arXiv (アーカイブ) は2026年10月27日(現地時間)、ソロモン・シャローム・ライホ (Solomon Shalom Lijo) 氏による研究論文「Counting the Bandages: On measuring the time that AI saves」を公開した。この論文は、AI支援が時間を節約する意味について考察し、単純な時間計測（ストップウォッチの見方）ではなく、エラー発生も考慮した対事実的な評価（台帳の見方）が適切であると主張している。
論文では、AI支援による節約された時間 (time saved)と過剰な見逃された欠陥 (excess escaped defects)というモデルフリーな2つの量、およびそれらから構築される意思決定指標損益分岐点となる欠陥コスト (break-even defect cost)を定義している。
ベースラインモデルとして提示されたチェック作業においては、キャリブレーションされた作業者の見逃し欠陥率はモデルの品質に依存せず、チェック時間はモデルのエラー率の対数に比例して増加するとされる。また、AIへの過信は、時計上の数分を得る代わりに総時間コストを増大させることを指摘した。
論文は、ランダム化研究で特定できることとできないことを示し、エムイーティーアール (METR) の開発者研究を公開データから再現した。この研究では、246件の課題において、見積量に応じて19%または24%の減速が確認された（不均衡を調整しない場合は34%）。AIはこれらの課題の3%から82%の間で支援を提供した。
さらに、過去の発表記録を再確認し、ジーディーピーバル (GDPval) の全ての出力をレビューするワークフロー (review-every-output workflow)では、レビュー時間のみでGPT-5の速度向上は最大3.6倍に制限されると結論付けた。この分析では、専門家はより速く作業する一方で、より頻繁に間違いを犯したという。
最後に、AIレビュアーがAIドラフトをチェックする実験が行われた。ドラフターの真のエラー率を知らされたレビュアーは、エラー率の上昇とともにチェック作業を増やしたが、その行動は全か無か (all-or-nothing)に近かった。ドラフターが実際よりも10倍エラー率が低いと伝えられた場合、レビュアーは9件中7件の図のチェックを減らし、22.5%の報告書で間違った図を見逃した。これは、努力の減少によって作業が速くなり、同時に質が低下したことを示唆している。
参考: arXiv cs.AI — 2026年10月28日 13:00 (JST)
原文ハイライト"I consider what it means for AI assistance to save time."