AIツール実測ハブ｜「賢さ」ではなく仕事が終わるかで比較する

このページは「おすすめAIランキング」ではありません。

AI自動化・資産型副業実験室で、実際の仕事を複数のAI・Workerへ渡したときに、最後まで終わったか、どこで止まったか、人間が何回入ったかを比較する実測ハブです。

モデルのベンチマーク点数ではなく、仕事の完遂率・timeout・再作業・重複実行・オーナー介入を見ます。

先に分かったこと：AIを増やせば速くなるとは限らない

同じ隔離環境・同じ安全タスクで、次の2条件を3回ずつ比較しました。

  1. 健康なOwner-PCへ直接渡す。
  2. Codexを先に試し、失敗したらOwner-PCへフォールバックする。
確認項目 Owner-PC直行 Codex→Owner-PC
実行回数 3 3
完遂 3/3 3/3
重複実行 0 0
オーナー介入 0 0
Codex timeout ― 3/3
中央値 72.612ms 10,113.991ms

この限定条件では、Codexを先に待つ構成より、健康なOwner-PCへ直接渡す方が約139倍速い結果でした。

注意：これはCodexそのものの一般的な性能評価ではありません。今回のWorker状態・タスク・フォールバック構成で「不健全なWorkerを先に待つコスト」を測った実験です。

→ 放置運用の実験全文を読む（note）

AIを比較するときに、今は5項目を測っている

指標 見る理由
完遂率 途中まで賢くても、成果物まで届かなければ仕事は終わらないため。
人間介入回数 AIが止まるたびに人が画面を見るなら、自動化の価値が下がるため。
timeout / fallback 高性能なWorkerでも、その瞬間に使えなければ全体の待ち時間が増えるため。
再作業回数 一度「完了」と言っても監査で戻るなら、実際の工数は増えるため。
証拠回収 チャット上の完了報告ではなく、GitHub・CI・artifact・正本で確認できる必要があるため。

なぜ「一番賢いAI」を決めないのか

実運用では、モデル単体の能力だけで結果が決まりません。

認証が生きているか、利用上限に達していないか、Owner-PCへ届くか、途中状態を引き継げるか、別Workerが同じ仕事を二重に始めないか。こうした運用条件が自走性能へ大きく影響しました。

そのため、このサイトでは「総合1位」を決めるより、どの仕事を、どの条件で、どこまで終えられたかを残します。

実験室で使っている役割分担

  • ChatGPT：オーナーとの対話、調査、設計、複数ツールをまたぐ指揮。
  • Codex系Worker：コード変更・テスト・GitHub成果物の作成候補。
  • Gemini / Antigravity：別系統の実装・レビュー・長時間タスクの比較対象。現在も実測を継続中。
  • Owner-PC：ローカルデータ、Windowsアプリ、証券データなどクラウドだけで完結しない作業。

未確定の比較結果は、数字がそろうまで「優れている」とは書きません。

関連する一次情報

AIへ仕事を任せる前の実践テンプレート：実験で重要だった「完了条件」「証拠」「人間の確認」を、依頼時点で明確にするための業務契約書テンプレートをnoteで販売しています（300円）。AIへの丸投げで失敗しない業務契約書テンプレートを見る。無料部分を読んでから購入を判断できます。

最終更新：2026年10月1日。各比較は実験条件が異なるため、条件をまたいだ単純な優劣はつけません。