AIが会計士を逆転、APEX会計ベンチマーク

Mercorの調査が注目されるのは、AIが会計士を上回るというトップラインよりも、差が縮まる速さだ。18カ月前、最高性能のモデルはAPEX会計ベンチマークから抜粋した簡略課題で会計士の平均約37%を下回っていた。今日、同じ課題はほぼ完璧に解かれる。

しかし完全版ベンチマークは簡略版とは異なる姿を示す。10の模擬企業にまたがる160の課題で、Claude Opus 5.5が採点基準の61.8%で首位、Fable 5.1が61.0%、GPT-6 Astraが57.9%で続き、Mercorはほぼ60%の課題をどのモデルも完全には解けなかったとしている。Mercorはまた、調査の課題がAIの得意分野、つまり細部の追跡と指示の厳密な遵守を試すものだと認めている。顧客との対話や同僚との確認、長年蓄積された文脈を活用する仕事の部分は完全に除外された。

狭い課題でのほぼ完璧な性能と、より広い課題群での大きな差——この組み合わせこそ、Mercorが業界全体での大幅な生産性向上を見込みつつも、会計士は代替できないと述べる理由だ。読み取れるのは、AIが自律的な決算担当者ではなく、構造化された記帳業務の強力なアシスタントになりつつあるということ。ベンチマーク自体の設計は、その境界がモデルの能力だけでなく、課題が何を除外しているかにも関わることを示唆している。