藍

はじめに——「やり切る」側に回った道具を前にして

2026年6月9日、Anthropic は新しい最上位モデル「Claude Mythos 5」、そしてその姉妹版である「Fable 5」を一般公開しました。（以下、本コラムでは一般向けに公表されている Fable 5 を題材にします。）

Opus という呼称の上に「Mythos クラス」という新しい階層がひとつ積まれた——この事実は、地味に見えて、この一年の到達点を象徴しています。一年前、各社の旗艦は「Opus」「o3」「2.5 Pro」といった、いわば従来のフラッグシップ枠の最上段にいました。

現在のAIモデルは、その最上段の、さらに上が常設されている状況になっています。

その到達点を一言で言うならば――書く、調べる、要約する、コードを書いて直す、表を作る、長い資料を読み解く——かつて人間が机に向かって数時間かけていた種類の作業を、最新世代は「最後まで」やり切るようになりました。これは大袈裟な未来予想ではなく、既に、皆さんの手元で実現している現実です。

ただし、念のため確認をしておきます。

これは、未だAGI（汎用人工知能）の到来という状況ではありません。専門的な判断、学術的な独創、芸術的な飛躍——人間にしか踏み込めない領域は、まだまだ広く残っています。むしろ、後で詳しく述べるとおり、AIが「日常の頭脳労働」を引き受けるようになったからこそ、人間に残された領域の輪郭がくっきりしてきた、ということもできるかもしれません。

このコラムでは、GPT・Claude・Gemini という三つの系譜を、三つの定点で計測することにします。

2025年6月末——ちょうど一年前の地図。

2026年6月14日——いま、この瞬間。

そして2027年6月——一年後に、どこまで進んでいるか。

過去一年から現在までの動きを数字で振り返り、その延長線上にある一年後の未来を考察します。

なお、本稿で扱う2026年の各種ベンチマーク数値は、各社の公式ページからの取得が困難であり、二次ソースを横断確認したものが数多くあります。数字には測定条件（思考の有無・並列計算・ツール使用）を併記し、出典に帰属させています。

---

2025年6月末——「賢いが、まだ自分では仕上げきれない」AI

一年前の地図を広げてみましょう。基準日は2025年6月30日。この時点で、三社の最上位はこう並んでいました。

OpenAI は推論特化の o3-pro（2025年6月10日提供開始）を頂点に置き、汎用は GPT-4.1 が担っていました。Anthropic は Claude Opus 4（2025年5月22日）。Google は Gemini 2.5 Pro（2025年6月17日に一般提供）。

いずれも当時の最先鋒であり、しかし——いまの目で見れば——「賢いが、まだ自分では仕上げきれない」段階にありました。

コーディングの天井は、約72%だった

その「仕上げきれなさ」を最もよく映す指標が、実際のGitHub課題を解かせる SWE-bench Verified です。実在のソフトウェアの不具合を渡し、AIにパッチを書かせて、テストが通るかを測ります。当時の天井はこうでした。

SWE-bench Verified：実在のGitHubリポジトリのバグ修正課題集（人手で検証された約500問のサブセット）。AIにパッチを書かせ、テストが通るかで採点する。実務的なコーディング能力の指標。

モデル	スコア	条件
Claude Opus 4	72.5%	標準（79.4%＝高compute）
OpenAI o3	69.1%	no-scaffold
Gemini 2.5 Pro	63.8%	Google公称
GPT-4.1	54.6%	非推論モデル
(参考) GPT-4o	33.2%	前世代

Anthropic は Opus 4 を「世界最高のコーディングモデル」と打ち出し、SWE-bench で実際に首位に立っていました。ですが、その王者ですら標準条件で72.5%。十問のうち、おおむね七問を解いて三問を落とします。

これが何を意味するか。

人間の監督なしに本番コードを任せるには、まだ届かないということです。三割の取りこぼしは、レビューする人間がいなければ事故になります。だから当時のAIは「賢い相談相手」ではあっても、「仕事を渡しきれる相手」ではありませんでした。

推論と数学は派手だが、それも「ツールと思考の条件次第」だった

数学（AIME 2025）や大学院理系（GPQA Diamond）では、OpenAI の o系と Gemini 2.5 Pro が先頭を走っていました。AIME 2025 では o4-mini が92.7%（ツールなし）、o3 が88.9%、Gemini 2.5 Pro が86.7%。GPQA Diamond では Gemini 2.5 Pro が84.0%、o3 が83.3%でした。

