OpenAIは11月2日、日常生活の具体的な用事をAIがどこまで支援できるかを測る評価体系「LifeVal」を公開した。約4,000人への調査と時間利用統計をもとに、育児、家計、行政手続きなどを対象とする。企業のAI導入にも、回答品質だけでなく「必要な手続きが進んだか」「人の確認をどこに残すか」で成果を測る視点を提示する。
30秒でわかる / THE SIGNAL
OpenAIは11月2日、日常生活の具体的な用事をAIがどこまで支援できるかを測る評価体系「LifeVal」を公開した。約4,000人への調査と時間利用統計をもとに、育児、家計、行政手続きなどを対象とする。企業のAI導入にも、回答品質だけでなく「必要な手続きが進んだか」「人の確認をどこに残すか」で成果を測る視点を提示する。
知識テストではなく、用事を進める力を評価
2026年11月2日、OpenAIは新しい評価体系「LifeVal」を発表した。目的は、AIが問題に答えられるかだけでなく、実生活で人が求める作業をどこまで進められるかを測ることだ。対象例は保育施設の比較、買い物、家計管理、学校の準備、行政サービスの利用、介護や健康に関する段取りなど。OpenAIは、助言だけで終わらず実際の行動につながるパーソナルアシスタントを目指すと説明する。これは新しい一般向け機能の一斉提供開始を意味するものではなく、モデルを評価する研究上の発表である。
3,995人の調査と時間利用統計から題材を選ぶ
LifeValの題材選定には、米国労働統計局のAmerican Time Use Surveyと国際的なMultinational Time Use Studyを利用した。さらにOpenAIは、人口構成を考慮した3,995人への追加調査を実施し、どの生活上の用事でAIの助けが求められるかを調べた。そこから育児、健康、教育、家事・行政事務、個人金融、買い物、公共サービスなどの領域を選んでいる。これは、開発者が作りやすい問題だけを集めるのではなく、利用者の必要性から評価対象を設計するアプローチだ。ただし、3,995人はタスク選定のための調査回答者数であり、AIの成功試行数ではない。
公表された個別スコアは「全体の成功率」ではない
公式ページは、引っ越し後の幼稚園候補の比較93.1％、洪水に備えたボランティアの段取り98.0％、家族の住宅探し100％、離れた祖母とのスポーツ観戦準備96.3％、糖尿病と診断された親の食事・ケア計画90.4％など、個別のタスク例とスコアを示した。いずれも公開ページ上の評価例であり、「一般家庭の95％でAIが確実に用事を完了する」という意味ではない。住宅探しの例でも、物件選定や税額計算、確認用カートへの追加までが記載され、契約完了を示すものではない。健康・金融・行政のように影響が大きい領域では、AIが提案した内容と、人が最終確認・承認した行為を区別する必要がある。
企業のAI評価にも使える「完了条件」の発想
業務への示唆は、AIを「文章が上手か」だけで測らないことにある。たとえば採用業務なら候補者情報の整理だけでなく、根拠付きの比較表ができたか、担当者が判断できる状態まで進んだか、誤送信を防ぐ承認点があるかを評価する。経費処理なら書類の読み取り精度に加え、差戻し件数、例外処理、担当者の再確認時間まで追う。これはLifeValが企業業務の改善効果を実証したという意味ではなく、その評価思想を仕事に応用する編集部の提案だ。OpenAIの公開ページだけでは、全タスクの網羅的な採点手順、外部環境での再現性、他社モデルとの同条件比較を十分に判断できない。導入判断には自社業務での試験と人による検証が不可欠である。