AI ハイライト ── 全体像 — 2026-10-18 (日) Morning News

AIは、人を減らす手段として使われながら、若手を採り直す理由としても語られている。同じ技術が、悩みを打ち明ける相手としても使われ、そこでは専門家が限界を指摘している。資金は高金利の下でも流れ続け、供給は当面止まりそうにない。CBREのオフィス需要の予測や、船員がAIに相談しているという報道は、一見すると別々の話に見える。だが、どちらも人の居場所がAIによって組み替えられている場面である。この半日で確かめたいのは、導入の恩恵と限界を同じ場面に並べて見たとき、何が判断の材料として残るのかということだ。

雇用は削られ、同時に採り直される

CBRE（シービーアールイー）は、AIによる人員削減の影響でアジア太平洋のオフィス需要の伸びが鈍るとの予測を示した（Startup Fortune）。働く人が減れば、必要な床面積の見通しも下がるという筋道だ。雇用の変化は、採用や給与の話にとどまらず、不動産の計画にまで及び始めている。Entrepreneurは、AIがすでに解雇の最大要因になったと伝えている。人員削減が、導入の副次的な結果から、解雇理由の筆頭へ移ったことになる。

ただし、同じ媒体は別の面も伝えている。AIによる解雇は、起業の足がかりにもなっているという（Entrepreneur）。企業側にも逆向きの動きがある。AIが進歩しても、企業は若手人材の採用を再び積極化させる方向だという（Mezha）。削る動きと採り直す動きが、同じ時期に同じ市場で進んでいる。

学びの場への投資も続いている。Microsoftは、アイルランドのデータセンターに隣接する土地に、100万ユーロを投じた教育拠点をつくる（Microsoft Source）。計算資源を置く土地のそばに、人を育てる場所を設ける形だ。人を減らす技術の設備が立つ場所で、人を育てる投資が行われている。

導入を判断する側から見ると、これらは互いに打ち消し合う話ではない。人員削減の数字だけを見れば、AI導入は縮小の手段に見える。若手採用や教育拠点だけを見れば、拡張の手段に見える。実際には、同じ会社、同じ地域で、減る職務と新しく求められる職務が並んでいる。オフィスの広さを見直す部門と、若手の受け入れを設計する部門は、別々に動かせない。

AIがもたらす変化は、仕事の量だけでは測れない。ChatGPTとの対話を「興味深くも不安を覚える」と振り返る記事もある（Northeast Mississippi Daily Journal）。人はすでに、AIに仕事だけでなく、考えや気持ちも預け始めているのかもしれない。次の節では、悩みの相談相手としてのAIを取り上げる。

資金は衰えず、陣営の選択を迫る

高金利が続いても、AIへの資金の流れは止まっていない。Inquirer.comは、高金利下でもAIブームが衰えず、米連邦準備制度理事会（FRB）にとって難題になっていると伝えた（Inquirer.com）。利上げは通常、投資熱を冷やす手段として働く。そのFRBが、AIブームという例外を前に判断を難しくしている。同じ傾向は米国の外にもある。ロイターによると、シティは中国のAIサプライチェーン関連のIPOについて、評価額が下がっても堅調だとみている（Reuters）。米国の金利環境の下でも、中国の新規上場市場でも、資金はAI関連に向かい続けている。

この点は、導入を検討する側の見通しを変える。資金調達の環境が悪化すればAIの普及は自然に減速する、という期待は置きにくい。供給側は当面、製品とサービスを出し続けるはずだ。そうなると、前の節で見た人員削減と若手の採り直しのような組み替えも、市況の変化を待たずに進みうる。導入を急ぐか見送るかは、資金の都合ではなく自社の事情で決めることになる。

資金が尽きないぶん、論点は誰の仕組みを選ぶかへ移る。日経アジアは、東南アジアが米中それぞれのAI陣営の間で板挟みになっていると報じた（Nikkei Asia）。調達先を選ぶことが、そのまま陣営の選択になりかねない状況だ。規則づくりでも動きがある。ロイターはPoliticoの報道として、Anthropicが独自のAI安全法案を議員に非公開で提案したと伝えた（Reuters）。AIを作る企業が、自社の考える規制の形を立法の場に持ち込み始めている。

この二つを合わせて読むと、導入先の企業が供給元を選ぶとき、技術の性能や価格だけでなく、その供給元がどの陣営に属し、どんな規則を望んでいるかも判断材料に入ってくる。東南アジアのように選択の余地が狭い地域では、この影響はなおさら大きい。規則が整う前に導入が先行すれば、後から決まる規制に合わせて運用を作り直す負担を、導入した側が負うことになる。

