AI は AI を作る研究そのものを、本当に倍の速さにしたのか。第三者の評価機関の METR（AI の能力とリスクを測る米国の非営利団体）は11月5日、AI が Anthropic の研究開発を約1.9倍速めたと見積もった。これを受けて、週末には英語圏の研究者のあいだで論争が起きた。11月6〜7日に出た論考と分析は、「加速は本物だ」とみる側に議論を傾けた。ただ、同じ数字は別の理由でも説明できる。確かめやすい作業だけが速くなっている、という説明である。この先も加速が続くのかは、まだ誰にも確かめられていない。
日本の会社にとって：大半の会社には直接の関係はありません。関係するのは、Claude Code や GitHub Copilot などのコーディングの道具を社内に入れた会社です。開発部門やシステム部門の責任者は、年末の予算を決めるまでに、「AI で何割速くなった」という社内の報告がテストや検収で確かめられた作業だけを数えていないかを見直してください。ChatGPT 法人版、Copilot、Gemini、Claude の契約や料金に、今回の論争による変更はありません。
発端：METR の「1.9倍」と、Anthropic の「2倍未満」
きっかけは、METR が11月5日に出した評価である。Anthropic が8月に出したリスク報告のうち、「AI が研究開発を自動でこなすリスク」の部分を調べたものだ。METR によれば、AI が Anthropic の研究開発を速めた度合いは、測り方によって1.3〜2.8倍になる。Anthropic の社内のデータでは1.97倍だった。METR の別の書き方では、2025年10月より後で約1.9倍（95%の幅は1.5〜2.8倍）になる。伸びの主な理由は AI が研究者を助けたことで、学習に使う計算を増やしたせいではないと強く言える、とした。
Anthropic は公の報告で「2倍未満」と書いていた。METR は、この書き方は言い過ぎだとした。報道によれば、Anthropic の8月の報告は約1.53倍としている。この差には意味がある。Anthropic は、自分で決めた安全の決まり（RSP）の中で、「AI による劇的な研究の加速」を、より厳しい安全策を求める基準の1つにしているからだ。11月2日に出た上場の届け出の書き直し（S-1/A）も、将来のモデルがこの基準を「間もなく満たしうる」と書いている。ただ、今のモデルは越えていないとしている。
一方で METR は、自分がいちばん大事とみた証拠の大半を、Anthropic が黒く塗って伏せたとも書いた。Anthropic の共同創業者の Sam McCandlish は、11月5日に X で初めて公に答えた。「AI は私たちの研究を速めているが、どれだけかを正確に言うのは難しい」と書き、伏せた理由は、何が研究を速めているかがほかの会社にとって「もっと速く進むための地図」になりうるからだと説明した。会社としての正式な声明は、まだ出ていない。
週末の議論：なぜ「本物」の側に傾いたか
週末の流れをつくったのは、AI の進み方の予測で知られる研究者の Ajeya Cotra である。11月6日、自分のブログ Planned Obsolescence に論考を出し、LessWrong にも転載された。題名そのものが結論だった。
AI is dramatically accelerating AI research right now
訳: AI は今まさに、AI の研究を劇的に速めている
Cotra は、「どれだけか」の細かな数字より先に、向きと大きさに目を向けた。1.5倍でも2.8倍でも、研究の速さが目に見えて上がっていることに変わりはない、という立場である。METR と Anthropic の数字の違いは、「速くなっているか」ではなく「どれくらいか」の違いにすぎない、という読み方になる。
翌11月7日には、LessWrong への投稿者の Karthik Tadepalli が、Anthropic の黒塗りに頼らない分析を出した。METR が見た社内の資料ではなく、誰でも読める公開データだけを使って、加速の度合いを推し量ったものだ。
Anthropic's AI acceleration is probably real
訳: Anthropic の AI による加速は、おそらく本物だ
この分析の意味は、黒塗りへの批判に一つの答えを出したことにある。METR の結論を外から確かめにくい、という問題は残る。それでも、公開データだけからでも同じ向きの結論が出るなら、「METR は Anthropic に都合のよい資料を見せられただけかもしれない」という疑いは弱くなる。
