再帰的自己改善（RSI）とは？AIが自分を改善するループと2026年時点の実装事例を解説

再帰的自己改善（Recursive Self-Improvement／RSI）とは、AIが自分自身のコードやアーキテクチャ、学習プロセスを改善するループのことを指します。

2026年5月にAnthropicが発表した「When AI Builds Itself」報告書では、Claudeが本番コードの約80%を執筆していると開示され、これまで思考実験に留まっていたRSIが実装フェーズに入ったことが業界の共通認識となりました。TechCrunchが「RSIは新しいAGIだ」と評した通り、AGIの代替キーワードとして急浮上しています。

本記事では、RSIの定義と改善が及ぶ4つのレイヤー、Anthropic・OpenAI・Google DeepMind・Sakana AIの実装事例、METR RE-Benchなどの測定指標、Anthropicが描く3つの未来シナリオ、加速を阻むボトルネック、各社セーフガードと規制動向、企業と開発者がRSI時代にどう備えるべきかまでを、2026年7月時点の最新情報で体系的に整理します。

Recursive Self-Improvement（RSI）とは？AIが自分自身を改善するループ

再帰的自己改善（Recursive Self-Improvement、以下RSI）とは、AIシステムが自分自身のコード・アーキテクチャ・学習プロセスを改善し、改善されたAIがさらに自己改善能力を高めていくループのことを指します。

「再帰的」という言葉が意味するのは、改善によって能力が上がったAIが、その上がった能力で次のラウンドの改善をより上手に行うという入れ子構造です。
人間の介入なしにこのループが閉じたとき、能力向上が指数的に加速するとされ、AGI（汎用人工知能）からASI（超知能）への移行を説明する理論的な前提として長らく議論されてきました。

2026年現在、RSIは思考実験の段階を離れ、フロンティアAIラボの内部で実装フェーズに入りつつあります。

Anthropic・OpenAI・Google DeepMindが相次いで「自社モデルが次世代モデルの開発に関与している」ことを公式に開示したのが、2026年前半の共通した動きです。

RSIという概念の現代的な位置づけ

1965年に I. J. Good が「ultraintelligent machine」論考で提示した知能爆発の構想、1993年に Vernor Vinge が広めたシンギュラリティ論以来、RSIは「起きるとしても遠い未来」の話でした。

ここに2026年で明確な変化が起きています。

• Anthropic
  2026年5月「When AI Builds Itself」報告書でClaudeが本番コード約80%を執筆・エンジニアのマージ量がpre-2025 average（2021〜2024年平均）比 8倍と開示（Anthropic「When AI Builds Itself」）
  
  

• OpenAI
  2026年2月GPT-5.3-Codex発表時に「初期バージョンが自分自身の作成に決定的に寄与した（instrumental in creating itself）」と、OpenAIが自社モデルについて明言
  
  

• Google DeepMind
  AlphaEvolveがGemini自身の学習時間を短縮する改善案を提案し、実際にTPU（Google独自AIアクセラレータ）の回路設計にも取り込まれた

ここでのポイントは、RSIは「もう起きているか／起きていないか」の二値ではなく、「どの層でどこまで進んでいるか」を測る段階に入った、という点です。

抽象的な議論から測定可能な工程へと変わったことが、2026年にRSIが再注目されている最大の背景です。

---

RSIが及ぶ4つのレイヤー

RSIは「AIが自分自身を改善する」と一言でまとめられがちですが、実際には改善対象の層によって難易度と効果が大きく変わります

本セクションでは、現在のフロンティアラボで進んでいる自己改善を4つのレイヤーに分解し、それぞれで何が起きているかを整理します。

以下の表で、4つのレイヤーの改善対象と代表的な事例を整理しました。

レイヤー	改善対象	代表事例
コード	ソースコードの追加・修正・リファクタリング	Anthropic Claudeによる自社コード80%執筆
アーキテクチャ	ニューラルアーキテクチャ・アルゴリズム設計	AlphaEvolveによる行列乗算カーネル23%高速化
学習ハーネス	学習パイプライン・データ選別・ハイパラ調整	Sakana AI LLM-Squared（LLMが他LLMの学習法を設計）
ハード最適化	チップ回路設計・データセンタースケジューリング	AlphaEvolveのTPU Verilog rewrite取り込み

