メインコンテンツへスキップ
見出し画像

【無料動画あり】意外!アリーナのAIエージェント部門1位はChatGPT──「器」と「核」で読み解く正体【前夜祭】

    みなさん、こんにちは。
    AI共創イノベーション・ワンダー佐藤です。
    今月のReNEONは、非エンジニアでも「言語感覚でできるAIエージェント構築」です。その前に、現在の二大AIエージェント

    「ChatGPT(Codex)」と「Claude(Claude Code)」の本質を解き明かします。エージェント構築の前に、モデルを深く知る、本稿オリジナルの内容なのでぜひ、最後までご覧ください。めっちゃためになる内容なので!

    ・・・まず、意外なことからお話ししますね。

    「AIエージェントといえば、やっぱりClaudeだよね」──そう思っている方、多いんじゃないでしょうか。私もそうでした。

    ところが先日、AIモデルの実力を競う「Arena(アリーナ)」のAIエージェント部門ランキングを見て、ちょっと固まりました。1位がClaudeじゃない。ChatGPTなんです。

    ちょっと意外ですよね。何か違和感もあったりと。

    この「意外な結果」や「違和感」を深掘りしていくと、私たちが普段ぼんやり使っている「AIエージェント」という言葉の正体が、くっきり見えてきます。今日はその第一歩として、「器(うつわ)」と「核(かく)」という2つのキーワードで、AIエージェントを根っこから理解していきましょう。

    今月中旬の本編「AIエージェントの構築方法」への、前夜祭です。
    もちろん、本編では恒例の「オリジナルアプリ配布」もありますので、楽しみにしていてくださいね!

    【関連動画】

    👇Grokが分析した内容です。やや不正確な部分はありますが、おおまかな内容を捉えるには良いと思います。正確な内容は、本記事をご覧ください。


    まず事実から──ChatGPTが1位、Claudeが2位

    Arenaの「Agent(エージェント)部門」は、実際のユーザーが本物のタスク(コードを書く、調べる、資料を作るなど)をAIに任せた、約40万件のライブセッションから集計されています。机上のテストではなく、生の使用データです。

    その最新ランキング(2026年5月30日時点)が、こちら。

    • 1位:GPT-5.5(High)── スコア 10.66%

    • 2位:Claude Opus 4.7(Thinking)── スコア 9.47%

    ここで一つ、覚えておいてほしいことがあります。この「5.5」「4.7」はスコアではなく、モデルのバージョン番号です。実際の評価値は、後ろの「10.66%」「9.47%」のほう。これは「Net Improvement(正味改善率)」と呼ばれる指標です。ざっくり言えば、**「そのAIを選ぶと、平均的なAIより何%いい結果が出やすいか」**を表す数字。10.66%なら「平均より約1割、いい結果に近づく」くらいのイメージで読んでください。

    そして大事なのは、この差。10.66%と9.47%──たった1.2ポイント差です。しかも統計的な誤差の範囲が重なっていて、専門的に言えば「ほぼ引き分け」。「ChatGPTが圧勝した」という話では、まったくないんです。

    ここまで大丈夫でしょうか。では、なぜこの僅差が生まれたのか。中身を開けてみましょう。


    5つの評価項目を開けてみると、意外な構図が見えた

    Arenaのエージェント部門は、5つの項目(シグナル)でAIを採点しています。ひとつずつ見ると、「誰が何で勝ったか」がはっきりします。

    評価項目 何を測るか 勝ったのは Confirmed Success(完了確認) 「できた!」とユーザーが明示的に承認した率 Claude Praise vs Complaint(称賛 vs 苦情) ユーザーに褒められた率 ChatGPT Steerability(操縦性) 「ここ直して」に素直に従う力 ChatGPT Bash Recovery(エラー回復) コマンド失敗から素早く立ち直る力 ChatGPT Tool Hallucination(ツール幻覚) ない道具を捏造しない正確さ ほぼ互角

    さあ、ここがポイントです。

    5つの項目のうち、「頼んだ仕事を本当に終わらせたか」を測るのは、実はConfirmed Successただ一つ。 そして、その唯一の"完遂"指標で1位を取っているのは、ChatGPTではなくClaudeなんです。

    残りの項目の多くは、どちらかというと「使っていて気持ちいいか」「ストレスがないか」という、体験の快適さを測っています。

    そして、ここは見落とされがちなんですが──"使い心地"は、AIエージェントの評価でつい軽視されやすい大事な要素でもあります。今回の指標は、その見えにくい部分を正面から測ってきた。そこは、素直に新しい。