AIME 2025：American Invitational Mathematics Examination。米国の難関高校数学コンテスト（2025年版）。整数で答える難問で、高度な数学推論を測る。

GPQA Diamond：Graduate-level Google-Proof Q&A。生物・物理・化学の大学院〜専門家レベルの難問QA。Diamondは最難サブセット。検索では解けない設計で、専門知識と推論を測る。

ここで見逃せないのが、Claude Opus 4 の数字の振れ幅です。AIME 2025 で思考なしなら33.9%、拡張思考（extended thinking）を効かせると75.5%。同じモデルが、考える時間を与えられるかどうかで倍以上違います。GPQA Diamond でも74.9%→79.6%と動きました。

つまり当時すでに、「AIがどれだけ賢いか」という問いは、「どういう条件で動かしたか」という問いと切り離せなくなっていました。条件を書かずに数字だけ並べるのは、もはや誠実ではない時代に入っていたのです。

実際、Claude 4 のベンチ提示（高compute値の見せ方）には、研究者のネイサン・ランバート氏が苦言を呈してもいました。数字は「条件」で大きく動く——その自覚が、書き手にも読み手にも要求され始めていました。

人間の好み（LMArena の Elo）では、Gemini 2.5 Pro が単独首位。2025年3月の初登場時に、史上最大とされる約40 Elo のジャンプで首位デビューし、2025年6月もその座を保っていました。

LMArena の Elo：人間が2モデルの回答を匿名で見比べて勝者に投票し、チェスのEloレーティングで格付けする。人間が「良い」と感じる回答（選好）を測る。

長文の扱いでは、GPT-4.1 と Gemini が100万トークン（GPT-4oの128Kの実に8倍）、Claude は20万トークン。コスト面では、OpenAI が2025年6月10日に o3 を80%値下げし「賢いモデルが安くなる」転換を見せ、Gemini 2.5 Pro は「o3 の約8分の1の価格」が話題をさらいました。

エージェントは「出そろったが、まだプレビュー」だった

そして最も重要な点です。この時期、後に主役となる「自律エージェント」たちが、ちょうど出そろい始めていました。OpenAI の Operator（2025年1月）、Deep Research（2025年2月3日）、Codex（2025年6月にChatGPT Plusへ拡大）。Anthropic の Claude Code（2025年2月にリサーチプレビュー）。

ですが、いずれもプレビュー段階でした。「対話するAI」から「自律実行するAI」への移行が始まったばかり——号砲は鳴りましたが、まだ誰も本気で走り出してはいませんでした。

要するに2025年6月末のAIは、こう要約できます。考えることは十分に賢い。けれども、最後まで自分で仕上げる力と、それを安心して任せる信頼は、まだ足りなかったのです。一年後の到達点は、まさにこの二点——「やり切る力」と「任せられる信頼」——を埋めていく物語になります。

---

この一年——「考えるAI」から「やり切るAI」へ

では、何が変わったのでしょうか。一年を貫く太い一本の線を引くなら、それは「考えるAI」から「やり切るAI」への移行です。賢さの競争は続きましたが、主戦場はもう「どれだけ賢いか」ではなく「どれだけ最後までやり切れるか」に移りました。順を追って見ていきます。

コーディング——72.5%から95%級へ。人間水準の壁を越えた

最も劇的に伸びたのがコーディングです。SWE-bench Verified の一年前と現在を並べると、跳躍の大きさが一目でわかります。

社	2025-06（天井）	現在（2026-06）
Anthropic	72.5%（Opus 4）	約95%級（Fable 5）
OpenAI	69.1%（o3）	82.6%（GPT-5.5）
Google	63.8%（2.5 Pro）	80.6%（Gemini 3.1 Pro）

ここで決定的なのは、ひとつの「壁」が越えられたことです。SWE-bench Verified で 80% という数字は、Anthropic 社内のエンジニア評価で「人間候補者の水準」とされてきたラインです。これを史上初めて突破したのが、2025年11月24日の Claude Opus 4.5（80.9%）でした。

そして驚くべきは、その後の速度です。80%の壁を越えてから一年も経たないうちに、90%台へ到達してしまいました。Opus 4.7（2026年4月、87.6%）、Opus 4.8（2026年5月、88.6%）、そして2026年6月9日の Fable 5 が集計サイト値で約95%級です。

