誰も答え合わせをしない
2025年3月、ダリオ・アモデイはCouncil on Foreign Relationsで、AIが3か月から6か月以内にコードの90%を書き、12か月以内にはほぼすべてを書くようになると語った。その12か月の期限は3月に過ぎた。ほとんど誰も答え合わせをしなかった。
これがAI予測の奇妙な作法だ。予測は声高に、期限付きで、完全な自信を持って語られる。そして期限が来ると、みんなすでに次の予測に移っている。スコアボードは存在しない。だから私は作った。
2025年2月、私はアルトマンの2025年に関する見立てが正しいという前提で、エージェント機能をWhiziに組み込む計画を立てた。マルチステップのエージェント実行1回あたりのコストを、定額の月額サブスクリプションと比較して計算した結果、6週間後にこのプロジェクトを打ち切った。自分のロードマップの6週間を、他人の予測につぎ込んだわけだ。私は一次資料と、すでに過ぎた期限を持つ2024年と2025年の期限付き予測をすべて集めた。18件が採点対象になった。
採点ルールはこうだ、異論があってもいい。予測は、その言葉自体が約束した内容に照らして、その期限で採点する。9月までに90%と言って、9月に30%しか来なかったなら、「まあいずれは」は採点にならない。それは言い訳だ。
スコアボード
| 誰が、いつ | 予測内容 | 実際に起きたこと | 評価 |
|---|---|---|---|
| サム・アルトマン、2025年1月 | AIエージェントが2025年に「労働力に加わる」 | 企業パイロットの95%でP&Lへの影響なし。最良のエージェントでもオフィス業務の30.3%しか完了できず | C- |
| マーク・ベニオフ、2024年9月 | 2025年末までにAgentforceエージェント10億体 | 約29,000件の契約と、年間経常収益$1B | F |
| Klarna、2024年2月 | AIアシスタントが700人分のエージェント業務をこなす | 2025年5月から品質低下を理由に人間を再雇用 | C |
| ダリオ・アモデイ、2025年3月 | 3か月から6か月以内にコードの90% | 業界全体で25%から41%、Googleは2026年半ばまでに75% | C+ |
| ダリオ・アモデイ、2025年3月 | 12か月以内にほぼすべてのコード | 程遠い | F |
| エリック・シュミット、2025年4月 | 1年以内にプログラマーの大多数がAIに置き換わる | プログラマーは雇用され続けている。エントリーレベルの職は約16%減少 | F |
| マーク・ザッカーバーグ、2025年1月 | AI中堅エンジニア、首位のユーザー数を持つアシスタント、最高性能モデルとしてのLlama、すべて2025年に実現 | 3つとも実現せず、代わりに人間エンジニアに過去最高額の報酬が支払われた | F |
| イーロン・マスク、2024年4月 | 2025年末までにどの人間よりも賢いAI | Grok 4はHumanity's Last Examで25.4%のスコア | F |
| ミラ・ムラティ、2024年6月 | 約18か月で「特定のタスクにおいて」博士号レベルの知性 | 2025年国際数学オリンピックで公式に金メダル相当を認定 | B- |
| ゲイリー・マーカス、2025年1月 | 25件の期限付き予測のうち、ここで4件を採点 | 4件すべて的中、しかしその年の成功例は一つもリストになし | A- |
出勤しなかった労働力
サム・アルトマン、2025年1月：「私たちは2025年に、最初のAIエージェントが『労働力に加わり』、企業の成果を大きく変える可能性があると考えている。」
MITのNANDAプロジェクトは2025年8月、企業向け生成AIパイロットの95%が測定可能なP&L効果を生んでいないと発見した。カーネギーメロン大学は架空の会社にAIエージェントだけを配置し、こなせたオフィス業務を測定した。最良のモデルでも完了できたタスクは30.3%だった。30%しかこなせない社員は労働力に加わらない。試用期間で退場する。
唯一の救いがこれをFから救う。ソフトウェア企業の内部では、コーディングエージェントが実際に成果を変えた。評価：C-。
マーク・ベニオフ、2024年9月：「私たちのビジョンは大胆だ。2025年末までにAgentforceで10億のエージェントに力を与える。」
Salesforceは2026年初頭までに累計約29,000件のAgentforce契約を報告し、年間経常収益は$1Bを超えた。実在するビジネスではあるが、エージェントではなく契約件数で数えてなお、約束の約34,000分の1にとどまった。お気に入りの一節がある。Salesforceは今やエージェント数の代わりに「エージェント作業単位」(38億単位)を報告している。数字に届かなければ、単位を変える。評価：F。
