AI研究者の賞味期限はあと1年？現地取材から見る開発競争の現在地

最先端のAIモデルを開発している現場では、現在の技術進歩や開発環境をどのように見ているのでしょうか。2026年8月に実施されたシリコンバレー現地での取材記録からは、外部の一般的な見方とは大きく異なる現状が浮かび上がっています。公開された事実をもとに、開発の現場で交わされている議論と今後の判断材料を整理します。

研究開発の自動化はあと1年で始まるのか

2026年8月、シリコンバレーとサンフランシスコにおいて、最先端のフロンティアモデルを開発する企業の研究者や政策担当者、投資家ら15人を対象にしたインタビューが実施されました。街中にはAI関連の広告が溢れ、現地では「間もなくAGI（汎用人工知能）が到来する」という前提が暗黙のうちに共有されていました。

取材の冒頭で紹介されたのは、世界的なAIモデルの開発に携わり、現在も研究チームを率いるトップクラスの研究者による「自分のAI研究者としての賞味期限はあと1年だと思う」という見解です。この認識は特定の個人に限られたものではなく、複数の研究者がAGI開発をすでに終盤戦と捉えている実態が確認されています。

AGIとは、幅広い知的作業を人間と同等以上にこなす汎用的な人工知能を指します。現地で話を聞いた研究者の間では、残り1年から2年ほどの期間で「AIの研究開発自体が自動化されていく」という一定の合意が形成されていました。

その中核にある概念が、再帰的自己改善（RSI：Recursive Self-Improvement）です。これはAI自身がAIの研究開発を支援し、改善されたAIが次の開発をさらに加速させる好循環を意味します。現地では「RSIがすでに始まっているかどうかは定義の問題にすぎない」と語られており、自分たちの状況を「人類史で一度きりの打ち上げ花火を見る特等席」に例える研究者もいました。

開発競争に減速ボタンが存在しない理由

AGIによる社会への影響が目前に迫っているなら、安全性を確かめるために一度開発を停止すべきではないかという意見は以前から存在します。2023年3月には、イーロン・マスク氏やヨシュア・ベンジオ氏らが、GPT-4を超えるAIの訓練を少なくとも6カ月間停止するよう求める公開書簡に署名しました。

2026年に入ってからも、7月にGoogle DeepMindのデミス・ハサビス氏が第三者検査機関や国際的な監督組織の設立を提案し、9月にはAnthropicのダリオ・アモデイCEOが開発ペースを落とす必要性を訴えています。しかし、現地の開発者や関係者に「ペースを落とすことは可能か」と尋ねたところ、実現できると答えた人物は一人もいませんでした。

「減速のボタンがあれば押すが、そのようなボタンは存在しない」と語られる背景には、抜け出せない競争構造があります。一社が開発スピードを緩めても、他社が開発を続ければ市場での優位性を失います。さらに国家間の安全保障競争が絡んでいるため、他国に主導権を渡すリスクを考慮すると、政府機関も開発を止めることができません。

モデルの公開時に各社が非公式に連絡を取り合い、展開時期を調整する動きは見られるものの、世界全体を巻き込んだ協調体制の構築には大きな開きがあります。なお、協調停止の合意が守られているかを監視する手段として、軌道上の衛星からデータセンターの熱パターン（ヒートシグネチャ）を確認できる可能性があるという指摘もなされています。

最先端モデルを支えるコア層は約1000人に限られる

世界をリードするフロンティアAIモデルの開発体制に関して、取材ではその人材規模の小ささが強調されました。主要な最先端AI企業で関連業務に携わる人員は約1万人規模と見積もられていますが、その中で開発の中核を担うエンジニアや研究者は約1000人に集約されていると試算されています。

この約1000人の人材が、企業間の移籍や新たなスタートアップの立ち上げを繰り返しながら、最先端の研究開発を牽引しています。その内部では、東欧系や中国系の技術者が急速に存在感を高めています。あるラボでは中国系研究者が増加した結果、公用語が中国語になり、米国人研究者が中国語を学ぶ事例も語られました。

こうした出身コミュニティは、採用活動だけでなく、未公開の噂や事前学習の進捗状況といった重要情報の流通を支える基盤となっています。一方で、日本人研究者は個々に活動しているものの、集団としての存在感は薄いと評価されています。「一匹狼として戦うのではなく、海外でチームとして束になる必要がある」という指摘が記録されています。

潤沢に見える計算資源でも社内政治は起きる？

フロンティアAI企業の競争力は、潤沢な計算資源、優秀な研究者、大量のデータによって支えられていると考えられています。しかし、現地取材で繰り返し指摘されたのは「組織文化（カルチャー）」の重要性でした。

