OpenAI：自動化インターンは着地済み、AI研究者まであと18ヶ月

1人の研究者の代わりに3.1体のエージェントが稼働

OpenAIはエージェントの稼働時間を8時間の標準労働日に換算した。8月中旬の比率は、1日の人的投入に対し、背後で3.1日分のエージェント工数が動いているというものだ。

この比率からは2つの転換点が読み取れる。研究者のエージェント使用量は6月以前は総人的投入を下回っていたが、今ではそれを逆転した。同時並行ユーザー（4体以上のエージェントを同時に走らせる人々）の数は依然として増加している。1人で複数エージェントを動かすワークフローが普及しつつあり、単一スレッドの作業を外部委託するだけでなく、活用のあり方そのものが変わりつつある。

費用も新たな桁に達した。APIの単価で換算すると、中央値の研究者（アプリケーションプログラミングインタフェース。呼び出し量に応じてモデルへ支払う窓口）は1日平均600ドル、上位10%のユーザーは1日平均7000ドルをコンピュート費に投じている。OpenAIは1年前の同基準の支出について比較数字を示していないが、年初の散発的な使用から1日平均600ドルへ跳ね上がったこと自体が答えだ。

インターンは予定通り納入、研究員までは残り18か月

昨年秋、OpenAIは自動化学術研究に対して2つの節目を設定した。今年9月に「研究インターン」を納入し、2028年3月に「AI研究員」を目指すというものだ。9月6日のこのレポートは、まさに期日通りの回答である。第1段階は確実に達成された。

「インターン」の公式定義は控えめに書かれている。人間の指導のもと、明確に定義された研究タスクを遂行し、単一タスクの作業量は熟練研究者が数日かける仕事に相当する。ハンドルを奪うことはなく、仕事を引き受けるだけだ。第1段階のハードルをクリアし、第2段階——自ら課題を発見し推進できる「AI研究員」——の納入までは残り18か月。

OpenAIはこのレポートでこの経路をRSI（Recursive Self-Improvement：再帰的自己改善）と呼んでいる。AI自身に研究能力をより強く推し進めさせるという考え方だ。

研究は一直線ではない。着想、評価設計（実験結果の良し悪しを判定する採点基準）、インフラ構築、ハイパーパラメータ調整、最終統合まで、どの段階でも行き詰まりうる。エージェントがいくら高速で稼働しても、各ポイントの作業時間を短縮できるだけに過ぎず、工程全体のボトルネックは依然として人間の側にある。したがって「予定通り納入」は事実だが、「研究は今後指数関数的に加速する」という結論にはならない。

納入の事実を数字で示すため、レポートには3枚のカードが添えられている：

自社案件に自社ブレーキ、HF事件後にRLは本当に止まった

最も反直感的な動きは外部から来た。Hugging Faceで起きた一件を機に、OpenAIは自社の最新モデル上での強化学習の訓練を停止した。

RL（強化学習）は、報酬信号をもとに試行錯誤を繰り返し、モデルの出力を目標に近づける訓練手法だ。全面停止ではない。一部の負荷はより厳格な管理下で再開、他は保留中。OpenAIは明言する——許容できない安全リスクを発見した場合、自社で十分に防護できないシステムの開発・展開を減速・停止する。今回は実際に実行した。

コストは非公開だが、意図は明確だ。安全性を確保する取り組みをモデルライフサイクルの早期に組み込み、訓練全体を通じてより強いアライメントの証拠を求める。アライメントとは、AIの目標と行動を人間の意図に沿わせ、逸脱を防ぐこと。OpenAIはこれをリリース直前の最終関門から、訓練中の各ステップへと移した。

「能力向上と安全強化は同時進行」という方針と照らせば、HF事件は公開された形のストレステストだった。結果：自社最先端の訓練パイプラインを停止でき、停止する勇気があり、復旧経路も備えている。これは、どんなホワイトペーパーよりも、安全への約束が絵空事ではないことを示している。

自社で刷った紙幣を燃やし、自社のアライメント勘定も燃やす

2026年2月、OpenAIは1100億ドルの新規資金調達を発表した。プレマネー評価額は7300億ドルで、ソフトバンクが300億ドル、NVIDIAが300億ドル、Amazonが500億ドルをそれぞれ拠出した。この資金の使途の1つが、研究者の手元で1日あたり600～7000ドルに膨らむAPI（開発者がモデルの機能を呼び出すための有料インタフェース）コンピュート費だ。言い換えれば、コンピュート費を燃やすのは自社帳簿の上で刷った紙幣を燃やすのと同義であり、当面は出せないという問題はない。

