OpenAIが今週公表したある数字は、その隣に並ぶドル建ての金額以上に注目に値する。8月中旬時点で、同社の研究組織は人間の労働1日あたり3.1エージェント労働日分の作業を消費している。引用されたのはコストの行だった。研究者の中央値で、API価格換算で1日600ドル以上の推論を回している。チームを率いる人にとって重要なのは、もう一方の行だ。
人間1日に対してエージェント3日分とは、人間の1日が今やボトルネックだという意味だ。エージェントが出す結果はすべて、誰かが読んで判断し、受け入れなければならない。そしてその誰かの持ち時間は1日であって、3日ではない。本記事では計算をたどり、どこに待ち行列ができるのかを示す。
TL;DR
OpenAIの「Research acceleration」の記事では、エージェントの作業量を人間の労働1日あたり3.1労働日とし、研究者が同時に4つ以上のエージェントを走らせる傾向を指摘し、成功した4〜8時間のタスクの半数以上が少なくとも1回の人間による介入を必要としたと報告している。これらを合わせると、1日の勤務時間の中には、エージェントが止まって人間を待っている瞬間がいくつもあり、さらに受け入れ待ちの完了済み作業が絶えず流れ込んでくることになる。埋まっていくのは「人間を待っている結果」の待ち行列であり、ほとんどのツールはこれを可視化していない。Sharkly はこの待ち行列を明示する。Task上の待機状態、それを担当者にルーティングするInbox、そして記録されたステータス変更としての受け入れだ。
数字で見る
以下は特に断りのない限り、OpenAIの記事によるものだ。
| 指標 | 値 | 期間 |
|---|---|---|
| 研究組織における、人間の労働1日あたりのエージェント労働日数 | 3.1 | 2026年8月中旬 |
| 研究者の中央値におけるAPI価格換算の1日あたり推論 | 600ドル超 | 2026年8月中旬 |
| 研究者の90パーセンタイルにおける1日あたりトークン消費 | 7,000ドル超 | 現在 |
| 1回以上の人間の介入を伴った、成功した4〜8時間タスク | 半数以上 | 2026年1月〜7月 |
| 同時実行の傾向 | 同時に4つ以上のエージェント | 増加中 |
サイモン・ウィリソンは同じ記事を読んで、曲線の形を補足している。研究者1人あたりの支出は2月のほぼゼロから8月下旬には約600ドルになり、7月から8月にかけて急激に増加している。これは後にGPT-6 Astraとしてリリースされたモデルへの社内アクセスと時期が重なると彼は推測している。
これらの数字はどれも、製品を出荷するコーディングチームについてのものではないし、OpenAIの研究者は典型的な集団でもない。だがこの比率は他所にも当てはまる。1つのターミナルで1つのエージェントを動かす段階から、複数のエージェントを同時に走らせる段階へ移ったチームは、数か月遅れで同じ曲線上にいる。
計算してみる
この比率を額面どおりに受け取ってみよう。人間の8時間の1日で、エージェントはおよそ25時間分の作業を生み出す。そのすべてが人間を必要とするわけではない。失敗する実行もあれば、探索的なものもあり、別のエージェントに渡すものもある。しかし、誰かが出荷する変更で終わる実行はすべて人間の判断を必要とし、介入の数字が示すのは、その判断が実行の終了前に求められることが多いということだ。
長めの成功タスクの半数以上が少なくとも1回の介入を必要としたのなら、4つのエージェントを走らせている場合、1つのタスクの間に2つか3つのエージェントから、自分が選んだわけではないタイミングで中断されることを覚悟すべきだ。こうした中断は失敗ではない。立ち止まって尋ねるエージェントは、推測して出荷してしまうエージェントよりましだ。問題は、その問いがどこに届くかにある。
ターミナルに届いた問いは、誰かがたまたまそのターミナルを見たときに答えられる。ターミナルに届いた結果は、誰かがその存在を思い出したときにレビューされる。これを4つのエージェントで、人間1日あたり3エージェント日で掛け合わせれば、ターミナルは作業が待たされる場所になる。
誰もダッシュボードにしていない待ち行列
エージェントを走らせているチームには、2つの待ち行列がある。1つ目はエージェントを待っている作業、つまりバックログで、チームが使っているトラッカーに表示される。2つ目は人間を待っている作業、つまり受け入れるべき結果、答えるべき質問、トリアージすべき失敗だ。3.1対1で増えていくのは2つ目の待ち行列であり、ほとんどのツールが表示しないのもこちらだ。
Sharklyはこの待ち行列を主要な対象として扱う。Taskが作業の基本単位であり、TaskのステータスとAgentの作業状態は分けて管理される。開始済みのTaskは、Working、Waiting for human reply、Waiting for human review、Errorのいずれかを示すことができる。待機状態は第一級の情報であり、静かなログから推測するものではない。
