研究者はAIに奪われるのか — 文献調査も草稿もAIが肩代わりし始めた、いま

現在 5.3 の起点に対し、+1y では既存能力の現場到達が一段階進むと読む。MIT Technology Review が伝える OpenAI の autonomous AI research intern が2026年9月にローンチされ、Codex がすでに同社技術スタッフの大半に普及している事実は、文献調査・分析コード生成・草稿執筆を担う「AI 研究アシスタント」が研究室標準ツールへ移る流れを後押しする。Anthropic の BioMysteryBench で Opus 4.6 が人間専門家パネルと同等の正答率77.4%に到達したことは、生命科学のような実験系でも「ルーチン解析の AI 自動化」が観測可能な水準に来ていることを示す。一方で IRB/倫理審査、実験設備、最終的な事実性検証、責任帰属は1年では動かないため、PI 業務全体の代替には届かず、+1.2 程度の押し上げに留まる読み。

想定 / KEY ASSUMPTIONAI Scientist 系の自動化ループが foundation model の継続進化に伴い計算・理論・データ駆動分野で実用品質に達し、AI co-scientist と組織導入が同時に進んで研究者の役割が「AI 研究エージェント群の指揮者・検証者・物理実験責任者」へ再定義される

+5y では研究プロセス全体の AI-first 化が中央シナリオ。Sakana AI の AI Scientist が Nature 掲載に至り、ICLR ワークショップ査読を平均6.33で通過し、論文1本あたり$15 程度で生成できる実証は、ML/シミュレーション系を皮切りに「アイデア生成→実験設計→コード→分析→執筆→査読」の完全自動ループがスケールすることを示している。OpenAI が2028年に予告するフル自動マルチエージェント研究システム、Google AI co-scientist の拡張、Mythos クラスのモデルが人間が解けない難問を一定割合解く能力進化が重なると、計算系・理論系・大規模データ系の研究領域では PI 1 人が AI エージェント群を指揮する体制が広がり、ポスドク・RA・リサーチアシスタント層の経済的役割が大きく圧縮される。実験室での物理操作、臨床データ取得、フィールドワーク、研究倫理上の最終責任は人間に残り続けるため完全代替ではないが、現行 5.3 から大きく上振れする読みが妥当。

現在 5.3 から穏やかに前進する読み。OpenAI が 2026 年 9 月に予定する autonomous AI research intern のリリースと Google AI co-scientist の Trusted Tester 拡張により、文献調査・仮説候補生成・分析コード・草稿の自動化はラボの標準ワークフローへ深く入り込む可能性が高い。一方で HBS の知識距離研究と LLM 主導論文の高い査読却下率が示すとおり、研究設計の妥当性判断・ドメイン文脈に依存する解釈・実験室での物理検証は 1 年スケールでは人間に残り、SBI 研究所の指摘どおり「全体指揮は研究者自身」という構図が継続する。組織変化は Codex 並みの社内浸透が進む先進ラボと、まだ補助ツール段階の保守的研究機関の二極化として現れる段階。

想定 / KEY ASSUMPTIONOpenAI/Google 系の自律研究エージェントが概ね公表ロードマップどおり成熟し、学術界が AI 主導工程を人間の最終責任のもとで正規の研究実践として受容する。

5 年後は、文献調査・仮説生成・分析プログラミング・草稿作成・実験プロトコル設計といった研究工程の中核タスクが、マルチエージェント研究システムによって相当程度自律処理される段階に到達すると読む。OpenAI が 2028 年公開を目指すフル自動マルチエージェント研究システムや AI co-scientist 系の成熟、SWE-bench 系コーディング能力の commodity 化を素直に外挿すると、Hao らが示した個人 3 倍生産性は組織レベルで「研究者一人当たり担当範囲の拡大」と「ジュニア研究員・ポスドク需要の構造的縮小」として現れやすい。ただし in vitro/in vivo の物理検証、研究倫理と再現性の最終責任、新規リサーチクエスチョン設定、査読・学術コミュニティの規範形成は依然として人間中心で残る。職業としては「自律研究エージェントの群れを設計・指揮し、結果の科学的妥当性を保証する役割」へ大きく重心が移るが、研究者という職能自体が消えるレンジには至らない。

現在 5.3 から穏やかな上振れ。Codex 系の社内浸透や AI co-scientist の実験的検証成功は、文献調査・草稿・コード生成の侵食を確かに進める。一方で Cornell の200万件分析が示す通り LLM 主導論文は査読で却下率が高く、HBS の「知識距離」結果はドメイン外領域での品質低下を実証している。短期では査読・再現性審査・研究倫理委員会・著作者責任といった既存ガバナンスが導入摩擦として強く効き、特に日本の大学・研究機関では生成 AI 利用ガイドラインや知財管理の整備が個別運用の段階に留まる公算が高い。

想定 / KEY ASSUMPTIONAI co-scientist 系の自律研究エージェントが2028年前後に商用展開しても、査読・再現性・研究公正・実験倫理の制度的ゲートが残存し、特に日本では adoption ラグが効いて全面代替に至らない

OpenAI が2028年公開を予告するフル自動マルチエージェント研究システムや AI co-scientist の発展は、文献調査から仮説生成・実験プロトコル設計・分析コード生成・草稿執筆までの大半を AI 側に寄せる方向性を強める。ただし cautious 視点では、Nature が報告した研究トピック多様性 -4.63% / 相互引用 -22% という集合知収縮への学界側の反作用、再現性危機の深刻化、査読・著者責任・研究公正・ヒト臨床試験の IRB といった制度的ゲートが残存しやすい。さらに日本の研究現場は科研費の助成審査・学位審査・物理実験室の現場運用といった人的責任要素が濃く、海外フロンティアより adoption ラグを抱える。能力上の代替可能タスクは大きく広がるが、研究者という職業の中心が「責任主体としての問い設定と最終検証」に再定義される形で残るため、現在 +1.1 程度の侵食レンジに収まると読む。