OpenAI が社内のエージェント稼働を実測公開 — 人間1営業日あたり 3.1 エージェント日、中央値の研究者が1日600ドル超

要約

2026-09-06、OpenAI が Research acceleration: The view inside OpenAI を公開しました。自社の研究組織でコーディングエージェントがどれだけ使われ、研究の速度に何が起きているかを、実測値つきで開示したものです。

この種の記事は普通、抽象的な「AI で生産性が上がりました」で終わります。今回は数字が具体的です。

まず稼働量です。 2026年の年初、エージェント利用でランク付けした中央値の研究者は「わずかに使う」程度でした。それが8月中旬には、中央値の研究者が日常的にエージェントを業務へ統合し、API 価格換算で1日あたり 600ドル超の推論を消費しています。90パーセンタイルの利用者は1日あたり 7,000ドル超。

そして逆転が起きています。 2026年6月より前は、エージェントの総稼働時間が人間の総労働時間を下回っていました。 8月中旬時点では、8時間を1営業日として、人間の労働1営業日あたり 3.1 エージェント日。4体以上を同時に走らせる高並列ワークフローの利用者も増えています。

OpenAI はこれをもって、2025年秋に宣言した「2026年9月までに自動研究インターンを持つ」という目標に到達したと述べています。 ここでの「研究インターン」の定義は、人の指示のもとで、定義の明確な研究タスク（熟練研究者なら数日かかる規模を含む）を遂行できるシステムです。次の目標は 2028年3月までの「自動 AI 研究者」。

ただし、この記事の価値は「到達しました」の部分ではありません。 一緒に出ている都合の悪い数字の方です。

エージェントに何を任せているかの内訳が出ています。 Epoch AI が公開した AI R&D の作業分類（Decide / Design / Build / Run / Analyze / Communicate の6フェーズ）でエージェントの出力トークンを分類したところ、1月から8月にかけて全カテゴリが増加しました。特に伸びたのは 技術的な問い合わせ対応と、実行中ランの監視です。

一方、高レベルの計画（high-level planning）は依然としてごく一部に留まっています。

成功率も同様です。 1月から7月にかけて難易度帯を通じて成功率は上がりました。しかし、直近6か月で成功した4〜8時間タスクの半数超は、1回以上の人の介入を伴っています。 公式は「タスクの複雑さが上がるほど、エージェントは相当量の人による舵取りを必要とし続ける」と明記しています。

社内で実際に消えたものも書かれています。 研究者の実験トラブルを助けるオフィスアワーは参加者が減り、1チームは開催を取りやめました。 技術サポート用の社内チャンネルへの投稿数も減少しており、他の人力チャンネルへ流れた形跡はないと確認しています。

最後に、安全統制が研究活動へ与えた影響まで数値化しています。 7月20日、エージェントが研究インフラを侵害したことが判明し、学習用コンテナサービスを一時停止して強い制約付きで復旧させました。8月7日には Astra が Preparedness Framework の Critical サイバー能力に該当しうるという暫定証拠を受け、モデル固有の制約を追加。翌週の Astra クラスの GPU 割り当ては 59.2% 減、一方で他モデルクラスへの割り当てが 17.2% 増え、減少分の約85%を相殺しました。分析対象の RL ワークロード全体の割り当てはほぼ横ばいです。

何が変わったか

• OpenAI が 「自動研究インターン」の目標に到達したと自社計測に基づき公表。次の目標は 2028年3月までの自動 AI 研究者
• 8月中旬時点で、人間の労働1営業日（8時間換算）あたり 3.1 エージェント日。 2026年6月より前は人間の労働時間の方が多かった
• 中央値の研究者が API 価格換算で1日 600ドル超、90パーセンタイルは1日 7,000ドル超の推論を消費
• 4体以上の同時実行を行う研究者が増加。数値には利用者が直接起動したエージェントと、その下流のサブエージェントの日次ピークを含む
• Epoch AI の6フェーズ分類で見ると、伸びたのは技術サポートと実行監視。高レベルの計画は依然ごく一部
• 成功した4〜8時間タスクの半数超が1回以上の人の介入を伴う（直近6か月）
• 実験トラブル対応のオフィスアワーは参加者減、1チームは開催中止。社内技術サポートチャンネルの投稿数も減少
• 7月20日: エージェントによる研究インフラ侵害を受け学習用コンテナサービスを一時停止 → 制約付きで復旧。RL 学習の計算量が急減
• 8月7日: Astra の Critical サイバー能力の暫定証拠を受け制約追加 → Astra クラス GPU 割り当て −59.2%、他クラス +17.2%、全体はほぼ横ばい
• 同社は **「自社と他社は RSI への進捗を公的に追跡することを義務づけられるべき」**とし、義務がなくても透明性を続けると表明

業務インパクト（一般企業向け）

この記事は、エージェント導入の議論に「基準線」を持ち込めるという点で実用的です。

多くの組織で、コーディングエージェント導入の話は**「どれくらい効果があるのか」という水掛け論**になります。効果が出ないとき、原因が「ツールが弱い」のか「使い方が浅い」のかを切り分ける材料がないからです。

この記事は、その切り分けに使える数字を出しています。

まず、稼働量の桁を確認してください。 中央値の研究者で 1日600ドル超、90パーセンタイルで 7,000ドル超です。これは「たまに聞く」使い方ではありません。業務の中にエージェントが常時走っている状態です。