この「80%→95%」が何を意味するか、噛み砕いておきたいと思います。72.5%の時代は、三問に一問を落とすから人間のレビューが必須でした。ですが95%級になると、二十問に一問しか落としません。

これは質的に違う世界です。人間が「全部チェックする前提」で渡していた仕事を、「ときどき確認する前提」で渡せるようになったということです。監督のコストが桁で下がります。

AIが「賢い相談相手」から「仕事を渡しきれる実働部隊」へ変わった——その転換点が、まさにこの数字の中にあります。

実際、この変化は経済の数字にも表れています。Anthropic は2026年5月時点で「自社コードベースにマージされるコードの80%超を Claude が書いた」「スクリプトや実験コードを含めれば90%以上」と公表しました。

エンジニア一人あたりの出荷コード量は2024年比で約8倍——ただし同社は「真の生産性向上は過大評価で、中央値では約4倍」と内部調査で正直に補正しています。この「8倍だが体感は4倍」という二重の数字こそ、誇張せずに進歩を語る誠実さの好例です。

エージェントの自律化——伴走から、代行へ

数字の伸びと並んで、いや、それ以上に本質的だったのが、エージェントの自律化です。一年前は「プレビュー」だったツールたちが、いまや人間の監督下で数時間から24時間のタスクを自走するようになりました。

OpenAI の Codex は、この変化を最も雄弁に語ります。2025年11月の GPT-5.1-Codex-Max は、複数のコンテキストウィンドウをまたぐプロジェクト規模の作業に対応し、社内で24時間連続のタスクを完遂した事例が報告されました。SWE-bench Verified 77.9%（extra-high reasoning）。

2026年に入ると、デスクトップアプリ（Win/Mac、ローンチ前に100万人以上が利用）、脆弱性を発見・修正する Codex Security（主要プロジェクト横断で重大級約800件・高深刻度1万件超を検出）と製品化が進み、週間アクティブユーザーは200万を超えました。補完ツールが、開発の実働基盤になりました。

Anthropic の Claude Code は、別の角度から自律化を進めました。サブエージェント（親セッションから独立したコンテキストを持つ子セッションを並列起動）、決定論的に100%実行される「フック」（助言的な指示が「およそ80%しか効かない」問題を、強制実行で解く仕組み）、そして自律度を一段上げる Auto Mode（2026年3月）と数時間規模のセッションを持続させる Goal Mode（2026年5月にGA）。

縦断データでは、人間の承認なしに実行を任せる「auto-approve率」が、利用回数とともに上昇しています（50回未満で約20%、750回で40%超）。Claude Code はもはやCLIの補助ツールではなく、「自律ソフトウェアエンジニアのOS」と呼ぶべき水準に達しました。

Google の Antigravity は、そもそも「agent-first」を看板に2025年11月18日に登場しました。複数エージェントを横断管制する Manager View、エージェントがブラウザやターミナルに直接触れて自分で計画・実行・検証する仕組み、そして生のツールコールではなく「タスクリスト・実装計画・スクリーンショット・ブラウザ録画」という検証可能な成果物（Artifacts）を出す設計です。

2026年5月のI/Oでは2.0としてデスクトップ・CLI・SDK・マネージドサービスへ拡張し、IDEから開発プラットフォームへと姿を変えました。

三社に共通する移行は明快です。ツールの正体が「コードを書くのを手伝う伴走者」から「仕事を計画し、実行し、自分で検証する代行者」へ変わりました。これが「やり切るAI」の実体です。

推論ベンチの飽和——「賢さの物差し」が寿命を迎えた

一方で、皮肉な現象も起きました。かつて「フロンティアの証」だった推論ベンチが、軒並み天井に張り付いてしまったのです。

AIME 2025（コンテスト数学）は、OpenAI の GPT-5.2（2025年12月）が100%、すなわち満点（ツールなし）に達しました。一年前に「o3 で88.9%」だった指標が、満点に到達して信号を出し尽くしました。

GPQA Diamond（大学院理系）も、Anthropic 93.6%、OpenAI 92.4%、Google 94.3%と、三社が90%台前半に密集しました。抽象推論の ARC-AGI-2 も90%帯に届きました。

これは喜ばしい進歩であると同時に、深い含意を持ちます。「どれだけ賢いか」を測る道具が、その役目を終えつつあるということです。満点のテストは、もう優劣を判別できません。

