AIアシスタントが時間を節約するとはどういうことか。多くの人はストップウォッチを思い浮かべ、時計が記録した分だけ時間が節約されたと考える。しかし、新しい論文「包帯を数える：AIが節約する時間の測定について」の著者Solomon Shalom Lijoは、この「ストップウォッチ視点」は不完全だと指摘する。代わりに「元帳視点」を提唱する。それは、節約された時間を、仕事が通過させてしまうエラーと並べて読まなければならない反事実として捉える立場である。つまり、AIによる加速は品質の低下を伴う可能性があり、真の節約は速度と正確性のトレードオフを考慮しなければならない。
論文の貢献は四つの部分からなる。まず、著者はモデルに依存しない二つの量を定義する。節約時間（time saved）と超過脱出欠陥（excess escaped defects）である。そして、そこから一つの意思決定数値、損益分岐欠陥コスト（break-even defect cost）を構築する。これは、AIが節約した時間を価値あるものにするために、どれだけのエラーを許容する必要があるかを示す。
第二に、著者はチェック行動のベースラインモデルを提示する。モデルがチェック不要なほど良くならない限り、校正された労働者の脱出欠陥率はモデルの良さに依存しない。チェック時間はモデルのエラー率の対数で増加する。過信は時計の上で数分を稼ぐが、総時間ではより大きなコストを払う。
第三に、論文はランダム化研究が何を識別でき、何を識別できないかを検討する。著者はMETRの開発者研究を公開データから再現する。同じ246件の問題が、推定対象に応じて19%または24%の減速を支持する（偶然の不均衡を調整しない場合は34%）。そしてAIはそのうち3%から82%の問題で役立った。この広い範囲は、推定対象の選択が結論に大きく影響することを示している。
最後に、著者は公表された記録を再述し、輸入された点仮定の代わりに明示的な境界を置く。GDPval自身の「全出力レビュー」ワークフローでは、レビュー時間だけでもGPT-5の加速を3.6倍に制限する。フロンティア外のコンサルタントはより速かったが、より頻繁に間違えた。
モデルの二つの予測を検証するため、著者は小規模な事前登録実験も行った。AIレビュアーが同種のブリーフのAI草稿をチェックする。ブリーフはモデルの訓練データ収集後に作成されたSEC提出書類に基づく。起草者の真のエラー率を告げられると、レビュアーはエラー率の上昇に応じてチェックを増やしたが、それはオール・オア・ナッシングで、プロンプトのコストが損益分岐する付近で切り替わった。起草者が実際より10倍少なく間違えると告げられると、レビュアーは9つの数字のうち7つをチェックせず、22.5%のブリーフで間違った数字を通過させた（本来はゼロ）。より速く、より悪く、それは完全に努力の減少によるものだった。
この研究は、AIが節約する時間は時計だけで測るのではなく、エラーコストの元帳で測らなければならないと警告している。さもなければ、私たちは傷自体を無視して、包帯の数を数えているだけかもしれない。