執筆:白米元気
OpenAIは、新たに発表したGDPvalを通じてAIモデルの実務能力が専門家レベルに近づいていることを示しました。特に、タスクのファイル形式によってAIの成績に差が生じることがわかります。
新基準GDPvalの導入とその内容
2025年9月26日にOpenAIは、GDPvalという新しいベンチマークを発表しました。このベンチマークは、44の職業にわたる1,320のタスクから成り立ち、全て業界の専門家によってレビューされます。これらの職業は、アメリカ合衆国のGDPの5％以上を占める高給職から選ばれました。タスクは技術、看護、法律、ソフトウェア開発、ジャーナリズムなど多岐にわたります。また、各タスクは平均14年の経験を持つ専門家によって作成されており、実際の業務成果物に基づいています。従来のAIベンチマークとは異なり、GDPvalでは複雑なフォーマットでの提出物が求められます。例えば、機械工学者にはテストベンチを設計し、3Dモデルを作成し、PowerPointプレゼンテーションを仕上げる課題が与えられます。これにより、AIモデルは単なるデータ処理だけではなく、多様な形式での成果物作成能力も求められることになりました。
AIモデルと人間専門家との比較から見える将来性
初期結果によると、GPT-5やClaude Opus 4.1といったトップモデルは専門家レベルのパフォーマンスに近づいています。220のゴールドスタンダードタスクでは、専門家からAIの成果が人間基準と同等またはそれ以上と評価されることが約半分ありました。特にGPT-5はGPT-4oから大きく性能向上しており、そのスコアは倍増または三倍になっています。このような進化は、AI技術が日々進歩している証拠です。Claude Opus 4.1も同様に、多くのタスクで人間の出力と同等またはそれ以上と評価されています。OpenAIによれば、これらのモデルは人間よりも約100倍速く、100倍安くタスクを完了できる可能性があります。しかしながら、このベンチマークは「一回限り」のタスクであり、実際の仕事環境で直面する曖昧さやフィードバックループは考慮されていません。そのため、この結果を持ってすぐに全ての業務でAIが人間を超えるとは言えないでしょう。
今後注目すべき点と実務への影響
今後、このGDPval基準が労働市場や業務プロセスに与える影響について注視する必要があります。特に、高度なスキルを要する職業では、この基準によってAIツールがどれほど活用されるかが重要なポイントとなります。また、人間とAIとの協力関係も見逃せません。例えば、人間専門家とAIが共同でプロジェクトを進めることで、それぞれの強みを活かしながらより良い成果を生むことが期待されます。そのためには、人間側もAIとの連携方法や使い方について学ぶことが必要です。
まとめ
OpenAIのGDPvalはAIモデルが専門的な知識作業でどれだけ進化しているかを示す重要な指標です。この新しいベンチマークによって、多くの職業におけるAI活用の可能性も広がります。今後、この基準が労働市場や業務プロセスにもたらす影響を注視しながら、人々がどのように適応していくかを見ることも興味深いでしょう。