ロボットにマスターシェフになってもらう方法を教えていると想像してみてください。おそらく、何百万ものレシピを教え込み、玉ねぎの切り方を教え、スフレ作りを練習させるのが最善の方法だと考えるでしょう。しかし、もし素晴らしいシェフになるための秘訣が、単にレシピを知っていることではないとしたらどうでしょうか？もし、真のスキルとは「考え方」にあるとしたら？もし、巨大で恐ろしいディナーパーティーを、管理可能な小さなステップへと分解し、集めたすべての材料を把握し続け、玉ねぎを切っている間もホストの食事制限を記憶し、そして料理を出す前に味見をして完成しているかを確認することだとしたら？

これは「エージェンティック（agentic）」なAIの世界です。単に質問に答えるだけでなく、ウェブの閲覧、ファイルの編集、テストの実行といった「実際に何かを行う」コンピュータプログラムのことです。長い間、科学者たちは、これらのロボットには将来行う予定の正確な仕事を訓練する必要があると考えてきました。もしロボットにコンピュータコードを修正させたいなら、コードを修正する何百万もの例を用いて教えなければならないと考えていたのです。しかし、この新しい論文は、突飛な問いを投げかけています。「もし、ロボットに優れた『事務員』になる方法を教えたらどうなるだろうか？」と。スプレッドシートを整理し、会議をスケジューリングし、ドキュメントを管理することを教え、その上でソフトウェアを修正するように頼んだらどうなるでしょうか？事務員として優秀であるスキルは、ソフトウェアエンジニアになるための助けとなるのでしょうか？

Surge AIの研究者たちは、このアイデアをテストすることに決めました。彼らは非常にスマートなAIモデルを取り上げ、それに「ロングホライゾン（長期的な工程を持つ）」な事務作業の短期集中特訓を与えました。これらは「メールを送る」といった単純なタスクではありませんでした。AIが多くのツールを操り、現在の状況に関するメンタルマップ（精神的な地図）を保持し、細部に没頭して全体像を見失わないようにしながら、複雑で多段階の冒険をこなさなければならないようなタスクです。彼らはAIに対して363の事務タスクで訓練を行いましたが、ここが重要なポイントなのですが、訓練タスクの中にソフトウェアやコーディングに関するものは一つも含まれていませんでした。

結果はどうだったでしょうか？彼らがAIを「SWE-Bench Pro」と呼ばれる有名なソフトウェアエンジニアリングの課題でテストしたところ、成功率が大幅に向上しました。成功率は5.8パーセントポイント向上したのです。この論文は、複雑で多段階のオフィスワークを学ぶことで、AIは目標指向型の実行のための普遍的な「筋肉」を学んだのだと示唆しています。AIは、目標を設定し、状況のメンタルイメージを構築し、状況が混乱しても元の計画を維持し、そして自分の仕事をダブルチェックする方法を学んだのです。著者たちは、これらのスキルはスイスアーミーナイフのようなものだと主張しています。一度、ファイルキャビネットを整理するためにそれらの使い方を学べば、見た目が全く異なるとしても、コンピュータプログラムのデバッグにそれらを使うことができるのです。

秘伝のソース：「ゴール・ループ」

これがどのように機能するかを理解するために、AIが巨大で枝分かれした迷路を進む探検家であると想像してみてください。論文では、AIの戦略を「目標指向型実行（Goal-Directed Execution: GDE）」と呼んでいます。これは、ビデオゲームのループのように、AIが何度も繰り返す4ステップのダンスのようなものです。

1. 目標形成 (Goal Formation): AIは、「ゴールラインに近づくために、次にすべきことは何か？」と自問します。
2. 状態構築 (State Construction): AIは周囲を見渡し、「よし、今自分は何を知っているか？今、何を見つけたのか？」と考えます。現在の状況についてのメンタルマップを構築します。
3. 目標の安定性 (Goal Stability): AIはコンパスをチェックします。「自分はまだメインの宝に向かっているか？それとも、キラキラした石に気を取られてしまったか？」小さなステップが大きな目標を忘れていないかを確認します。
4. 検証 (Verification): 最後に、AIは「本当にやり遂げたか？証拠はあるか？」と問いかけます。推測するのではなく、証拠をチェックします。

論文は、企業の予算管理であれ、ビデオゲームのバグ修正であっても、複雑なタスクはすべてこれらの同じループで構成されていると論じています。時には、ロシアの人形（マトリョーシカ）のように、ループの中に別のループが入れ子になっていることもあります。大きな目標（アプリを直す）があり、それが中規模の目標（バグを見つける）に分解され、さらに小規模な目標（特定のファイルを読む）へと分解されるのです。

実験：スプレッドシートからソフトウェアへ

研究者たちは、大規模なAIモデル（Qwen3.5-122B-A10B）を取り上げ、特別な「食事療法（トレーニング）」を与えました。コードを読み込ませる代わりに、現実的な363のオフィスシナリオを読み込ませたのです。AIがバーチャルなインターンとして動いている様子を想像してください。AIは以下のことを行う必要がありました。