この4層は上から下に行くほど改善の効果範囲が広がりますが、そのぶん検証コストと安全性リスクも高くなります。

コードの書き換え——最も浸透しているレイヤー

最も広く浸透しているのが、AI自身によるソースコードの追加・修正です。

Claude CodeやCodexといった開発者向けエージェントは、既に多くの企業で機能追加・バグ修正・リファクタリングを日常的にこなしています。

Anthropicが自社コードの約80%をClaudeで書いているという事実は、この層のRSIが実用フェーズに達していることを示しています。

アーキテクチャの設計——研究者代替が進む領域

より難易度が高いのが、モデルのアーキテクチャそのものやアルゴリズムをAIが設計する層です。

Google DeepMindのAlphaEvolveは、Gemini自身の学習で使われる行列乗算カーネルを再設計し、23%の高速化を実現しました。従来なら研究者が数か月かけて探索していた最適化を、AIが自律的に発見できるようになっています。

学習ハーネスの調整——LLMがLLMを訓練する

学習パイプライン全体（データ選別・学習率スケジュール・データ拡張手法など）をAIが設計する層です。

例えばSakana AIの「LLM-Squared」は、言語モデル自身が他の言語モデル向けの学習手法を設計するプロジェクトで、強化学習におけるハイパラ探索の自動化を進めています。

ハードウェアの最適化——チップ設計への波及

最下層のハードウェア最適化にもRSIの影響が及んでいます。AlphaEvolveは実際のTPU（Google独自のAIアクセラレータ）で使われる算術回路のVerilog記述を書き換え、Google側が正式に採用したと公表しています。

つまり、AIが「AIを動かすチップ」の設計にまで参加し始めているという状態です。

---

2026年時点で「もう起きている」RSIの実装事例

RSIを抽象的に語るのではなく、現在フロンティアラボで公表されている具体的な進捗を整理します。数値付きで公開されている事例を、Anthropic・OpenAI・Google DeepMind・Sakana AIの順に見ていきます。

Anthropic——Claudeが自社コードの約80%を執筆

Anthropicが2026年5月に公開した「When AI Builds Itself」報告書では、Claudeの本番投入によって社内の生産性が急伸していることを明確な数字で開示しています。

Anthropic社内でエンジニア1人あたりコード生産量が pre-2025 average（2021〜2024年平均）比で Q2 2026 に 8.0×へ到達（出典：Anthropic「When AI Builds Itself」）

チャートで示されているとおり、pre-2025 average を 1× とすると 2021〜2024年は 0.7〜1.4× の範囲で横ばいだった生産量が、Claude Code のリリースを境に 1.5× → 2.5× → 5.8× → 8.0× と急上昇しています。同レポートでは以下の内容も併せて開示されています。

• 本番コードの80%以上をClaudeが執筆
  人間は方向付け・レビュー・マージを担うが、未帰属分にはCIやツールが生成したコードも含まれ、すべてが人間執筆というわけではない
  
  

• エンジニアのマージ量が8倍
  pre-2025 average（2021〜2024年平均）比で、四半期あたりのマージ量が8倍に到達
  
  

• 12時間級タスクの自律遂行と累計約800時間の安全性研究実験
  Claudeエージェントが単一で12時間規模のタスク（METR基準）を扱えるようになり、Anthropic内部のAI安全性研究実験でも累計約800時間にわたって自律実行を積み上げた

これらは「AIがコードを書く」を超えて、AIが安全性研究そのものを担い始めている段階に到達していることを示す数字です。

Claude Code の社内セッションで、Trivial/Routine/Substantial/Open-ended の4難易度別に測定した成功率推移（2025-09〜2026-06）（出典：Anthropic「When AI Builds Itself」）

