OpenAI、‘自動研究インターン’の構築目標を達成

OpenAIは2026年9月6日、測定結果によれば、昨年秋に発表した「自動研究インターン」を今年9月までに実装するという目標を達成したとし、同社の研究組織は現在、人間の労働1日あたり3.1エージェント作業日分の労力を使用していると述べました。

「Research acceleration: The view inside OpenAI」というタイトルのブログ記事で、同社は次のように述べました: 「我々の測定によれば、昨年秋に発表した、今年9月までに自動研究インターンを実装するという目標を現在達成しています。」ここで「研究インターン」とは、人間の指示の下で明確に定義された研究タスクを実行できるシステムを指し、熟練した研究者が数日かけて行うタスクも含みます。OpenAIは2028年3月までに自動化されたAI研究者を作り上げるために大きな進展を遂げていると述べました。

同社は、深層学習とアラインメントの進展を促進するために、人間の監督下で動作する自動化AI研究者を安全に構築することを目指すと説明しました。投稿によれば、人々は依然として研究の優先順位を設定し、どのアイデアや成果を追求すべきかを判断し、システムを拡大、停止、または展開するかを決定します。

研究組織内におけるエージェントの使用状況

投稿によれば、OpenAIの研究者の日々の業務は今年を通じて大幅に変化しました。研究者は一日中コーディングエージェントを使用し、しばしば同時セッションで利用しており、総使用量は急速に増加しており、他のOpenAIチームの成長を上回っています。今年初めには、エージェント使用量で中央値に位置する研究者はコーディングエージェントを控えめに使用していましたが、8月中旬までに中央値の研究者は毎日エージェントを統合し、API価格で1日あたり600ドル以上の推論を利用しています。研究組織の上位90パーセンタイルのユーザーは、現在1日あたり7,000ドル以上相当のトークンを使用しています。

2026年6月以前は、研究組織全体のエージェント実行時間は依然として人間の労働総量を下回っていました。8月中旬時点で、同組織は標準的な8時間労働日を基準に、人間の労働1日につき3.1エージェント作業日分の労力を使用しています。また、同社は4つ以上のエージェントを同時に実行する高度に並列化されたワークフローを行う研究者の数が増加していると報告しました。これらの数値には、ユーザーが直接起動したエージェントと、ユーザーが起動したエージェントから派生したサブエージェントの両方の1日あたりのピークが含まれます。

OpenAIは、研究者がコードの貢献速度を上げ、実験回数を増やしていると述べました。2026年を通じて、アクティブな実験者1人あたりの実験数は増加しており、2026年8月は2025年1月に追跡を開始して以来の最高値となっています。投稿は、これは同社のコーディングエージェントであるCodexの採用拡大と相関していると指摘すると同時に、利用可能な計算資源も2025年以降大幅に増加していることを述べています。

タスクのシフトと成功率

エージェントが何をしているかを分類するため、OpenAIはEpoch AIが公開したAI研究・開発作業の分類体系を用いて、最近の研究組織の使用状況を分析しました。この体系は職業分類のO*NETシステムにヒントを得ており、プロセスを「決定、設計、構築、実行、分析、コミュニケーション」の6段階に分けています。

投稿によれば、2026年1月から8月にかけてすべての研究活動カテゴリが増加しました。1月時点で支配的だったカテゴリは研究およびインフラストラクチャコードで、技術支援やモニタリング実行の増加が顕著でした。上位レベルの計画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ます。口頭での報告では、同僚はコーディングエージェントが内部研究インフラのトラブルシューティングに優れていると述べ、以前は研究者の実験トラブルシューティングを支援するオフィスアワーを開催していた複数のチームが2026年に出席者減少を確認し、あるチームはセッションを完全に中止しました。また、投稿は研究者が他チームから技術支援を求める主要な内部チャネルの1つでのトップレベル投稿数が日々減少していると報告し、同社の認識ではその減少は別の人間が運営する支援チャネルへの問い合わせ増加で相殺されていないと述べています。