Klarna、2024年2月：AIアシスタントは「フルタイム社員700人分に相当する業務をこなしている。」
その後2025年5月、CEOのセバスチャン・シェミアトコフスキーは方針転換し、人間の再雇用を始めた。「効率とコストを重視しすぎた。結果として品質が低下した。」AIは定型のチケットを担当し続けたが、重要な業務にはすべて人間が戻ってきた。実験を公の場で行い、結果を認めた点は評価に値する。評価：C。
実際に書かれたコード
アモデイの90%。方向性は正しく、分母が間違っていた。Googleによれば、2026年半ば時点で新規コードの75%がAI生成であり、2024年後半の25%から上昇した。ただしこれは承認されたオートコンプリートをすべて含み、人間はデプロイ前にレビューし続けている。2026年初頭の業界全体の推計は25%から41%に集中していた。
つまり、6か月で全コードの90%はノー。12か月でほぼすべては程遠い。コードの書かれ方における歴史的な転換は、間違いなくイエスだ。この予測は本物の革命を言い当てながら、数字はすべて外した。評価：90%についてはC+、「ほぼすべて」についてはF。
エリック・シュミット、2025年4月：「今後1年で、プログラマーの大多数がAIプログラマーに置き換えられるだろう。」
その1年は過ぎた。プログラマーはほぼ以前と変わらぬ場所で雇用され続けている。実際の労働への打撃は、予測よりも狭く、かつ残酷だった。スタンフォード大学とADPの給与データによれば、AIの影響を最も受けやすい職種における22歳から25歳の雇用は、2022年後半以降約16%減少し、今も縮小し続けている。打撃を受けたのはエントリーレベルで、大多数は職を保ちCopilotのライセンスを手に入れた。評価：F。
そして誰も予測していなかった数字がある。Cursorは約17か月で年間経常収益を$100Mから$4Bへ伸ばし、8月14日にはSpaceXが同社を$60Bで買収完了した。これはスタートアップ買収として過去最大規模だ。私が確認した2024年の予測リストの中に、「コードエディタが史上最大のスタートアップ売却案件になる」というものは一つもなかった。
Metaにとって非常に高くついた1年
マーク・ザッカーバーグ、2025年1月、Joe Roganの番組で：「おそらく2025年に、私たちMetaは……コードを書ける中堅エンジニアのようなAIを持つことになるだろう。」数週間後の決算発表で、彼は2025年についてさらに2つを付け加えた。Meta AIが最も利用者数の多いアシスタントになること、そしてLlamaが最も高性能で広く使われるモデルになることだ。
3つとも実現しなかった。Llama 4は不発に終わり、Gemini 3が2025年11月にフロンティアの座を奪った。そしてMetaは財布では真逆の賭けに1年を費やした。Scale AIの半分の持ち分に$14.3B、研究者への報酬パッケージは$100Mから$450Mと報じられ、10月にはsuperintelligence labから600人を削減、2026年5月には約8000人の人員削減があった。
Metaは中堅エンジニアのようにコードを書くAIを予測し、代わりに18か月をかけて人間のエンジニアの市場価格の世界記録を打ち立てた。評価：F。
イーロン・マスク、2024年4月：AIは「おそらく来年末までに、どんな一人の人間よりも賢くなる。」
2025年末時点で、xAIの旗艦モデルはGrok 4であり、「世界で最も賢いAI」として発表されたが、その名もHumanity's Last Examというベンチマークで25.4%のスコアだった。その主張は試験に耐えられなかった。評価：F。
ミラ・ムラティ、2024年6月：約18か月で「特定のタスクにおいて」博士号レベルの知性。
数学については、ほぼ実現した。GoogleDeepMindのDeep Thinkは2025年国際数学オリンピックで公式に金メダル相当を獲得し、ほとんどの2024年の予測より何年も先んじた。彼女が使った「特定のタスクにおいて」という限定句が大きな役割を果たしており、これはより声高な同業者たちが使わなかった限定句でもある。限定付きのバージョンは的中した。限定なしのバージョンは、2025年8月にGPT-5の「博士号レベル」というブランディングとして発表され、うまくいかなかったためアルトマンはOpenAIが展開を「完全にしくじった」と認めた。評価：B-。
懐疑派の成績表
ゲイリー・マーカスは2025年1月1日に、期限付きの予測25件を発表した。業界の多くは彼を冷ややかに見ている。採点可能な主張を採点する。
