投稿者 投稿日: カテゴリー AIニュース
支出ホライズンとは、AIエージェントが人より割高になる予算額です。
AI評価の非営利研究機関であるMETRが2026年7月21日、AIエージェントの能力を「作業時間」ではなく「金額」で測る新しい指標、支出ホライズン（expenditure horizon）を公開しました。実験では、エージェントに1万ドル超を投じても、人間の労力に換算した価値は0〜3,000ドル相当にとどまっています。AIエージェントのコストをどこまで許容するかという問いは、商品説明の自動生成や問い合わせ対応をどこまで機械に任せるかというEC事業者の判断とも地続きです。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）が解説します。
METRが示した支出ホライズンという物差し
支出ホライズンとは、同じ予算を人に払った場合とAIエージェントに払った場合で成果が並ぶ金額のことです。METRのExpenditure Horizonによれば、この指標は「人とエージェントそれぞれの、支出に対する成果曲線が交わる点」として定義されます。エージェントは少額の予算では人より速く成果を出す一方、予算を増やしても成果が頭打ちになりやすく、ある金額を超えると人のほうが費用対効果で上回る、という現在の実態を数値化する狙いがあります。
同機関はこれまで、AIが自律的にこなせる作業の長さを測る時間ホライズン（time horizon）という指標で知られてきました。ただし時間ホライズンは成功か失敗かの二値評価で、トークン代や実験用の計算資源といった費用を含みません。支出ホライズンは、そこに金額という共通の物差しを持ち込んだ拡張版と位置づけられています。執筆者はTom Cunningham、Manish Shetty、Vincent Cheng、Nate Rushの4名です。
NanoGPTでの実測値が示した現在地
検証の題材になったのは、modded-nanogptとして公開されている「NanoGPT speedrun」です。8基のNVIDIA H100を使い、決められた検証損失に到達するまでの学習時間をどこまで短縮できるかを競う公開プロジェクトで、参加者が改善案を持ち寄って記録を更新し続けています。
METRはまず、人がこの記録を1パーセント縮めるのにどれだけの労力が必要かを推定しました。上位貢献者2名への聞き取りでは、6件の改善で合計9.8パーセントの短縮に対し1件あたり平均24時間を費やしており、1パーセントあたりおよそ14時間という数字が出ています。AIによる判定でも1パーセントあたり約10時間と近い値になり、両者を踏まえて時給150ドル換算で1パーセントあたり2,500ドルという基準値が置かれました。
そのうえで、2026年3月時点の記録（学習時間85.56秒）を出発点に、6本のエージェント実行を走らせています。結果として、1万ドルを超える支出を投じたうえで得られた支出ホライズンは0〜3,000ドルでした。モデルによる差も大きく、GPT-5とOpus 4.1は記録上は改善しているように見えても、再検証すると基準値を上回らない、いわゆるノイズを追いかけただけの結果に終わったと報告されています。一方でGPT-5.5とOpus 4.8は有意な改善を示しました。費用の内訳では実験用の計算資源が7割から9割を占め、成果のうち保守担当者の判断で実際に取り込めるものは約7割にとどまるという但し書きも付いています。
EC事業者が持ち帰れる3つの判断軸
この研究はAI研究開発の加速度を測るためのもので、EC業務を対象にした調査ではありません。それでも、自動化の投資判断という点では持ち帰れる視点が3つあります。
1つ目は、費用を作業時間ではなく金額に揃えて比べることです。「この作業はAIで30分に短縮できた」という話は、裏で消費したトークン代や検証にかけた人件費を含めていないことが少なくありません。商品ページの一括生成やレビュー分析を評価するときは、生成にかかったAPI費用と、出力を確認して直した担当者の時間を足した総額で見るほうが実態に近づきます。
2つ目は、少額では強く、増額しても伸びにくいという性質を前提に置くことです。エージェントに予算を倍にしても成果が倍になるとは限らないという今回の結果は、EC運用でも似た形で現れます。定型的で判断の少ない作業ほど自動化の効きが良く、値付けや仕入れのような文脈依存の判断は追加投資に対する伸びが鈍い、という切り分けを先に決めておくと投資判断がぶれにくくなります。
3つ目は、自動化の成果を再検証する仕組みを持つことです。今回の実験で、見かけ上の改善が再検証で消えた例があったように、EC運用でも「AI導入後に転換率が上がったように見える」現象は、季節要因やセール施策と混ざりやすいものです。導入前後の比較期間をそろえる、対象商品を絞って比べるといった検証設計を先に決めておくと、成果の過大評価を避けられます。
なお、今回の測定はエージェント単独での自律作業を対象としており、人がAIを使いこなす併用型の効果は含まれていません。METR自身も、併用型のほうが成果が大きくなる可能性と、逆に人だけの場合より悪化しうる先行研究の両方に触れています。現場での実感として「AIと人の分担がうまくいっている」という感覚は、この指標では測れていない部分にあたります。
まとめ
支出ホライズンは、AIエージェントの価値を金額という共通の単位で測り直す試みです。1万ドルを投じて0〜3,000ドル相当という実測値は、自律型エージェントが人の労力を丸ごと置き換える段階にはまだないことを示しています。EC事業者としては、自動化の効果を作業時間の短縮ではなく総費用で評価し、伸びしろのある領域から段階的に広げる姿勢が現実的です。
参考文献
- METR – Expenditure Horizon: Measuring Optimization Ability, with an Application to NanoGPT
- METR – Research
- modded-nanogpt（NanoGPT speedrun のリポジトリ）
- RE-Bench: Evaluating frontier AI R&D capabilities of language model agents against human experts
- Measuring AI Ability to Complete Long Software Tasks（時間ホライズンの原論文）
関連記事: AI自動化コスト15分の1｜Cursor実験に学ぶモデル使い分け3原則
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
引用元: METR
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
