「AIに経営を90日間任せる」とはどんな実験か
CoffeeBenchは、コーヒー業界のサプライチェーンを再現した仮想の経済環境です。農家・焙煎店・小売店がそれぞれ2社ずつ、計6社をAIエージェントが運営し、互いに取引しながら90日間を過ごします。評価の対象になるのは、そのうちの焙煎店1社。ここに各社のAIモデルを座らせ、90日間でどれだけ純利益を伸ばせるかを測ります。
焙煎店以外の5社は同じAIモデルで固定し、評価したいモデルだけを差し替える。さらに結果のばらつきを抑えるため、各モデルにつき3回ずつ試行して平均を取る——という丁寧な設計です。GPT-5.5やClaude Opus 4.7、Gemini 3.1 Proなど、現在の代表的なAIモデルが横並びで比較されました。
ポイントは、これが「1回の質問にうまく答えられるか」ではなく、「仕入れ・価格設定・販促・交渉といった判断を、90日間ぶん積み重ねて利益を出せるか」という長期の業務を測っている点です。中小企業の現場でAIに任せたい仕事に、ぐっと近づいています。
結果に表れた「モデルごとの個性」と、ある落とし穴
Sakana AIの公表によると、評価したモデルはおおむね「何もしない」状態の基準を上回り、利益を伸ばしました。ただし、その中身にははっきりした差が出ています。
成績の良かったモデルは、共通して「よく動いていた」と報告されています。農家にも小売店にも自分からメッセージを送り、仕入れ値の交渉や販促といった、利益につながる行動を頻繁に起こしていました。逆に言えば、ただ待っているだけでは利益は伸びません。
「考えているのに、動かない」という最大の落とし穴
もっとも示唆的なのは、最も成績が振るわなかったモデル（Claude Haiku 4.5）で観測された現象です。このモデルは「農家から安く豆を仕入れられそうだ」「小売店の需要が増えている」といった状況分析や方針はきちんと考え続けていたにもかかわらず、それを実際の行動に移さず、3回の試行すべてで経済活動が止まってしまいました。Sakana AIはこれを「思考と行動の乖離（かいり）」と呼んでいます。
賢いはずのAIが、考えているのに動かず赤字に沈む。これは性能の高さとは別の問題で、人間の組織でも起こりがちな「分かっているのに、誰も動かない」とよく似ています。
中小企業が学べること①：AIは「指示」より「動く仕組み」で差がつく
この実験から、中小企業のAI活用に直結する教訓が2つ読み取れます。1つ目は、成果を分けたのは賢さよりも「行動するかどうか」だったという点です。
良いプロンプト（指示文）を一度与えるだけでは、AIは「考えるだけ」で止まりかねません。実際に成果を出すには、考えた内容が次の行動につながり、その結果を見てまた次の手を打つ——という回り続ける仕組みに乗せる必要があります。これは弊社が普段からお伝えしている考え方とも重なります（参考：AIはプロンプトより仕組みで回す）。
「AIを入れたのに思ったほど成果が出ない」という声の多くは、性能ではなく、この「動く仕組み」が抜けていることが原因です。期待と現実のずれについてはAIの期待と現実のギャップでも整理しています。
中小企業が学べること②：いきなり「経営」を任せない
2つ目の教訓は、長期の判断を丸ごとAIに任せるのは、まだ早いということです。実験でも、最先端のモデルですら90日間の運営でつまずく場面がありました。
CoffeeBenchは、AIガバナンス（統治）の観点も検証しています。利益を求める圧力が強まると、AIが循環取引や押し込み販売のような不適切な行動に向かう誘因が生まれないか——という点です。長くAIに任せるほど、こうした「目を離せないリスク」が増えることを示しています。
だからこそ現実的なのは、経営判断のような長期で責任の重い仕事は人が握り、毎月決まった手順でくり返す定型業務からAIに任せるという順番です。請求書の発行、データの転記、集計、定型の連絡——こうした仕事は手順が決まっていて、結果も確かめやすく、AIが「考えて動く」効果が見えやすい領域です。AIエージェントに何が向くかはRPAとAIエージェントの違いもあわせてご覧ください。
自社で始める3ステップ
「AIに経営を任せる」と聞くと壮大ですが、自社で取り入れる入口は小さくて構いません。むしろ小さく始めるほど、CoffeeBenchが示した「動く仕組み」と「任せる範囲の見極め」を、リスクなく自社で確かめられます。
- ①選ぶ：毎月くり返していて手順が決まっている定型業務を1つだけ選ぶ
- ②小さく試す：その1つをAIや自動化に任せ、考えるだけで止まらず「動いて結果が出る」かを確かめる
- ③広げる：手応えが出たら範囲を広げ、判断の重い仕事は人が握ったまま、補助金の活用も視野に入れる
ツールを入れること自体が目的になると、せっかくの仕組みも成果につながりません（参考：ツール導入で終わらせない業務改革）。どの業務から手をつけるか迷うときは最初に自動化すべき業務の見つけ方を参考にしてください。
本記事は2026年6月時点でSakana AIが公表した情報（CoffeeBench）をもとに、編集部が中小企業の視点で整理したものです。詳細や最新情報は、Sakana AIの公表内容をご確認ください。ニュースを追うより、自社のいちばん面倒な作業を1つ書き出すことから始めてください。
その仕事、AIに任せていい? 30秒で診断
いちばん面倒な業務を1行入力するだけ。AIに任せて成果が出る仕事かどうかと、最適な自動化案・サンプルコードを、その場でお見せします。月額3万円〜・最短2週間で運用開始。
AIに30秒で試す →よくある質問
Q. CoffeeBench（コーヒーベンチ）とは何ですか?
Sakana AIと有限責任あずさ監査法人が2026年6月に公開した、AIエージェントの長期的な経営力を測る実験環境です。コーヒーのサプライチェーン（農家・焙煎店・小売店の計6社）を再現し、AIに90日間の運営を任せて、純利益をどれだけ伸ばせるかを評価します。
Q. 実験では、AIモデルによってどんな差が出ましたか?
多くのモデルが「何もしない」基準を上回って利益を伸ばす一方、成績の良いモデルは農家や小売店に自分から交渉や販促をしかけて積極的に動いていました。逆に最も成績が振るわなかったモデルは、状況分析や方針は考えていたのに行動に移さず（思考と行動の乖離）、活動が止まってしまったと報告されています。
Q. 中小企業は、AIに経営判断を任せてもよいのでしょうか?
現時点では、長期で責任の重い経営判断を丸ごと任せるのは時期尚早です。実験でも最先端モデルがつまずく場面や、利益圧力が不適切な取引の誘因になりうる点が確認されています。まずは手順が決まった定型業務から任せ、判断の重い仕事は人が握る、という順番が現実的です。