AI ハイライト ── 全体像 — 2026-10-10 (土)

Amazonは追加の人員削減を発表しながら、その削減とAIの関連は否定した。個人用のAIエージェントは、持ち主の銀行情報を社内のSlackに投稿した。AIは雇用の説明にも、日々の業務の代行にも使われているが、その結果に誰が責任を負うのかは、発表文や利用画面からは読み取れない。一方で医療や創薬の現場では、提携や導入の契約という形で実装が具体的に進み、介護施設や家庭の中でもAIが使われ始めている。この半日の動きを通して見えてくるのは、AIができることの広がりよりも、使う人、使われる人、規則を決める人のあいだで、どこまでが誰の判断なのかという境目の位置である。以下の各節は、その境目が現れた場面を順に取り上げる。

人員削減とAI依存の経済

Amazonは追加の人員削減を発表したが、その削減とAIとの関連は否定している（Magzter）。一方、AI監視を手がけるFlock Safetyは、反発が出ている最中に数百人規模の人員削減へ動くとReutersが独占で報じた。前者は「AIのせいではない」と説明し、後者は反発を受けながら削減に進む。どちらも削減という結果は同じだが、会社がAIをどう位置づけて語るかは異なる。読者が見るべきは、削減の発表文にAIという語があるかどうかよりも、会社がその理由を自ら説明しているのか、第三者の報道が関連を示唆しているのかという違いである。

背景にある経済の側にも目を向ける必要がある。World Socialist Web Siteは、米経済とウォール街がAIへの依存を深めており、循環取引への懸念もあると伝えている。同媒体の見立てが正しいかはここでは判断できない。ただ、経済全体がAIの投資と期待に寄りかかっているなら、個々の企業の削減はAIの成果とも資金繰りとも結びつきうる。新しい事業の動きもある。GreenCore Solutionsはロンドンに営業拠点を置き、エージェント型コマース基盤を展開すると発表した（StreetInsider）。人員を減らす企業の隣で、AIを前提にした営業の拠点が増えている。

現場に目を移すと、人が足りない領域もある。Precision Farming Dealerは、技術者不足によってディーラーが年70億ドルの損失を抱えていると報じ、AIが整備能力を守れるかを問う。ここでAIは人を置き換えるものというより、足りない人手を補えるかどうかの試験対象になっている。技能の移動も起きている。BioSpaceは、AI時代に学界からバイオ業界へ移る技能と戦略を取り上げている。削減される職と不足する職が同時に存在し、人はその間を動く。したがって、削減の数字だけを見てAIの影響を測ると、不足している職種や移っていく技能を見落とす。

以上を合わせると、AIが雇用の「理由」なのか「背景」なのかは、企業の説明、資金の流れ、現場の人手の三つを並べて読まなければ見えない。説明をそのまま受け取るのではなく、誰がその理由を語り、その結果を誰が引き受けるのかを確かめる作業が必要になる。雇用で問われるこの責任の所在は、AIが医療や産業、暮らしの現場に入っていく場面でも、さらに重い形で問われることになる。

医療・創薬・がん研究で進む実装

製薬と医療の現場では、AIの導入が提携や契約の形で具体的に進んでいる。Simulations Plusは、AIを使ったQSPモデルの開発をTurinと進めると発表し、グローバル製薬企業から資金提供を受ける提携の形をとった（Yahoo Finance）。Seeqはライフサイエンス分野で産業向けAIの導入を加速するため、Cognizantと協業する（Morningstar）。PRISM BioLabは、独自技術とAIの活用でヒット創出率が7割を超えるとし、製薬大手との提携も進んでいる（ｄメニューニュース）。JTのコーポレートR&D組織「D-LAB」は、FRONTEOの医学論文探索AI「KIBIT Amanogawa」を導入した（医薬通信社）。TradingViewの記事は、メルボルンの診察、シカゴのデータ、杭州の基盤モデルを並べて、医療AIに1兆ドルの価値があると論じている。創薬の上流から論文調査まで、AIは企業の業務工程に組み込まれつつある。ただし、ここで示されているのは提携や導入の事実だ。個々の成果は、各社の発表からは読み取れない。

