Google DeepMindの社内評価では、本番コードの75%超をAIが生成する一方、AI研究の進展速度には統計的に有意な加速が確認されませんでした。自動化が進む作業と人間の関与が残る工程を整理します。
- DeepMindの本番コード、AI生成は75%超
- GCI v1は月約0.1ポイントで推移
- DeepMindの約88%のPRで人間が関与
- DeepMindの12人調査、自由度の高い工程は自動化が低水準
AI研究の進展速度に関する評価
Google DeepMindの研究者ハイドン・ベルフィールド氏が示した社内評価では、AIを使った機械学習の研究開発(ML R&D)について、2026年4月1日以降、進展速度の統計的に有意な加速は確認されませんでした。ML R&Dは、新しいAIモデルをつくるための研究と開発です。
評価では、123のAIモデルを92のベンチマークで測る社内指数「GCI v1」を用いました。最先端のGeminiモデル群の能力指数は月に約0.1ポイントずつ、ほぼ一定の速度で上昇したとされます。
Gemini 4 Argonの値は傾向線を上回ったものの、ベルフィールド氏はAIによる研究加速ではなく、計算資源と組織的な投資の増加によるものと説明しました。
コード生成の自動化と人間による介入
同じ評価では、DeepMindの本番コードの75%超がAIによって書かれていました。コードの変更をレビューに出す単位であるプルリクエストのうち、完全にAIへ任せた比率は2026年4月の7.5%から9月には11.9%へ上昇しました。
一方で、プルリクエストの約88%では、AIを誘導する複数回の人間の指示、または人間によるコード作成が必要でした。コード変更は提出前に人間のレビューも受ける仕組みとされています。
評価では、Argonが社内でエージェントとして作業した1,389件の記録も確認されました。扱う作業が大きくなるほど、モデルだけで完了する割合は下がり、人間が途中で関与するケースが増えたとされます。
自動化が進んだ作業と研究工程の境界
DeepMindの上級リーダーと研究者12人への調査では、仕様が明確で結果を確かめやすい実行作業で自動化が進んでいました。これに対し、自由度の高い科学的な発想、新しい実験の設計、学習時の微妙な不安定さの診断、長期的な研究テーマの見極めでは、自動化の水準が低いとされます。
今回の評価はDeepMind内部のデータを対象としており、ほかの研究機関の状況までを示すものではありません。評価では、コード生成の比率と研究開発全体の進展速度を別の指標で測定していました。
