9月3日、OpenAIが新しいモデルを発表しました。セキュリティ系の試験では満点、パソコン操作の検証では前のモデルより47％速いと報じられています。ところが、実際の仕事に近い条件で測った調査が映すのは、まったく別の景色。試験の点数と、任せられる範囲。この二つが離れはじめた動きを、働く側の物差しに引きつけて読んでみます。
Pickup：注目の技術
① 新モデルが、セキュリティ系の試験で満点に届いた（ITmedia）
OpenAIが2026年9月3日（米国時間）に発表した新モデル「GPT-6 Astra」は、脆弱性の発見を測るベンチマーク「ExploitBench」で100点を記録したと報じられています。前モデルは78.5点でした。デスクトップ操作の自動化を測る「OSWorld 2.0」では、前モデル比で47％の時間短縮を示したとも伝えられています。同時に、同社のリスク評価の枠組みでサイバーセキュリティ能力が最上位の「重大（Critical）」に分類されたことも報告されています。
転職を考えているなら：満点という数字の本当の意味は、性能の高さではなく、そのテストがもう差をつけられなくなったことにあります。全員が100点の試験で、誰かを選ぶことはできない。職務経歴書の項目も、同じ道をたどってきました。数年前なら差になったものが、多くの人が持った時点で「あって当然」の欄へ移る。「生成AIを業務で使えます」も、いまその途中にありそうです。
採用する企業なら：求人票の要件欄を一度眺めてみてください。応募者のほぼ全員が満たしている項目では、誰も落とせません。要件を足すより、差がつかなくなった項目を削るほうが、選考は速くなります。
知っておきたいのは、テストは差がつかなくなった瞬間に、測定器としての役目を終えるということです。
出典：ITmedia（2026年9月5日・本文は転載せず要約しています）
② 構造化された試験でも、3回に1回はやり切れていない（Workato／スタンフォード大学HAI「AI Index 2026」より）
スタンフォード大学HAIが公表した「AI Index Report 2026」を読み解いた記事では、構造化されたベンチマーク上でAIエージェントが約3回に1回タスクを完了できていないと記録されていることが紹介されています。同レポートでは、デスクトップ操作を測るOSWorldの精度が1〜12％から66％超へ、ブラウザ操作を測るWebArenaが15％から74％超へ伸びたことも示されているとのことです。伸びは大きい。それでも、最後までやり切る段になると数字は落ちます。
転職を考えているなら：AIの評価軸が「解けるか」から「最後までやり切れるか」へ移っていることは、そのまま人の見られ方の先読みになります。今後の面接では、できるかどうかより、通した経験があるかどうかが問われる場面が増えるかもしれません。準備の仕方としては、実績を並べるより、一つの案件を最初から最後まで話せる状態にしておくことです。どこで止まったか、そのとき誰に何を頼んだか。ここは、やり切った人にしか手持ちがありません。
採用する企業なら：「〇〇ができます」という自己申告の精度は、AIのベンチマークと同じ問題を抱えています。部分的にはできる、が混ざるからです。質問を一段変えるだけでいい。詰まった場面とその後の動きを聞くと、区別がつきやすくなりそうです。
押さえておきたいのは、伸びたのは平均点であって、詰まる場所そのものはあまり動いていないという点です。
出典：Workato（2026年5月20日・本文は転載せず要約しています）
③ 使っている人の83.0％が、実務レベルに足りないと感じている（PR TIMES／SDEパートナーズ調べ）
SDEパートナーズが2026年3月18日から23日に、従業員300名以上の企業で業務に生成AIを使っている会社員1,014人へ実施した調査では、AIの出力が実務レベルに達していないと感じる人が83.0％にのぼったと報告されています。内訳は「頻繁に感じる」が24.3％、「たまに感じる」が58.7％。一方で、全社標準以外のツールも併用している人は70.3％と報告されており、不足を感じながら使い続けている姿が見えます。
転職を考えているなら：8割が不足を感じているということは、AIを使ってうまくいかないのが標準だということです。だとすれば、語れる素材になるのは「使えます」ではなく、外れたときに何をしたかのほうです。どの場面で当てが外れて、どう気づいて、次にどう頼み方を変えたのか。これは資格のように証明書が出ませんが、話せば数分で伝わります。触った経験を並べるより、外した経験を一つ持っているほうが、これからは説明の力を持ちそうです。
採用する企業なら：AI活用力を選考の項目に入れるなら、使えるかどうかを聞いても差は出ません。8割が不足を感じている領域だからです。聞くとしたら、間違った出力にどう気づいたか。ここには、その人の確認の癖が出ます。
なるほどと思える点は、8割が不足を感じながら、それでも使うのをやめていないところです。道具として、すでにそういう位置にあるということでもあります。
出典：PR TIMES（2026年6月8日・本文は転載せず要約しています）
三つを並べると、この数か月でAIの測り方に起きた移動が見えてきます。試験で満点が出た。だから、その試験ではもう差がつきません。物差しは、実際の仕事に近い条件で最後までやり切れたか、そして使っている人が現場でどう感じているかのほうへ動いていきます。点数が上がるほど、点数では語れなくなる。この順番は、たぶん逆にはなりません。
そして同じ移動が、人が評価される場面でも起こりえます。多くの人が書けるようになった項目は、選ぶ側の物差しから静かに外れていく。資格も、ツールの習熟も、そしておそらく「生成AIが使えます」も、いずれその道を通ります。満点が出た試験は、その日から物差しでなくなる。備えるとしたら、方向は項目を増やす側ではなさそうです。
残るのは、条件つきで語れる経験のほうです。どんな状況で、何を任され、どこで詰まり、そのとき何を変えたのか。この形にしておくと、物差しが変わっても中身は持ち越せます。ただし厄介なことに、面接の前日に思い出そうとして出てくる代物ではない。掘り出す作業が要ります。その手順は転職の自己分析のやり方で扱いました。職務経歴書に項目を書き足す前にそちらを開くと、書き足す内容そのものが変わってくるはずです。
本記事の見解はWeaveXによるものであり、引用元各社の見解を代表するものではありません。
