AIが言う「1週間」は、手でやった場合の1週間

ある人が、ChatGPT に講演原稿の更新を頼んだ。39 ページ分に出典を付け直す作業だった。返ってきたのは「30 分で終わります」。

30 分後に確認すると「あと 6 時間かかります」。翌日も「あと 6 時間」。それが 5 日以上続いた。裏では、何も動いていなかった。

更新版の原稿は、本番に間に合わなかった。

この話を「AI もまだまだですね」で片付けると、いちばん大事なところを取り逃がす。AI は嘘をついたのでもサボったのでもない。時間について聞かれたとき、AI は自分の話をしていないのだ。

心当たりがあるはずだ。「この作業、どれくらいかかりますか」と聞いて、返ってきた数字がやけに大きかったこと。半信半疑でやらせてみたら、数分で終わったこと。

結論を先に書く。AI が答えているのは、その作業を人が手でやった場合の時間である。AI が代わりにやる場合の時間ではない。そしてその数字は、思っているほど間違っていない。

「あと10分」は、時計を見て言っていない

まず、いちばん誤解が多いところから。

AI が「処理中です」「あと 10 分です」と言うとき、裏側で作業が進んでいることは、ほとんどの場合ない。冒頭の 5 日間は極端な例だが、規模の小さい同じことは日常的に起きている。日本語でも、「あと 10 分」と言われ、10 分後に聞くと「あと 20 分」、さらに 20 分後に「あと 10 分」と返ってきた、という記録がある。

OpenAI の開発者フォーラムには、この種の質問への回答としてこう書かれている。ChatGPT は実際にはバックグラウンドで作業をしておらず、「まだ作業中」「もうすぐ終わります」と言うのは、人間が裏で進捗を出している状態とは違う。進捗の報告は、実際の作業に基づいていない。

つまり AI は、自分がいま何をしているかを見て報告しているのではない。人がその場面で言うであろう言葉を出している。だから対処も単純で、待つ必要はない。すぐに催促すれば、たいてい普通に返ってくる。

いちばん人気の説明が、実は間違っている

では、なぜ数字が大きくなるのか。

よく聞く説明はこうだ。人間だって見積もりには余裕を持たせる。AI も同じことを学習したのだろう、と。納得感があるので広く共有されている。

だがこれは、方向が逆である。

人間の見積もりのクセは、長く言うことではない。短く言うことだ。心理学では計画錯誤と呼ばれ、ソフトウェア開発の 16 の研究をまとめたレビューでは、実際の工数は見積もりを平均で 3 割ほど超過している。だから納期は遅れる。ホフスタッターの法則が「予想より必ず長くかかる。この法則を考慮に入れてもなお長くかかる」と皮肉る通りだ。

一方、AI が自分の所要時間を答えるときは、長く言う。68 のタスクで実測と突き合わせた研究では、AI の事前見積もりは実測の 4 倍から 7 倍だった。

外す理由も逆である。人間は、過去の似た作業を実際より短く記憶しているせいで外す。だからやったことのない新しい作業では、この偏りは消える。AI が外す理由は、そこにはない。

その数字は、手でやった場合の時間

ここが本題になる。

AI を作っている側は、この点を検証して公表している。Anthropic は 10 万件の会話について、Claude に二つの時間を推定させた。一つは「AI を使わずに人間の専門家がやったら何時間か」、もう一つは「AI を使って実際に何分かかったか」である。

最も極端な例として同社が挙げているのが、ある教材開発の作業だ。AI なしなら 4.5 時間。実際には 11 分で終わっている。

ここで大事なのは、4.5 時間という数字が間違っていないことだ。それは、その作業を人が手でやった場合の、正しい見積もりである。

どれくらい正しいのか。同社は 1,000 件の実際の開発チケットで検証している。「人がやったら何時間か」という AI の推定は、その仕事を担当した開発者本人の見積もりと、ほぼ同じ精度だった。順位の一致度で言えば、本人が 0.50、AI が 0.44 である。

つまり、こういうことになる。あなたは「AI を使う私は、どれくらいで終わりますか」と聞いている。AI は「AI がなかったら、これくらいです」と答えている。

数字は壊れていない。答えている質問が違う。

なぜ、自分の分を勘定に入れられないのか

AI には時間の感覚がない、という説明も見かける。これも、そのままでは正しくない。

近い研究に、AI が二つの応答のうちどちらを作るのに長くかかったかを判定できるかを調べたものがある。時間の手がかりを一切与えなくても、モデルによっては 9 割以上を当てる。長短の相対的な感覚は、ある。

