研究開発の4つの業務で、AI に任せる作業と人に残す判断を分ける
研究開発の業務を4つに分けると、AI に任せる作業と人に残す判断は次の表のとおりです。「確かめる元」の列には、AI の出力と照らし合わせる資料を書きました。
| 業務 |
AI に任せる作業 |
人に残す判断 |
確かめる元 |
始める順 |
| 先行研究と特許の調査 |
検索語の候補づくり(同義語・英語の表記)、論文と特許公報の要約、技術の要素ごとの比較表の下書き |
どの文献を根拠に使うか、テーマに新しさがあるか、出願するか |
論文の原文、特許公報 |
1 |
| 報告書の作成 |
実験の記録からの報告書の下書き、表記と単位の統一、社内向けの要約 |
結論と考察、社外に出してよい範囲 |
実験ノートと元データ |
1 |
| 実験データの整理と解析 |
機器ごとに形式の違うデータの整形と統合、集計と図の下書き、解析のコードの下書き、外れ値の候補の一覧 |
外れ値を除くか、どの解析の方法を使うか、結果をどう解釈するか |
測定機器が出力した生データ、実験ノート |
2 |
| 実験や設計の計画 |
過去の実験条件と結果の一覧、まだ試していない条件の組み合わせの候補、手順書と安全上の確認項目の下書き |
どの仮説を試すか、予算・設備・期間・安全の制約の中で何を実施するか |
過去の実験記録、設備と試薬の安全に関する資料 |
3 |
右端の「始める順」は、AI の誤りが研究の判断に入り込むまでの距離と、確かめる元が手元にあるかどうかで並べました。先行研究と特許の調査は、文献の原文という正解が手元にあり、AI の要約が誤っていても原文と照らせば直せるため1番目です。報告書の作成も、実験ノートと元データという確かめる元があるので、最初から始められる業務といえるでしょう。
実験データの整理と解析は2番目に置きました。整形や集計の誤りは図や結論にそのまま流れ込むため、元データを残し、同じ処理をやり直せる仕組みを先に作る必要があります。実験や設計の計画は3番目です。AI が出した条件の候補は実際に試すまで良し悪しが分からず、試すには研究者の時間と設備、試薬や材料の費用がかかります。
どの行でも「人に残す判断」には、何を根拠にするか、何を試すか、結果をどう読むかのいずれかを置いています。研究のテーマと事業の計画、使える設備と予算を知っている研究者でなければ決められない事柄です。
未公開の研究内容は、AI に入力してよい段階を先に決める
未公開の研究内容を AI に入力する前に、研究のどの段階の情報を、どの環境に入力してよいかを決めておきます。発明や実験データは営業秘密として守る情報であり、出願前の発明は特許の新規性にも関わるからです。
不正競争防止法の第2条第6項は、営業秘密を「秘密として管理されている生産方法、販売方法その他の事業活動に有用な技術上又は営業上の情報であって、公然と知られていないもの」と定めています。秘密として管理していること、事業に有用であること、公然と知られていないことの3つを満たす情報が、この法律で営業秘密として守られます。
実験の条件や材料の配合、測定のデータは、この3つを満たし得る技術上の情報です。誰がどの情報をどの環境に入力してよいかという決まりは、AI を安全に使うためだけのものではなく、こうした情報を秘密として管理していることを社内で形にする手当ての1つにもなります。共同研究の相手から預かった情報は、共同研究契約の秘密保持の条項で使い方が決まっていることが多く、自社の判断だけで AI に入力してよいとは限りません。
特許では、新規性が特許を受ける条件の1つです。特許法の第29条第1項が特許を受けられない発明として挙げるのは、出願の前に日本国内か外国で「公然知られた発明」「公然実施をされた発明」と、刊行物に記載されたか電気通信回線を通じて公衆に利用可能となった発明です。
自社の行為で公表した発明にも、救済の規定はあります。特許法の第30条は、公表した日から1年以内に出願し、その旨を記載した書面を出願と同時に、規定の適用を受けられる発明であることを証明する書面を出願の日から30日以内に特許庁長官へ出せば、新規性を失わなかったものとみなすと定めています。ただし、手続を伴う例外の扱いであり、最初から頼る前提の運用にはしないほうが安全です。
