AIToday
大規模言語モデルAI安全性・アラインメントTHE DECODER掲載日時: 2026年8月30日 22:01

AIエージェントに時間感覚なし、研究で判明

LINEで送る
AIエージェントに時間感覚なし、研究で判明

3つのポイント

  1. 何が起きたか

    独立系AI研究者2人による研究(MATSプログラムの一環)が、AnthropicのClaude CodeとOpenAIのCodexの時間感覚を検証。タスク前に所要時間の見積もりをさせ、終了後に実際に経過した時間を報告させた。テストにはProgramBenchの200タスクと、独自のベンチマーク18件を使用した。

  2. なぜ重要か

    エージェントは一貫して所要時間を過大評価した。ProgramBenchでは、難易度に関係なく両モデルとも約90分と回答。2回目のテストでは、Claudeが平均3倍、Codexが6〜10倍の誤差。短いタスクほど見積もりが悪く、数時間規模のタスクでのみ一部が実際に近い予測となった。日本のAIエージェント利用企業は、業務完了時間の見積もりに大きな誤差が生じる可能性がある。

  3. 注目点

    エージェントは自身の仕事も過大評価。旧モデルのOpus 4.8とGPT-5.5は、失敗したタスクでも平均約20点高い自己評価を付けた。経過時間を報告するツールにアクセスできると、ほぼ毎回正確な時間を把握できた。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

この研究は、AIエージェントが内部時計を持たないという根本的な限界を浮き彫りにしている。長時間のタスクでは「2時間繰り返せ」といった指示に従う必要があるが、時間の経過を計れなければ不可能になる。また、実行時間は周囲のソフトウェア(ハーネス)に大きく依存し、同じモデルでもClaude CodeではCodexより平均2.5倍のステップ数になることが判明。研究者らは、エージェントが設定された作業時間を守れるかどうかを今後テストする予定で、エージェントの信頼性向上に向けた可能性を示唆している。

よくある質問
なぜAIエージェントは時間を感知できないのか?
研究によると、Claude CodeやCodexのようなコーディング支援ツールには信頼できる時間感覚がなく、タスクの所要時間を過大評価し、作業時間の経過を誤って判断する。
時間を報告するツールがあればどうなるか?
経過時間を報告するツールにアクセスできた場合、エージェントはほぼ毎回正確に時間を把握できたと研究は示している。
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

質問と回答はこのページに公開されます。

このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る

関連記事

OneTrust、AI台帳を継続更新する秋リリース

OneTrustはOneTrust CORIEを基盤とするFall '26リリースを発表し、厳選した基盤モデルライブラリからモデルの関連付けと非推奨指標を継続的に更新するAI台帳を追加した

NEWSiliconANGLE AI4時間前

マイクロソフトがAIエージェントで攻撃対抗サービス提供開始

Microsoft Ignite 2026でマイクロソフトは赤・青・緑チームのエージェントを組み合わせ攻撃模擬・検知調査・脆弱性修正を行うMicrosoft Perceptionの一般提供を発表した

NEWPublickey4時間前

Windows Server 2028がパブリックプレビュー公開

Microsoft Ignite 2026でWindows Server 2028のパブリックプレビューが公開され、Microsoft Foundry、Windows ML、vLLM、Llama.cppによるAI推論ホス…

NEWPublickey4時間前

AUMOVIOがLLMの唯一の経路をDatabricksに統一

AUMOVIOはDatabricks Unity GatewayをLLMへの唯一の経路に採用

NEWDatabricks AI Blog4時間前

CADMAGEDDON、5ベンチマークで最先端CADモデル超え

CADMAGEDDONはBenchCADの64³ボクセルIoUで、1000部品のサブセットにおいて0.991を記録し、Claude Sonnet 5.5の0.963、Claude Opus 5.5の0.962、GPT-6…

NEWAI Weekly4時間前

MIT Technology ReviewのAI指数、AIは遍在

MIT Technology ReviewのAI誇大広告指数はAIの広がりを示し、GoogleのAI Overviewsが広告収入で数十億ドルを失わせたことやAI支援のサイバー攻撃を挙げた

NEWMIT Technology Review AI4時間前
次の記事へ韓国の高齢化、AI好況の富を蝕む