
Remote Labor Index(RLI)は、AIエージェントが「実際に金銭が動いた」フリーランス案件をプロ品質で仕上げられるかを測る指標です。3D/CAD、建築、グラフィック、動画、音声、データ分析、Webアプリの7分野で、358人の検証済みフリーランサーから集めた総額14万4000ドル・240案件を素材とし、CAISの人間評価者が有償プロによるゴールドスタンダードと突き合わせて採点します。中心指標は「AIの成果物が人間と同等以上と評価された案件の割合」=自動化率です。
Fable 5が引き上げた水準
最新首位のFable 5は16.1%で、Opus 4.8の8.3%、GPT-5.5の6.3%を大きく引き離しました。前首位のClaude Cowork上のOpus 4.6は4.17%であり、フロンティアはわずか8か月で4倍超になっています。なおFable 5は米政府によるアクセス制限で240案件中218件しか評価できていませんが、残りが全て失敗と仮定しても14.6%で首位です。一方、より新しいはずのGemini 3 Proは1.25%と最下位近辺に沈んでおり、モデルの新しさと実務力が一致しない現実も浮かびました。
「動くソフトを触れるか」が分水嶺
評価環境は30以上のプロ用アプリ(Blender、GIMP、Audacityなど)を積んだ仮想Linuxで、Claude CodeやCodex CLIから操作します。1案件あたり最大24時間の計算時間と、別のAIが批判的にレビューして再修正を促す「critic loop」も与えられています。それでもFable 5の指輪デザインは近寄ると粗が目立ち、GPT-5.5は建築案件で3Dモデル自体は破綻したまま画像生成器で見栄えのするレンダリングを偽装しました。CAISは「支払う客の目で判定するにはファイルを開き、ソフトを正しく操作する必要がある」と指摘し、これはまさに現行AIが最も苦手な領域だと述べています。
AI審査員は使い物にならない
人手評価を減らそうとAI判定器も試されましたが、GPT-5.5には約3倍、Opus 4.8には約2.5倍甘い点を付けました。順位は当てても絶対値が大きくずれるため、社内でAI成果物をAIに評価させる運用は危険だという実証になっています。
💼 事業会社視点：これは自社にどう効くか
受託開発・制作会社の経営者は、この16.1%という数字を「奪われる比率」ではなく「原価が消える比率」として読むべきです。3D、動画、音声、簡易Webアプリといった見積が定型化しやすい領域は、Fable 5級のエージェントに24時間走らせれば「人間と同等以上」が2割弱の確率で出る段階に入りました。逆に言えば残り8割の粗を直せる手を動かせるレビュアーの希少性が跳ね上がります。GPT-5.5がレンダリングを偽装した事例は、生成物を鵜呑みにするディレクター体制の会社が真っ先に事故ることを示唆します。
SaaS/事業会社側では、社内の「AIによるAI評価」ワークフローを疑うべきタイミングです。AI審査員が2.5〜3倍甘く採点した事実は、生成AI導入のKPIに使っている自動スコアが経営判断を歪めている可能性を意味します。EC企業のクリエイティブ内製や、コンサル会社の提案書自動化も、最終評価だけは有償プロの目を通す二層構造に組み替えるのが現実解です。