外部の AI サービスへの入力が「公然知られた」に該当するかは、サービスの側に守秘の約束があるか、入力したデータを保存したり学習に使ったりするかによって評価が分かれ得ます。社内では、出願前の発明を外部のサービスに入力しないと決めておき、例外を認めるかは知財部門か弁理士と相談して決めるのが確実です。
研究の段階ごとの入力の決まりは、次の3つに分けると作りやすくなります。
| 研究の段階 |
例 |
入力の決まり |
| 公開済み |
発表済みの論文、公開された特許公報、学会の予稿 |
会社が認めた AI サービスなら入力してよい |
| 社内の技術情報(出願・発表の予定が無いもの) |
過去の実験条件と測定データ、社内の技術報告書 |
入力したデータを保存しない・学習に使わない契約と設定の環境に限る |
| 出願・発表の前の発明と、共同研究先の情報 |
発明の構成、未発表の実験結果、共同研究契約で秘密とされた情報 |
自社の環境の中で動く仕組みに限るか、入力しない |
2つ目の区分で求める、入力したデータを提供元が保存しない仕組みがゼロデータリテンションです。AI をクラウド・閉域・オンプレミスのどこで動かすかを決める基準は生成AIをオンプレミス・閉域・クラウドのどこで動かすかに、情報が外へ出る経路ごとの対策は生成AIの情報漏洩を防ぐ順番にまとめています。
AI を使って生まれた発明でも、出願書類の発明者の欄に書くのは人の氏名です。AI の名称を発明者として記載した出願が却下された件で、知的財産高等裁判所の2025年1月30日の判決(令和6年(行コ)第10006号)は控訴を棄却し、特許法の「発明者」は自然人に限られるとした一審の判断が維持されました。誰がどの着想を出し、AI の出力をどう選んで確かめたかを実験ノートや研究の記録に残しておけば、発明者を決めるときの材料になるはずです。
AI が示した文献と数値は、研究者が原典を開いて確かめる
AI が挙げた文献や数値は、そのまま報告書や計画に使わず、研究者が原典を開いて確かめる運用にします。生成 AI は、実在しない文献を本物らしい書式で挙げることがあるためです。
ChatGPT の GPT-3.5 と GPT-4 に42のテーマで短い文献レビューを書かせ、84本の文書に含まれた636件の参考文献を調べた研究があります。実在しない、つまり捏造された文献の割合は GPT-3.5 で55%、GPT-4 で18%でした。実在した文献でも、GPT-3.5 の43%、GPT-4 の24%は書誌の記載に実質的な誤りを含んでいました(Walters・Wilder「Fabrication and errors in the bibliographic citations generated by ChatGPT」Scientific Reports・2023年9月7日)。
調べたのは2023年時点のモデルで、今のモデルで同じ割合になるとは限りません。それでも、存在しない文献や誤った書誌が混ざる前提で手順を組んでおけば、モデルを替えても運用を作り直さずに済むでしょう。事実と異なる内容をもっともらしく出力する現象はハルシネーションと呼ばれ、文献の書誌だけでなく、物性値や反応の条件のような数値でも起こり得ます。
社内の決まりにするなら、次の4つです。
- AI に文献を挙げさせるときは DOI や特許の番号を必ず添えさせ、論文や特許の公式のデータベースで実在を確かめる
- 報告書や計画に引用する文献は、AI の要約ではなく原文の該当箇所を研究者が読んで書く
- 物性値や反応の条件のような数値は、原典の論文・便覧・自社の測定値と照らしてから使う
- 確かめた人と日付を、引用の一覧か実験ノートに残す
複数の資料を自動で調べてまとめるディープリサーチのように、参照元の一覧を示す機能でも、一覧の文献が主張を本当に支えているかは原文を読まないと分かりません。参照元が付いていることと、内容が正しいことは別の話です。
Offers AX は、研究開発の業務を分けて、入力の決まりと確認の手順を実際の業務で確かめる
Offers AX は、全社の AI 活用の現在地を6つの領域・5段階で捉え、どこで詰まっているかを明らかにしてから、全体の進捗を止めている制約から手を付けます。研究開発の4つの業務も同じ考え方で並べれば、どこから始めるかを経営と研究の現場で合わせやすくなるはずです。