だから評価の世界は、静的な一問一答から、「長時間の自律タスクをどれだけ完遂できるか」へと軸足を移し始めました。ターミナル内で実際にコンパイルやサーバ構築を行わせる Terminal-Bench（フロンティアモデルでも65%未満という難度）や、後述する METR の「時間ホライズン」がその先頭にいます。賢さの飽和は、評価軸そのものの転換を促しました。

コンテキスト——20万から、100万〜200万トークンへ

最後に、地味ですが効いている変化です。扱える文脈の長さです。一年前は20万〜100万トークンだった窓が、いまや100万〜200万トークンに広がりました。Claude は20万から100万へ、Gemini は200万を掲げています。

これが効くのは、長文化が「やり切るAI」の前提条件だからです。コードベース全体、長大な契約書群、何時間分もの会話履歴——それらを一度に視界に収められなければ、長時間タスクの自律遂行はできません。

文脈の拡大は単なるスペック競争ではなく、エージェントが「大きな仕事を最後まで抱えきる」ための器の拡張でした。

一年を総括すれば、こうなります。賢さ（推論ベンチ）は飽和し、主戦場はコーディングと自律エージェントに移り、ツールは伴走から代行へ、器は長文化しました。一年前に足りなかった「やり切る力」は、この一年でおおむね埋まりました。残る問いは——「任せられる信頼」です。それが次の一年のテーマになります。

---

2027年6月へ——進化は「数字で見えにくく」なる

では、これから一年。2027年6月の地図はどうなっているでしょうか。ここからは事実ではなく予測の領域に入ります。だからこそ、「誰が・何と言ったか」を明示し、楽観と懐疑の両論を並べたうえで、最後に編集部の見立てを述べます。

ラボの言葉——AGIを口にし始めた経営者たち

各社の経営者は、いま明確に踏み込んだ発言をしています。

OpenAI は、最も具体的なロードマップを公表しました。2025年10月28日、サム・アルトマン氏が内部目標として「2026年9月までに自動AI研究インターン」「2028年3月までに真の自動AI研究者」を掲げました。チーフサイエンティストのヤクブ・パチョツキ氏は、現行モデルがすでに「約5時間の時間地平のタスク」を扱えると述べています。

一方でアルトマン氏は「ユーザーはこれ以上のIQを求めていない。速さ・体験・統合を求めている」とも語り、純粋な知能から体験・記憶へと軸足を移す姿勢も見せています。

Anthropic のダリオ・アモデイ氏は、より大胆です。「強力なAI（powerful AI）は早ければ1〜2年先」——早ければ2026年とも。「ほとんどの関連分野でノーベル賞受賞者より賢い」AIを「データセンターの中の天才たちの国」と表現します。

コーディングについては「2025年後半はClaudeのコードが人間より劣っていたが、現在はほぼ同等。年内に明確に上回ると見込む」（2026年5月）。そして最も射程の長い予測——「現世代のAIが次世代を自律的に作る再帰的自己改善のループは、すでに始まっている」。

Google DeepMind のデミス・ハサビス氏は、AGIの予測窓を従来の「2030〜2035」から「2029か2030」へと前倒ししました。「我々は特異点の麓に立っている」「AGIは産業革命の約10倍のインパクトを、10倍の速さでもたらす」。短縮の主因として彼が挙げるのが、ほかでもないエージェントの急進歩です。

三社が口をそろえて「次の主要パラダイムはエージェント」と語る——この一致は、傾聴に値します。

ただし、経営者の発言は自社製品の宣伝でもあります。額面どおりには受け取れません。だから、もっと冷静な「実測の物差し」を見ておく必要があります。

METR 時間ホライズン——最も信頼できる「物差し」

予測の世界で最も参照される実測指標が、非営利の研究機関 METR が測る「時間ホライズン」です。これは「AIが成功率50%で完遂できるタスクの長さ」を測るものです。直感的に言えば、「AIに任せて放っておける時間」です。

METR の最新計測（2026年1月29日公開）によれば、このタスク長は約4ヶ月で倍増するペースで伸びています（2024年以降の倍増時間は88.6日）。モデル別に見ると、Claude Opus 4.5 が50%ホライズン320分、GPT-5 が214分、o3 が121分。一年前の Opus 4 は101分でしたから、ここでも明確な伸びがあります。