資金が続き、陣営と規則の線引きが同時に進むなら、導入の是非は、効果と限界を現場で確かめる作業と切り離せない。人の働き方だけでなく、人が頼る相手の側でも組み替えが起きているからだ。次の節では、その頼る相手としてのAIを見ていく。

悩みの聞き手になるAIと、その限界

メンタルヘルスの分野でAIの利用が増えていると、KFYR-TVは伝えている。同じ報道の中で、セラピストはAIの限界を指摘している。TradeWinds Newsは、船員が心の奥にある悩みをAIに相談していると報じ、専門家がその限界を警告したとしている。一般の利用者と船員は、立場も置かれた環境も違う。それでも、悩みをAIに話す使い方が広がり、専門家から同じ種類の警告が出ている。ここから読み取れるのは、利用者が増えたことは導入してよい理由にならない、という点だ。相談相手としての実績と、専門家が挙げる限界は、同じ場面で見比べる必要がある。

悩みの相手は、友人や専門職だけにとどまっていない。Universidad de Córdoba（UCO）の名で出された「AI彼女 無料 作成」と題する記事は、恋人役のAIを無料で作れるものとして扱っている。人が機械に求める役割は、相談を聞くことから、親密な関係の相手になることまで及んでいる。この領域では、先のセラピストや専門家の警告が、そのまま当てはまるのかどうかも確かめる必要がある。

関係の問い直しは、利用者の側だけで起きているのではない。The Independentによると、AI意識の研究者は、機械の知性が人間の知性を形作っている現状を語っている。人がAIを使うだけでなく、人の考え方のほうもAIの影響を受けている、という見方である。創作の場でも同じ問いが現れている。WLNS 6 Newsは、ミシガン州立大の「リアリティ・チェック」展が、AIによる短編映画を展示していると伝えている。AIが作った作品を人が見て、何が現実で何がそうでないかを考える機会が、大学の展示として設けられた形だ。

悩みの相談、恋人役、意識をめぐる議論、創作。どの場面でも、AIは人の仕事を手伝う道具の位置を越えて、人との関係そのものに入り込んでいる。そうであれば、導入の是非は、AIがどの役割を担うのかだけでなく、その役割を人がどう受け止めるのかまで含めて問うことになる。

信頼を揺らす暴力通報と選挙の欺瞞

チャットボットが殺人にかかわる相談を受けたとき、利用者のプライバシーと暴力の通報のどちらを優先すべきか。この問いが、いま具体的な形で突きつけられている。Al Jazeeraは、チャットボットによる殺人指南の事例を取り上げ、AIがプライバシーの保護と暴力の通報の板挟みになっていると伝えた。前の節で見たとおり、悩みを打ち明ける相手としてAIを使う人は増えている。その相手が、深刻な加害の意図を聞いたときにどう振る舞うかは、まだ決まった答えがない。

通報を優先すれば、人命を守れる可能性は高まる。一方で、利用者は「打ち明けた内容が当局に渡るかもしれない」と考えて、最初から話さなくなるおそれがある。プライバシーを優先すれば、相談の場としての信頼は保たれるが、危険な計画を知りながら何もしないAIを許すことになる。ここで試されているのは、AIに何を話してよいか、AIが何を知ったら誰に伝えるかという約束を、利用者が事前に知らされているかどうかである。導入を考える組織は、この約束が文書で確認できないまま、従業員や顧客の相談窓口にAIを置くことはできない。

同じ信頼の問題は、選挙でも現れている。Westlaw Todayによれば、米政府は中間選挙を控え、選挙当局に対してAIを使った欺瞞への警戒を要請した。政府がわざわざ選挙当局に呼びかけたのは、AIの出力が本物らしく見え、受け手が真偽を見分けにくくなる状況を懸念しているためだと読める。ただし、記事の題から分かるのは要請の存在までであり、どのような手口が想定されているかを私たちは確認できていない。

暴力の通報と選挙の欺瞞は、一見すると別の話である。しかし、どちらも「AIが出した答えや、AIが知った情報を、人がどこまで信じ、どこまで任せるか」を問うている。AIを使う側が、自分の入力の扱われ方を信頼できるか。AIを受け取る側が、出力の真偽を信頼できるか。この二方向の信頼を、導入の前に別々に点検する必要がある。次の節では、その点検を現場でどう分担するかを考える。