- 「今年、汎用人工知能(AGI)は実現しない。」正解。
- エージェントは「2025年を通じて延々ともてはやされるが、信頼性には程遠い。」正解、第1章全体を参照。
- 「AIモデルからの利益は、引き続き控えめか、ほぼ皆無だろう。」収益は爆発的に伸びたが、彼が言ったのは利益であり、各研究所は依然として資金を燃やし続けている。字義どおりには正解。
- 2025年に「GPT-5レベル」のコンセンサスが得られる飛躍はないかもしれない。GPT-5は出荷されたが、飛躍は起きなかった。趣旨としては正解。
評価：A-。マイナスがついた理由は、そのリストに含まれていないものにある。$4B規模のコーディングツールという新カテゴリー、IMOの金メダル、出力が検証可能な唯一の領域でエージェントが本当に役立つようになったこと、そのどれも予測されていなかった。2025年で最も優れた予測者は、すべての失敗を言い当て、すべての成功を見逃した。
そして居心地の悪い二次的な事実がある。正しかったことへの見返りはほぼゼロだった。彼の世界観全体に反対の賭けをした投資家たちこそが、Cursorに$60Bの値をつけた人々だ。予測の正確さと財務的な見返りは、別々のスコアボードで動いており、複利で増えるのはそのうち片方だけだ。
性能予測は的中し、導入予測は外れた
18件の予測を2つの山に分けると、雑音が消える。
モデルが何をできるようになるかという性能に関する予測は的中率が高く、時には早く実現した。METRによれば、エージェントがこなせるタスクの長さはおよそ4か月から7か月ごとに倍増しており、その傾向は続いている。
組織が実際にAIに何をさせるかという導入に関する予測は、ほぼ全滅した。労働力に加わるエージェント、10億エージェントのプラットフォーム、置き換えられるプログラマー、AI社員。そのすべてが、品質基準、責任問題、統合コスト、そして30%のタスクしか完了できないシステムはデモであって採用対象ではないという頑固な事実の壁にぶつかった。
アルトマンはエージェントが労働力に加わると言った。実際に加わったのはIDEだった。IDEは間違った答えが顧客ではなくコンパイラーに捕まる、唯一の職場だからだ。
だから今、自分自身のお金を賭けたうえで使っている判断ルールはこうだ。性能に関する予測を聞いたら、たとえ突飛なものでも真剣に受け止める。トレンドラインは勝ち続けているからだ。期限付きの導入予測を聞いたら、その期間を2倍にし、発言者が何を売っているかを確認する。同じルールで、私はどのモデルにお金を払うか選んでいる。ベンチマークは性能の主張で、ワークフローは導入の主張だ。
これからは四半期ごとに、期限が来たものを採点していく。そして次号は私自身の期限付き予測から始まるので、あなたも同じ基準で私を採点できる。採点は無料だ。採点されることには代償がある。
- 予測は、その言葉自体が約束した内容に照らして、その期限で採点する。「いずれは」は採点にならない
- 性能に関する予測は、たとえ突飛なものでも真剣に受け止める。トレンドラインは勝ち続けている
- 期限付きの導入予測は、その期間を2倍に見積もる
- 予測している本人が何を売っているかを確認する
- 自分自身の予測も期限付きで書き残し、誰かに採点してもらえるようにする
よくある質問
ダリオ・アモデイのAIがコードの90%を書くという予測は当たったのか。
期限どおりには当たらなかった。彼は2025年3月から3か月から6か月以内に90%、12か月以内にはほぼすべてのコードと言った。2026年初頭の業界全体の推計は25%から41%に集中し、Googleは2026年半ばまでに新規コードの75%と、承認されたオートコンプリートをすべて含めた数字を示した。方向性は正しかったが、数字は外れた。
AIエージェントは2025年に労働力へ加わったのか。
ソフトウェア分野の外では加わらなかった。MITのNANDAプロジェクトは、企業向け生成AIパイロットの95%が測定可能なP&L効果を生んでいないと発見し、カーネギーメロン大学のエージェント企業テストでは最良のモデルでもオフィス業務の30.3%しか完了できなかった。ソフトウェア企業内のコーディングエージェントが唯一の本物の例外だった。
2025年のAIについて最も正確に予測したのは誰か。
懐疑派のゲイリー・マーカスが、ここで採点した主張については最も正確だった。AGIは実現しない、エージェントはもてはやされるが信頼性に欠ける、利益は依然として控えめ、GPT-5レベルのコンセンサスの飛躍はない。この4つはすべて的中した。ただし彼のリストは、$4B規模のコーディングツールという新カテゴリーからIMOの金メダルまで、その年のあらゆる成功例も見逃していた。