OpenAIの開発加速：コーディングエージェントの作業量が人間の3.1倍に到達

もし職場の同僚が何人も増え、しかもその全員が人間の3倍働き、毎日数千ドル分の電気代を消費していたらどうでしょうか。

OpenAIの社内では、まさにそれが日常になりつつあります。同社は9月6日、研究開発を加速させるAIエージェントの社内運用レポートを公開しました。2026年9月の目標としていた「自律型リサーチインターン」の構築を達成したと報告しています。

ここでいうインターンとは、人間の指示のもとで数日かかる明確な研究タスクをこなせるシステムのことです。次の照準は、2028年3月までの「完全自律型AI研究者」の実現です。

人間の3倍働き、毎日7000ドルを消費するAI

社内におけるコーディングエージェントの浸透速度は数字にも表れています。

2026年6月以前は、研究部門全体のエージェント稼働時間は人間の総労働時間を下回っていました。しかし8月中旬には、標準的な8時間労働換算で、人間の1労働日あたり3.1エージェント営業日分の稼働に達しました。

それに伴い、推論コストも膨らんでいます。8月中旬時点で、研究者の中央値はAPI価格換算で1日あたり600ドル以上の推論を消費しており、上位10パーセントのヘビーユーザーになると1日7000ドルを超えています。

研究者の働き方も変わりました。4つ以上のエージェントを同時並行で走らせ、サブエージェントにタスクを分散させる使い方が定着しつつあります。インフラのトラブルシューティングをエージェントに任せるケースが増えたため、社内の技術相談窓口の投稿数は減少し、定期的な質問対応セッションを廃止したチームも出ています。

長時間タスクにはまだ人間の介入が不可欠

ただし、この自動化には割り引いて見るべき点もあります。

3.1営業日という数字はエージェントが稼働していた時間の合算にすぎず、実際にどれだけ有益な研究成果が出たかを直接示すものではありません。また、金額も一般向けのAPI価格に基づいた試算です。

さらに、エージェントを完全に放置することはできません。4時間から8時間継続して成功したタスクのうち、半数以上で人間の介入が必要でした。加えて安全対策の負荷も重く、先日のHugging Face関連のインシデント後にはモデルの強化学習トレーニングを一時停止したほか、監視システムだけで推論計算リソースの約20パーセントを消費していると明かしています。

なぜ重要か

私たちは、この発表の本質はコード生成の効率化ではなく、先端研究所による「研究複利」の囲い込みにあると考えています。

外部の開発者が完成したモデルの公開を待っている間に、OpenAIは自社の未公開モデルを使って次世代モデルの研究実験を猛スピードで回しています。モデルの賢さだけでなく、膨大な推論予算を投じて実験プロセスそのものを自動化するノウハウを蓄積している点が大きな先行者利益になっています。

一般の開発者やスタートアップが、今すぐこのやり方を真似するのは現実的ではありません。1日数百ドル以上の推論コストを支払う価値があるケースは稀ですし、長時間のタスクでは依然として人間が監視し手を入れる必要があります。

賢いアプローチに見える一方で、計算資源の2割が監視に消え、エラーのたびに研究者が介入している現状を見ると、2028年までに人間不要の完全自律研究者へ到達する道のりは、見かけほど平坦ではないと私たちは考えています。