要約:Anthropicの内部資料は、AIがAI開発にどう参加しているかを理解する手がかりになる。ただし数字を読むときは、コード量、セッション成功率、自律的な研究能力を区別する必要がある。本稿では元の記事の過去の観測を振り返り、企業の報告、将来のシナリオ、私自身の仕事上の判断を分けて考える。
「AIが自分自身を作り始める」と聞くと、すでに閉じたループを思い浮かべやすい。今の世代が次の世代を完成させ、その次の世代がさらに自分を改良する、というループだ。しかし、研究者がコードを書くのを手伝うことと、研究の方向を自律的に決めて後継システムを作ることは、同じ段階ではない。
Anthropic Instituteの〈When AI builds itself〉を読んで、私が最も残したいと思ったのは、この区別だった。Marina FavaroとJack Clarkの共著で、その後の更新もある。以下の数字は、記事に明記された過去の観測期間に限られ、今日のあらゆるモデルの能力を報告するものではない。
まず、加速と自律を分ける
元の記事は、AIがすでに同社の開発作業を加速していると述べる一方、完全な再帰的自己改善はまだ達成されておらず、必然でもないと明言している。
ここを出発点に、私はいくつかの問いを分けておきたい。ツールはどの手順を実行できるのか。誰が目標を出すのか。結果を誰が判断するのか。次の反復でも、人が問題を定義し直す必要があるのか。
開発工程に参加していることは、自律的に自分の後継システムを作れることを意味しない。
これらを「AIが自分でAIを作る」という一言にまとめれば、印象は強くなる。しかし、今ある証拠がどの段階にあるのか、読者には見えにくくなる。
8倍になったのは、何の量か
元の記事の詳細な説明では、2026年第2四半期に、1人あたり1日にマージされるコード行数が2024年の約8倍になったと報告されている。同じ資料は、行数が量に偏った指標であり、そのまま同じ倍率の生産性向上を意味しないとも注意を促している。冒頭と図の説明では時間の集計方法が異なるため、ここでは詳細な説明に従い、四半期と複数年平均の比較に混ぜない。
コード量の増加を、そのまま同じ倍率の有効な成果に換算することはできない。
私の仕事にとっては、倍率そのものより、この注意のほうが役に立つ。成果物が長くなったのは、より多くの問題を解決したからかもしれない。一方で、読む作業、保守、修正の負担を増やしただけかもしれない。効率を論じるなら、成果物の用途、品質、その後の仕事も含めて考える必要がある。
成功率は、どのタスクの成功か
もう一つの数字は、2026年5月に、最もオープンな分類のClaude Codeセッションの成功率が76%に達し、半年で約50パーセントポイント上昇したというものだ。これは同社がClaudeを評価役にして判定した指標であり、タスクの構成も結果に影響する。一桁台から76%に伸びたと書くことも、あらゆる依頼が成功する確率として扱うこともできない。
成功率は、タスクの定義、評価方法、観測期間と併せて読む必要がある。
たとえば、ツールに文書を整理してもらう場合と、原因不明の不具合を調べてもらう場合では、必要な証拠が異なる。一つの総合的な割合だけでは、この二つの仕事をどう確認すべきかは分からない。
長いタスクは、タイマーが何時間動いたかだけではない
元の記事が引用するタスクの時間幅の指標には、特定のタスク集合と成功率の基準が関わっている。これは、モデルが同じ時間だけ中断せず、信頼できる形で働いたことを意味しない。将来に向けた時間の推計も、条件付きの外挿として扱う必要がある。
そのため私は、「何時間動かせるか」だけを問いたくない。より役に立つのは、その時間で何が得られ、どの部分を再現でき、失敗をどう報告し、引き継げる成果を残したのかという問いだ。
タスクを実行し続けられることと、その結果を採用する価値があることは、別々に確認する必要がある。
ツールが長く動いても、どのバージョンを変更したのか誰にも分からなければ、時間の長さ自体は進捗の判断に役立たない。
一つの実験が成功しても、どこへ移せるかを問う
実験での加速や進歩を読んだら、私は続けて確認する。出発条件は同じか。どの目標が人によってあらかじめ設定されていたか。評価は何を対象にしているか。結果を異なる規模や状況にも移せるか。
こうした問いは実験を否定するためではなく、どのような結論を支えられるかを判断するためにある。指定されたコードを最適化することと、実際の訓練工程全体を同じ倍率で加速できると示すことでは、必要な証拠が明らかに異なる。
特定のテストでの進歩を、そのまま研究工程全体の保証に広げることはできない。
本稿では、確認できていない中間値で連続した曲線を補ったり、模式的な割合を特定のモデル名に結び付けたりしない。見かけ上は完全な傾向を描くより、定義の明確な数字を残すほうが役に立つ。
産出が増えるなら、受け入れ確認も追い付く必要がある
私にとって、この解説から生まれる最も実際的な問いは、ツールが多くの結果を同時に出せるようになったとき、誰にそれを確認する時間があるのか、ということだ。
私は成果物を引き渡すたびに、少なくとも三つのことを説明できるようにしたい。なぜ行ったのか。実際に何を変えたのか。どの基準で照合したのか。確認を通らなかった部分も、「完了」の一言で覆わず、記録に残すべきだ。
実行が速くなっても、受け入れ確認、保守、修正のコストを含める必要がある。
私はこの問いを、「人は必ずコードを書かなくなる」「実行はすでに無料になった」とは表現しない。ツール、計算資源、人の注意力、その後の責任は、いずれも案を採用する価値に影響し得る。
将来のシナリオは、備えるためのもので、確率を示すものではない
元の記事は、大きく三つの方向を論じている。進歩が制約に突き当たる場合。開発は加速し続けるが、人が方向を決める場合。そして、システムが完全な再帰的自己改善に達する場合だ。これらは著者たちが帰結を考えるためのシナリオであり、測定された発生確率ではない。
私はこれらを、より具体的な準備につなげたい。どの制約が変わったら、再評価する必要があるか。ツールが強くなっても、どの仕事には権限、検証、責任の取り決めが必要か。前提が成り立たないと分かったとき、どう止め、どう調整するか。
シナリオは備える助けになるが、まだ起きていない結果を保証するものではない。
残したいのは、方向に対する責任
これらの資料を読んだ後も、私は「何をするか」を大切に考えている。ただ、自分が何に責任を持つべきかを説明するために、AIは永久に判断できないと先に証明する必要はない。
私の仕事では、価値の選択、受け入れられるリスク、承認する範囲、最終的に採用する結果を、誰かが引き受ける必要がある。ツールは選択肢を出し、資料を探し、盲点を指摘する手助けができる。それによって、人の責任が自動的に消えるわけではない。
これは私の仕事上の選択であり、あるテストの割合から導いた、人と機械の本質的な順位ではない。
まだ閉じていない問いに戻る
この記事を読んで私が問い続けたいのは、次の倍率だけではなく、証拠と主張の間の距離だ。
一つの数字は何を示せるのか。どの観察がまだ足りないのか。誰が反証できるのか。結果が期待どおりでなかったとき、工程はそれを認めて修正できるのか。モデルの能力とともに、こうした問いも進歩させていきたい。
判断の価値は、具体的な選択とその帰結の中で実践する必要がある。


💬 コメント
読み込み中...