AIに任せるほど、
人は楽になるのか。

FALSE PROXY｜指示が少ない ≠ 人が楽

Anthropicの2026年6月報告では、ブログ・記事生成の中央値がChat/Coworkで13往復、Claude Codeで人の指示1回だった。これは委任の仕方が大きく違う観測であり、13倍の生産性や正確な納品を意味しない。

ACCEPTANCE GAP｜Machine PASSとHuman Acceptanceを分ける

METRのSWE-bench研究では、対象サンプルでmaintainerのmerge判断が自動graderのscoreより平均約24ポイント低かった。機械的に通ったことと、現実の受け手が受理できることは同じではない。

HUMAN ACTIVE LOAD｜確認・修正・救済まで数える

見るべき主指標候補は HUMAN ACTIVE LOAD PER ACCEPTED OUTPUT。最初の指示、前提準備、途中確認、最終確認、修正、失敗救済に使った人の能動時間を、独立受理された成果物数で割る。待ち時間、AI費用、総経過時間は別に記録する。

FOUR MODES｜一括委任だけが自律化ではない

ONE-SHOT＝成功条件が明確で独立検証が安く、失敗が可逆。
CHECKPOINTED＝途中のズレが後工程で高くつくが、早期確認は安い。
COPILOT＝暗黙知や人の判断が品質を定義する。
HOLD / HUMAN＝検証困難、高リスク、不可逆、権限境界を越える。

DECISION ROUTER｜自律性を目的ではなく結果にする

Acceptance Criteria、Independent Verify、Error Cost、Reversibility、Context Burden、Human Review Costを先に置き、その結果として委任モードを選ぶ。「どこまでAIができるか」ではなく、「どこまで任せると全体として得か」を決める。

TEST BEFORE GENERALIZE｜一括と段階を同条件で比べる

FORESIGHTでの一括委任 vs 段階委任の比較は、source packet、成功条件、model/runtime、budget、stop rule、独立評価rubricを事前固定して行う。最初の1ペアは探索証拠に限定し、繰り返しFresh Taskで再現するまで一般化しない。

公開一次資料から、委任スタイルの差、time horizonを委任可能時間へ読み替えられないこと、Machine PASSと人間受理の乖離が起こりうることは確認できる。FORESIGHT自身でONE-SHOTがCHECKPOINTEDより優れる、またはその逆であること、普遍的な閾値、全業務への最適委任方式は未証明。