複数の評価によると、AIモデルの能力は急速に進歩し、ますます長いタスクの実行を可能にしている。米国の研究所による最先端モデルは、政府の介入により最も強力な2つのモデル、Claude FableとGPT-5.6へのアクセスが一時的に制限されたにもかかわらず、かつてない速さで登場している。
いくつかの機関が、AIがこなせる人間の仕事の割合を測定している。METRと英国AIセキュリティ研究所の評価では、単一のプロンプト、つまり単一の指示からAIが実行できる人間のプログラマーの作業時間を推定している。一方、GDPvalテストは、人間の専門家とAIをプロの審査員を交えて比較する。これらの測定によれば、結果は指数曲線を上回るペースで進歩している。
Epochは、Opus 4.7が14時間単独で作業し、251ドルのトークンコストで、人間のエンジニアリング作業の2週間から17週間に相当するソフトウェアパッケージを構築したと報告している。トークンとは、モデルが読み取り生成する小さなテキスト単位である。著者自身の実験では、Fableが非常に複雑なソフトウェアプロジェクトで9時間自律的に作業でき、それはチームにとって1週間以上を要するものであった。
最も先進的なモデルはAnthropic、OpenAI、Googleによって開発されているが、Googleはしばらく新モデルを公開していない。一方、ほぼ最先端レベルにある第二のグループのモデルは中国製である。それらは6〜12ヶ月遅れており、オープンウェイトである。つまり、誰でも公開後に使用または改変できる。これはプロプライエタリモデルとは異なる。したがって、その利用は低コストだが、テストスコアで公表された性能に必ずしも一致しない場合もある。
チャットボットではなくエージェントへ
最近まで、主流の使い方はAIにタスクを依頼し、結果を確認してから次のステップに進むものだった。この協業モードは依然有用だが、エージェント、つまり人間の絶え間ない介入なしに行動を連鎖させるシステムに道を譲りつつある。それらは、ツールへのアクセスを提供するソフトウェア環境(ハーネス)と、Claude CodeやOpenAIのCodexなどのアプリケーションに依存している。
OpenAIと学術エコノミストによる共同研究は、この移行が同社内部で加速していることを示している。法務部門と人事部門は、技術チームとほぼ同じペースでエージェントを導入した。OpenAI社員の4分の1は、毎週少なくとも4つのエージェントを同時に稼働させている。
Claude Codeのユーザーを対象とした別の研究によると、ソフトウェアエンジニアは、プログラミングタスクにこのツールを使用する際、他の職業と同等の成功率を示している。この研究によれば、違いを生むのは職業ではなく専門知識である。つまり、自分の分野に精通しているほど、ツールでの成功率が高く、各プロンプトに対するClaudeからの回答が有用になる。
捉えにくい曲線
2025年冬以前に作成されたAI計画書は、数時間の作業が可能だがエラー率がかなり高いシステムを描いていた。数ヶ月後、単一のプロンプトで16時間以上の作業を開始できるようになった。この着実な進歩は、連続した飛躍のように感じられる。なぜなら、人間は指数曲線をうまく認識できないからだ。
著者は、この力学がAIを取り巻く不安定性も説明すると考えている。公的機関はサイバーセキュリティ問題について緊急に政策を変更せざるを得ず、AIが特定のビジネスモデルを脅かすように見えた時、市場は激しく変動した。著者によれば、これらの衝撃は成熟過程を示すものではなく、人間の速度で進む制度と、異なる論理で進歩する技術能力との乖離を反映している。