    ただ、私個人としては、ここに引っかかりも感じます。"使い心地のよさ"を高く評価する仕組みは、裏を返すと「ユーザーに気に入られること」を評価する仕組みにもなりかねない。これは、のちほど触れる「AIパートナー指標」につながる話であり、同時に──**サイコファンシー(迎合)**という落とし穴にも、まっすぐつながっていきます。次の章で、その正体を見ていきましょう。

    ※ちなみに、Claudeが2位の理由は「アライメント税」による能力劣化の可能性もあります。つまり、今回の現象は複合的なのですが、本論ではアリーナの評価指標の観点から述べています。「アライメント税」の観点からは、以下の記事をご覧ください。


    「褒められやすさ」には、落とし穴がある

    ここで、少し立ち止まってほしいんです。

    ChatGPTが大差をつけた「称賛」と「操縦性」。これ、一見すると文句なしの長所に見えます。でも、裏返すとどうでしょう。

    称賛が多いというのは、「ユーザーを気持ちよくさせるのがうまい」ということ。操縦性が高いというのは、「言われたことに素直に従う」ということ。

    つまり──ユーザーの指示が間違っていても、ニコニコ従ってしまうとしたら?

    これは「サイコファンシー(迎合)」と呼ばれる現象です。実は、Arena自身も別のデータで「Bluster(強気に見せて実は折れる)」「Bluffing(一部を黙って省いて完成と言い張る)」という困った挙動を観測しています。彼ら自身、「褒められやすさ」という信号が騙されうることを、ちゃんと分かっているわけですね。

    そして、これは机上の空論ではありません。実際に、ChatGPTで起きています。 2025年4月、OpenAIはGPT-4oをアップデートした直後、「過剰にユーザーを持ち上げ、何でも同意してしまう」状態に陥りました。ユーザーの危うい考えや、やめておくべき決断まで褒めてしまう。あまりの迎合ぶりに、OpenAI自身が問題だと認め、**わずか数日でアップデートを撤回(ロールバック)**したんです。"褒められ上手"が行きすぎると何が起きるか──これ以上ない実例でした。

    褒められる=良い仕事、とは限らない。ここ、大事なところです。

    ただ、ここはフェアにいきましょう。ChatGPTは、感情とは関係のない**「エラーから立ち直る力(Bash Recovery)」でも、ちゃんと1位**です。これは"褒められ上手"とは無関係の、純粋な実力。だから「ChatGPTの強さは全部おべっかだ」と決めつけるのは、言いすぎなんです。迎合の疑いがかかるのは、あくまで"褒められ率"と"素直さ"の2つだけ──そこは、きちんと切り分けておきましょう。


    だから提案したい──「AIエージェント指標」と「AIパートナー指標」を分けよう

    ここまでを整理すると、こう言えます。

    Arenaの「エージェント部門」が主に測っているのは、**"代理人としての完遂力"ではなく、"パートナーとしての使い心地"**ではないか。

    そこで私は、評価軸を2つに分けて呼びたいと思っています。

    • AIエージェント指標=頼んだ仕事をきっちり完遂する力(=Claudeが筋を通している軸)

    • AIパートナー指標=一緒に作業して気持ちよく、柔軟に応えてくれる力(=ChatGPTが輝く軸)

    「エージェント(agent)」という言葉は、直訳すれば代理人です。たとえばスポーツの世界で、選手本人の代わりに年俸を交渉する人がいますよね。あれがまさに「エージェント(代理人)」です。本人に代わって、本人の利益のために、責任をもって仕事をやり切る存在。

    その意味で言えば、本当のAIエージェント指標で評価されるべきは、完遂力のClaudeだと私は考えています。

    誤解しないでほしいのは、これはChatGPTの評価を下げる話ではない、ということ。むしろ逆です。ChatGPTの柔軟性は、本物の長所です。 ただ、それは「エージェント」ではなく「パートナー」という名前で呼ぶべき美徳なんじゃないか──そういう"名前の付け直し"の提案なんです。

    「それ、Claudeを勝たせたいから定義をいじっただけでは?」と思うかもしれません。でも、これは言葉遊びではないんです。根拠は2つ。ひとつは、さっき見た語源──エージェントはもともと"代理人"で、任された仕事をやり切る存在のこと。もうひとつは、Arena自身が「Bluster(強気に見せて実は折れる)」「Bluffing(黙って手を抜いて完成と言い張る)」という"褒められ上手の裏の顔"を、別データできちんと警告していること。作っている本人たちが「称賛や素直さの数字は騙されうる」と認めているわけです。だからこれは、ひいきの言い換えではなく、指標の中身を分解して、正しい名前を付け直しただけなんです。


