調べるのは、個人の条件に合う作業を進められるか
LifeValは、AIに任せたい生活上の作業について、モデルの能力を継続的に測るためのベンチマークです。OpenAIは過去1年、モデルの改善を追うために使ってきたと説明しています。
対象は家事・家計だけでなく、育児や介護、健康、教育、買い物、行政サービスの利用にも及びます。発表では、転居後の幼稚園探しや、家族の事情に合わせた住まい探しなどを例示しています。例えば、予算と通学・通勤条件の両方を満たす候補を探すには、条件を覚えて比較する力が必要になります。
11月3日付の論文では、評価対象を169課題としています。課題作成協力者が同意して提供したChatGPTの会話履歴やメモリーを匿名化し、参考ファイルや追加条件と合わせて使用。利用者の事情に沿う結果かどうかを、課題ごとの採点基準で判定します。
「約4000人」の内訳は資料ごとに区別
課題の選定には、米国のAmerican Time Use Surveyと、各国の生活時間調査をまとめたMultinational Time Use Studyを参照しています。さらに、AIの支援にどれほど価値を感じるかをアンケートで調べました。
| 資料・集計の段階 | 記載人数 |
|---|---|
| 11月2日付の発表ページの新規調査 | 3995人 |
| 11月3日付論文に記された調査完了者 | 3837人 |
| 同論文で理解度・注意力の確認を通過し、分析に残った回答者 | 1826人 |
論文は3837人のうち2011人を確認項目に基づいて除外したと説明しています。一方、発表ページの3995人と論文の3837人の差については、確認した資料に説明がありません。約4000人全員の回答を、そのまま最終分析に使ったという意味ではありません。
「できた」という応答に加え、成果物と操作の結果を確認
論文の評価では、作成ファイルや操作前後のシステム状態も採点材料に含めます。実行したと答えただけで加点せず、完了の証拠を確かめる設計です。主な自動採点にはGPT-5.6を使います。
ただし、これは条件を設定した評価用環境での結果です。課題の採点項目をどれだけ満たしたかという得点を、利用者の依頼が毎回完全に成功する確率と読み替えることはできません。
論文自身も、調査が米国中心・英語で行われたことや、支払ってもよいと答えた金額が長期の実際の利用行動とは異なることを限界に挙げています。日本の行政制度や、地域によって異なる保育・介護の条件への対応力は別途確かめる必要があります。
投資家が見る点｜便利さを継続利用につなげられるか
KABUTRACKの見方では、生活向けAIの競争を考える際、利用者が比較・確認・修正に使う時間まで含めた作業負担が焦点になります。モデルの得点が上がっても、人が確認する負担や利用料金が大きければ、継続利用に結び付くとは限りません。
今後の比較では、日本語や国内サービスへの対応、操作ミスへの対処、個人情報をどこまで渡す必要があるか、1件の用事を終える費用を見たいところです。LifeValの発表だけから、個別の日本企業の売上増加や株価上昇までは判断できません。
関連ページ
出典
- OpenAI「LifeVal」（2026年11月2日付。評価の目的、対象領域、3995人の調査）。
- OpenAI「LifeVal: Evaluating AI Model Performance on Personalized Agentic Consumer Tasks」（2026年11月3日付。第3〜5節、付録A.2。課題設計、169課題、採点、調査人数、限界）。
確認日：2026年11月4日（日本時間）。発表ページと論文の記載を区別しています。