AI ハイライト ── 全体像 — 2026-10-15 (木)

AI への資金と成長率の数字は、四半期ごとに大きく更新されている。シンガポールは AI 需要を背景に 5.4% の成長を記録し、AI 創薬の提携では最大 12 億ドル規模の契約が結ばれた。一方で、Publicis が手作業の 25% 削減を掲げたあとの雇用の行方は定まらず、顔認証の誤認で提訴した祖母は 1000 万ドルを求めている。資金が集まる速さと、影響を受ける人が負担を知る速さは、同じ時刻には並んでいない。以下では、数字が示す規模と、現場、個人、安全対策にすでに出ている負担とを並べて読む。導入の効果をどこまで認めるかは、費用と責任が誰に配分されるかまで見たうえでなければ、決められない。

人員削減と再教育のあいだで揺れる職場

Publicis は AI によって手作業を 25% 削減する目標を掲げたが、雇用への影響は不透明なままだと伝えられている（Storyboard18）。数字が示すのは作業量の削減であり、人員の削減ではない。ただ、手作業の四分の一が消えたあとに、その時間を同じ人員で別の仕事に回すのか、人数そのものを見直すのかは、まだ決まっていない。目標値だけを見て「何人減るのか」を読み取ろうとすると、判断を誤りやすい。

同じ導入でも、現場の動きは分かれ始めている。HSBC や Kroger では、AI を理由とした人員削減が拡大していると報じられ、あわせて再教育に回した場合との費用比較が論じられている（AICERTs）。削減は短期の人件費を下げる一方、再教育は教育費と時間を要する。どちらが安いかは、置き換える業務の範囲と、残る人員が新しい業務を担えるかで変わる。読者が自社や自分の職場を見るときも、削減額だけでなく、再教育にかかる費用と、削減後に誰が責任を負うかを並べて見る必要がある。

新卒の職域では、変化の方向がやや異なる。AI スキルを重視する流れの中で新卒の職域が変わり、インドの IT・BPM では新人採用が回復していると The Economic Times は伝えている。入門的な手作業が AI に移れば、新人の仕事は先に失われると想像しがちだが、採用が戻っている事例があることは、AI を扱える人材を育てる方向に費用を振る企業もあることを示す。ここでは、AI リテラシーをどう育てるかが、雇用への影響を左右する変数になっている。

利用側の裾野も広がっている。OpenAI Forum は、世論調査の専門家を対象に AI の活用を議論したとされる（EdTech Innovation Hub）。専門職にまで活用の議論が及んでいることは、スキルの再教育が特定の職種だけの課題ではないことを示す。また、2026 年版の AI 導入報告（Knowledge at Wharton）も、導入の実態を確認する材料になる。導入が進んだという事実だけでは効果は測れず、削減に使ったのか育成に使ったのかまで見ないと、結果の比較はできない。

削減か育成かという選択は、企業の財務だけでなく、誰がその費用と責任を先に引き受けるかという配分の問題でもある。次の節では、その配分が個人と安全の面にどう現れているかを見る。

創薬に集まる資金と提携の連鎖

小さな私募増資から政府調達まで、AI創薬への資金は段階ごとに別の経路で流れ込んでいる。カナダのRakovina Therapeutics(TSXV:RKV)は199万カナダドルの私募増資を終え、その資金をAI主導のがん創薬に振り向ける理由を説明している（kalkine.ca）。規模は小さいが、AIを掲げて資金を集め、研究に充てる最初の段階を示す例である。

提携と契約の側では、数字が一段大きくなる。Deep Originは BioAge Labsと複数標的のAI創薬コラボレーションを発表し、最初の標的で検証済みヒットを確認したとしている（Yahoo Finance Singapore）。伊藤忠商事は日本でのAI創薬に向け、MOLCURE Inc.と資本提携契約を締結した（BioSpectrum Asia）。Zealand PharmaとGenerateは、最大12億ドルのAI肥満症治療薬契約を結んだ（WTVB）。ここでの「最大」という表現は、達成条件に応じて支払われる額を含む上限を指すものとして読む必要がある。契約額の見出しは大きくても、確定した支払いと将来の条件付きの額は別物である。

資金の流れは民間にとどまらない。ThinkTrendsは、米国食品医薬品局(FDA)からAIおよびデータ導入支援で4,900万ドルのIDIQ契約を獲得した（The Globe and Mail）。規制当局自身がAIとデータの基盤に調達を行っていることになる。市場側では、2兆6000億ドルを運用するヌービン資産運用が、AIがバイオ製薬産業の経済構造を再編しているとの市場論評を発表した（매일경제）。ライフサイエンスIT市場については、2035年までにIQVIA、Oracle、Accenture、Veeva Systems、SAPが822.4億ドルを狙うとの分析が出ている（Yahoo Finance UK）。さらにシンガポールの15億米ドル規模のAI創薬バイオテック、Nanyang Biologicsにはナスダック上場が待つと報じられた（The Business Times）。