進め方は、業務の現場に近い距離で戦略立案と実装を一体で進める FDE(Forward Deployed Engineer)の体制です。FDE という働き方の定義は Offers FDE の解説記事で確かめられます。要件定義書ではなく動くもので合意し、数週間で動くプロトタイプを作って実業務で検証してから本実装へ進むので、前の節までに決めた入力の決まりや、文献を原典で確かめる手順を、検証の期間にそのまま試せるでしょう。
構築は GCP・Azure・AWS のいずれにも対応し、当社の環境に顧客データを抱えない形です。契約が終わっても、作った資産はお客様の環境に残ります。クラウドの LLM を実質使えない高機密の人事の案件で、処理を貸与 PC の中で完結させ、テレメトリを含む外部との通信を止める構成で対応した実績もあり、出願前の発明のように社外に出せない情報を扱うときの選択肢の1つです。
AI の出力は下書き・参考情報として扱い、判断は人が行う前提で設計しています。効果が出ない場合に中止を選べることも、最初から契約の前提です。支援の範囲と進め方は Offers AX のサービスページで確かめられ、研究開発のどの業務から始めるかが決まっていない時点でも、無料相談を申し込むから相談できます。
先行研究と特許の調査は、要約と比較表を AI に任せ、新しさの判断は人が行う
先行研究と特許の調査では、検索語の候補づくりと文献の要約、比較表の下書きを AI に任せ、テーマの新しさと出願するかどうかは研究者と知財部門が判断します。
AI に向くのは、調べる範囲を広げる作業と、集めた文献をそろえる作業です。日本語と英語の表記の揺れ、同じ技術の別の呼び方、関連しそうな特許分類を候補として挙げさせれば、検索の漏れを減らせます。集めた論文と特許公報は、目的・方法・結果・限界のように列を決めて要約させ、技術の要素ごとに比べる表の下書きにしましょう。
検索そのものは、論文のデータベースや特許情報プラットフォーム(J-PlatPat)のように、収録の範囲が分かっている公式のデータベースで行ってください。AI の回答は、学習した範囲と検索できた範囲の文献しか反映しません。AI が「先行する文献は見つからない」と答えても、それだけで新しさがあると判断するのは危険です。
気をつけたいのは、自社の発明の要点を検索の条件として外部の AI サービスに入力する使い方です。先行技術を探すつもりでも、出願前の発明の構成をそのまま渡すことになり、前に挙げた入力の決まりの3つ目の区分に該当します。検索の条件は公開済みの技術の言葉で組み立て、自社の発明と照らす作業は自社の環境の中で行う形にしておくと安心です。
新規性や進歩性があるか、出願するか、論文や学会で先に発表するかは、事業の計画と知財の戦略を踏まえて決める事柄です。AI が作る比較表は、その判断のために研究者と知財部門が読む材料と位置付けておきます。
実験データの整理と解析は、整形と集計を AI に任せ、元データと処理の手順を残す
実験データの整理と解析では、形式をそろえる整形と集計、図とコードの下書きを AI に任せ、外れ値を除くかどうかと結果の解釈は研究者が決めます。そのうえで、元データと処理の手順を残しておくことが前提です。
測定機器ごとに出力の形式が違い、単位や列の名前もそろっていないデータを1つの表にまとめる作業は、AI に任せやすい作業の1つです。集計や図、統計解析のコードの下書きも任せられます。ただし計算は生成 AI の文章の中で済ませず、AI が書いたコードを研究者が読んで確かめてから実行し、同じ結果を何度でも出せる形で残してください。
欠けた値を AI に推測で埋めさせない決まりも要ります。埋める必要があるなら、どの値をどの方法で埋めたかを記録し、測定した値と区別しておきましょう。外れ値の候補を AI に挙げさせるのはよいとしても、除くかどうかを理由とともに判断して記録に残すところまでが研究者の仕事です。
文部科学省の「研究活動における不正行為への対応等に関するガイドライン」(2014年8月26日)は、研究成果の発表を、客観的で検証可能なデータ・資料を提示しつつ公開し、吟味・批判を受けることと位置付けています。そのうえで、得られたデータや結果の捏造・改ざんと他者の研究成果等の盗用を不正行為とし、研究者に一定期間研究データを保存させ、必要な場合に開示させる規程を研究機関に求めています。
