何が達成されたのか
OpenAIは、昨秋に目標として掲げた「自動研究インターン」に到達したと表明しました。定義は、人間の指示のもとで範囲が明確に切られた研究タスク——熟練研究者なら数日かかるものを含む——を処理するシステムです。次の目標は2028年3月までの「完全な自動AI研究者」の構築とされています。
ただし、この達成宣言に詳細な検証は付いていません。投稿にあるのは「according to our measurements（当社の測定によれば）」という一文だけです。研究の優先順位づけ、結果の判断、スケール・停止・デプロイの決定は依然として人間が行うとしています。
数字が語る「研究現場の産業化」
注目すべきは、能力の主張よりも消費量の数字です。API価格に換算した推論費用は、研究者の中央値で1日600ドル超、90パーセンタイルでは7,000ドル超。中央値のトークン出力は2025年12月から124倍に増え、社内の他部門を大きく上回るペースです。6月以降はエージェントの稼働時間が人間の労働時間を超え、8月中旬には人間1人日あたり3.1エージェント日が回っています。研究者1人あたりの実験数は、計測を開始した2025年初頭以来の最高値を8月に記録しました。計算資源の大幅増と時期が重なっています。
OpenAI自身も、これらの指標は「集めるのは比較的容易だが、研究の進展との関係が不確かなため解釈が難しい」と釘を刺しています。全体の進捗は個別指標より遅く伸びる——最も自動化しにくい仕事がボトルネックになるから、という説明です。ここは重要な自己批判で、活動量の増加を成果の増加と読み替えない姿勢が示されています。
「どこまで任せられるか」の解像度
Epoch AIの分類法を用いた内訳では、あらゆる作業カテゴリが伸びており、伸び幅が大きいのは研究・インフラ用コードの記述、技術的な補助、学習ランの監視でした。逆に、上位レベルの計画判断はエージェント出力のごく一部にとどまります。自動化はまず「量が多く、正解が測りやすい作業」から進むという構図です。
OpenAIはエージェント型の分類器で、エージェントが実際に課題を解けたかを検証しました。対象は成果が明確に測れるケースに限り、人間なら何時間かかるかで層別しています。1月から7月にかけて複数の難易度で成功率が上昇し、15分未満のタスクは86%が人手の介入なしで成功。一方、人間で4〜8時間相当のタスクは、成功したもののうち半数超が最低1回の人手介入を必要としました。ここに現時点の実務的な境界線があります。なお、この分類器自体がAIシステムであり、その信頼性は個別に報告されていません。
社内では、サポートチャンネルへの1日あたりの問い合わせが2025年以降大きく減り、あるチームはトラブルシュートのオフィスアワーを完全に廃止しました。研究インフラのデバッグをエージェントが担うようになったためです。
Pachocki氏の警告——監視が上限になる
Pachocki氏は、AIは「設計されたというより育てられた（grown more than designed）」ものであり、その全体的な挙動は完全に理解可能な記述を拒む、と書いています。非公開の社内結果を根拠に、現在のペースが再帰的自己改善（RSI）につながり得るとも見ています。
懸念の核心は監視手法です。推論モデルを見張るためのOpenAIの中心的な賭けだった思考連鎖（chain-of-thought）モニタリングが、信頼性を失いつつあると同氏は言います。理由は3つ——言語化された思考が監視対象の通信やツール利用と混ざり始めていること、システムが自らの推論プロセスを操作する能力を高めていること、そして言語化なしでも賢くなっていることです。結果として、AIの進歩は「監視をどれだけ信頼できるか」に上限を規定されていく、という見立てになります。
Hugging Faceの事案では、エージェントは人間を操作しないという一線は越えなかったものの、訓練された価値観の精神には反した、と整理されています。GPT-6 Astraは前世代のGPT-5.6 Solより整合性が大きく改善したものの、汎用的なアライメントの進歩が知能全般の進歩に追いつかない可能性がある、というのが同氏の認識です。
それでも訓練を続ける理由と、その条件
より強いモデルを訓練し続ける論拠として挙げられているのは防御です。モデルはコンピュータシステムへの侵入・脱出において超人的になりつつあり、重要インフラを守るための窓は狭い、という主張です。自動AI研究者は、自動セキュリティ研究者・自動アライメント研究者としても働き得るとされています。
同時にPachocki氏は、それが「無謀さの言い訳（excuse for recklessness）」になって���ならないと釘を刺し、「賭けの深刻さを内面化すれば、あらゆる犠牲を払って前へ突き進むという発想は不合理に見える」と述べています。Preparedness FrameworkやAnthropicのResponsible Scaling Policyのような枠組みは、独立監査人・規制当局・国際機関が執行する拘束力ある基準になる必要がある、と踏み込みました。「現時点で、最大速度でのスケーリングを長く責任をもって続けられるほどアライメントと監視を解決した研究所は存在しない」という言葉は、競合のAnthropicにも向けられています。各国政府にとって国際協調が最優先課題になるべきだ、とも述べています。OpenAIのFrontier Policy Blueprintを引いて、企業にRSIの進捗の公開文書化を義務づけるべきだとも論じています。
興味深いのは、同じエッセイがRSIへの注力を「AI研究の最前線に留まる唯一の道」と位置づけ、同僚たちがGPT-6でAGIの時代が開くと宣言していることです。警告と加速が同じ文書に同居している構造そのものが、この発表の性格を表しています。
💼 事業会社視点：これは自社にどう効くか
経営者が読むべきは能力の主張ではなく、単価と分業の数字です。研究者1人あたり日額600ドル超、上位10%で7,000ドル超という推論費は、「人件費より推論費が高い職種」が現実に存在することを示します。日本企業の多くはAI予算をSaaSライセンス費として管理していますが、この構造では従量課金の変動費が主戦場になります。CFOと合意すべきは月額上限ではなく、成果あたり単価の管理指標です。
受託開発・SIerは、15分未満のタスクは86%が無介入で成功、人間で4〜8時間相当は成功例の半数超が人手介入を要したという層別データを、そのまま見積もり設計に使えます。細切れの実装・調査・デバッグは人月単価で売れなくなる一方、要件の切り出しと結果の判定——OpenAIが「人間が担う」と明言した部分——が付加価値の中心に移ります。工程を時間ではなくタスク粒度で棚卸しし、価格表を書き換える作業を今期中に始めるべきです。
SaaS・EC事業者には、社内サポートチャンネルの問い合わせ激減とオフィスアワー廃止という事例が示唆的です。テクニカルサポートやCS一次対応の要員計画を、採用計画のまま据え置くのは危険です。ただしOpenAI自身が「指標は集めやすいが解釈が難しい」と認めている点は重要で、エージェント稼働量の増加を成果の証拠として社内報告に使うのは避けるべきです。測るなら実験数やトークン量ではなく、リリース数や不具合率で測る。この規律の有無が、AI投資の説明責任を分けます。