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） › 長時間タスクの完走

長時間実行中のエラー蓄積からの回復

Recovery from accumulated errors in long runs

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

熟練者は途中のミスに気づき軌道修正するのが当然だが、AIエージェントは誤りの検知・訂正が遅れ、誤りの上に誤りを重ねる傾向が強い

できること

action-effect verification（操作結果の確認）を組み込んだエージェントは一部のGUI操作ミスを自己修正できる

まだできないこと

長時間実行中に蓄積した誤り（初期の誤クリック等）からの巻き戻し・根本原因の遡及的訂正は弱く、誤り率が雪だるま式に増える

なぜそうなのか

長時間タスク失敗研究の多くで、初期の小さな誤解釈が後続ステップに伝播する『エラー伝播』が主要因と特定されている

これからの予測の根拠

実行時プラン検証・修復（execution-time plan verification and repair）の研究が進めば2027-28年に中程度の改善が見込まれるが根本解決の時期は不明

いま使える主な道具

UFO2 Desktop AgentOS、Claude Code、Action-Effect Verification系エージェント

根拠

• Don't Act Blindly: Robust GUI Automation via Action-Effect Verification and Self-Correction 2026-04
  行動結果の検証を組み込むことでGUI操作の自己修正が可能になると報告
• The Long-Horizon Task Mirage? Diagnosing Where and Why Agentic Systems Break 2026-04
  長時間タスクの失敗箇所と原因を診断

同じ分野のほかの仕事（長時間タスクの完走）

• 自律で完走できるタスクの長さ（50%成功の時間軸）
• 数日〜数週間規模のプロジェクト完走

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。