分からないのは、実時間のほうだ。自分の処理に何秒かかったかを、AI は観測していない。今日が何月何日かすら、会話のたびに外から教えられている。それを渡さないと、AI は去年のカレンダーで話し始める。

もうひとつ、示唆的な測定がある。60 のモデルの内部を調べた研究によると、「人間にとってこの問題がどれくらい難しいか」は、モデルの中に強く、はっきりと符号化されている。ところが「自分にとってどれくらい難しいか」のほうは、著しく弱い。しかも学習が進むほど、そちらは劣化していく。

他人のことは分かるのに、自分のことが分からない。時間の話は、その一例にすぎない。

対処は「聞かない」ではなく「誰がやるかを書く」

対策として最も多く提案されているのは、AI に時間を聞くのをやめる、あるいは設定に「時間見積もりを一切出すな」と書く、というものだ。実際にそうしている人は多い。

だが、これは正確な数字を捨てていることになる。

実際に効果が数字で確認された対策は、調べた限り三つしかない。そのうち一つは逆効果だった。正解例をいくつか見せる方法は、精度をむしろ下げている。

最も効いたのは、実測を教え返す方法だった。「あなたは 120 秒と言ったが、実際は 28.8 秒だった。4.2 倍の過大です」と伝えると、その後の過大の倍率が 13.2 倍から 2.3 倍まで下がる。

一方、「時間ではなく複雑さで見積もれ」という指示を入れた人は、モデルに完全に無視されたので外した、と報告している。言い方を変えるだけでは効かない。

開発の仕事ではない人にいちばん向くのは、聞く前に前提を三行書く方法だ。ある人は、社内システムの運用担当としてこう実践している。自分の習熟度、今週その作業に割ける実際の時間、自分の手を離れて他人が動く工程の日数。この三行を先に書くようになってから、返ってくる数字が実測に近づいた。半期の面談で、着手前の見積もりと実績の差が平均 1 日以内に収まったと話せるようになったという。

三行の中身は、要するに誰がどの条件でやるのかの指定である。AI に実行させるなら「これはあなたが実行します」と書けばいい。宛先を書けば、宛先の合った数字が返る。

これは、時間だけの話ではない

一段引いて見ると、時間は一例にすぎない。

AI には、答えを持っている問いと、持っていない問いがある。前者は学習したことか、いま目の前で観測できること。後者は、そのどちらでもないこと。そして後者を聞かれても、AI は黙らない。それらしい言葉を返す。

同じ形の問いは他にもある。「どのくらい自信がありますか」。「これは安全ですか」。「ユーザーは気に入ると思いますか」。

見分け方は一つでいい。その答えは、学習データに書いてあったことか。いまこの場で観測できることか。どちらでもないなら、返ってきたのは推定ではなく、言葉選びである。

この記事の証拠について

最後に、根拠の強さを書いておく。

AI が自分の所要時間をどれだけ外すかを直接測った研究は、現時点で事実上 1 本しかない。査読前の論文で、68 の英語タスク、実測の幅は 1 秒から 90 秒である。「数週間と言われた作業が 2 分で終わった」という体験談の桁とは、そもそも違う。同じ現象として扱うには根拠が足りない。

体験談の「何倍」という数字の多くは、1 週間を何時間として計算するかに依存する参考値であり、単独の事実として引用できるものではない。

そして、面白いズレほど投稿されやすいという偏りがある。「見積もりが妥当だった」という話は投稿されない。実際にどれくらいの頻度で起きるのかは、分かっていない。

開発以外の分野については、さらに証拠が薄い。AI が期間を提示する例は無数にあるが、実測と突き合わせた記録はほとんど存在しない。この記事で挙げた事例も、そのわずかな例外である。

もし誰かに一言で伝えるなら

AI が言う時間は、手でやった場合の時間である。

だから捨てなくていい。誰がやるのかを書き添えるだけでいい。

Nihonbashi AI Lab は、AI に何をどう聞くかの設計から、その判断が回る現場の仕組みづくりまでを支援しています。ご相談は こちら から。

この記事の裏づけになった測定値と研究を、エンジニア向けにより詳しく整理したものを Zenn に置いています。→ AI エージェントの「2週間かかります」は、誰の2週間なのか