11月19日、The Decoderが「OpenAI's own researchers now say they value their AI tools more than nearly half their colleagues」と題した記事を公開した。OpenAI社内でのAIコーディングエージェント活用の実態を記録した同記事で特に衝撃的なのは、研究者の中央値が「コーディングエージェントを失うくらいなら、チームメンバーの40%を失う方がまし」と回答したという調査結果だ。道具が同僚を上回る——そんな逆転現象が、AI開発の最前線で静かに起きている。
研究者の給与を超えるトークンコスト
OpenAIが公開した社内研究加速レポート(第2弾)によると、同社内部でのAIエージェント利用が急拡大している。
特に衝撃的な数字がある。同社の内部ツール「Codex」(OpenAIが開発したコード生成・実行に特化したAIコーディングエージェント)や「Dots」(同社内部の研究支援エージェント)の利用量を通常のAPIリスト価格に換算すると、研究者の中央値で1日あたり2,400ドル相当のトークンを10月に消費しており、前月比62%増だ。上位10%のヘビーユーザーに至っては、1日あたり2万3,000ドル相当に達する。
さらに、エージェントが稼働した時間を8時間労働換算すると、研究者1人あたり1暦日に5.7人日分の作業をこなしている計算になる。事前学習・事後学習チームでは約8人日分にのぼる。
OpenAIはこのエージェント稼働コストを研究者の人件費と比較しており、9月時点でエージェントの理論的APIコストは研究者の給与コストの2倍に達した。ただしこの計算は株式報酬を除いており、OpenAIでは株式が総報酬の70〜80%を占める点は注意が必要だ。全研究用コンピューティングリソースに対する内部エージェント利用の割合は、わずか2%にとどまる。

AI利用の大部分はコミュニケーションとコーディングに向けられている。画像: OpenAI
「同僚より道具」——社内調査で明らかになった依存度
101名の社員を対象とした社内調査(非代表サンプル)では、研究者の中央値が「現在のコーディングエージェントなしで3ヶ月過ごすよりも、チームの人員を40%削減する方がまし」と回答した。あるいは、コンピューティングリソースを30%削減する方を選ぶとも答えている。
さらに別の28名へのクイックアンケートでは、27名が最新の社内モデルをミッドキャリアの人間エンジニアより優れていると評価した。タイトルにある「同僚の約半数より道具を高く評価する」という表現は、このデータを指している。
並列実行の面でも、追跡対象研究者の3分の2超がピーク時に少なくとも4つのエージェントを並列で稼働させていた。
成功率は伸びているが、複雑なタスクは依然として苦手
3月から10月にかけて、人間の介入なしに自律的に動くエージェントの推定成功率は以下のように変化した。
- 2〜4時間タスク: 23% → 46%
- 4〜8時間タスク: 13% → 35%
タスク種別に見ると(Epoch AIの分類を使用)、得意・不得意の差が大きい。
| タスク | 成功率 |
|---|---|
| 学習ランの監視 | 79% |
| 技術的な質問への回答 | 72% |
| 評価・強化学習環境の構築 | 29% |
| 推論・サービングシステムのコード記述 | 25% |
ルーティン作業では高い成功率を示す一方、複雑なエンジニアリング作業では依然として多くが失敗する。
「AIスロップ」問題——研究センスは人間にしかない
10名の研究者への定性的なインタビューでは、重度な利用の裏側も明らかになった。
モデルには「良い研究アイデアを見抜くセンス(taste)」が欠けており、コード品質やデータ品質の判断も同様だとされる。エージェントは不要なステップに迷い込み、分析で誤った前提を置き、使い物にならないデータ成果物や「AIスロップ(AI slop)」と呼ばれる質の低いコード変更を提出する。なお「AI slop」とは、AIが生成した粗雑・冗長なアウトプット全般を指す業界用語だ。無駄なコンピューティングサイクルを避けるには、人間による密な監視が不可欠だという。
元記事によると、GPT-6 AstraやGPT-6.2 AstraといったOpenAI社内モデルの核心となる概念的アイデアは、事後学習・安全性領域においてはすべて人間から生まれた。事前学習でのみ、一部の研究者がCodexとの対話を通じて重要な洞察を得たと述べている。
再帰的自己改善(RSI)への視線
OpenAIは今回のレポートを、AI自身がAI開発を加速する「再帰的自己改善(Recursive Self-Improvement / RSI)」の指標を記録する試みと位置づけている。RSIとは、AIシステムが自らの能力を改善するAIをさらに改善し続けるループを指す概念で、AGI研究における重要な観測対象の一つだ。今回のレポートはその萌芽的な証拠を定量的に記録しようとした点で、単なる生産性報告を超えた意味を持つ。
競合他社でも同様の動きが確認されている。評価機関METRはAnthropicでの11週間の調査で、AI活用が開発ペースをほぼ2倍にしたと推定している。OpenAI自身も9月の第1回レポートで「自動化されたAI研究インターン」という目標を達成したと宣言していた。
OpenAIは今回のレポートの結論で、現在のデータが線形には外挿できない可能性を認めつつ、数学分野での急速な突破と同様の急激な進歩が、深層学習研究そのものにも起きうると指摘している。生産性の数字が示す「道具が同僚を超える」という現象は、今後さらに加速する可能性がある。
詳細はOpenAI's own researchers now say they value their AI tools more than nearly half their colleaguesを参照していただきたい。