しかし帳簿の裏には責任が伴う。OpenAIは文末でこう明言している：「we do not yet know how to safely get all the way to aligned, full RSI」——完全自律型研究員に至るまでのアラインメント（AIの行動を人間の意図に合致させるという技術課題）の経路を、OpenAI自身も描き切れていない。今年前半のHugging Face事件を受け、OpenAIは最新モデル上での強化学習（RL）訓練を停止し、研究環境のレッドチーム演習（システムの脆弱性や危険な挙動を意図的に探し出すテスト）を強化したうえで、安全監査をモデルのライフサイクル全体に組み込んだ。資金は燃料、アラインメントはブレーキパッドであり、この2つは今や同時進行が必須だ。

真の焦点は2028年3月という節目にある。2028年3月には、エージェントは人間の補助ではなく、独自に研究課題を発見し推進できる同僚となる。RSI（再帰的自己改善、すなわちAIが自身の研究および関連研究を加速させる循環）はOpenAI1社に閉じて起きるものではない。OpenAIは業界全体に対し、RSIの進捗を公に追跡するよう呼びかけ、自社の「フロンティア政策ブループリント」にもそれを盛り込んだ。まず指標を確立し、規制当局にアンカーを与えるということだ。

この事象が示すトレンドは、2つの具体的シグナルから観察できる。判断が成立するシグナル：2027年半ばまでに、OpenAIまたは他のフロンティアラボが「自動化学術研究インターン」による研究成果の割合（独立して完遂した論文ユニット、検証可能な新規仮説の提起数など）を公開し、第三者による再現検証を伴うこと。また複数国の規制当局がRSI進捗の開示をコンプライアンス要件に組み込み、OpenAI自身のブループリントに呼応すること。判断が成立しないシグナル：再びフロンティアラボが安全上の事故を理由に訓練を停止する、アラインメント事故が能力の進歩を上回る、あるいは2028年3月の節目が公式に静かに延期され、検証可能な代替指標が示されないこと。18か月のカウントダウンは既に始まっており、帳簿はこの競争のもっとも目につく注釈に過ぎない。

18か月後の一画を注視：今できる3つのこと

OpenAIは本日試せるものについては語っていないが、注視できるいくつかのフックを残している。発表日、アラインメント研究の公開動向、そして同社が今も改定中と認める一連の指標だ。

第1に、今秋の「自動化学術研究インターン」振り返りを注視する。公式の説明によれば、昨年秋に掲げた目標は今年の9月納入であり、同社はそれを自称達成済みだ。次の自己評価はおそらく次回公開リリース内で行われるだろう。本節冒頭で触れた1日の人的工数で3.1日分の仕事を得るレバレッジ係数をベンチマークとして、それが上昇するのか、横這いなのか、反落するのかを見る。

第2に、「エージェント」と「AI研究員」の間の溝を理解する。OpenAIが今世に送り出している存在は研究インターン（指示のもと数日レベルの研究タスクを完遂するシステム）であり、次の段階は「automated AI researcher」、目標は2028年3月だ。差はどこにあるのか。同社の表現によれば、この段階では「人間の監督のもと、ディープラーニングとアラインメント研究を反復的に改善する」ことが求められ、単なるタスク実行ではなく、反復的改良を行う。一般読者が検証できるのはこのステップが実現可能かどうかではなく、「インターン」という名称がいつこっそり「研究員」に置き換わるかだ——こうした名称のアップグレードは、多くのテック企業において新たなハードルが越えられたことを意味する。

第3に、同社が開示する「アラインメント不備」事案に注目する。前述の件後、OpenAIは最新モデル上での強化学習訓練を停止し、防護策と監視体制を拡充したうえで、一部のタスクのみ走行を再開した。

読者が目にできるのはバックエンドのログではなく、同社による次回の能動的報告だ。同社は「アラインメント」と「安全性」は能力に追いつかなければならないと述べる。問題は——それをどんな指標で証明するのか、という点だ。この指標こそが、今後18か月間、本気で追及する価値がある対象だ。

2つのシグナルから観察できる。第1に、OpenAI自身がまだ検証中と認めている。指標は初版、研究者はまだ就任しておらず、アラインメントが能力に追いつけるかは同社も保証していない。第2に、これらの「未完」がこっそり埋められていないか。埋められるスピードは、どんな発表会のスローガンよりも雄弁に語る。18か月のカウントダウンは既に始まっている。