エージェント分類器を用いて、OpenAIは1月から7月にかけて、タスクの難易度を人間が完了するまでの推定時間で代替した複数の難易度層で成功率が概ね上昇したことを確認しました。ただし、エージェントは依然として大きな人間による指示が必要で、特にタスクの複雑性が高まるほど顕著です。過去6か月間では、4〜8時間のタスクで成功したものの半数以上が1回以上の介入を伴っています。

投稿は、これらの測定は予備的なものであると注意喚起しています。AI研究には多くの潜在的なボトルネックが存在するため、全体的な進捗速度はこれらの特定指標と同等に進むとは限りませんが、OpenAIはこの結果がエージェントツールが研究進展を実質的に加速させているという社内の印象と一致していると述べました。自動化が進むにつれ、最も自動化しにくいタスクが研究者の労力のより大きな割合を占めるようになり、他のボトルネックが減少するにつれて計算資源の重要性が増す可能性があります。

安全停止と計算資源の再配分

投稿は、最近の安全制限が研究活動に与えた影響も詳述しています。最近のHugging Faceのインシデントを受け、OpenAIは展開を予定している最新モデルに対する強化学習トレーニングを一時停止し、研究環境の堅牢化とレッドチームテスト、監視範囲の拡大を行ったと述べました。2026年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た後、同社はトレーニングに使用していたコンテナサービスを一時的に停止し、追加の厳格な制限を加えて復旧させました。その結果、強化学習トレーニングに必要な計算資源が急激に減少しました。

2026年8月7日、AstraモデルがOpenAIのPreparedness Frameworkの下で重要なサイバー機能を有する可能性があるという予備的証拠が出たことから、Astraをより高いセキュリティの研究環境で実行することを求めるモデル固有の追加セキュリティ制限が導入されました。その翌週、AstraクラスのGPU割り当てはさらに59.2％減少し、他のモデルクラスへの割り当ては17.2％増加しました。この増加はAstraクラスの減少の約85％を相殺し、分析対象の強化学習ワークロード全体の割り当てはほぼ変わりませんでした。OpenAIは、このパターンはAstraの作業が制限されている間に研究者が一部のトレーニングや実験を非Astraモデルに置き換えていることと一致すると述べました。7月20日から8月6日の間のAstraクラスの強化学習実験は、GPU割り当てベースで見た多数の実行が、安全性とセキュリティ向上の実装をテストすることを目的としていました。

再帰的自己改善に対する姿勢

より広い軌道について、投稿は次のように述べています: 「我々はまだ、整合性が取れた完全なRSI（再帰的自己改善）へ安全に到達する方法を知らない。」OpenAIは、能力と同時にアラインメントと安全対策を拡大しようと取り組んでいるが、アラインメントと安全の進展が同速で進むとは想定できず、より高度なシステムは監視が困難になる可能性があると述べました。進行が受け入れがたい安全リスクを伴う場合、同社は適切に対応し、十分に保護できないと判断したシステムの開発や展開を遅らせる、あるいは停止することを含むと述べました。

OpenAIは、責任を持って実施すれば、自動化されたAI研究は人間の福祉を向上させ、先進的な知能のコストを削減し、アラインメント解決に寄与できるモデルを生み出すと述べました。自動化AI研究者は自動化された安全性・アラインメント研究者にもなり得るからです。同社は、これらの理由が急速な再帰的自己改善が必ず追求すべき結果であることを意味するわけではなく、進むかどうか、どのように進むかは人間の制御を維持できるかと、情報に基づく民主的選択に依存すべきだと付け加えました。

最前線政策ブループリントを引用し、OpenAIは自社および他社が再帰的自己改善への進捗を公に追跡することが求められるべきだと述べ、要件がなくてもこの透明性を継続する計画であると明言しました。付録では、同社は「researcher（研究者）」という用語が研究組織のすべてのメンバーを指し、研究インフラを構築したりプロジェクトを管理したりする者も含むとし、急速なツール進化を考慮すると、コーディングエージェントの指標はほとんどの使用状況をカバーしているがすべてではないと付記しています。