同レポート内のもう一枚のグラフでは、Claude Code の「Open-ended problems（試行錯誤が必要な複雑タスク）」の成功率が2025年9月の20%前後から2026年6月には75%まで急上昇したことが示されています。Trivial（ほぼ自明）・Routine（既知手順）だけでなく、判断の余地が大きい問題でも人間介入なしに解ける割合が伸びている点が、RSIの実装フェーズを裏付ける決定的なデータです。

Anthropicは同時に「完全な自律RSI——AIが人間の関与なしに自分の重みを書き換える段階——はまだ投機的である」とも明言しており、「人間の監督下でAIが後継システムの開発に実質的に参加する」段階が現在地だと整理しています。

OpenAI GPT-5.3-Codex——「自分自身の作成に決定的に寄与した」

2026年2月、OpenAIはCodexの次世代版として「GPT-5.3-Codex」を発表しました。この発表で注目されたのは、「初期バージョンのモデルが自分自身の作成に決定的に寄与した（instrumental in creating itself）」とOpenAI自身が明言した点です。

OpenAIが自社モデルの世代交代にRSI的な工程が組み込まれていることを明示したケースであり、具体的には初期バージョンが学習プロセスの監視・デプロイの管理・異常検知に深く関与したと説明しています。

Google DeepMind AlphaEvolve——Gemini自身の学習を短縮

AlphaEvolveは、Geminiを使ってアルゴリズムの候補を生成し、自動評価と進化のループで最適化する仕組みです。

2026年5月のインパクトレポートでは、以下の成果が公表されています。

以下の表で、AlphaEvolveが公表した主な成果を整理しました。

領域	具体的な成果
Geminiの学習	行列乗算カーネルを23%高速化 → Gemini全体の学習時間を1%短縮
チップ設計	TPU用の算術回路Verilog rewriteを提案 → 次世代TPUに取り込み
ゲノミクス	DeepConsensusのバリアント検出誤りを30%削減
電力網最適化	グラフニューラルネットの解の実行可能率を14%→88%に改善
量子物理	量子回路の誤差を従来比10分の1に削減
商用（Klarna）	Transformerモデルの学習速度を2倍化

この表で特筆すべきは、AlphaEvolveが「AIを動かす基盤（Gemini・TPU）」と「AIが解く応用問題（ゲノム・量子・電力網）」の両方で同時に成果を出している点です。

自己改善（Gemini学習の短縮）と社会実装（Klarnaの学習高速化）が同じ仕組みから生まれており、RSIの果実が閉じた研究環境の外側にも波及し始めていることが分かります。

AlphaEvolveが数学問題（Erdős–Szekeres 定理の変種）に対して探索した数百候補と最終選択プログラム（出典：DeepMind AlphaEvolve Impact）

Sakana AI RSI Lab——compute効率で戦う日本発の挑戦

2026年6月、日本発のAI企業Sakana AIは、RSI専任の研究グループとして「Sakana AI RSI Lab」を立ち上げました。

米中フロンティアラボが計算資源の物量で競う一方、Sakanaは「AIが自分自身を効率化する」ことで規模の非対称性を突破しようとしています。

Sakana AI RSI Labの主要プロジェクト（AI Scientist v1/v2/Nature版・LLM²・Darwin Gödel Machine・ShinkaEvolve・Digital Red Queen）の時系列（出典：Sakana AI RSI Lab）

系譜図に並んだ主要プロジェクトは、Sakana AI がここ2年で「AIによる自動科学研究」から「自己書き換え型モデル」まで一貫して重ねてきた実装ラインです。個々のプロジェクトの概要は以下のとおりです。

• LLM-Squared
  言語モデルが他の言語モデル向けの学習手法を自律的に設計するプロジェクト
  
  

• Darwin Gödel Machine
  自コードの変種を生成・テスト・世代交代させ、進化的にモデルを改善するシステム。SWEベンチマークスコアを倍増させたと報告
  
  