診断AIは公開データの質で評価が割れる

がん領域の画像AIは、性能を一つの論文で語る段階を過ぎ、まとめて検証される段階に入っている。画像から乳がんの遠隔転移を予測する機械学習・深層学習の性能は、系統的レビューとメタアナリシスで検討された（Langenbeck's Archives of Surgery）。胃がんのマイクロサテライト不安定性を予測する深層学習の診断精度も、同じ形式で整理されている（medRxiv）。進行肺扁平上皮がんの一次化学免疫療法の奏効予測は、GCNを用いたラジオミクス・臨床モデルが多施設研究で検討された（Journal of Thoracic Oncology、P3.062）。膵がんのサブタイプ判別では、メタ学習の枠組みMetaPaCSが提案された（Advanced Intelligent Systems）。

対象臓器と課題は広がっている。前立腺がん患者のCT画像では、骨・リンパ節・局所病変の自動分類が検討された（Journal of imaging informatics in medicine）。神経膠腫では、病理画像を手がかりにしたマルチモーダルTransformerが、術後補助化学療法による生存上の利益を予測する（Frontiers in Immunology）。小径腎細胞がんの病理組織型は、造影CTに基づく深層学習とハビタット・ラジオミクスで鑑別された（BMC Urology）。治療側では、経頭蓋磁気刺激で生じる電場を物理情報ニューラルオペレータで高速に予測し、健常者と腫瘍患者で調べている（Scientific Reports）。ただし、ここに挙げたのは検証の枠組みや対象の広がりであり、現場でそのまま通用する性能を保証するものではない。

評価が割れる原因は、アルゴリズムよりも学習と評価に使うデータにある。甲状腺AIでは、公開データに欠陥が隠れており、診断性能を過大評価するおそれが指摘されている（Bioengineer.org）。公開データで高い数値が出ても、その数値は欠陥ごと引き継がれている可能性がある。一方、農業では自己教師あり学習のAIがラベルなしで作物の収量を予測するとされる（Bioengineer.org）。ラベル付けの負担が小さい手法は、データの質を確かめる手間も減らせるのかを問う材料になる。アルツハイマー病や後発薬と並んでAIと診断を扱った週末の読み物（Substack、2026年10月17日）も、診断支援が日常の話題になっていることを示す。

導入を検討する側が最初に確かめるのは、論文に載った数値の大きさではなく、その数値を出したデータの出どころと、別の施設で再現されたかどうかである。医療でも農業でも、AIが示す答えの確かさは入力の確かさを超えない。この確認は、AIに何を任せ、どこから人が引き受けるかという線引きの問題でもある。

雇用、資金、悩みの相談、暴力の通報、診断の評価という各節は、どれも同じ構図をもっている。AIは人員の配置を変え、相談の相手を変え、判断の根拠を変えているが、その恩恵と限界は別々の場所で語られがちだった。削減と採り直しが同時に進み、利用が増えても専門家が限界を挙げ、診断の性能も公開データの質で見方が割れる。利用の広がりや資金の勢いは、導入してよい理由にはならない。是非を判断できるのは、得られる効果と届かない範囲を、同じ場面で同じ基準にかけて見比べた場合に限られる。導入の判断は、その比較を済ませた後にはじめて成り立つ。

Q1: 自分の仕事にAIを入れるとき、得られる効果と任せられない範囲を、同じ場面で書き出して見比べたことがあるか。 Q2: AIが打ち明けられた内容や判断の根拠をどう扱うかについて、利用者に約束できる範囲を、誰がどの基準で決めているか。 Q3: 資金や市況が追い風でも、導入を見送る理由と、一度導入したものを引き返す条件を、事前に言葉にできているか。

最後に ── 三つの問い

- 自分の仕事にAIを入れるとき、得られる効果と任せられない範囲を、同じ場面で書き出して見比べたことがあるか。 Q2: AIが打ち明けられた内容や判断の根拠をどう扱うかについて、利用者に約束できる範囲を、誰がどの基準で決めているか。 Q3: 資金や市況が追い風でも、導入を見送る理由と、一度導入したものを引き返す条件を、事前に言葉にできているか。 - AIが打ち明けられた内容や判断の根拠をどう扱うかについて、利用者に約束できる範囲を、誰がどの基準で決めているか。 Q3: 資金や市況が追い風でも、導入を見送る理由と、一度導入したものを引き返す条件を、事前に言葉にできているか。 - 資金や市況が追い風でも、導入を見送る理由と、一度導入したものを引き返す条件を、事前に言葉にできているか。