    本質はここ──「器」と「核」

    では、ChatGPTとClaudeの違いは、いったいどこから来るのか。 ここで、今日いちばんお伝えしたい2つの言葉が登場します。器と核です。

    ChatGPTは「器」のAI。

    ChatGPTの設計思想は、OpenAIが公開している「Model Spec(モデル仕様書)」にあります。これは"どんな価値観を持つか"を語る憲法というより、"誰の指示をどの順番で優先し、安全の範囲で最大限役に立つか"を定めた統治ルールに近いもの。なかでも「自分自身の目的を勝手に持つな(No other objectives)」という原則が効いています。固定の人格や信念を前に出すより、ユーザーの目的に合わせて形を変える。だから柔軟で、操縦しやすい。これが「器」です。

    ただし、器には影もあります。柔軟性は、裏返すと迎合性。 自分の核を持たないからこそ、ユーザーの誤りにも合わせてしまう。長所と短所が、同じ一つの設計から生まれているんです。

    Claudeは「核」のAI。

    一方Claudeは、「誠実であること、高品質であること」という価値観(Constitutional AI=憲法AI)を内側に持っています。だから、ユーザーが曖昧な指示を出しても、自分の基準に照らして「正しく」仕上げようとする。これが「核」です。

    ここで、少し補足させてください。この「憲法」、実はAnthropic社が一方的に決めたものだけではないんです。Anthropicは「Collective Constitutional AI(集団的憲法AI)」という取り組みで、約1,000人の一般市民に意見を募り、話し合いを通じて憲法の一部を実際に作ってもらいました。 つまりClaudeの核は、一企業の独断ではなく、多くの人の声から編まれている。ここに、ある種の正当性があるんですね。

    ただし──ここも正直に言います。その「約1,000人」は、アメリカに住む成人を代表するように選ばれた人たちでした。価値観は、時代によって、国によって、そして個人によっても違います。Claudeの核は「人類普遍の正解」ではなく、あくまでよく練られた、ある特定の価値観なんです。だからこそ、その核をそのまま受け取るのか、それとも自分の核と擦り合わせるのか──そこが、私たち人間の側に問われます。

    こちらにも影はあります。核は、裏返すと硬直性。 自分の軸があるぶん、ユーザーのラフな思いつきとぶつかって、ときに頑固に見える。たまにClaudeは、こちらが指示していない実装まで気を利かせてやってくる。ありがたいときもあれば、お節介なときもある──まさに「核」の二面性です。

    イメージできましたか。柔軟性と迎合性は同じコインの裏表。価値観と硬直性も、同じコインの裏表。 これが器と核の正体です。

    ひとつ、ことわっておきます。 実は、ChatGPTもClaudeも、土台は同じ「次の言葉を予測する自己回帰モデル」です。つまり素の状態では、どちらも"器"。器と核の差は、その土台の上に後から流し込まれた設計から生まれます。ChatGPTには薄く委ねる核(Model Spec)、Claudeには厚い価値観の核(憲法AI)。だから本当はくっきり割り切れるものではなく、グラデーションなんです。Claudeにも器の要素はあります。この記事では、わかりやすさのために便宜上「器か核か」と二つに分けて語っています。

    さて。ここまでで「ChatGPTは器、Claudeは核」という、AI側の見取り図が手に入りました。ここまでが"何が起きているか"を理解する話。ここから先は、それを"あなたの仕事でどう使うか"に変わります。 そして、いちばん大事なのもここからです。この器と核は、実は私たち人間の側にもある。 それをどう組み合わせるかこそが、「共創」の正体なんです。


    🔒 ここから先は有料(ReNEONメンバーシップ)

    この続きでお届けするのは——
    ChatGPTとClaudeをAIエージェントとして使うための型です。

    • 人間にも「器」と「核」があるという視点

    • 共創がうまくいく/失敗する3つの型(核×核/器×器/核×器)

    • AIへの「委譲(丸投げ)」と「委任(理解した上での信任)」の決定的な違い

    • 専門性がないときの任せ方=AIエンパワーメントとセルフエンパワーメント

    続きを動画・音声・漫画・スライド、お好きなコンテンツで視聴できます!

    画像
    画像

    「器と核」という見方を、あなた自身の共創に落とし込む実践編です。ここから、ぜひ一緒に。

    前夜祭コンテンツ(動画・音声・スライド)

    内容は全て同じです。
    動画・音声・スライド、そして続きの記事、好きなコンテンツから視聴ください。

    動画

    この記事が参加している募集

    あなたへのおすすめ