振り返れば、2025年末にAGIは達成されていた｜Claude Opusと自律AIエージェントの衝撃

「AIがプログラミングできる」と聞いても、多くの方はピンとこないかもしれません。実感を持っていただくために、具体的な話をします。

SWE-bench Verifiedというベンチマークがあります。これはGitHub上の実在するオープンソースプロジェクトから集めた「本物のバグ報告」を、AIに渡して修正させるテストです。人間のエンジニアが日常的に行っている作業そのものです。

このテストでの各モデルのスコア推移を見ると、進化の速度がわかります。

わずか1年半で22%から80.9%へ。しかも、このテストで解いているのは「Hello Worldを書いて」のような簡単な課題ではありません。数千行のコードベースの中からバグの原因を特定し、他の機能を壊さないように修正するという、経験豊富なエンジニアでも数時間かかる作業です。

さらに注目すべきは効率性です。Opus 4.5は前モデルのSonnet 4.5と同等の正答率を、76%少ないトークン（処理量）で達成。最高性能モードでもSonnet 4.5を4.3ポイント上回りながら、消費トークンは48%少ない。つまり「より賢く、より省エネに」なっています。

Claudeがバグを修正する過程は、人間のエンジニアの作業フローと驚くほど似ています。Anthropicが公開したSWE-benchの技術詳細から、その中身を見てみましょう。

Claudeには2つの「道具」が与えられています。Bashツール（Linuxコマンドの実行）とEditツール（ファイルの閲覧・編集）。これだけです。あとはAI自身が考えて動きます。

例えば、あるPythonライブラリで「RidgeClassifierCVにstore_cv_valuesパラメータを渡すとエラーになる」というバグ報告を受けたケースでは、Claudeは以下のように動きました。

これが「エージェントループ」と呼ばれるものの実態です。「考える→実行→結果を見る→修正する」のサイクルを、人間の介入なしに何度でも繰り返す。しかもClaude Opus 4.5は、ツール呼び出しのエラーやビルドエラーを前モデルから50〜75%削減しており、ループの精度自体が格段に上がっています。

重要なのは、これが1つのバグ修正で完結する話ではないということです。成功する1回の修正作業には、数百ターンのやりとりと10万トークン以上の処理が費やされることもあります。それを何時間も安定して続けられるようになったのが、2025年末のブレークスルーでした。

AIの自律実行能力がどれだけ速く伸びているかを測る指標があります。METR（Model Evaluation & Threat Research）が開発した「50%タスク完了時間」です。

これは「人間の専門家がX時間かかる課題を、AIが50%の確率で正しく完遂できる」というXの値を測るもの。デバッグ、暗号解析、データ操作など100以上の多様なタスクで評価されます。

GPT-4の4分からOpus 4.6の14.5時間まで、約3年で200倍以上。METRの分析によると、AIのタスク完了能力は約130日（約4か月）ごとに2倍になるペースで伸びています。2024〜2025年に限ればさらに加速しており、約4か月で2倍のペースです。

かつてムーアの法則が「半導体の性能は約2年で2倍」と言われましたが、AIエージェントの能力向上はそれよりはるかに速い。しかもこれはハードウェアではなくソフトウェアの進化なので、新モデルがリリースされた瞬間に世界中で同時に能力が上がります。

コーディング能力の進化を最も象徴する事例が、Anthropicが2026年に公開した科学計算プロジェクトです。

Claude Opus 4.6は、宇宙マイクロ波背景放射（ビッグバンの残光）の統計的性質を予測する「微分可能な宇宙論的ボルツマンソルバー」をJAXで実装しました。これは光子、バリオン、ニュートリノ、暗黒物質の連立方程式を宇宙の進化に沿って解く数値計算コードで、通常は研究者が数か月〜数年かけて開発するものです。

Claudeはこの作業を「数日」で完了しました。

注目すべきは、AIが単にコードを書いただけではなく、研究者のワークフローそのものを再現した点です。仮説を立て、実装し、テストで検証し、失敗を記録し、方針を修正する。このサイクルを数日間にわたって自律的に回し続けました。

ただし、完成したソルバーは「すべての計算領域で参照実装と一致するわけではない」とも報告されています。「人間の研究者を完全に置き換えた」のではなく、「数年分の作業を数日に圧縮し、研究者が仕上げに集中できる状態」を作ったというのが正確な評価です。