• Digital Red Queen（MITと共同）
  Turing完全なCore Warサンドボックス内で、AIエージェント同士の敵対的共進化を成立させる実験
  
  

• The AI Scientist
  科学研究のワークフロー（発想→実験→論文執筆）を自動化するシステム。生成した論文がトップ会議のワークショップで査読を通過し、根底の研究成果が2026年3月にNatureへ掲載された

Sakana AIは同時に、自己改善システムが目的から逸脱する事例、ベンチマークだけ良く実運用で失敗する事例、制約を回避する裏道をエージェントが見つける事例など、RSIに固有の失敗モードも公表しており、透明性を重視する姿勢を示しています。

---

RSIをどう測るか——ベンチマークと時間ホライズン

RSIが「もう起きている」と言うためには、抽象的な印象論ではなく測定可能な指標が必要です。

本セクションでは、非営利研究機関METR（Model Evaluation & Threat Research）が公開しているベンチマーク結果と、業界で議論されている「時間ホライズン倍増曲線」を整理します。

METR RE-Bench——AIエージェントのAI R&D能力を測る

METRは、AIエージェントがAI研究開発（AI R&D）タスクをどこまで自律的に遂行できるかを測るベンチマーク「RE-Bench」を公開しています。

同ベンチマークの結果では、フロンティアAIエージェントが2時間バジェットのタスクで人間ML研究者61人の4倍のスコアを記録しました。ただし32時間バジェットでは人間側が2:1で勝ち越しており、短期集中的な機械学習研究タスクではAIが優位、長期的な試行錯誤ではまだ人間の方が有利という構図が可視化されています。

タスク長さが4か月で倍増する曲線

METRは同時に「時間ホライズン曲線」という指標も追跡しています。これは「AIが50%または80%の精度でこなせるソフトウェアエンジニアリング・タスクの長さ」を時系列で測定するものです。

以下のグラフの各点は各世代のフロンティアモデルのリリース時点で50%成功率を維持できるタスク長さで、対数軸で直線に近い成長を続けています。METRが2026年1月に公開した TH1.1 更新では、2023年以降のタスク長さの倍増時間が約131日（約4.3か月）と報告されており、指標として定着していることが分かります。

2023年以降のフロンティアモデル（GPT-4 → GPT-4o → o1 → Claude Opus 4.5 等）で測定したタスク長さ曲線。TH1.0（165日・R²=0.94）に対して TH1.1 は131日・R²=0.91（出典：METR Time Horizon 1.1）

タスク長さが約131日（約4.3か月）で倍増するペースが持続すれば、単純計算で2年間で約64倍、4年間では数千倍規模のタスク長さに達します。

「AIができる仕事の長さ」が指数的に伸びていることが、RSIをAGI議論の中心に押し出している最大の根拠です。

各社セーフティフレームワークが定めた閾値

測定指標はセーフティフレームワークにも組み込まれています。

以下の棒グラフは、Claudeの世代交代とともに「AI研究セッションで研究者が誤った一手を選んだ場面で、Claudeがより良い代替案を提案できた割合」が22%（2024年3月）から64%（2026年4月）へと一貫して上昇したことを示しています。

「AIがAI研究の意思決定で人間を上回る」割合が測定可能な形で伸びていることが、AnthropicがRSPでAI R&D能力しきい値を明示した動機です。

Claude Haiku 3（2024-03）22% → Claude Mythos Preview（2026-04）64%への一貫上昇（出典：Anthropic「When AI Builds Itself」）

• Anthropic Responsible Scaling Policy v3.0
  「Automated R&D in key domains」に対し、2018〜2024年のAI進歩のうち2年分を1年に圧縮できるような能力を作業上の目安として置く
  
  

• OpenAI Preparedness Framework v2（2025年4月）
  Self-Improvement の Critical 閾値を「2024年に人間チームが達成した世代モデル改善（例：o1→o3）を、実時間で1/5に短縮した状態が数か月持続」と定義

