AIが毎年速くなっていると実感している方は多いと思います。でも、ウォートン・スクールのEthan Mollick教授はさらに一歩踏み込みます — ベンチマークのチャート、ソフトウェアファクトリーの実験、AI企業CEOの発言まで組み合わせて、「この変化は指数的（exponential）であり、仕事の本質を変える初期シグナルがすでに現れている」と主張しています。

3秒で要約
AIの能力が年々指数的に改善中 — 画像、コーディング、推論のすべての領域で
3人がAIだけでプロダクションソフトウェアを出荷するソフトウェアファクトリーが登場
AI企業が再帰的自己改善（RSI）を公式ロードマップに掲げている

これは何?

Mollick教授が2026年3月に公開したブログ記事「The Shape of the Thing」は、AIの性能改善の軌跡を視覚的・定量的に示した一種の現状レポートです。 核心的な主張は3つにまとめられます。

① 指数的改善は数字で証明されている。 GPQA（大学院レベルQ&A）、GDPval（実務専門家対AI比較）、Humanity's Last Exam、Pencil Puzzle Benchなど4つの異なるベンチマークすべてで、AIの性能が指数曲線を描いています。 METRの「Long Tasks」評価では、AIが自律的に処理できる作業時間が指数関数的に増加しているという結果が出ています。

②「働き方」がすでに変わっている。 セキュリティソフトウェア企業StrongDMは、3人のチームがAIエージェントだけでコードの作成・テスト・デプロイまで完了する「Software Factory」を公開しました。 ルールはシンプルです —「人間がコードを書かない」「人間がコードをレビューしない」。その代わり、エンジニア1人あたり1日1,000ドル以上をAIトークンに費やしています。

③ 再帰的自己改善（RSI）が現実になった。 AnthropicのDario Amodeiは「エンジニアたちはもうほとんど自分でコードを書かない」と述べ、OpenAIの最新モデルは「自分自身を作ることに貢献した最初のモデル」と発表されました。 Google DeepMindのDemis Hassabisも、すべての主要なAI研究所がこのフィードバックループを閉じようと積極的に取り組んでいることを確認しています。

何が変わるのか?

これまでの技術革新とAI時代を比べると、速度と範囲がはっきり違います。

これまでの技術革命AI指数的成長の時代示唆
改善速度ムーアの法則：2年で2倍AIベンチマーク：年間10倍以上の改善準備できる時間がずっと短い
職業の消滅1950年以降に消えた職業は1つ（エレベーターオペレーター）コーディング、リサーチ、コンテンツなど知識労働全般の再編が始まっている特定の職業ではなく「作業単位」で代替される
組織の実験数十年かけて段階的に適用Software Factoryのように数週間で急進的な実験早く実験する組織が優位に立つ
自己改善機械が機械を作ってはいたが、設計は人間AIが次世代AIを直接改善（RSI）改善の曲線がさらに急になる可能性がある

もちろん反論もあります。一部のアナリストは、Mollickが示したベンチマークのチャートは実際には指数曲線ではなく、ロジスティックなS字カーブに近いと指摘します。 100点満点のベンチマークに指数曲線をフィッティングすると、いつか100%を超えるという非現実的な予測になってしまうからです。ただし、大多数の専門家は「方向は確実に上向き」という点では同意しています。

始め方のポイント

  1. ベンチマークの読み方を身につける
    METR Time Horizons、GPQA、Humanity's Last Examなどの主要な評価指標をブックマークしましょう。「AIがどれだけ速くなっているか」を感覚ではなくデータで追えるようになります。
  2. 自分の仕事の中で「エージェント化できる領域」を見つける
    StrongDMの事例のように、人間がコードを見ないことが目標ではありません。自分の業務の中で「プロンプト → 成果物 → 確認」に置き換えられる作業から選んで、エージェントに任せてみましょう。
  3. 小規模なSoftware Factory実験を設計する
    チーム単位で1〜2週間の「AI onlyスプリント」を試してみましょう。コーディングでなくても、リサーチ、レポート作成、デザイン案など、どんな領域でも構いません。
  4. 「変化の速度」そのものをモニタリングする
    Mollickが強調する核心は特定の技術ではなく「変化の速度」です。四半期ごとにAIベンチマークのトレンド、主要企業のAI導入発表、政策の変化を整理するルーティンを作ってみてください。
  5. RSIのニュースにアンテナを立てる
    AI企業が「自社モデルで次のモデルを作った」という発表をますます頻繁にするようになっています。 このループが実際に閉じる瞬間、変化のスピードがもう一段上がる可能性があります。OpenAI・Anthropic・Google DeepMindのモデルリリースノートを定期的にチェックしましょう。

さらに深掘りしたい人へ

📖 Mollickのエージェント時代ガイド

同じ著者が書いた「A Guide to Which AI to Use in the Agentic Era」は、どのAIをどんな用途に使うべきかを実践的にまとめたガイドです。エージェント時代のツール選びについて知りたい方は必読です。

🔬 METR Time Horizons 原本レポート

AIが自律的に処理できる作業時間が指数関数的に増加しているというMETRのオリジナル研究。ベンチマークの方法論と限界まで透明に公開されています。

🏭 StrongDM Software Factoryテクニカルガイド

3人チームがAIだけでソフトウェアを作る具体的な手法を公開しているサイト。Simon WillisonとDan Shapiroによる外部観察記も合わせて読むと、実際の運用の強みと弱みをバランスよく把握できます。

⚖️ 反論：「LLMは指数的に改善されていない」

Free Splainsの分析は、Mollickが示した4つのベンチマークのチャートを一つひとつ解体し、実際にはロジスティック成長（S字カーブ）に近いと主張しています。両方を読み合わせることで、バランスの取れた視点が得られます。