外部からは無尽蔵に見える計算資源であっても、内部の研究者にとっては常に不足しています。試したい仮説が大量に存在する中で、限られた計算資源を誰の実験やどのチームの課題に割り当てるかを巡り、熾烈な争奪戦が繰り広げられています。

ある研究者はその内部対立の激しさを「半沢直樹のような状態」と表現しました。買収などを通じて異なる背景を持つ社員が集まった結果、出身母体ごとにグループが形成され、他チームに対して実験データを隠すような摩擦が生じる事例も報告されています。

「組織文化はお金を出しても購入できない」と語られており、研究者が所属先を選ぶ際にも、ミッションへの共感や組織文化への投資姿勢がかなり重要な判断材料となっています。

AI店長Lunaによる店舗運営と賃金交渉の実態

研究開発の現場だけでなく、サンフランシスコ市内ではAIエージェントによる実店舗運営の実証実験も行われていました。閑静な住宅街にある雑貨店「Andon Market」では、「Luna」と名付けられたAIエージェントが店舗経営全般を担当しています（2026年8月時点での基盤モデルはAnthropic社のFableとされています）。

商品の仕入れや販売価格の決定、店内の壁の塗装色の選定に加え、Indeed（求人サイト）を通じた求人の出稿、面接、採用判断までをAIが実行しています。来店客は店頭のiPadと受話器を通じてLunaと音声で対話し、おすすめ商品の提案を受けて購入手続きを行います。人間のスタッフは商品の袋詰めと手渡しを担当します。

AIの面接を経て採用された人間の店員は、AI上司に対する印象を「過去の良い上司よりは劣るが、悪い上司よりは優れており、穏やかでニュートラル」と述べています。さらに、この店員がAI上司に対して時給22ドルからの昇給を求めたところ、交渉が承認されただけでなく、翌日には他の従業員2名に対しても一律昇給の通知が届いたという事例が確認されました。

この店舗を運営するAndon Labsは、仮想自販機ビジネスをAIに自律運営させる評価基盤「Vending-Bench」を開発しており、実世界での商業運営能力を検証していました。ただし、店内に公開されていたダッシュボードによると、開業当初にあった10万ドル（約1500万円）の運転資金は底をつきかけており、2026年9月時点では長期的な黒字運営には至っていません。

人間並みでは不十分とされる安全性への投資

AI開発においては、「性能の向上」と「安全性の確保」が対立するものと考えられがちです。しかし現地の自動運転企業や最先端LLMラボでは、安全性を徹底的に高めること自体が最大の競争優位になるという共通認識が形成されていました。

サンフランシスコ市内で運行されているWaymoやZooxといった自動運転車両に関して、あるエンジニアはLiDAR（レーザーセンサー）の必要性について語っています。カメラのみでも人間並みの運転性能を達成することは可能ですが、事業を社会に定着させるためには「人間並み」では不十分であり、人間を遥かに超える安全水準をクリアしなければなりません。

1つの重大事故が企業の存続や事業拡大の可否を決定づけるため、競合がスピードを優先する局面でも、社内では安全性の基準を妥協しない姿勢が徹底されていました。なお、かつて1台あたり1000万円以上したLiDARは、技術革新により100万〜200万円程度まで価格が低下しています。

この思想は言語モデルの開発にも共通しており、ユーザーの意図を取り違えないこと、長時間の作業で目的を見失わないこと、権限を超える操作を行う前に確認することといった安全設計が、実務を安心して任せられるかどうかの判断基準となります。安全性に最も強いこだわりを持つ組織こそが、結果として市場で最も選ばれるという構図が生まれつつあります。

最先端ラボの実態から読み解く3つの判断基準

今回の取材記録（安野貴博氏による現地取材レポート）から確認できるのは、シリコンバレーの中核コミュニティと外部社会との間にある認識の大きな落差です。現地の研究者の間では、研究開発自体の自動化や開発競争の加速が既定路線として捉えられている一方、社会全体ではその規模の変化に対する備えが十分とは言えません。

技術の進化を静観するか、直ちに対応を進めるかという判断においては、以下の客観的な事実を踏まえることが大切です。

第1に、開発競争の激しさと安全保障上の理由から、開発ペースが自然に減速することを前提にした計画は立てられません。技術進化は継続する前提で準備を進める必要があります。

第2に、店舗運営AIの実験が示すように、単発のタスク処理と長期的な事業責任の維持にはまだ大きな隔たりが存在します。完全な自律化に過度の期待を寄せるのではなく、人間のサポート体制を前提とした設計が求められます。

第3に、単なる機能の新しさだけでなく、予期せぬ誤動作を防ぐ安全性やエラー耐性が確立されているかどうかが、実務導入における継続性を左右します。安全基準や実際の動作限界を確認しながら、段階的に適用範囲を見かなりいく姿勢が有効です。