並べて見ると、先行しているのは資金調達、評価額、契約額であり、成果として確認できるのは、Deep Originの「検証済みヒット」のような初期段階の結果にとどまる。ヒットの確認は創薬の長い工程の入口であり、上場や大型契約の発表だけでは、その先の臨床や承認までの確度は読み取れない。読者が見るべきは、契約額のうち確定分と条件付き分の内訳、そして資金が検証済みの成果に結びついているかどうかである。次の節では、こうした資金の動きが現場の費用と責任をどう配分し直すのかを見ていく。

診断と治療を支える予測モデルの信頼

画像とマルチモーダルデータを使う予測モデルは、研究段階から臨床の経路に近い位置へ動いている。上部尿路上皮がんでは、術後再発を予測するマルチモーダルの臨床意思決定支援システム CLIP-CGPNet が報告された（Journal of imaging informatics in medicine）。乳がんでは、ダイナミック造影 MRI から分子サブタイプを術前に分類する HCF-Net が、臨床の治療経路に沿ったカスケード融合の構成を取っている（同誌）。肺粘液性腺がんでも、マルチモーダルデータの統合でサブタイプ分類と予後予測を行う研究が出ている（Translational cancer research）。三つに共通するのは、術前か術後かといった意思決定の具体的な時点にモデルを置いている点だ。精度の数字だけでなく、どの場面の判断を置き換え、あるいは補うのかを確認する必要がある。

一方で、モデルが出した答えを医師が受け入れるかどうかは別の問題として残る。膠芽腫の治療反応予測に使う深層学習については、説明可能性と臨床での信頼が正面から扱われている（Journal of imaging informatics in medicine）。MRI ラジオミクスで P53 変異肝細胞がんを予測する研究は、腫瘍内だけでなく腫瘍周囲まで解析の対象にしている（Translational cancer research）。放射線科での AI を扱った UMass Chan Medical School のインタビューも、画像を読む現場の医師の側からこの技術を位置づけている。予測が当たるだけでは足りず、画像のどこを根拠にしたのかを医師が確かめられることが、実用の条件として並んでいる。

同じ構図は医療の外にもある。AI 搭載ドローンは作物の見回りにとどまらず、生産者による活用の幅が広がっていると伝えられている（Growing Produce）。圃場の観測が精密になっても、その情報を作業や投入の判断にどうつなぐかは、使う生産者の側で決まる。診断でも農業でも、導入の価値は性能の数値より、現場がその出力をどう扱い、誤ったときに誰が引き受けるかに左右される。これは、技術の効果を費用と責任の配分まで含めて見るという次の問いに直結する。

個人と子どもを守る線引きの要請

顔認証の誤認は、すでに法廷に持ち込まれている。AI顔認証で銀行窃盗の犯人と誤認された祖母が、1000万ドルの賠償を求めて提訴したと ABC News が伝えている。一人の人物を犯人と結びつける判断が、機械の照合結果から始まったことになる。メンタルヘルスの領域では、韓国がメンタルヘルスAIの安全指針を公表した（Healthcare IT News）。利用が広がる前に、どこまでをAIに任せてよいかを国が文書にした例である。顔認証でも相談支援でも、誤りの影響を受けるのは、システムを選んだ側ではなく、その結果を向けられた個人だ。導入を検討する側は、精度の数字だけでなく、誤りが出たときに誰が訂正でき、誰が責任を負うのかを確認する必要がある。

関係を結ぶタイプのAIでは、線引きの対象が利用者の内面に近づく。Universidad de Córdoba (UCO) は、AI彼女アプリが性格設定とプライバシー機能を備えていると紹介している。性格を選べる仕組みは利用者の好みに沿う一方で、親密な対話の記録をどう扱うかという問題を生む。子どもについては、Florida Politics に識者が寄稿し、フロリダ州は子どもをチャットボットに任せるべきでないと主張した。この寄稿は専門家個人の見解であり、規制が決まったことを意味しない。ただ、プライバシー機能が付いていることと、未成年を相手にしてよいことは別の問いである。保護者や学校、提供事業者は、機能の有無とは分けて、年齢ごとの利用の範囲を決める必要がある。