Anthropicは「2018〜2024年のAI進歩の2年分 → 1年に圧縮」、OpenAIは「o1→o3世代改善 → 1/5時間で持続」と目安の切り口は違いますが、両社とも「AIがAI開発を加速する速度」を発火点として使えることを認めている点で共通しています。

---

知能爆発の3シナリオ——Anthropicが描く未来像

Anthropicは「When AI Builds Itself」報告書で、RSIの進展について3つのシナリオを描いています。

企業側が中期戦略を組むうえで、この3分岐を前提として押さえておくと投資判断のブレが減ります。

1. 停滞（Plateau）

現在のAIコード生成能力が頭打ちになり、これ以上の劇的な能力向上が起きないシナリオです。データ枯渇、compute制約、アルゴリズム上のブレイクスルー不足などが理由として挙げられます。

このシナリオでは、企業は現行のAI開発ツールで得られる生産性向上を「上限」として業務設計を行うことになります。Anthropicは可能性ゼロではないとしつつ、現在の指標（時間ホライズン倍増曲線・METR RE-Benchのスコア推移）を見る限り最も蓋然性が低いシナリオと位置づけています。

2. 人間指導型加速（Human-Guided Acceleration）

AIがAI開発を加速するが、人間の監督・意思決定が依然として必要なシナリオです。現在の実装フェーズ（Anthropic 80%コード・OpenAI GPT-5.3-Codex・AlphaEvolve）はこの領域に該当します。

• 開発速度: 人間エンジニアだけで進める場合の3〜10倍
• 意思決定: モデルアーキテクチャ・安全性判断・戦略選択は依然として人間側
• リスク管理: 人間レビュアーが最終責任を持つため、reward hackingの暴走を早期に検出できる

このシナリオでは、企業側の勝ち筋は「フロンティアラボが生む果実（新モデル・新エージェント基盤）を、業務プロセスにいち早く配置する」ことにあります。

3. 完全RSI（Full RSI）

AIが人間の関与なしに後継モデルを設計・訓練・デプロイし、開発速度が計算資源の制約だけで決まるシナリオです。Anthropicが最も警戒するシナリオでもあり、以下のリスクが指摘されています。

• ミスアラインメントの複利増幅
  現在のモデルにわずかに存在する目的関数のズレが、モデルが後継を作る過程で複利的に増幅し、人類が制御を失う可能性
  
  

• 監督の断絶
  改善サイクルが人間の理解速度を超え、モデルの挙動をレビューする時間そのものが取れなくなる
  
  

• 段階的移行の困難
  2から3への移行はグラデーションで進むため、「ここが3の入口だった」と後から気づくパターンが想定される

Anthropicの現時点の見立ては、2の人間指導型加速が今後2〜3年の主戦場、3の完全RSIは準備は必要だが直近の実装はまだ先というものです。

企業側は2を前提に設計しつつ、3への備え（AIの意思決定範囲を明示化する統制設計）を並行で進めるのが現実的な立ち位置です。

---

RSIを止めるボトルネック

RSIが順調に進めば知能爆発に至るという単純な話ではありません。実装フェーズに入った今、加速を阻む物理・原理・技術上のボトルネックが具体的に見えてきています。本セクションでは代表的な4つを整理します。

計算資源の物理制約（compute bottleneck）

どれだけアルゴリズムを改善しても、モデル学習・推論に必要なGPU・電力・データセンター容量の物理的な上限は避けられません。a

rXiv 2507.23181「Will Compute Bottlenecks Prevent an Intelligence Explosion?」では、compute制約がRSIの加速を減衰させる主要因になり得ると論じられています。

Sakana AIが「compute効率化」を戦略の軸に据えているのは、この制約が長期のボトルネックであることを見越した動きです。

評価関数の自動化

AlphaEvolveのような自己改善システムは、現時点では客観的なスコア関数を置ける問題で特に効果を発揮する設計になっており、逆に評価関数の設定が難しい領域では成果を出しにくいという構造があります。

