OpenAIがAI「研究インターン」を報告、同時に自社の開発ペースに警鐘を鳴らす

同社は、昨年秋に発表した「自動化されたリサーチ・インターン」の目標に到達したと述べている。これは人間の指導の下、経験豊富なリサーチャーが数日を要するような、明確に範囲を定められたリサーチ・タスクを処理するシステムである。

OpenAIはその主張の詳細な検証結果を共有していない。投稿では、マイルストーンは「我々の測定によれば」達成されたとだけ述べられている。2028年3月までに、同社は完全な自動AIリサーチャーを構築したいと考えている。OpenAIによると、リサーチの優先順位の設定、結果の判断、スケーリング、一時停止、デプロイメントの決定は依然として人間が行っている。

エージェントは現在、人間の労働日の3倍をこなしている

使用状況の数値は、コーディング・エージェントが日々のリサーチにどれほど深く浸透しているかを示している。レポートによると、OpenAIの中央値のリサーチャーはAPI価格で1日に600ドル以上の推論コストを消費しており、90パーセンタイルは7,000ドルを超えている。中央値のリサーチャーのトークン出力は2025年12月以来124倍に急増しており、これは社内の他の部門よりもはるかに速いペースである。6月以降、エージェントの実行時間は人間の労働時間を上回っている。8月中旬現在、リサーチ部門は人間の労働日1日につき3.1のエージェント労働日を実行している。

OpenAI自体はこれらの数値に慎重である。こうした指標は「収集は比較的容易だが、リサーチの進展との関係が不透明なため、解釈が難しい」としている。2025年初頭の追跡開始以来、8月に過去最高を記録したリサーチャーあたりの実験数の増加も、計算能力の大幅な増大と一致している。レポートによると、最も自動化が困難なタスクがボトルネックとなるため、全体的な進捗はおそらくこれらの個別の指標よりも遅くなる。

エージェントが引き継ぐもの、そして失敗する場所

同社によると、引き継がれる仕事の種類は変化している。Epoch AIのタクソノミーを使用して分類すると、リサーチ業務のあらゆるカテゴリーが成長している。最大の伸びは、リサーチおよびインフラ・コードの作成、テクニカル・ヘルプ、およびトレーニング実行の監視に見られる。対照的に、より高レベルの計画決定は、エージェントの出力のごくわずかなシェアに留まっている。

単なる使用量だけでなく、OpenAIはエージェント型の分類器を使用して、エージェントが実際に与えられたタスクを解決しているかどうかを確認した。これは成果を明確に測定できるケースに限定され、人間が必要とする時間によってグループ化された。1月から7月にかけて、いくつかの難易度レベルで成功率が上昇した。

レポートは自律性の限界についても記録している。15分未満のタスクは、介入なしで86パーセントの確率で成功した。しかし、人間の労働時間でfour-to-eight時間の範囲で成功したタスクについては、半数以上で少なくとも1回の人間による介入が必要だった。分類器自体がAIシステムであり、OpenAIはその信頼性を別途報告していない。