Rob Wiblin が語る：AGI のタイムラインは 2026 年以降どう変わったのか？

2025 年末から 2026 年初頭にかけて、AI エージェントの能力向上により業界の認識は劇的に変化しました。しかし、AGI の到達時期については依然として「2028 年説」と「2030 年代後半説」が対立しており、明確な合意には至っていません。

2025 年末から 2026 年初頭への「Vibe Shift」

2025 年 10 月頃、AI エージェントの信頼性不足や推論モデルの一般化の限界などから、業界は AI に対する懐疑的な見方が支配的でした。しかし、わずか 2 ヶ月の間に状況は一変しました。特に Claude Code の登場により、AI エージェントは数時間かけて独立して複雑なプロジェクトを完遂できるようになり、開発者たちの認識は劇的に変化しました。

著名プログラマーの Andrej Karpathy も、かつて「AI エージェントはゴミだ」と評していたのが、わずか 2 ヶ月後に「職業が劇的にリファクタリングされている」と驚きを表明するほどです。この急激な転換は、継続学習や世界モデルといった従来の課題に対する明確な解決策が見つかったからではなく、単にスケーリングと強化学習（特に検証可能な報酬からの強化学習：RLVR）の威力が再確認された結果であると考えられています。

「職業が劇的にリファクタリングされている。プログラマーが寄与するビットはますます希薄になり、強力な異星のツールが手渡されたようだ。」

収益爆発とインフラ投資の現実

AI エージェントの実用化に伴い、主要企業の収益は歴史的なペースで成長しています。過去 6 ヶ月間で OpenAI と Anthropic のcombined revenue は年率換算で 700% 増加し、直近 3 ヶ月ではその率が 1600% に達しました。特に Anthropic は、5.5 ヶ月間で収益が 8400%（年率換算で約 85 倍）成長しており、2026 年 5 月の年間収益実行率は 470 億ドルに達しています。

この成長は単なる「赤字による規模拡大」ではなく、AI の提供コストを上回る利益率（粗利が 38% から 70% 以上に向上）を生み出しており、市場が AI に真の価値を見出していることを示しています。一方で、計算資源（チップ）のコストは下落傾向から転じ、2022 年製の H100 のレンタル料さえも 50% 上昇しています。これは、AI モデルの実用性が供給能力の拡大速度を凌駕しているためであり、ハイパースケイラーたちは 2026 年に約 6,000 億ドルの設備投資を行うなど、将来の収益化に巨額の資金を投じています。

コーディングと研究開発における「METR グラフ」の限界

AI の能力向上を示す指標として注目される METR（Model Evaluation Task-Completion Time Horizons）グラフは、ソフトウェアエンジニアリングやコーディングタスクにおいて、AI が 50% の成功率で完了できるまでの時間を記録しています。この時間は劇的に短縮され、2024 年 9 月以降は約 4 ヶ月ごとに倍増するペースで進んでいます。

しかし、Rob Wiblin はこのグラフが示すのは「フィードバック密度の高い領域（明確な正解があるタスク）」における特化能力に過ぎないと指摘します。数学やコーディングのように結果が即座に評価できる分野では AI が人間を凌駕していますが、これはすべての研究開発能力や複雑な意思決定能力を意味するわけではありません。

「AI は特定のタスクで驚異的な速度で進化するが、それが『雑多な業務』における万能性を保証するものではない。」

実際、Anthropic の内部評価（Mythos モデルカード）でも、計算資源と人材の確保において、計算資源の方がより重要なボトルネックであると認識されています。AI による研究開発の自動化が進んでも、実験やトレーニングに必要な計算資源が枯渇すれば、進捗は再び制限される可能性があります。

「雑多な課題」の壁：ビジネス運営における AI の未熟さ

AGI 到達を阻む最大の障壁の一つは、「雑多な課題（messy tasks）」への対応能力です。明確なルールや即座の評価がある分野とは異なり、経営者の業務には不確実性が高く、結果が数ヶ月から数年後に現れるものが多く含まれます。

OpenAI の評価スイート「GDPval」では、特定の専門職タスクにおいて AI が人間を凌駕する結果が出ていますが、これはあくまでスコープの明確なタスクに限られます。より現実的なシミュレーションである「Vending-Bench 2（自動販売機の運営）」や、実社会でのプロジェクト管理を行う「AI Village」では、AI は依然として人間の能力に及んでいません。

特に「AI Village」の実験では、慈善活動の資金調達やイベント開催などを行いましたが、成果は限定的でした。また、サンフランシスコとストックホルムで実際に店舗を運営する Andon Labs の事例でも、ライセンス取得や採用などは AI が処理しましたが、全体的な経営判断や戦略的視点においては依然として人間の介入が必要不可欠です。

2028 年説と 2030 年代後半説の対立

これらの証拠を踏まえ、Rob Wiblin は AGI のタイムラインについて以下のように再設定しました。自身の予測では、AGI 到達までの時間が約 1 年短縮され、2029 年から 2030 年代初頭が現実的なシナリオとして浮上しています。

一方で、業界内には依然として激しい対立があります。一部の専門家は、計算資源の制約や学習手法の転移効果（spillover effects）の不確実性を考慮し、AGI を 2028 年にもたらす可能性を指摘する一方、他の専門家はそのような短期間での実現には「未知の重要な能力」や「計算資源の物理的限界」が壁になるとして、2030 年代後半説を支持しています。

「4 年後の現在でも、大規模言語モデルが持つべき『広範なスキル』の範囲や、『創造性・独自洞察』の本質的な欠如について、我々は依然として暗闇の中にいる。」

規制と停止の可能性：「安全」への転換点

タイムラインが短縮される中で、Rob Wiblin は AI の進歩を一時停止（pause）する必要性についても言及しています。かつては懐疑的だった彼も、業界の主要企業（Anthropic, OpenAI, DeepMind）が協調的な停止メカニズムの構築を望んでいる現状を受け、「安全な研究慣行を制限する」ことが、進歩を遅らせるコストを上回る利益をもたらす転換点に近づいていると結論付けています。

社会が巨大な shock に耐えられる時間は極めて限られており、AI が自律的に再帰的改善を行う前に、そのリスクを理解し、制御するための時間を確保することが喫緊の課題となっています。