AIの「調査力」をどう測るか、という問いに対してPerplexityが一つの答えを出しました。同社が社内で使ってきたAIエージェント評価基準「WANDR」を、このほどオープンソースとして一般公開しました。技術者向けの話に聞こえるかもしれませんが、AIを情報収集に使っている会社員にとっても、これは無視できない動きです。この記事では、WANDRが何を測るものなのか、そしてAIリサーチツールを選ぶ際の見方がどう変わるかを整理します。
WANDRとは何を測るベンチマークか
ベンチマークとは、ソフトウェアの性能を一定の基準で測るテストのことです。スポーツで言えば「タイムを計る」行為に近く、AIの場合は「どれだけ正確に、どれだけ深く情報を調べられるか」を数値化する仕組みです。WANDRはそのAI版で、特に「広く調べる（wide）」と「深く掘り下げる（deep）」という二軸で評価する点に特徴があります。
PerplexityはこのWANDRを、自社の「Perplexity Computer」というAIエージェント機能の開発に使ってきました。つまりWANDRは単なる学術的な評価指標ではなく、実際の製品改善に使われた実戦的なツールです。それを社外に公開するということは、AI業界全体がこの評価軸を共通基準として使えるようになることを意味します。
これまでAIの「賢さ」を測る指標は数多く存在しましたが、「調査エージェントとして実務に使えるか」という観点に特化したものは少なかった状況です。WANDRはその空白を埋める可能性があります。
「広く」と「深く」の両立がなぜ難しいのか
AIに情報収集を任せるとき、大きく二種類の失敗パターンがあります。一つは「表面だけなぞって終わる」タイプ、もう一つは「一点に深入りして全体像を見失う」タイプです。WANDRはまさにこの二軸を評価基準の中心に置いています。
例えば、ある企業の競合調査を依頼したとします。表面だけなぞるAIは「A社、B社、C社が競合です」と羅列するだけで終わります。一方、深入りしすぎるAIはA社の財務データを延々と掘り下げながら、B社やC社の動向を見落とします。実務で使えるAIエージェントは、競合全体の地図を描きながら、重要な箇所だけ深く掘れる、という使い分けができなければなりません。
40代の経営企画担当者が新規事業の市場調査をAIに任せる場面を想像してください。業界全体のトレンド、主要プレイヤーの動向、規制環境、顧客ニーズ——これらを横断的に拾いつつ、特定の規制リスクについては条文レベルまで調べる、という動きが求められます。WANDRはまさにこういった「実務的な調査」の質を測るために設計されています。
オープンソース化が業界に与える影響
今回の公開が単なるコード公開と異なるのは、「評価の共通言語」が生まれる点にあります。これまでAIリサーチツールのベンダーはそれぞれ独自の指標で「うちのAIは優秀です」と主張できました。しかしWANDRという共通の物差しができると、同じ基準での比較が可能になります。
他のAI企業がWANDRを使って自社製品を評価・改善し始めると、業界全体の調査エージェントの水準が引き上げられる可能性があります。Perplexityとしては、自社が基準を作った側という立場を取ることで、技術的な信頼性を示す狙いもあるでしょう。安全性や透明性を競争の場に持ち込む動きは、AIの評価基準でも起き始めています。
ただし、WANDRが業界標準として定着するかどうかはまだわかりません。GoogleやOpenAIが独自の評価基準を持っている以上、「どのベンチマークが正しいか」という議論は続くでしょう。WANDRはその議論に一石を投じた、という段階です。
会社員がAIリサーチツールを選ぶときの見方
WANDRの公開を受けて、AIリサーチツールを業務で使う立場からすると、ツール選びの判断軸が一つ増えました。以下は、WANDRの評価軸を参考にしながら、実務でのツール選択に使える比較の視点です。
| 評価の観点 | 向いているケース | 注意が必要なケース |
|---|---|---|
| 広さ（網羅性） | 市場調査、競合分析、トレンド把握 | 一点集中の専門調査 |
| 深さ（掘り下げ力） | 法規制調査、技術仕様の確認 | 全体像が必要なブリーフィング |
| 両立（wide & deep） | 経営判断の材料集め、新規事業調査 | スピード優先の簡易リサーチ |
ツールを選ぶ際、「このAIはどこまで深く調べられるか」「どれだけ広い範囲をカバーできるか」を実際に試すのが確実ですが、WANDRのような評価基準を採用しているかどうかも、今後は一つの参考情報になります。
週に何度もAIで情報収集をしている30代のマーケターであれば、Perplexityのようなリサーチ特化のAIと、ChatGPTのような汎用AIを使い分けることで、それぞれの強みを活かせます。ChatGPTの使い方ガイドでも触れているように、汎用AIは「文章生成や要約」が得意な一方、専門的な調査タスクには調査特化ツールの方が精度が出る場面があります。
AIエージェント時代の「調査」の変化
WANDRが評価しようとしているのは、単に「答えを返すAI」ではなく「自律的に調べ回るAI」です。AIエージェントとは、ユーザーが一つ質問するだけで、複数のソースを渡り歩き、情報を統合して結論を出す仕組みのことです。この「エージェント型」の動きが実用レベルに近づいてきたことで、評価基準も変わってきました。
プロンプトの書き方ガイドで解説しているように、AIへの指示の質が結果を大きく左右します。しかしエージェント型のAIが普及すると、「どう指示するか」と同時に「どのAIに任せるか」の選択がより重要になってきます。WANDRのような評価基準は、その選択を根拠のあるものにするための材料です。
実務的な観点から言うと、AIエージェントを業務に組み込もうとしている場合、「何ができるか」よりも「どれだけ信頼できるか」の方が判断に影響します。WANDRのような透明性のある評価基準が普及すれば、AIツールの導入判断がしやすくなる可能性があります。
まとめ
WANDRのオープンソース化は、AIリサーチツールの「調査力」を測る共通の物差しが生まれた出来事です。Perplexityが自社の内部基準を公開したことで、業界全体の評価基準の議論が一歩進みました。AIを情報収集に使っている会社員にとっては、ツール選びの判断軸が増えたと捉えるのが現実的です。あなたが日常的に使っているAIリサーチツールは、「広く」と「深く」のどちらが得意で、どちらが苦手でしょうか。その問いを持って使ってみると、ツールの特性が見えてきます。
