著者：Daniel Kokotajloとは何者か
Daniel Kokotajloは元OpenAI研究者で、同社のガバナンス部門に在籍していた。2024年、「OpenAIが安全より利益を優先している」という理由でAI安全性に関する口外禁止契約への署名を拒否し、退職金を失う形で辞職。その行動はAI業界に衝撃を与えた。Kokotajloは2021年——ChatGPTが登場する1年以上前——に「チャットボットの普及」「数億ドルの訓練コスト」「政府によるAIチップ輸出規制」を予言し、すべて的中させた実績を持つ。AI 2027はこのKokotajloを筆頭に、Eli Lifland、Thomas Larsen、Romeo Dean、Scott Alexanderが共著した。

論文の位置づけ——「月単位の具体的シナリオ」という手法
AI 2027が他の予測と異なるのは、その具体性だ。「2027年頃にAGIが来る」という漠然とした予言ではなく、「2026年Q3にAIのR&D生産性が1.5倍に達する」「2027年3月頃にスーパーコーダーが誕生する」という形で月単位・定量的なマイルストーンを設定している。これにより予測の正確さを後から検証できる——著者自身がそれを意図した設計だ。

論文が基づく5つの基礎予測
AI 2027は5つの核心的な推計モデルで構成される。①タイムライン予測（AIが最高の人間プログラマーを超える時期）、②テイクオフ予測（スーパーコーダー到達後ASIまでの期間）、③AIの目標予測（高度なAIが持つ目標の性質）、④セキュリティ予測（AIモデルの機密漏洩リスク）、⑤経済・地政学予測（株式市場・国際パワーバランスへの影響）。これら5モデルの組み合わせが53の具体的予測を生み出している。

的中した主要予測
最も重要な的中は、AIエージェントの一般公開だ。AI 2027は「2025年夏頃にOpenAIとAnthropicが初のAIエージェントを公開する」と予測していた。実際にはほぼその通りのタイミングで実現した。コーディング支援の本格化、大規模データセンター建設の継続、AIサービスの月額数百ドル化も予測通りだった。

定量的に遅れた予測
OSWorldベンチマーク（コンピュータ操作能力の指標）では、AI 2027は「2025年中頃に85%到達」と予測していたが実際は74.5%（Claude Opus 4.1）にとどまった。METR時間地平線（AIがどれだけ長い作業を自律でこなせるか）は、予測より遅いペースでの進化だった。

予測vs現実：主要項目の照合

「リスクが能力より先に到着している」——最も重要な観察
独立トラッカーを運営する研究者は「AI 2027が描いたシナリオのうち、技術的能力の進歩は65%のペースだが、リスク系の予測は早期実現している」と指摘する。典型例がAnthropicのClaude Mythos Previewだ。同モデルは数千件のゼロデイ脆弱性を自律的に発見する能力を示した——これはAI 2027が「Agent-2」と名付けた2027年初頭の存在に相当する。つまり「ツールとしての能力」より「統制の難しいリスク」の方が先に現実化しているという構図だ。

スーパーコーダー（2027年3月頃）
AI 2027が最初の大きなマイルストーンと位置づけるのが「スーパーコーダー」だ。「最高のエンジニアが行うあらゆるコーディング作業を、AIがより速く・安く行える状態」と定義される。この定義は意図的に明確にされており、事後的な検証が可能だ。著者のDaniel Kokotajloは2026年4月、Claude Opus 4.6の性能を実見した後「スーパーコーダー到達の必要水準を下方修正した」と述べており、2028年中頃という新しい中央値に設定している。

知能爆発（2027年中頃〜）
スーパーコーダーが登場すると、AIが自分自身の研究開発を加速させる「再帰的自己改善」フェーズに突入するというのがAI 2027の核心シナリオだ。AIが「AIを設計するAI」として機能し始めることで、人間の手を介さない改善サイクルが加速する。論文はこの時期を「人間の制御が最も困難になる時期」と位置づけ、アライメント（AIの目標を人間の価値観と一致させること）の重要性が急激に増すと指摘する。

AGI/ASI（著者予測中央値：2028〜2032年）
論文当初の「2027〜2028年」という数字は、著者たち自身の継続的な修正によって後退している。2026年4月時点での各著者の中央値予測は、Kokotajloが「2029年後半」、Eli Liflandが「2032年初頭」だ。ただしKokotajloは同時期のコーディングエージェントの実績を評価して再び前倒しており、不確実性は非常に大きい。論文自体が「中央値の前後5倍の幅がある」と認めており、2026年から2038年以上までの広いレンジが想定されている。

批判①：ベンチマークと実世界能力のギャップ
AI 2027が依拠するMETR時間地平線などのベンチマークは「制御された環境での能力」を測る。しかし実際のビジネス環境でAIを使う際のコスト・エラー率・統合コストを考慮すると、ベンチマーク上の進歩が実世界の生産性向上に直結しない。METRが実施した実際の開発者を対象とした実験では、AIツールを使った方が作業時間が長くなる（遅くなる）という結果も出ている。

批判②：指数成長の仮定問題
AI 2027は再帰的自己改善による指数的成長を前提とするが、これには物理的制約（コンピュートの限界・エネルギーコスト・半導体製造の壁）とアーキテクチャ的制約（現行のトランスフォーマー構造の限界）が存在する。「AI as Normal Technology」はAIを「飛行機・電気・インターネットのような技術的進歩」と位置づけ、急激な指数成長より漸進的な社会実装を予測する。

批判③：AGI定義の曖昧さ
「人間を超えるAI」という定義は曖昧だ。「最高のエンジニアのコーディング」を超えることと「すべての認知作業で人間を超えること」は全く異なる。AI 2027の「スーパーコーダー」定義は比較的明確だが、そこから「汎用超知能」への飛躍には大きな前提がある。

①製造業・エンジニアリング：「スーパーコーダー」の日本版インパクト
AI 2027が描くスーパーコーダーの登場は、日本の製造業のソフトウェア開発部門を根本から変える可能性がある。トヨタ・ソニー・日立のような大企業が持つ数千人規模のソフトウェアエンジニアチームは、10分の1のコストで同等以上の出力を生み出せるAIシステムに置き換えられうる。これは「コスト削減の機会」であると同時に「技術者雇用の構造的な破壊」でもある。

②少子化×AI代替：両刃の剣
労働人口が急減する日本にとって、AIによる自動化は「救世主」に見える——実際に製造ライン・物流・事務処理の自動化は少子化対策として機能しうる。しかしAI 2027が描く急速な変化のペースは、新しいスキルを習得する時間を社会に与えない可能性がある。「AIを使いこなせる人」と「AIに置き換えられた人」の格差が、少子化問題と重なって深刻な社会問題になるリスクがある。

③AI規制体制の遅れ：推奨ベースでは追いつかない
2025年5月に成立した日本のAI推進法は、EUのような罰則規定を持たない「推奨・警告止まり」の設計だ。AI 2027が描く2027年以降の急進展——特に自律的なサイバー攻撃能力を持つAIの登場——に対して、現行の日本の規制体制が対応できるかは大きな疑問だ。韓国はすでにAI Basic Actを施行（2026年1月）しており、法的拘束力のある枠組みで対応している。日本の「Innovation-First」アプローチは柔軟性が高い反面、リスク対応の強制力が弱い。