OpenAIは11月2日(現地時間)、AIが日常生活における多様なタスクをどれほど効果的に支援できるかを測定する新たな評価基準「LifeVal」を発表した。このベンチマークは、子育て支援から家計管理、行政手続きに至るまで、ユーザーが実用的な課題を解決する能力をAIが持つための進捗を追跡し、その改善を促進する目的で開発された。AIが単なるチャットツールを超え、真に実用的なパーソナルアシスタントへと進化するための指標となる。
OpenAIは、人工汎用知能（AGI）が全人類に利益をもたらすことを使命としている。同社は、現在週に10億人以上が利用するChatGPTを通じて、ユーザーが日常生活で直面する実用的な課題を支援できるAIの構築を目指している。例えば、育児、行政サービスへのアクセス、予算作成、学業準備、レシピ変更、食料品注文、運動計画の立案といった広範な領域での活用を想定している。
「LifeVal」は、AIモデルの性能を時間とともに追跡し、改善を促すために構築された。この評価基準は、ユーザーがAIやパーソナルエージェントに最も助けを求めている領域をカバーするタスクで構成されている。OpenAIは過去1年間、この評価基準を活用し、日常タスクにおけるモデル性能の向上を推進してきた。
評価基準の策定にあたり、OpenAIは人々の時間の使い方を追跡する二つの大規模調査、American Time Use SurveyとMultinational Time Use Studyを基に、人々の日常タスクの詳細なカタログを作成した。これに加え、新たに3,995人の回答者を対象とした人口統計学的に代表的な調査を実施し、人々がパーソナルアシスタントに最も助けを求めている領域を特定した。
これにより、「LifeVal」のタスクは、介護、健康、教育、家事管理、個人金融、ショッピング、行政サービスへのアクセスといった、人々が支援を望む最も重要な領域を網羅している。現在のモデルは「LifeVal」の多くのタスクで高いスコアを記録している。例えば、幼児のニーズと家族のスケジュールに合わせた感覚統合教室を見つけて予約する、あるいは車の点検時期を確認し旅行前に予約するなどのタスクで、GPT-6 Astraは100%のスコアを達成したと報告されている。
参考: OpenAI Blog — 2026年10月29日 09:00 (JST)