臨床に近い側では、がんの画像や遺伝子を対象にした研究が相次いでいる。Open Science Frameworkに載った系統的レビューとメタ解析は、MRIを使って脳転移の原発巣を予測するAIを対象にしている。Clinical Cancer Researchには、乳がんのSCAN-Bコホートで、遺伝子発現を使う多様式の深層学習によってセンチネルリンパ節のマクロ転移を予測する研究が出ている。Zenodoの研究は、マルチモーダルCTラジオゲノミクスで、肺腺がんの獲得性EGFR T790Mを非侵襲的に予測する。Scientific Reportsでは、バイパラメトリックMRIの各シーケンスと年齢・臨床変数をクロスアテンションで融合し、臨床的に意義のある前立腺がんを患者単位で分類している。Cancer Imagingは、CT静脈相のラジオミクスと機械学習で、早期胃がんと進行胃がんを術前に見分けるモデルを構築・比較・検証した。Advanced Intelligent Systemsは、粘弾性流れを使う変形能サイトメトリーと深層学習で、上皮間葉転換の各段階にある膵がん細胞を分類している。対象は臓器も手法も違うが、いずれも開発と検証を一つの研究にまとめている。

さらに、AIの用途は診断から治療方針の判断へ広がっている。Liversに掲載された研究は、肝細胞がんの治療方針の決定で、大規模言語モデルの推奨と多職種腫瘍検討会の推奨がどの程度一致するかを調べた。比べられているのは、AIが正解を出せるかではなく、すでに専門家が合議で決めている判断にどこまで近いかである。読者にとって見るべきは、こうした研究が何本積み上がり、どの条件で一致したかだ。企業の導入発表だけでは、その判断材料にならない。

治療方針にまでAIが関わるなら、次に問われるのは、その推奨を誰が受け取り、最終判断の責任を誰が負うのかという点になる。

監視・情報管理・利用規則の綻び

個人用AIエージェントが、持ち主の銀行情報を社内のSlackに投稿してしまった。XMTP LabsのCEOはこの出来事を受けて、エージェントの使い方を考え直したという（Business Insider）。誰かが悪意を持ったわけではなく、本人に代わって動く道具が、見せてよい範囲を取り違えたことが問題になっている。一方、米国の慈善団体はガザの教室でのヘイト発言をAIで監視する方針だと報じられた（Audacy）。子どもが話す場にAIを置くという選択は、守る目的であっても、誰の発言を誰が見るのかという線引きを避けて通れない。前者ではエージェントに任せた情報の扱いが、後者では監視の対象と目的が問われている。

規則を決める側も動いている。Anthropicは、Claudeの利用者向けの規則を厳格化した（Legal Reader）。提供側が利用の範囲を絞り直すのは、使われ方が当初の想定から外れた場面が出ているからだと読める。ただしこの記事の材料だけでは、どの行為がどう制限されたのかまでは分からない。若者向けでは、EdSourceが「ChatGPT for Teens」について、若者に「許容できないリスク」があると指摘した報告書を伝えている。若者向けと銘打った製品でも、安全だという保証にはならない。読者は、名称や対象年齢の表示ではなく、報告書のような第三者の検証があるかどうかを見るほうが確かな判断材料になる。

制御の難しさは、企業や学校の内側にとどまらない。South China Morning Postは、AIを制御下に置くための3つのジレンマが重なりつつあると伝えており、そこには米国と中国も含まれる。個人のエージェントの誤投稿から、教室の監視、事業者の規則改定、若者向け製品への指摘、そして国家間の統制まで、規模は違っても問われているのは同じことだ。使う側が任せる範囲を決め、提供側が許す範囲を決め、外部が検証する。その三者のどこで責任が止まるのかが、まだ決まっていない。

