AIエージェント能力アトラス › 仕事ごとの一覧 › 基盤能力（横断） › ブラウザ/PC操作（GUI）

実務Webサイトでのタスク完遂

Real-world web task completion

0 できない ／ 1 デモ止まり ／ 2 補助 ／ 3 実務品質（要確認） ／ 4 専門家並み ／ 5 専門家超え。「予」は予測。

専門家と比べて

定型的なWebタスク（検索・フォーム入力・情報収集）は実務品質だが、複雑な実務サイト（社内システム等）への適応は不安定

できること

GAIAベンチマークで91%超（Lemon Agent、2026年2月）、複数ステップのWeb調査・ファイル解析タスクをこなす

まだできないこと

BrowseCompのような『見つけにくい情報を深く探す』タスクは依然弱く、実サイトのA/Bテストやポップアップ、CAPTCHA等の変動要因で脆弱に壊れる

なぜそうなのか

整備されたベンチマークでの高スコアと、現実のWebの雑多な変動への頑健性は別問題

これからの予測の根拠

整備されたベンチマークでの高得点は続伸するが、現実サイトの頑健性改善は環境多様性への訓練データ拡充次第で2028年ごろ実務品質化

いま使える主な道具

Lemon Agent、OpenAI Operator系、Claude computer use

根拠

• Lemon Agent Technical Report 2026-02
  GAIAベンチマークで91.36%の総合精度を達成（2026年2月時点）
• Characterizing Unintended Consequences of GUI Agents For Web Browsing 2026
  CHI 2026、GUIエージェントの意図せぬ実害（誤発注等）を報告

同じ分野のほかの仕事（ブラウザ/PC操作（GUI））

• デスクトップGUI操作（OSWorld系）
• 現実世界の変動要因への頑健性

AIエージェント能力アトラス 2026（2026-09-06 時点・v1.0）の1マスです。レベルは公開された実験・ベンチマーク・報告から付けた目安で、2027年以降は予測です。全マスに根拠のリンクがあります。作者は個人で、AI（Claude）と一緒に調べて作っています。