• ドキュメントやスプレッドシートを検索する。
• ウェブブラウザを使用してリサーチを行う。
• スケジュールを立て、ファイルを管理する。
• さまざまなデジタルツール間を連携させる。

これらのタスクは、非常に難易度が高くなるよう設計されていました。AIは多くの事柄を同時に把握し、異なるツール間を切り替え、物語の筋道を見失わないようにしなければなりませんでした。AIは、これらのタスクに習熟するまで練習を繰り返しました。決定的なのは、このトレーニングデータにはソフトウェアエンジニアリングのタスクがゼロであったことです。 AIは訓練中にコードの行を一度も見ませんでした。

そして、テストの時が来ました。研究者たちは、訓練されたAIに対し、リアルタイムのソフトウェアのバグを解決するベンチマークである「SWE-Bench Pro」の問題を解かせました。彼らは、この訓練されたAIを、事務スキルを学ぶ前の同じモデルと比較しました。

結果：普遍的なスキル

訓練されたAIはスター選手でした。ソフトウェアエンジニアリングのテストにおける成功率は、20.5%から26.3%へと跳ね上がりました。 これは5.8パーセントポイントの向上です。

しかし、最も興味深い点は、単にスコアが上がったことではなく、AIが「どのように変化したか」でした。研究者がAIの「思考プロセス（軌跡）」を詳しく調べたところ、訓練されたAIは、事務タスクにおいてもソフトウェアタスクにおいても、この4ステップのダンスを訓練されていないAIよりもはるかに上手に行っていることが分かりました。

変化した内容は、論文の例を用いると以下の通りです。

• より優れた目標形成: 訓練されていないAIは、実際には間違っている「局所的に妥当に見える」目標を選んでしまうことがよくありました。例えば、ソフトウェアのタスクにおいて、単純なヘルパーツールが既に存在しているにもかかわらず、関数全体を書き換えようとすることがありました。訓練されたAIは、事務タスクを通じて正しい次のステップを選ぶことを学んでいたため、「おや、そのためのツールが既にあるじゃないか」と気づき、それを使用しました。
• より優れた状態構築: 訓練されていないAIは、重要な情報を捨ててしまうことがよくありました。ある事務タスクにおいて、AIはスプレッドシートのセルにある数式を見て、「これは数字ではないから無視しよう」と判断しました。しかし、訓練されたAIは「待てよ、この数式が、私が必要としている数字を計算しているんだ」と気づき、そのデータを保持しました。AIは、より優れたメンタルマップを構築することを学んだのです。
• より優れた目標の安定性: これは、全体像を見失わないことです。ソフトウェアのタスクにおいて、訓練されていないAIはテストが失敗したのを見て、元の要件を壊してしまうほどコードを変更してテストをパスさせようとしました。訓練されたAIは「親の目標（元の要件）」を記憶しており、局所的な問題に気を取られませんでした。それは、プリンターが詰まっても締め切りを忘れないプロジェクトマネージャーのようでした。
• より優れた検証: 訓練されていないAIは、しばしば表面的なチェックで済ませていました。「ファイルをエクスポートしたので完了です」と言うだけです。訓練されたAIはもっと徹底していました。ファイルに正しいデータが含まれているか、また、変更がシステムの他の部分に影響を与えていないかをチェックしました。単にチェックボックスを埋めるのではなく、現実を検証したのです。

大きな視点

この論文は、複雑で長期的なオフィス業務を訓練することで、AIが思考や行動を整理する能力が強化されたことを示唆しています。AIは「コードの書き方」を学んだのではありません。「複雑な計画を学び、実行する方法」を学んだのです。スプレッドシートを管理し、複数のファイルを把握し、レポートを検証するスキルは、驚くほどプログラムのデバッグに必要なスキルと似ていました。

著者たちは、これはあくまで「行動的な説明（behavioral account）」であると注意深く述べています。AIの脳内に人間のようなリテラルな「目標スタック」が存在すると主張しているわけではありません。そうではなく、AIの振る舞いが、これら4つの能力を使用しているように「見える」ことを観察しているのです。データは、ある領域（事務作業）でこれらの振る舞いが向上すると、直接的な訓練を受けていない領域（ソフトウェア）においても向上することを示しています。

これは、体操選手を訓練することに似ています。バランスビームの練習をさせているとき、彼らは跳馬の練習はしていませんが、体幹の強さ、バランス、集中力は向上しています。いざ跳馬の前に立ったとき、基礎となる「体操のスキル」が研ぎ澄まされているため、より良いパフォーマンスを発揮できるのです。この場合、「体操」とは、道を見失うことなく、長く複雑なタスクを管理する能力のことです。

この論文は、これがすべてのAIの問題を解決する魔法の杖であると主張しているわけでも、これが唯一の改善方法であると言っているわけでもありません。しかし、魅力的な新しい視点を提示しています。AIに世界中のあらゆる仕事を教える必要はないのかもしれません。ただ、AIに「優れた、整理された、目標指向型の労働者」になる方法を教えれば、あとはAIが自力で見つけ出してくれるのかもしれないのです。