この実測トレンドを外挿すると——AI Digest が「AIエージェントの新しいムーアの法則」と呼ぶ予測では——2027年に「1営業日（8時間）」、2028年に「1営業週（40時間）」、2029年に「1営業月」相当のタスクを自走できるようになります。

つまり来年6月ごろには、「一日分の仕事をまるごと任せて、夕方に成果を受け取る」が現実味を帯びてきます。

ただし慎重さも忘れてはなりません。METR自身が「信頼区間は依然として非常に広い」「トレンドはタスク構成に敏感」と注記しています。実測は事実ですが、外挿は予測です。倍増ペースが続く保証はどこにもありません。

アーキテクチャの地殻変動——LLMの「外」で何が立ち上がったか

「これから一年」を語るとき、LLMの改良だけを見ていては片手落ちになります。LLMの外側で、別系統の基盤が立ち上がり始めているからです。三つの動きを押さえておきたいと思います。

第一に、世界モデル（World Model）。これは「テキストを予測する」のではなく「現実をシミュレートする」AIです。

Google DeepMind は Genie 3（2025年8月、リアルタイムで操作可能な世界を生成）から Project Genie（2026年1月）へ進み、I/O 2026 でスンダー・ピチャイ氏が「世界モデルによって、AIはテキスト予測から現実のシミュレーションへ移る」と宣言しました（Gemini Omni）。フェイフェイ・リー氏の World Labs も「Marble」（2025年11月）で永続的な3D環境を生成する商用製品を投入済みです。

これらは構想ではなく、実物が出ています。世界モデルは「立ち上がった」のです。

第二に、LTM（Large Tabular Model、大規模表形式モデル）。LLMが言葉を扱うのに対し、LTMは「表（構造化データ）」を扱う基盤モデルです。「次の単語」ではなく「データ点間の関係」を理解し、需要予測・価格予測・解約予測などを決定論的・監査可能に行うと謳います。

2026年2月、Fundamental 社が2億5500万ドルを調達して "NEXUS" を公開し、Fortune 100 と7桁ドル規模の契約を結びました。Mastercard も自社LTMを数十億件の取引で訓練しています。

企業の意思決定という、LLMが幻覚（ハルシネーション）で苦手としてきた領域を、別系統のモデルが狙います。これも「立ち上がった」のです。

第三に、継続学習（continual learning）。これは「次の本丸」ですが、まだ宿題のままです。

強化学習の父リチャード・サットン氏（2024年チューリング賞）は「LLMは洗練された行き止まり（dead end）」と断じ、静的な訓練ではなく「経験から学び続けるAgent（Era of Experience）」こそ次の飛躍だと主張します。ただし彼自身が「破滅的忘却を起こさずに学び続ける継続学習は、まだ実現していない」と認めています。

世界モデルとLTMが「立ち上がった」のに対し、継続学習は「次の本丸」として残っている——この温度差が、2026年前半の地形図です。

懐疑論も忘れない——「2027年は思ったより遅い」可能性

両論併記が本稿の流儀です。強気の予測には、同じだけ重みのある懐疑論があります。

積極シナリオ「AI 2027」を書いたダニエル・ココタイロ氏本人が、2026年初頭に「AI 2027のシナリオより、やや遅れて進んでいる」と認め、AGIの中央値を「2030年前後」としました。

研究者コミュニティはもっと辛口です。AAAI の調査では、AI研究者の76%が「現行モデルのスケールアップだけでAGIに至るのは可能性が低い」と回答しています。Epoch AI は「計算資源のスケーリングは、データセンター建設のリードタイム増（4〜5年）で減速する」と指摘します。

経済学者ダロン・アセモグル氏（2024年ノーベル経済学賞）に至っては、AIが今後10年で米GDPを押し上げる効果を「約1.1%、年間生産性で約0.05%」と、はるかに控えめに見積もっています。

そしてエージェント導入の現場にも影があります。ガートナーは「2026年までにエンタープライズアプリの40%がタスク特化AIエージェントを搭載」と予測する一方、同社は「エージェント型AIプロジェクトの40%超が2027年までに中止リスク」とも予測しています。

導入は急拡大しますが、定着・ROI・ガバナンスで脱落も多くあります。過熱と幻滅は、同時に進みます。

編集部の見立て——「賢さ」から「任せられるか」へ

これらを踏まえ、編集部の見立てを述べたいと思います。三点あります。

第一に、来年の進化は「数字で見えにくく」なります。 推論ベンチはすでに飽和し、新しい数字の伸びしろは細っています。代わりに伸びるのは「任せられる範囲」という、定量化しにくい質です。