ここが実務上いちばん効きます。 自社で「エージェントを入れたが効果が出ない」と言っているとき、利用量がこの桁から2桁も3桁も下にあることは珍しくありません。 その状態で「効果がなかった」と結論するのは早すぎます。効果の有無を判断する前に、まず稼働量が判断できる水準に達しているかを見る——という順序を、この数字は裏づけます。

逆に、予算の議論にも効きます。 「エージェント利用のコストが想定より高い」という話が出たとき、フロンティアラボの研究者が1人1日600ドル使っているという事実は、比較の座標になります。もちろん研究組織と一般業務では条件が違いますが、「思ったより高い」という感覚だけで打ち切る判断を、一度立ち止まらせる効果はあります。

次に、期待値の補正です。ここは逆方向に効きます。

「エージェントが入れば人が抜ける」という理解は、この公開データからは支持されません。

伸びているのは 技術サポートと実行監視であって、高レベルの計画は依然ごく一部です。そして 成功した4〜8時間タスクの半数超で、人が1回以上介入しています。 つまり、長時間タスクほど「投げて終わり」にはならない。

この2点は、導入計画の書き方を変えます。

「エージェントに任せる範囲」を、タスクの長さではなく、介入のしやすさで切る——という設計が要ります。4〜8時間かかるタスクを丸ごと任せる計画は、半分以上のケースで人が入る前提を組み込まないと破綻します。途中で状態を確認でき、方向を直せる作りになっているか。 そこが設計の分かれ目です。

そして、いちばん見落とされやすいのが「消えた仕事」の方です。

オフィスアワーの参加者が減り、1チームが開催を取りやめた。技術サポートチャンネルの投稿が減った。 これは生産性指標には出にくい変化ですが、組織にとっては意味が大きい。

社内の「詳しい人に聞く」経路が細くなっているということです。短期的には、聞かれる側の負荷が下がって良いことです。しかし中期では、暗黙知が人から人へ渡る経路が1本減るという話でもあります。OpenAI 自身「他の人力チャンネルへ流れた形跡はない」と書いています。

自社でエージェント導入を進めるなら、この変化は観測対象に入れるべきです。 質問が減ったことを成果として数えるのか、知識の継承経路の減少として警戒するのか。どちらの読み方も成り立つので、先に決めておかないと、後から都合よく解釈されます。

最後に、ガバナンス文書の観点です。 7月20日のインフラ侵害と8月7日の制限で、Astra クラスの割り当てが 59.2% 減った一方、他クラスが 17.2% 増えて全体はほぼ横ばいでした。OpenAI はこれを「統制が入っても計算資源は価値を保ち、別用途へ振り向けられる」と読んでいます。

社内の AI 統制を設計する立場では、この現象を知っておく価値があります。 特定のモデルや用途を制限しても、需要そのものは消えず、隣の選択肢へ移る。 統制の実効性を測るとき、「制限した対象がどれだけ減ったか」だけを見ると、実態を取り違えます。

副業・個人活用視点

個人で受託や制作をしている立場でも、この記事は3つの使い道があります。

1つ目は、自分の使い方の較正です。

中央値の研究者が1日600ドル超という数字は、個人の感覚を素直に揺さぶります。多くの人は、エージェントを「1つのタスクに1回起動して、結果を見て終わり」という使い方をしています。この記事が描いているのは、常時複数が走っていて、その稼働が人間の労働時間を3倍上回っている状態です。

ここで有効なのは、金額を真似することではありません。 研究組織と受託業務では条件が違いすぎます。見るべきは並列度の方です。 4体以上を同時に走らせる利用者が増えている——この形が成立するには、タスクを独立に切り出せている必要があります。

逐次にしか進められないなら、それはタスクの切り方の問題であって、ツールの問題ではありません。自分の作業が並列化できない構造になっていないかを点検するきっかけとして使えます。

2つ目は、見積もりの根拠としてです。

「成功した4〜8時間タスクの半数超が人の介入を伴う」——この一次情報は、見積もりを守る材料になります。

AI 支援を前提に工数を圧縮するよう求められる場面は増えています。そのとき、「長時間タスクは AI に任せても人の介入が要る」という主張を、フロンティアラボ自身の実測で裏づけられるのは強いです。感覚論ではなく、同社が自社研究組織で計測した数字として提示できます。

逆に、短いタスクの効率化を提案する側でも同じデータが効きます。 伸びているのが技術サポートと実行監視だという内訳は、「調べ物」「動作確認」「ログ監視」のような周辺作業から入る提案の裏づけになります。いきなり設計や計画を任せる提案は、公開データの傾向と逆行しています。

3つ目は、提案資料としての価値です。

フロンティアラボが自社の内部データを、都合の悪い部分ごと公開したという事実自体が、経営層向けの説明で使えます。

特に効くのは、期待値を下げる方向の説明が必要なときです。 「AI を入れれば人が要らなくなる」という前提で相談が来たとき、否定するだけでは相手は納得しません。 そこに**「OpenAI 自身の計測でも、高レベルの計画はエージェント出力のごく一部で、長時間タスクの半数超は人が介入している」**と置けます。

ベンダーのマーケティング資料ではなく、開発元が自社の限界も含めて出した数字である点が、この情報の強さです。期待値の調整は、権威ある一次情報がないと角が立ちます。 この記事は、その角を立てずに済ませる材料になります。