この境目をめぐる問いは、個々の事故や規則の話を超えて、AIを使う側の判断と責任をどこに置くのかという点に行き着く。

感情・伴侶・創作と人の偏り

健康、介護、AIキャラ、伴侶機能、感情の読み取りと、AIは暮らしの内側へ入り込んでいる。Gartnerは、AIは従業員の健康を改善できるかという問いに見解を示した（Human Resources Director）。介護の現場では、AIとテレビ技術を活用した「介護AIトレーナー」の実証実験が介護施設で行われた（Moomoo）。職場の健康管理と介護施設という、どちらも相手の体や生活に直接触れる場面で、AIは補助役から日々の運動や体調に関わる役へ移りつつある。ここでは、使う側の期待と、使われる側の同意や納得が同じとは限らない。

感情に近い領域でも実装は進む。レノアスは、AIキャラチャットに新シリーズ『鋼鉄乙女戦線』の6人を登場させた（pr-free.jp）。Hisenseは、AI伴侶機能を備えた「ソーシャルキッチン」を披露した（EQS News）。脳波から感情を読むAIについては、ラベルなしで学習する新手法が報じられた（Bioengineer.org）。キャラクターとの会話、台所での伴侶機能、脳波からの感情推定は、それぞれ娯楽、家電、計測という別の入口から来ている。しかし、いずれも利用者の気持ちを受け取って返すという点でつながっている。読者が確かめるべきは、感情に関わるデータを誰が受け取り、誰が管理するのかという点である。

一方で、受け入れは均一ではない。国連第三委員会では、専門家が「AIは性別中立ではない」と警告した（UN Meetings Coverage and Press Releases）。人の内面や暮らしに入るほど、学習データや設計に含まれる偏りも、そのまま人に届きやすくなる。創作の側にも拒否感がある。マット・ギレスピー氏は「AIの粗製コンテンツは歴史ある舞台にふさわしくない」と述べた（New Hampshire Union Leader）。ここで問われているのは、AIが使えるかどうかよりも、どの場に置いてよいかという条件である。

健康や介護では助けとして迎えられうる。キャラクターや伴侶では、好みと距離感で分かれる。創作では、場の格が理由として挙がる。つまり受け入れは技術の出来だけでは決まらず、場面ごとに異なる条件で分かれている。その条件を誰が決め、守られなかったときに誰が負うのかという問いが、次の節の制度と責任の話につながる。

雇用の理由づけ、医療と創薬の提携、監視と情報管理、暮らしの中の感情や伴侶の機能。扱う場面は異なるが、どの節にも共通するのは、AIを使う側と、その影響を受ける側が同じ人とは限らないという点である。削減の理由をAIと結びつけるかどうかは、説明する会社と報じる第三者で食い違っていた。エージェントが情報を取り違えた場面も、教室の監視も、使う側の目的と、使われる側の納得は別に扱われていた。提供側が利用規則を厳格化したことも、使われ方が想定から外れうることの表れである。実装が進むほど、導入の可否よりも、誰が使い、誰が結果を引き受けるのかを先に決めておく必要が増す。読者が各場面で確かめるべきなのは、その線がどこに引かれているかである。

Q1: 自分の業務でAIに任せている作業のうち、結果に問題が出たときに誰が説明することになっているかを、答えられる範囲はどこまでか。 Q2: AIの利用規則や監視の対象は、使われ方が当初の想定から外れた時点で見直される仕組みになっているか。 Q3: AIを導入した理由や、AIと関係のない判断だという説明を、社内外の誰が検証できる状態にしているか。

最後に ── 三つの問い

- 自分の業務でAIに任せている作業のうち、結果に問題が出たときに誰が説明することになっているかを、答えられる範囲はどこまでか。 Q2: AIの利用規則や監視の対象は、使われ方が当初の想定から外れた時点で見直される仕組みになっているか。 Q3: AIを導入した理由や、AIと関係のない判断だという説明を、社内外の誰が検証できる状態にしているか。 - AIの利用規則や監視の対象は、使われ方が当初の想定から外れた時点で見直される仕組みになっているか。 Q3: AIを導入した理由や、AIと関係のない判断だという説明を、社内外の誰が検証できる状態にしているか。 - AIを導入した理由や、AIと関係のない判断だという説明を、社内外の誰が検証できる状態にしているか。