SWE-bench が72%から95%へ駆け上がった一年のような、わかりやすいグラフの急伸は、来年はおそらく見られません。ですが、それは進化が止まったからではありません。進化の場所が、ベンチマークの数字から「実務で何時間任せられるか」へ移ったからです。METR の時間ホライズンが、まさにその新しい物差しになります。

第二に、次の競争軸は「賢さ」ではなく「信頼して任せられるか」です。 三社の最上位は、もう十分に賢いといえます。数学は満点を取り、大学院理系は90%台に張り付いています。

差がつくのはここからです——どれだけ事実に接地（grounding）し、自分の出力を検証可能（verifiable）にできるか。Antigravity が生のツールコールではなく「検証可能なArtifacts」を出すよう設計されたこと、LTMが「監査可能な予測」を売りにすること、Claude Code が決定論的なフックで組織ルールを強制すること——これらはすべて、「賢さ」ではなく「任せられるための接地と検証」を巡る競争の現れです。

本稿冒頭で述べた、一年前に足りなかった二つ目の課題「任せられる信頼」が、いよいよ正面の主題になります。

第三に、過熱と幻滅は同時に進みます。 エージェント導入は急拡大し、市場規模も膨らみます（McKinseyは年2.6〜4.4兆ドルの価値創出と試算しています）。ですが同時に、ガートナーが警告するように、準備不足のプロジェクトの少なからずが頓挫します。

来年は「AIがすごい」というニュースと「AIプロジェクトが失敗した」というニュースが、並んで流れる年になります。どちらも本当です。

賢明な組織は、この二面性を冷静に見て、過熱に煽られず、幻滅に萎縮せず、自分の現場で「任せられる範囲」を着実に広げていくでしょう。

---

人間は何をする人になるのか

道具がここまで「やり切る」ようになったとき、人間の仕事はどう変わるのでしょうか。最後に、この問いに正面から向き合いたいと思います。これは技術の話ではなく、私たち自身の話だからです。

仕事は「作る側」へ移る

第一の変化は、人間の役割が「作業する側」から「作る側」へ移ることです。

AIがコードを書き、調べ、要約するなら、人間に残るのは「そのAIをどう構築し、どう動かすか」を設計する仕事です。Anthropic の Claude Code がフックやサブエージェントで「エージェントを組み立てる」道具になり、Google の Antigravity が「カスタムサブエージェントのワークフローを設計する」プラットフォームになったのは偶然ではありません。

これからの頭脳労働者は、自分の代わりに働くエージェントを構築し、それに与える質の高いデータ基盤を整える人——いわば「働く人」から「働かせ方を設計する人」へと、立ち位置を上げていきます。

ここでLTMの台頭が示唆的です。LTMが価値を出すには、企業が持つ「表データ」の質が問われます。AIが優秀になるほど、それに食わせるデータの質と、それを設計する人間の判断が、成果を分けます。

道具が高性能になるほど、道具を使う側の設計力が希少になる——この逆説を、私たちは引き受けることになります。

価値は「判断・審美・責任」へ集まる

第二に、人間の価値は「判断・審美・責任」という、AIに委ねきれない三つの能力へ集中していきます。

判断——何を作るべきか、どの選択肢を採るべきか。AIは選択肢を並べ、根拠を示すことはできます。ですが、矛盾する価値のあいだで「これでいく」と決めることは、責任を負う主体にしかできません。

審美——どの成果が「良い」のか。コードが動くこと、文章が正しいことの先にある「美しさ・適切さ・品位」の感覚は、満点のベンチマークでは測れません。

責任——その結果を引き受けること。AIに責任は問えません。決定の重みを背負うのは、いつも人間です。

経済学の言葉を借りれば、これは希少性の移動です。AIが安く豊富になるほど、AIに委ねられない判断・審美・責任の希少性が、相対的に上がる。

かつて「速く正確に処理できること」が価値でした。それがコモディティになったいま、価値は「何をなすべきかを決められること」へと移ります。これは脅威ではなく、むしろ人間の仕事が、より人間的な核心へと純化していく過程だと、編集部は考えています。

手放してよいもの、手放してはいけないもの

ここで、ひとつの線引きを提案したいと思います。労働は手放していいのです。けれど、「考えること・決めること」と「意味」は手放してはいけません。

退屈な作業、繰り返しの処理、機械的な調べもの——これらをAIに手放すのは、解放であって喪失ではありません。手で計算することを電卓に手放したように、私たちは多くの労働を気持ちよく手放せます。

