GDPvalとは

GDPvalとは、AIモデルが現実の仕事に近い成果物をどれだけ作れるかを測るために、OpenAIが2025年9月に発表した評価ベンチマークです。試験問題を解く力だけでなく、資料、設計案、文書、表計算のような実務アウトプットが対象です。経営者にとっては、AIがどの業務を支援できそうかを考えるための、仕事寄りの物差しといえます。

GDPvalが測るもの

GDPvalは、44職種と9つの産業から作った実務タスクを使います。フルセットは1,320タスク、公開されているGDPval Gold Setは220タスク。タスクは、経験ある専門家が自分の職種の仕事をもとに作り、別の専門家がレビューします。つまり、単なるクイズではなく、現場で「これを作って」と頼まれる成果物に近づけた評価です。

ただし、GDPvalはOne-Shot Evaluationです。最初から条件が整理された依頼を一度で渡し、AIが出した成果物を見ます。実際の仕事のように、顧客へ聞き返す、何度も直す、社内事情を踏まえる、といった過程までは十分に含みません。仕事の全部を測る指標ではなく、AIが得意になりつつある作業の輪郭を見る指標として読むのが安全です。

従来のベンチマークとの違い

従来のベンチマークは、数学、知識問題、コード修正など、採点しやすい課題に寄りがちでした。GDPvalは、Economically Valuable Tasksを使い、専門家が作った成果物とAIの成果物をExpert Gradersが比較します。たとえば、法律メモ、設計資料、スライド、表計算のように、正解が1つに決まりにくい仕事も含む構成です。

このため、単純な点数よりも「人の仕事として使える品質か」を見やすくなります。一方で、採点には時間と費用がかかるため、OpenAIはAutomated Graderも研究用に用意しています。速く安く測る道具と、人が納得する評価は同じではありません。ここを分けて読む視点が重要です。

経営での使い方

GDPvalは、AI導入の可否を一発で決める表ではありません。むしろ、AI Impact Analysisの入口として、どの業務がAI自動化に近く、どの業務がAI拡張として人の判断を強める領域かを分ける材料になります。社内で使うなら、まず自社の仕事をタスク単位に分け、成果物、必要な文脈、確認責任を整理するのが出発点です。

特に、AIが短時間で良い下書きを出せる業務でも、最終判断、顧客理解、法務確認、品質責任は残ります。GDPvalは、AIの可能性を過小評価しないための材料であると同時に、人がどこで監督すべきかを見落とさないための注意書きでもあります。

GDPvalに関するよくある質問

GDPvalは普通のAIベンチマークと何が違いますか？

学術試験のような短い問題ではなく、文書、資料、設計案、表計算など、実際の仕事に近い成果物を評価します。正解が1つでない仕事の品質を見ようとする点が違います。

GDPvalの結果だけでAI導入を決めてもよいですか？

それだけでは不十分です。GDPvalは一度で渡されたタスクの成果物を測るため、社内文脈、反復修正、責任分担、顧客対応まで含む実務運用は別に確認する必要があります。

GDPvalは人の仕事が不要になる証拠ですか？

そうではありません。AIが下書きや分析を速く作れる領域を示す材料ですが、最終判断、品質確認、説明責任は人の役割として残ります。