これらの状態はどこかにルーティングされる。Inbox はタスクアクティビティの個人的な待ち行列であり、そのPrimaryセクションには、注意を要するアクティブなシグナルのあるタスクが並ぶ。あなたの返信待ち、あなたのレビュー待ち、失敗またはブロックされた作業、直接のメンション、あなたへのアサインなどだ。アクティビティはタスク単位でグループ化されるので、1つのTaskについて4つのエージェントが報告しても1行であり、4件の通知にはならない。Slackは任意のアウトバウンドチャネルであり、そこでグループをミュートしてもInboxの記録は消えない。
作業を続ける手段は返信だ。担当Agentが待機しているTaskにコメントすると、そのスレッドをコンテキストとして後続の実行を開始できる。つまり問いに答えることで、作業をやり直すのではなく再開できる。
この比率における受け入れとは
人間1人につきエージェント1つなら、レビューは非公式でも済む。人間1日あたり3エージェント日ではそうはいかない。レビューする人は実行を開始した人ではないかもしれないし、実行は何時間も前に終わっているかもしれないからだ。
Sharklyにおける受け入れとは、人間が根拠を読んだうえでTaskのステータスを変更することだ。Agentの最終レスポンスはTaskに保存される。実行ログには、その実行がなぜキューに入ったか、いつ開始・終了したか、ツール呼び出し、Runtimeイベント、失敗の詳細が記録され、コメントのタイムラインとは別のExecutionsタブに表示される。まずサマリーを読み、次にログ、そしてdiffを読む。リンクされたプルリクエストをマージしてもTaskのステータスは変わらないので、マージが判断と取り違えられることはない。human-in-the-loopレビューワークフローでは、5つのゲートを順に説明している。
OpenAIの記事に関するHacker Newsの議論は、関連する懸念に集中していた。エージェント型の分類器が結果を採点し、測定される側と評価する側が同じ家から出ているという懸念だ。これは製品チームの問題の研究版と言える。エージェントが人間の読める量を超えて生み出すとき、人間が何を読むべきかをエージェントに決めさせたくなる誘惑が生じる。人間のオーナーがいる可視化された待ち行列こそが、その代替案だ。
人間の1日をどこに使うか
人間の1日は方向づけと受け入れに使う。チケットを形づくり、権限を与え、根拠を読み、マージとリリースを決める。実行、テスト、報告はエージェントに任せる。エージェントは調査し、実行し、テストし、報告する。人間は方向を示し、権限を与え、結果を受け入れる。OpenAIの記事にある比率は、この契約が機能したときの姿だ。
人間の1日を監督に使うのは、その作業が本当にリアルタイムで人間が見張ることを必要とする場合だけにしよう。ロールバックのできない本番変更、他の作業が依存しているディレクトリでの実行などだ。Sharklyは、実際の作業を担うClaude Code、Codex、Runtimeの代替ではない。リクエストからリリースまで、コンテキスト、進捗、ブロッカー、結果、人間によるレビューを見える状態に保つレイヤーであり、人間の1日が、どのターミナルに問いが来ているかを探すことにではなく、判断に使われるようにする。
よくある質問
3.1という数字はどこから来たのか？ OpenAIの記事「Research acceleration: the view inside OpenAI」で、8月中旬時点で研究組織が人間の労働1日あたり3.1エージェント労働日分の作業を使っていると述べられている。
これはプロダクトエンジニアリングチームにも当てはまるか？ 具体的な数字は研究組織のものである。比率の方向性は、1つのエージェントから複数へ移行しているあらゆるチームに当てはまる。エージェントの出力は、それをレビューする能力よりも速く伸びる。
介入の数字とは何か？ 2026年1月から7月までの成功した4〜8時間タスクの半数以上が、1回以上の人間の介入を伴っていた。長時間の実行は人間が途中で入ることで成功するのであって、人間なしで成功するわけではない。
Sharklyはレビューの待ち行列をどう表示するか？ Waiting for human replyとWaiting for human reviewはTask上のAgent作業状態であり、担当者のInboxのPrimaryセクションにルーティングされる。失敗またはブロックされた作業もそこに表示される。
何が受け入れと見なされるか？ 人間がAgentのレスポンス、実行ログ、diffを読んだうえでTaskのステータスを変更すること。マージされたプルリクエストだけではステータスは変わらない。
まとめ
OpenAIの比率は、エージェントがすでに人間1日につき3日分の作業を生み出していることを示しており、介入の数字は、長めのタスクのほとんどで人間がループに入っていることを示している。希少な資源は人間の1日であり、埋まっていく待ち行列は人間を待っている結果だ。その待ち行列を見えるようにし、オーナーにルーティングし、判断を記録しよう。1台のComputerを接続し、1つのAgentを作成し、退屈な作業を割り当ててみてほしい。各概念の詳細はドキュメントで扱っている: docs.sharkly.ai。