感情や偏向を読み取る技術は、こうした判断を支える材料にもなる。Bioengineer.org によれば、オオカミの行動に着想を得た最適化により、音声感情認識の性能が言語をまたいで向上した。異なる言語でも感情を扱えるようになれば、利用できる場面は広がる。しかしその分、特定の言語や話し方の人だけ誤判定されないかという検証が、導入側に求められる。Penn Today は、AIでメディアの偏向を検出し、有権者や読者の判断材料にする取り組みを報じている。偏向の判定基準そのものが偏っていないかを確かめなければ、この道具は読者の判断を助けるどころか、特定の見方を押しつける恐れがある。感情認識も偏向検出も、結果をそのまま信じるのではなく、判定の根拠と誤りの傾向を開示させたうえで使うかどうかが問われる。

ここまで見てきたのは、害が個人にまず及ぶ場面で、誰が検証し誰が責任を負うかを先に決める必要があるという点である。次に、その費用と責任が、企業や社会の側でどう配分されているかを見る。

成長と政治・安全対策の時間軸

シンガポールは金融政策を据え置いたうえで、AI需要を背景に5.4%の成長を記録した（Bloomberg.com）。数字としては力強いが、これは需要側の追い風が先に統計に表れたことを示すにすぎない。同じ時期に、AI関連資金の団体がスコット・ウィーナー氏の連邦議会選を300万ドルで支援したと伝えられた（Mission Local）。成長の果実を受け取る側と、規則を決める側の距離が、資金を通じて縮まりつつある。一方でハリス氏は、AI安全対策の猶予は残りわずかだと警告し、米中の協力を促した（Reuters）。成長率は四半期ごとに更新され、選挙は日程どおりに進むが、安全対策の期限は誰も確定できていない。時間軸の異なる三つが並んで動いている点が、この節の出発点になる。

この時間差は、現場の工程表にも表れている。介護施設運営のCascadia、CarDon、FellowshipLIFEは、AI活用の工程表を語った（Skilled Nursing News）。導入を段階に分けて進める姿勢は、成長や選挙の速度とは別の、運用上の時間で動いていることを示す。創作の側でも、Airがアーティストのジョー・ブルーム氏と屋上でAIと創造性を語る催しを開いた（Ad Age）。介護では工程表が、創作では対話の場が、それぞれの現場での受け止め方を整えようとしている。

ここで、問いの置き場所を変えてみる。マーベル「ヴィジョンクエスト」に登場するAIロボットは、機械は自ら考えるのかという問いを物語として投げかけた（Moneycontrol.com）。フィクションの話ではあるが、読者が導入を判断する際に、何を機械に任せ、何を人が引き受けるのかという線引きの問いと重なる。成長率の数字や政治資金の額は、その線引きを代わりに引いてはくれない。

読み手の判断に引き直すと、見るべきは数字の大きさよりも、どの速度で動くものがどの負担を先に受けるかである。ハリス氏の警告が正しければ、猶予は現場の工程表より短い可能性がある。ただし、猶予の長さは確定したものではなく、同氏が警告として述べた範囲にとどまる。速度に議論が追いつくかどうかは、誰が費用と責任を引き受けるのかという配分の問いに、いずれ戻ってくる。

各節で扱った事例には、共通した並び方がある。成長率や資金調達額、提携の規模は、発表の時点で数字として確定する。これに対し、人員の扱い、予測モデルが置き換える判断、誤りが出たときの訂正と責任、安全対策の期限は、導入のあとに決まっていく。負担は後者の側に先に現れ、受け取るのは現場の担当者や、結果を向けられた個人である。したがって、導入の効果は、削減額や精度、成長率といった単独の数字では判断できない。誰が費用を持ち、誰が誤りを訂正でき、誰が責任を負うのかまで確認して初めて、同じ導入が自分たちにとって得か損かが定まる。数字の大きさは出発点にとどまり、判断の中心は配分にある。

Q1: AI で空いた時間と手間を、あなたの職場では誰がどの業務に振り向けると決めているか。 Q2: AI が誤った結果を出したとき、それを見つけて訂正する手順と、責任を負う人は文書で定まっているか。 Q3: 導入の効果を測る数字に、再教育の費用や誤りへの対応費用、影響を受ける人の負担は含まれているか。

最後に ── 三つの問い

- AI で空いた時間と手間を、あなたの職場では誰がどの業務に振り向けると決めているか。 Q2: AI が誤った結果を出したとき、それを見つけて訂正する手順と、責任を負う人は文書で定まっているか。 Q3: 導入の効果を測る数字に、再教育の費用や誤りへの対応費用、影響を受ける人の負担は含まれているか。 - AI が誤った結果を出したとき、それを見つけて訂正する手順と、責任を負う人は文書で定まっているか。 Q3: 導入の効果を測る数字に、再教育の費用や誤りへの対応費用、影響を受ける人の負担は含まれているか。 - 導入の効果を測る数字に、再教育の費用や誤りへの対応費用、影響を受ける人の負担は含まれているか。