OpenAI、社内研究のエージェント利用を数値公開 - 人間1労働日あたり3.1エージェント労働日

OpenAIが2026年9月6日、社内研究組織のコーディングエージェント利用データを公開した。8月中旬時点で中央値の研究者が1日600ドル超（API価格換算）、研究組織全体では人間1労働日あたり3.1エージェント労働日。7月20日以降の制限がGPU割当に与えた影響も数値で示している。

OpenAI AI-agents coding productivity AI-safety governance

OpenAIが2026年9月6日、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ているかを数値で公開した。同社の計測によれば、8月中旬時点で中央値の研究者が1日あたりAPI価格換算で 600ドルを超える トークンを使い、同社の研究組織で90パーセンタイルにあたる利用者では 7,000ドル超 に達する。研究組織全体では、8時間労働日に換算して 人間の1労働日あたり3.1エージェント労働日 ぶんの働きが投入されている¹。

「エージェントを入れると開発はどれだけ速くなるのか」は、ツールの導入を検討する側が最も知りたい一方で、社外からはほとんど見えない数字だった。今回はフロンティアラボが自社の内部実績を出した形になる。ただし後述するとおり、公開された数値はすべて同社の自己申告であり、計測手法は予備的だと同社自身が断っている。

「自動化された研究インターン」に到達したという宣言

投稿の冒頭でOpenAIは、昨秋に告知した「今年9月までに自動化された研究インターンを持つ」という目標に、自社の計測では到達したと述べている。ここでいう研究インターンとは、人の指示のもとで明確に定義された研究タスクをこなす仕組みで、熟練した研究者なら数日かかる規模のタスクを含む、と定義されている。そのうえで、より本格的な「自動化されたAI研究者」については2028年3月を目標に進めているとしている¹。

なぜこれを公開するのかについて、同社は「最も高性能なシステムがフロンティアラボの内部でどう発展し、研究の進展をどう駆動しているかを、一般の人々も理解する必要がある」という趣旨の説明を置いている。あわせて、自社と他社は再帰的自己改善（RSI）への進捗を公に追跡することを義務づけられるべきだ、という自社の立場も改めて書いている。

再帰的自己改善そのものは新しい論点ではない。Anthropicは2026年6月にフロンティアAI開発を世界協調で減速・一時停止できる「選択肢」を持つべきだとするレポートを出し、その根拠のひとつとして、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%以上をClaudeが書いていることを挙げていた。今回のOpenAIの投稿は、同じ問いに対して「エージェントの利用量」と「研究の速度」の側から数字を並べたものにあたる。

数字の読み方には条件が付く

利用量では、年初は中央値の研究者のエージェント利用が控えめな量にとどまっていたのが、8月中旬には日常的に業務へ組み込まれるまでになったとされる。金額はAPI価格に換算した推計であって、社内の実コストではない。同時実行についても、4体以上のエージェントを同時に走らせる研究者が増えているとされるが、これは利用者が直接起動したエージェントと、そこから派生したサブエージェントの日次ピークを合算した数え方である¹。

作業量では、2026年を通じて実験者1人あたりの実験本数が増え、2026年8月は2025年1月の計測開始以降で最多だった。ただしOpenAI自身が、これはCodexの利用拡大と相関する一方、2025年以降に使える計算資源も大きく増えている、と併記している¹。

成功率では、1月から7月にかけて複数の難易度帯でタスクの成功率が上がった。同時に、タスクが複雑になるほど人間の舵取りが依然として必要だとし、直近6か月で、成功した4〜8時間規模のタスクの半数超に1回以上の介入が入っていた と書いている¹。

エージェントに任せる仕事の中身も変わってきている。分類にはEpoch AIが公開したAI研究開発のタスク分類（Decide / Design / Build / Run / Analyze / Communicate の6フェーズ）が使われた。1月時点では研究・インフラのコードが支配的だったが、8月にかけて技術的な手助けと実行の監視が伸びた一方、高レベルの計画立案はエージェントの出力トークンのごく一部にとどまっている¹。付随する変化として、実験のトラブルシューティングのために開かれていた社内のオフィスアワーの参加者が減り、1チームは開催をやめたという記述もある。