2026年2月にリリースされたClaude Opus 4.6は、単なるスコア向上ではなく、AIの役割そのものが変わったことを示すモデルです。

楽天のAI部門ゼネラルマネージャー加治悠介氏は、早期アクセスの結果を次のように報告しています。

これは「AIがコードを書いた」のとは質的に異なります。バグ報告を読み、優先度を判断し、自分で修正できるものは修正し、他のチームに回すべきものは適切な人にアサインする。「AIプログラマー」から「AIエンジニアリングマネージャー」への転換です。

Opus 4.6の主な技術的進化は以下の通りです。

Anthropicの調査では、Claude Codeの最長セッション時間（99.9パーセンタイル）は2025年9月の25分未満から2026年1月には45分超に伸びています。ユーザーが実際にAIに任せる作業時間が倍増しているのです。経験豊富なユーザーほど操作の40%を自動承認し、5分、10分と手を離す時間が長くなっている。人間がAIを「信頼して任せる」フェーズに入ったことを示すデータです。

AIエージェントの進化を、もっと身近な業務で想像してみましょう。たとえば経理です。

マネーフォワードのようなクラウド会計ソフトを操るAIエージェントが1体いたらどうなるか。領収書や請求書を共有ドライブにアップロードするだけで、エージェントが定期的に巡回し、仕訳の登録を自動でやってくれます。経理担当者は、チャットで「今月の経費精算お願い」と投げるだけ。あるいは、依頼すら不要かもしれません。

過渡期の先にあるもの — SaaS自体がエージェント化する

ただし、「AIエージェントが外からSaaSを操作する」というのは過渡期の姿です。本命は、SaaS自体がAIエージェントになる方向でしょう。マネーフォワードを操るAIエージェントが必要なのではなく、マネーフォワード自体がAIエージェントになればいい。SaaSベンダーが自社製品に直接AIを組み込む方が、APIの制約もなく、データへのアクセスも最適化されます。

実際、主要なSaaS企業はすでにこの方向に動いています。会計、人事、CRM — あらゆる業務ソフトが「指示を待つツール」から「自律的に動くエージェント」へと変わりつつあります。

本当に壊れるのは「判断」のレイヤー

経理の仕訳登録は、正直なところすでに自動化率が高い領域です。AIエージェントで本当に変わるのは、もう一段上のレイヤーです。

単純な処理の代替ではなく、判断業務への侵食が本番です。経営判断に必要な情報を集め、分析し、選択肢を提示するところまでAIがやる。そのインパクトは、仕訳の自動化とは桁違いです。

消えるのは「職種」ではなく「定員」

24時間働き、退職せず、賃金が桁違いに安い。AIエージェントを「社員」に見立てれば、労働市場に大きな変化が起きるのは間違いありません。

ただし、正確に言えば消えるのは経理担当者という職種ではなく、経理担当者の定員です。10人いた経理部が2人になる。その2人の役割は明確です。

これは経理に限った話ではありません。ほぼすべてのホワイトカラー職種で同じ構造の変化が起きるでしょう。「AIに置き換わる」のではなく、「AIを使いこなす少数精鋭に再編される」。それが、Opus 4.6が示す労働市場の未来像です。

Anthropic CEOのDario Amodei氏は2024年10月のエッセイ「Machines of Loving Grace」で、「パワフルAI」をこう定義しています。

そしてその到来時期について「2026年。ただし、もっと時間がかかる可能性もある」と書いていました。

2026年4月の現時点で、この予測のチェックリストを確認してみましょう。

すべてが完全に達成されたわけではありません。しかし、2025年末の時点で条件のかなりの部分が満たされていたことは明らかです。AGIは「ある日突然やってくる」のではなく、気がついたら半分以上来ていた — というのが実態なのかもしれません。

ここまでの話は「テック企業の最前線」に聞こえるかもしれません。しかし、この変化の波はすでに中小企業に到達しています。

2026年4月8日にAnthropicがリリースしたClaude Managed Agentsは、セッション1時間あたり$0.08（約12円）+トークン料金で利用できるフルマネージドのAIエージェント実行基盤です。Notion、楽天、Sentryがすでに本番運用を開始しています。

また、国も後押ししています。2026年度から旧「IT導入補助金」は「デジタル化・AI導入補助金」に名称変更され、AIツールの導入費用が補助対象に含まれるようになりました。

AIの能力が130日で2倍になるペースで伸びている一方、補助金制度も追いつこうとしている。「もう少し様子を見よう」と言っているうちに、競合が先に動く — そういうスピード感の世界に、すでに入っています。