• 数学的な最適化（行列乗算・アルゴリズム発見）→ 評価可能・自動化容易
• 設計判断・戦略選択・倫理判断 → 評価関数を書けない・人間評価が必要
• 定性的な創造性 → そもそも「良い」の定義が定まらない

この境界線があるうちは、RSIが及ぶ範囲は「評価関数を書ける領域」に留まり、意思決定や創造性領域には広がりにくいという構造があります。

Reward hackingと目的関数の設定

Sakana AIが自ら公表したように、自己改善システムは目的関数の抜け穴を発見する能力にも長けています。

ベンチマークスコアだけを最適化し、実運用では失敗するモデルを生成してしまう「reward hacking」は、RSIループが自律化するほど深刻になります。

「何を改善するか」を人間が正しく設定できるかが、RSIの成否を分ける最も本質的な論点です。

認識論的不確実性——自分の性能を正しく評価できるか

自己改善システムがループを進めるためには、「今の自分より改善された次のバージョン」を正しく判定できる必要があります。しかし、モデルが賢くなるほど、そのモデルの性能を人間が評価すること自体が難しくなるという逆説があります。

同じ問題は、AIがAIを評価する構図（LLMをJudgeにする評価パイプライン）でも起きます。評価器と被評価器が同じ弱点を共有していると、体系的なバイアスが検出されずに複利で蓄積してしまいます。

---

RSIの安全性フレームワークと規制動向

RSIが実装フェーズに入ったことを受け、フロンティアラボの自主的セーフティフレームワークと国家レベルの規制も並走して更新されています。本セクションでは、企業側が押さえておくべき3つの動きを整理します。

Anthropic Responsible Scaling Policy——AI R&D能力しきい値

AnthropicのResponsible Scaling Policy（RSP）v3.0は、AIの危険な能力段階と各段階で要求される安全対策を定義するフレームワークです。

旧版のASL段階そのものは残しつつ、高度なAI R&D自動化の扱いを Risk Report／Frontier Safety Roadmap／安全性の根拠を示す論証 を軸とする運用に更新しています。

• Automated R&D in key domains しきい値
  「2018〜2024年のAI進歩のうち2年分を1年に圧縮できる能力」を作業上の目安として設定
  
  

• Risk Report で継続的なリスク評価を要求
  モデルが上記のいずれかの能力しきい値に接近するたびに、Anthropicが Risk Report を作成し、危険な能力の到達状況と mitigations の妥当性を継続的に評価
  
  

• Frontier Safety Roadmap と安全性論証
  将来しきい値到達時に必要となる保護策を Frontier Safety Roadmap で計画化し、実際にモデルをデプロイする前に安全性の根拠を示す論証（strong case for safety）で「そのモデルが十分に安全である根拠」を提示することを求める

詳細はAnthropic RSP v3.0およびFrontier Safety Roadmapで公開されています。

OpenAI Preparedness Framework——Self-Improvement Critical閾値

OpenAIは2025年4月にPreparedness Frameworkのv2を公開し、追跡対象カテゴリを生物・化学能力、サイバーセキュリティ、AI Self-Improvementの3つに整理しました。

Self-ImprovementのCritical閾値は次のように定義されています。

• リーディングインジケーター
  「超人的な研究科学者エージェント」の実現
• ラギングインジケーター
  2024年時点で人間チームが達成した「世代モデル改善（例：o1からo3）」を、実時間で1/5に短縮し、その状態を数か月持続

Anthropicが「2018〜2024年のAI進歩の2年分を1年に圧縮する能力」、OpenAIが「o1→o3世代改善を1/5時間で数か月持続」と切り口は異なりますが、両社とも「AI開発速度の加速率」が公式な発火点として使えることを認めた点で歴史的です。

Trump AI EO（2026-06）とCSA security implications

2026年6月2日、Trump政権は「Promoting Advanced Artificial Intelligence Innovation and Security」大統領令に署名しました。主なポイントは以下の通りです。

• 自主的Early Accessプログラム
  フロンティアAI開発者が、モデルを他パートナーに公開する前に最長30日間、政府へ早期アクセスを自主的に提供する枠組み
  