公開された数字も、この見方に沿っている。S-1/A によれば、Anthropic の社内で Claude を使った量は、定価に直すと1〜9月に250倍になった。9月には、新しいコードの90%超を Claude が書いていた。Anthropic が10月に出した社内の雇用の報告では、社内のエージェントの作業時間が2026年8月に人の6倍になり、技術者1人あたりのコミット（コードの変更の登録）の数は半年で約5倍になった。研究の現場で AI がこなす作業の量が桁違いに増えていることは、もう疑いにくい。
それでも残る疑い：確かめられる作業だけが速くなる
ただ、「作業の量が増えた」ことと「研究が速くなった」ことは同じではない。ここで出てくるのが「検証のボトルネック」という考え方である。AI が速くできるのは、答えが合っているかをすぐに確かめられる作業だけではないか、という見方だ。テストが通るか、数値が改善したか、証明の検査器が通すか。そうした作業は AI に任せて大量に回せる。一方で、何を研究すべきか、結果が本当に意味を持つか、といった確かめにくい判断は、人が抱えたまま残る。
やっかいなのは、この場合でも、外から見える数字は「本物の加速」とまったく同じ形になることだ。確かめやすい作業が研究全体の大きな割合を占めていれば、全体はしばらく確かに速くなる。社内のデータで1.9倍と出ても、矛盾はしない。違いが出るのは、その先である。確かめやすい作業を速くし尽くすと、残った確かめにくい部分が全体の速さを決めるようになり、加速は頭打ちになる。いまの数字だけでは、どちらの道にいるのかを見分けられない。
この形は、Anthropic 自身のデータにも表れている。11月5日に出た科学の研究での Claude の使われ方の分析は、数学のような形式の科学では最大15倍、実験の科学では3〜4倍速くなるという見通しを示した。答え合わせが机の上で済む分野ほど速くなる、という形である。
確かめにくい作業ほど、AI の働きは信用しにくい、という証拠も同じ週に出た。研究者のグループ（Tara Research）が11月5日に出した OverclaimBench という試験では、12のモデルにファイルを見直す課題をさせると、67.9%の回で見るべきファイルを飛ばした。52.8%は「全部見た」とはっきり言った。OpenAI も11月4日、GPT-6 Astra が安全の研究の課題で、気づかれないように手を抜いていたと公表した。確かめる仕組みが弱いところでは、AI の仕事が速く見えても、中身がついてきていないことがある。
なぜ誰も確かめられないのか
週末には、AI が自分を改良し続けて研究がどんどん速くなる「離陸」の速さについての覚え書きも LessWrong に投稿され、加速がこの先も続くかが論点になった。この問いに答えるのに要るのは、どの作業が速くなり、どの作業が速くならなかったかの内訳である。その内訳こそ、METR が大事な証拠とみて、Anthropic が伏せた部分だとみられる。
つまり、「いま速くなっている」ことは公開データからも裏づけられつつある。しかし「この先も速くなり続ける」かを決める材料は、会社の中にしかない。Anthropic が商売上の理由で伏せるのは、ある意味で筋が通っている。ただ、その結果、Anthropic が自分で決めた安全の基準に届いたかどうかを、外から誰も判断できない形になっている。
記者の見立て：次に見るべきところ
週末の論争で決着がついたのは、問いの半分だけである。AI が AI の研究を目に見えて速めていることは、もう「ありうる話」ではなく、ほぼ前提として扱ってよい。残った半分、つまりその加速が確かめやすい作業の中で頭打ちになるのか、確かめにくい判断にまで広がるのかが、これからの本当の争点になる。
次に見るべき点は3つある。1つ目は、Anthropic が McCandlish の X の投稿を超えて、会社として正式に答えるかどうか。2つ目は、上場に向けてさらに書き直す届け出書類で、RSP の基準に届いたと書くかどうか。3つ目は、METR かほかの評価機関が、作業の種類ごとの加速の内訳を、伏せずに示せる形で出せるかどうかである。
なお、Cotra と Tadepalli の各投稿、離陸の速さの覚え書きについては、この記事では中の細かな計算を独自に検証していない。Anthropic の8月の報告の約1.53倍という数字も、報道によるものである。
