Anthropicは、同社のモデル「Fable 5.2」が実際のフリーランス業務を対象にしたベンチマークで、41.3％の案件を完了したと発表した。Scale Labsが実施したこのテストでは、個別の作業だけでなく、一連の依頼をプロ水準で仕上げられるかを評価する。1年前に首位だったManusの達成率はわずか2.5％だった。つまりFable 5.2は、初期の首位モデルの16倍を超える案件を完了したことになる。 このベンチマークは、Upworkで本人確認済みのフリーランサー358人から集めた240件のプロジェクトで構成される。案件の総額は約$144,000で、平均受注額は$632.60、人間が作業した場合の所要時間は約29時間。動画編集やCAD設計から、ゲーム開発、データ分析まで幅広い業務が含まれる。エージェントはBlender、GIMP、Audacityなどのプロ向けツールに加え、画像・音声・動画用の専用AI生成ツールも利用できる仮想ワークスペースで作業する。 Scale Labsによると、Fable 5.2が特に大きく進歩したのは、音声・音楽編集、建築・インテリアデザイン、3Dモデル制作だった。また、以前のエージェントでは完了できなかった、より長く複雑なプロジェクトにも対応した。成功した案件のうち約50件は、テストに参加したAIがそれまで一度も解決できていなかったものだった。 次点はAnthropicのOpus 5.5で、達成率は21.25％。OpenAIのGPT-6 Astraは20.83％だった。GoogleのGemini Argon 4は17.08％で5位に入った。GPT-5.2やGemini 3 Proなど旧モデルの達成率は3％を下回った。 人間の専門家がAIの出力を手作業で確認し、該当するソフトでファイルを開いて、フリーランサーの成果物と比較した。別のAIを使ってこの確認作業を自動化する試みは失敗している。確認担当者が微妙な技術上の欠陥を見つけにくいためだ。
この進歩が重要な理由
フリーランサーに仕事を依頼する企業にとって、今回の結果は、Fable 5.2のようなAIエージェントが、デザインやメディア関連の定型業務をかなりの割合で担い、コストや納期を抑える可能性を示している。一方、テストでは工業製品のデザインやアニメーションに弱点も見られ、AIの成果物には不完全な点や技術的な問題が残ると確認担当者は指摘した。こうした課題が解消されるまでは、人間による監督が必要だ。
なぜ重要か
企業は、音声編集、建築、3Dモデリングなど、より幅広いフリーランス業務でAIエージェントの活用を検討できるようになり、コスト削減につながる可能性がある。ただし、なお残る誤りを確認して仕上げる必要があるため、フリーランサーの役割がなくなるわけではなく、変化は段階的に進むだろう。