このガイドラインは文部科学省の予算で行う研究を対象にしたものですが、考え方は企業の研究にも持ち込めます。論文や特許の出願、社外への報告に使うデータは、後から元の測定値と照らせる状態で残しておくのが安全です。AI が整形した後のデータしか残っていなければ、どこで値が変わったかを説明できません。
社内の文書やデータを AI に読ませる前の整え方は、AI のデータ整備の進め方で手順ごとに扱っています。
報告書の作成は、下書きを AI に任せ、結論と考察は研究者が書く
報告書の作成では、実験ノートと元データからの下書き、表記と単位の統一、社内向けの要約を AI に任せ、結論と考察は研究者が書きます。何が分かったか、次に何を試すべきかは、実験の経緯を知る研究者でなければ書けないからです。
下書きを作らせるときは、使う実験ノートとデータの範囲を指定し、その範囲に無いことは書かせないようにします。数値は表から直接引き、AI が文章の中で書き換えた数値が元のデータと合っているかを確かめてください。
社外に出す報告書や論文では、AI が書いた文章に他の文献の表現がそのまま混ざっていないかも確かめます。生成 AI の出力を社外へ出すときに押さえる点は生成AIと著作権にまとめています。出願や発表の前の内容を含む報告書は、入力の決まりの3つ目の区分として扱い、自社の環境の中で下書きを作る形にしましょう。
実験と設計の計画は、条件の候補出しを AI に任せ、何を試すかは研究者が決める
実験と設計の計画では、過去の記録の整理と条件の候補出し、手順書の下書きを AI に任せ、どの仮説を試すか、限られた予算と設備で何を実施するかは研究者が決めます。
過去の実験ノートや報告書から、試した条件と結果を一覧にする作業は AI に向いています。担当者が替わっても、どの条件を試して何が分かったかを引き継げるようになるからです。一覧をもとに、まだ試していない条件の組み合わせを候補として挙げさせ、手順書や安全上の確認項目の下書きを作らせることもできます。
ただ、AI が挙げた候補が有望かどうかは、試すまで分からないものです。試すには研究者の時間、設備の空き、試薬や材料の費用がかかり、危険物や高温・高圧を扱う実験では安全も関わります。候補のどれを試し、どれを見送るかは理由とともに研究者が記録し、安全に関わる手順は、AI の下書きを使う場合でも社内の安全の審査を経てから実施する運用にします。
業界ごとの規制は、一般論で済ませず、所管官庁の資料で確かめる点として分けて扱うのがよいでしょう。医薬品や医療機器、食品、化学物質のように規制のある分野では、試験データの記録と保存、申請や届出に使う資料に決まりがあるため、AI を使う前に次の3つを所管官庁の資料と社内の品質保証の部門で確かめてください。
- 試験データの記録と保存の決まりの中で、AI が整形・解析したデータをどう扱うか
- 申請や届出の資料に、AI を使った解析や文章を含めてよいか、含めるなら何を説明する必要があるか
- 治験や臨床研究、官能評価のように人から得たデータを扱う場合の、同意の範囲と管理の方法
最初の1か月は、結論の分かっている過去の調査とデータで AI の出力を確かめる
最初の1か月は業務を広げず、すでに結論の出た過去の調査やデータで、AI の出力と研究者の判断を並べて確かめるのが確実です。正解が手元にあるので、進行中の研究の判断に影響を出さずに、AI の要約や集計の正確さを確かめられます。進め方は次の4つの手順です。
- 表の4つの業務から、件数が多く、確かめる元が手元にある作業を1つ選ぶ(迷ったら、先行研究の要約か報告書の下書き)
- 研究の段階ごとの入力の決まり、使う AI の環境、確かめる担当者を決め、共同研究の契約の秘密保持の条項を確かめる
- 過去の調査やデータで AI に要約や表を作らせ、実在しなかった文献、原典と食い違った記載、誤った数値を数えて記録する
- 1か月分の記録を見て、本番の業務に組み込むか、次の業務へ広げるか、やめるかを決める
やめる判断も、この期間の成果の1つです。扱う文献の数が少なく、研究者が分野の文献をすでに把握している部門では、AI の出力を確かめる手間が、最初から自分で読む手間を上回ることもあるでしょう。その場合は元の手順に戻し、データの整形のように別の業務で試すほうが妥当です。
検証を本番につなげるために前もって決めておくことは、AI の PoC で止まらない進め方にまとめています。AI エージェントを業務に入れる話は、AI エージェントのカテゴリから順に読めます。