  

• ライセンス制の見送り
  AI開発・配布に関するライセンス制度・事前審査制度は設けない方針を明記
  
  

• CSA security implicationsレポート
  Cloud Security AllianceがRSI固有のセキュリティ影響（改善サイクルの逸脱・レビュー時間の消滅・自律実行下の異常検知）をv1.0として整理

米国の規制はEUのように義務化には向かわず、自主報告＋政府による早期評価の枠組みでRSIを追跡する形に落ち着いています。

企業側は「自国の規制が緩いから安心」ではなく、フロンティアラボ側のセーフティフレームワークが主要な参照枠組みとして機能している現状を前提に、自社の統制設計を組む必要があります。

---

開発者・企業はRSI時代にどう備えるか

RSIループの内側にいるフロンティアラボと同じスピードで自社実装を進めるのは、リソース面でも人材面でも現実的ではありません。むしろ企業側の勝ち筋は、RSIの果実として市場に出てくるAIツール・エージェント基盤を、業務プロセスへいかに早く配置するかにあります。

「AIを使う」から「AIに自分を改善させる」への移行

これまでの企業AI活用の主戦場は「AIツールを社員に配布し、いかに使いこなしてもらうか」でした。RSI時代の主戦場は一段上のレイヤーに移ります。

• 旧来の勝ち筋
  プロンプト教育・活用事例共有・ライセンス配布計画
  
  

• RSI時代の勝ち筋
  AIエージェント基盤の設計・エージェント同士の連携統制・自律実行の監査ログ設計

Claude Codeでエンジニア1人あたりのコード生産量が8倍規模に伸びるようになるのは、企業側にとって歓迎すべき変化です。

ただし同時に、「AIが自律的にコード変更・デプロイまで完結させる状況で、承認プロセスと責任所在をどう設計するか」という統制課題が浮上します。

RSI時代の導入判断で見落とされやすい観点

企業のAI導入判断は、機能比較・料金比較・PoCの3点セットで進むのが従来のパターンでした。

RSIループが加速する中では、以下の観点が追加で必要になります。

• モデル世代交代への追従設計
  モデル改善サイクルが大幅に短縮される局面では、モデルが3か月おきに世代交代する可能性がある。特定モデルに深く結合したワークフローは陳腐化リスクが高い
  
  

• エージェントの権限境界
  自律実行の範囲・データアクセス権限・外部API呼び出し可否を、業務ごとに明示的に線引きしておく（自律型AIエージェントの設計論と共通）
  
  

• 監査ログの粒度
  「誰が」「いつ」「何を」やったかを、人間だけでなくエージェント単位で追跡できる仕組み。Anthropic RSPの動向が変わったときに即応できる粒度で残す
  
  

• フロンティアラボの動向監視
  Anthropic・OpenAI・Google DeepMindのRSP／Preparedness Framework更新は、自社の統制設計にも波及する。四半期に1回はチェック

実務的な観点で言えば、「RSIループが閉じた後の世界」を待ってから対応するのではなく、「今のシナリオ②の段階で統制設計を成熟させておく」ことが最も効率が良いアプローチです。シナリオ③に移行してから設計を始めても、変化のスピードに追いつけない可能性が高いためです。

---

AIに自分を改善させる時代の統制設計を始めるなら

RSIループの内側にいるフロンティアラボと同じ速度で自社実装を進めるのは、リソース面でも人材面でも現実的ではありません。企業側の勝ち筋は、モデル世代交代が加速しても崩れない「エージェント基盤・権限境界・監査ログ」を、シナリオ②の段階から成熟させておくことにあります。ここで問われるのが、複数のAIエージェントを一元的に統制できる運用基盤の設計です。

このレイヤーを担うのが、自社Azureテナント内で動くエンタープライズAIエージェント基盤です。AI総合研究所のAI Agent Hubは、Teamsから呼び出せる業務特化Agent群を1つのダッシュボードで統合管理し、モデル世代交代が加速する時代でも統制を維持できる設計として機能します。

