AIは、研究の途中にも入ってきた

対話型AIは質問に答えます。エージェントは目的に向けて道具を使い、返ってきた結果から次の手順を選びます。

この違いは速さより責任の置き方を変えます。長い仕事を任せるほど、人が確認する地点と止める条件が重要になります。

エージェントは、結果を受けて次を選ぶ

Anthropicの技術記事は、決められた順序で進むワークフローと、モデルが途中の手順や道具を選ぶエージェントを分けています。

研究準備なら、問いを分解し、検索し、候補を比較し、足りない資料を探し直します。滑らかな最終文だけでは不十分です。どの検索結果を使い、何を捨て、どこで判断を変えたかを追えることが重要です。

人の確認は最後だけに置きません。検索式を確定する前、根拠から結論へ進む前、外部へ共有する前に置きます。資料が見つからない、反復上限を超えた、権限外の操作が必要になった場合は止めます。

医療のエージェントは、まだ一つの完成品ではない

2026年のスコーピングレビューでは、2025年4月までの検索と採用基準に合った研究が7件でした。患者が参加した試験は1件で、残りはシミュレーション、後ろ向き研究、計算研究などでした。研究上の性能を、そのまま日常診療の安全性へ読み替えることはできません。

検索の正答、架空症例での選択、実際の業務での時間、患者の転帰は、それぞれ別の結果です。どの段階を測った研究かを確かめます。

「複数のエージェントが議論した」ことも、外部の証拠にはなりません。意見の一致と、原文、計算、実験で確かめた結果を分けます。

科学では、提案と実証のあいだを読む

AlphaFoldの原著論文は、アミノ酸配列からタンパク質構造を予測する成果を報告しました。構造は研究の強い手がかりになりますが、患者への治療効果ではありません。

Co-Scientistの2026年論文は、AIが仮説を作り、批判し、順位を付け、研究者と協働する仕組みを報告しました。候補の一部は体外実験で検証されました。ここでも、AI内部の順位、実験で得た証拠、臨床での結果を分けます。

AIは候補を増やせます。測る対象を決め、否定的な結果を受け止め、次へ進む価値を判断する責任は人に残ります。

観察課題：公開論文で一つの門を置く

公開済み論文の要旨を一つ使います。患者情報や未公表データは使いません。AIに「研究の問い、比較、測った結果、別の説明、追加で必要な証拠」を抽出させます。

採用前に、人が原文と照合する門を一つ置きます。主な結果の対象または分母が違えば停止します。観察するのは、抽出時間、原文との不一致、確認時間です。

この一回で研究を任せられるとは判断しません。どこに人の門が必要だったかを記録し、7日間の試行で同じ門が機能するかを確かめます。

次講では、同じ行動の循環が身体を持つ機械に移ると、何が増えるかを見ます。