定義
WebArenaとは、AIエージェントが実際のWebサイト上でショッピングや予約、情報検索などのタスクをどこまで自律的にこなせるかを測る評価用ベンチマークのこと。
WebArena (Web操作ベンチ)とは（詳しく解説）
WebArenaとは、AIエージェントがブラウザ上でECサイトの購入・予約フォーム入力・掲示板投稿などの実タスクをどこまで自律的に完遂できるかを測る、業界標準の評価ベンチマークのこと。米カーネギーメロン大学などが開発し、成功率（タスク完了率）を主要指標として複数の実サイトを模したサンドボックス環境で採点する。2026年時点の実運用では、単純な情報検索は高スコアでも、複数ステップのフォーム操作や決済確認が絡むタスクになると成功率が大きく下がる傾向が現場で指摘されており、ベンチマークのスコアが高いエージェントでも本番導入前には自社の実際の業務フロー（社内システムや独自UI）で改めて検証するコストを見込む必要がある。相場感としては、汎用ベンチマークの数値を鵜呑みにせず自社ユースケース別に再評価することが、現場での選び方の基本とされる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「WebArena (Web操作ベンチ)とは」 https://aipicks.jp/glossary/webarena
WebArena (Web操作ベンチ)の使用例
- 例:「ECサイトで商品Aをカートに入れ、クーポンを適用して注文確定まで完了せよ」という指示を与え、成否を自動判定する。
- 例:「予約フォームに氏名・日程を入力し確認画面まで進める」もWebArenaの典型的なタスク設定の一つ。