• エージェント単位で権限境界と監査ログを設計
  記事で挙げた「自律実行の範囲・データアクセス権限・外部API呼び出し可否を業務ごとに線引き」を、Agent単位のアクセス権限・実行ログ・バージョン管理で実装。誰がどのAgentで何をしたかを不変ログで残せます。
  
  
• モデル世代交代に耐えられる構成
  特定モデルに深く結合したワークフローは陳腐化リスクが高い時代に、AI Agent Hubは構築基盤を切り替えても管理層は変わらない設計。モデル世代が変わっても業務プロセス側の設計を守れます。
  
  
• 使い慣れたMicrosoft環境をそのまま活用
  Teams・Excel・Outlookなど既存ツールの延長でAIエージェントが動作。新しいツールの学習コストはゼロです。
  
  
• データは100%自社テナント内に保持
  AIの学習対象から完全除外。Azure Managed Applicationsとして自社テナント内で動作が完了する設計です。

AI総合研究所の専任チームが、RSI時代のAIエージェント統制設計を、業務プロセス配置から権限境界の線引きまで一貫して支援します。AI Agent Hubのサービスページで、自社の統制設計を成熟させる具体像をご確認ください。

---

まとめ

本記事では、再帰的自己改善（RSI）について、定義と改善が及ぶ4つのレイヤー、フロンティアラボの実装事例、METR RE-Benchなどの測定指標、Anthropicが描く3つの未来シナリオ、加速を阻むボトルネック、規制動向、企業側の備えまでを、2026年7月時点の最新情報で解説しました。要点を改めて整理します。

• RSIはAIが自分のコード・アーキテクチャ・学習ハーネス・ハードを改善するループで、2026年時点でコード書き換え層が最も浸透している。4層構造のどこで改善が進むかが能力向上ペースを決めるため、抽象議論ではなく「どの層でどこまで来たか」を測る段階に入った
  
  

• Anthropic Claudeが本番コード約80%、OpenAI GPT-5.3-Codexが「自分自身の作成に決定的に寄与」、Google DeepMind AlphaEvolveがGemini学習を1%短縮、Sakana AI RSI Labがcompute効率で挑戦と、フロンティアラボ各社で実装事例が並ぶフェーズに入り、思考実験の段階を明確に抜けた
  
  

• METR RE-Benchで短時間タスクは人間ML研究者の4倍、タスク長さの地平は4か月で倍増という測定指標が定着し、Anthropic RSP・OpenAI Preparedness FrameworkでもAI R&D自動化・Self-Improvementが正式なリスクカテゴリに位置づけられた
  
  

• Anthropicの停滞・人間指導型加速・完全RSIの3シナリオのうち、現在地はシナリオ②の人間指導型加速。compute物理制約・評価関数の自動化・reward hacking・認識論的不確実性の4つのボトルネックが緩むタイミングで、シナリオ③への遷移が視野に入る構図になっている
  
  

• 企業側の勝ち筋は「AIを使う」から「AIに自分を改善させる」時代を前提に、エージェント基盤・権限統制・監査ログを今から成熟させること。モデル世代交代が四半期単位で進む前提で、乗り換えても崩れない統制設計が競争優位を分ける

企業側にとって重要なのは、「モデル世代が変わっても崩れないエージェント統制・監査基盤を今の設計で仕込めているか」という一点です。まずは既存のClaude Code・GitHub Copilot・Cursorといったコード書き換え層で自社の開発工程をエージェント化し、権限境界と監査ログの型を実務で回すことが、最も現実的な第一歩になります。

RSIが「起きるかどうか」の議論ではなく「どの層でどこまで進んだか」を測る段階に入った以上、企業側も「導入するかどうか」ではなく「どこから導入して統制の型を作るか」で意思決定する時期に入りました。フロンティアラボの動きを四半期単位で追いつつ、自社の統制設計を並行で仕上げていくのが、2026年後半における最も現実的なスタンスになります。