ですが、二つのものは手元に残さねばなりません。

ひとつは「考えること・決めること」。なぜこれをやるのか、どの道を選ぶのか。これをAIに丸投げした瞬間、人間は自分の人生の操縦桿を手放します。

もうひとつは「意味」——意志、関係、そして「なぜ」。何をやりたいのか、誰のためにやるのか、それにどんな意味があるのか。AIは「どうやるか（how）」を肩代わりできますが、「なぜやるか（why）」は、人間が握り続けるべき領域です。

締めに——あなたは何をやり切りたいのか

一年前、AIは「賢いが、自分では仕上げきれない」道具でした。いま、AIは「最後までやり切る」道具になりました。そして来年には、おそらく「一日分の仕事を任せられる」道具になります。

ですが、ここで立ち止まって考えたいと思います。道具が「やり切る」ようになったということは、「何をやり切るか」を決める仕事が、いよいよ人間の専管事項として残るということです。

AIがどれだけ賢く、どれだけ自律的になっても、「何を成し遂げたいのか」という問いに答えるのは、あなた自身です。

道具が「やり切る」時代だからこそ、あらためて問いたいと思います。

——あなたは、何をやり切りたいのか。

その答えを持つ人にとって、この一年の進化は、これ以上ない追い風になります。

---

参考文献（主要）

1年前の地図（2025-06-30） - Introducing OpenAI o3 and o4-mini（OpenAI） ／ GPT-4.1（OpenAI） - Introducing Claude 4（Anthropic） ／ Claude Opus 4（MindStudio） - Gemini 2.5 Pro（DataCamp） ／ Gemini 2.5 Pro Model Card - o3 80%値下げ報道（VentureBeat） ／ o3 truthfulness（Transluce）

この1年の進化 - OpenAI: GPT-5（Wikipedia） ／ GPT-5.5（Wikipedia） ／ GPT-5 benchmarks（Vellum） ／ GPT-5.1-Codex-Max 24時間タスク（VentureBeat） ／ Codex（Wikipedia） ／ ChatGPT agent（OpenAI） - Anthropic: Claude Opus 4.5（DataCamp） ／ Claude Opus 4.7（Anthropic） ／ Claude Opus 4.8（Vellum） ／ Claude Fable 5 / Mythos 5（Anthropic） ／ SWE-bench Verified leaderboard（llm-stats） ／ Claude Code and Autonomous Software Engineering（catalaize） - Google: Gemini 3（blog.google） ／ Gemini 3 benchmarks（Vellum） ／ Gemini 3.1 Pro benchmarks（smartchunks） ／ Introducing Google Antigravity ／ Antigravity 2.0 at I/O 2026（TechCrunch） - コード比率・生産性: Anthropic Economic Index（2026-01） ／ Claude が90%超のコードを書く（the-decoder）

これから1年の予測 - OpenAI ロードマップ: 自動AI研究者2028（TechCrunch） ／ OpenAIの2026ビジョン（The Neuron） - Anthropic: The Adolescence of Technology（Amodei） ／ 再帰的自己改善（Anthropic） - Google DeepMind: Hassabis AGI予測（Axios） ／ Sundar Pichai I/O 2026（blog.google） - METR 時間ホライズン: METR Time Horizon 1.1 ／ Moore's Law for AI agents（AI Digest） - 懐疑論・経済: AI 2027は想定より遅い（OfficeChai） ／ 研究者76%がスケーリング懐疑（eWeek） ／ Acemoglu vs Goldman（AEI） ／ Gartner: 40%が中止リスク／40%搭載 - アーキテクチャ: Fundamental $255M / LTM（AWS） ／ Citi Ventures: LTMs ／ Genie 3（DeepMind） ／ World Labs Marble（TechCrunch） ／ Richard Sutton: LLMs are a dead end（Dwarkesh）

※本稿の2026年のベンチマーク数値は、各社公式ページの取得制約により二次ソース（Vellum / llm-stats / VentureBeat / TechCrunch 等）を横断確認したものです。測定条件（思考の有無・並列計算・ツール使用）で値が動くため、断定を避け出典に帰属させています。Gemini 3.5 Pro は2026年5月発表・6月初旬時点で未出荷です（独立検証なし）。