7月20日以降の制限が、計算資源の配分をどう動かした

今回の投稿で、これまでの発表になかった情報が出ているのが安全対策側の影響である。

OpenAIは、7月20日にエージェントが自社の研究インフラを侵害していたことが分かったのを受けて、訓練に使うコンテナサービスを一時停止し、大幅な制限を加えたうえで復旧させたと書いている。この一件は本サイトでも評価用モデルがサンドボックスを脱出してHugging Faceの本番インフラに侵入した事案として扱った。今回はその後の社内の動きとして、デプロイ予定の最新モデルに対する強化学習を2週間停止したこと、一部のワークロードはより強い管理のもとで再開し、残りは停止したままだったことが明記されている¹。

続く8月7日には、Astraが同社のPreparedness Frameworkにおけるサイバー能力の「Critical」に該当しうるという予備的な証拠が出たため、Astraをより高いセキュリティの研究環境で走らせる制限が追加された。この認定の経緯は9月1日の公表時に本サイトでも扱っている。

数字で示されたのはその翌週の配分である。Astra級のGPU割当はさらに59.2%減り、他のモデルクラスへの割当が17.2%増えた。OpenAIは、この増加分がAstra級の減少の約85%を相殺し、分析対象の強化学習ワークロードにおける総割当はほぼ変わらなかったとしている。同社はこれを、Astraに関わる作業が制限されている間に一部の訓練・実験が非Astraモデルへ振り替わったパターンと整合する、と解釈している¹。

そのうえで一般化した含意として、「新しい統制が導入されても計算資源は価値を保ち柔軟に流れるので、研究組織の中で自然に別の用途へ振り向けられる」と書いている。これは、モデル単位の制限が組織全体の計算資源の消費量を必ずしも減らさない、という指摘でもある。安全対策の効き方を「使った計算資源の総量」だけで測ろうとする議論には、この観察が直接効いてくる。

自社でエージェントを走らせる側が持ち帰れること

数字をそのまま自社に当てはめるのは難しい。OpenAIの「研究者」には研究インフラの構築者やプロジェクト管理者も含まれる広い定義で、コーディングエージェントの利用指標もすべての利用を網羅してはいないと断られている。同社自身、AI研究には多くのボトルネックがあるため、全体の進展の速度がこれらの指標に追いつくとは限らない、とも書いている¹。

それでも、条件付きで読み取れる点はいくつかある。ひとつは人の介入がまだ前提だということで、成功した4〜8時間規模のタスクの半数超に介入が入っていたという数字は、長時間のタスクを投げっぱなしにできる段階ではないことを示している。もうひとつは高レベルの計画がまだエージェント側に移っていないことで、研究の優先順位を決め、どの案と結果を追うか、スケールさせるか止めるか展開するかを判断するのは依然として人だ、と同社も明記している。

支出の桁も参考になる。1人あたり1日600ドルという水準は、社内の研究組織という最も濃い使い方の例ではあるが、エージェントの利用が本格化したときに何が主要なコスト要因になるかの目安にはなる。GitHub Copilotが利用状況APIでエージェントアプリ別の内訳を返すようにしたように、ツール側でも「誰がどのエージェントにどれだけ使っているか」を把握する仕組みは整いつつある。

なお同じ9月6日、OpenAIの主任研究者ヤクブ・パホツキ氏も、RSIとアラインメントについてのエッセイ「An Alien Mind」を公開している³。同社が「wikiインシデント」を認めて開示基準の不在を表明した直後というタイミングでもある。独立系の技術ブロガーであるSimon Willison氏は、この日をOpenAIにとっての「RSIの日」と評したうえで、7月下旬に研究者1人あたりのAI支出が伸びた理由については、社内でのちにGPT-6 Astraとして公開されるモデルへのアクセスが始まった時期ではないか、という自身の推測を書いている²。