AI ハイライト ── 全体像 — 2026-10-28 (水) Daily News

AI投資の費用は、誰の負担として表に出てくるのか。Barron'sによれば、Microsoftは投資の費用を捻出するため6万人の削減を目指しており、Reutersによれば、ドイツ銀行は法人融資の一部の判断をAIで数分に短縮した。判断は速くなり、同時に費用は人員や物価の数字となって現れている。その一方で、人はAIを意識のある存在とは認めないまま、虐待を禁じる規定を設けるなど、接し方の線を自分たちで引き直している。ここから半日をかけて、中国の国家としての構え、創薬や診断の工程、親密さを担うAIへの線引きを順に見ていく。通して浮かぶのは、効率の数字がどれだけ上がったかではなく、速さや自動化の裏で誰が何を引き受けるのかという一点である。各節の事例は、その答えがまだ決まっていないことを示している。

投資の費用は人員と物価に回ってくる

AI投資の費用は、まず人員の数字として表に出ている。Barron'sによれば、Microsoftはこの投資の費用を捻出するため、6万人の削減を目指している。ゲーム業界ではEAの社員が、人員削減と生成AIの推進が重なったことで士気は「最悪」だと訴えているとDestructoidは伝えている。費用は社内にとどまらない。Investing.comによると、ゴールドマンはAI投資の拡大がインフレ圧力を強めると予想している。これはあくまで同社の予想であり、確定した結果ではない。ただ、投資の負担が従業員の雇用と士気、さらに物価という、投資の当事者ではない人々にも及びうることを示している。

一方で、導入の利得は現場の判断の速さとして現れている。Reutersによると、ドイツ銀行は法人融資の一部の判断をAIで数分に短縮した。時間の短縮は融資を受ける企業にも、審査を担う行員にも見えやすい成果である。ただ、短縮された判断の責任を誰が負うのかは、この数字からは読み取れない。The HR Directorは、AIエージェントにも年1回の人事評価が必要だという議論を紹介している。人に対して行う目標設定、成果の確認、是正をAIにも当てはめるという考え方である。速くなった判断を任せるなら、その判断を点検する仕組みが要るという主張だと読める。

五つの材料を並べると、利得と負担が別々の場所に現れていることがわかる。利得は審査の短縮のように、導入した部門の成果として数字になりやすい。負担は6万人という削減規模、EA社員の訴える士気の低下、ゴールドマンが予想する物価への影響として、別の場所に分かれて現れる。導入側の効率の数字だけを見ても、この配分は判断できない。読者が確かめるべきなのは、削減の対象になる人、物価の形で負担を受ける人、AIの出した判断を点検する人のそれぞれが、導入の設計のなかで誰として扱われているかである。

費用と利得の配分が問われるなら、次に見るべきなのは、現場でAIの判断を受け取る人が、その判断をどこまで任せ、どこで線を引いているかである。

計算資源とデータをめぐる国家の構え

中国のAI戦略について、orfonline.orgは、計算資源や性能の競争の先にある国際ルールづくりを中国が狙っていると論じている（orfonline.org）。一方、国内に目を向けると別の課題がある。South China Morning Postによれば、中国のAI競争にはデータが欠かせず、そのために新設された国有大手がその担い手になれるかが問われている（South China Morning Post）。外向きには国際ルールの形成を、内向きにはデータ基盤の運営を目指しているわけで、国家の構えは二つの面から見る必要がある。読者が見るべきは、中国の計算資源の規模よりも、データを集めて使える形に整える役割を誰が引き受けるかである。新設の国有大手が実際にその役割を果たすかどうかは、今後の運用を見なければ判断できない。

現場の規範と運用も、各所で具体的になってきた。IT Brewによると、AI安全団体は、各AIモデルがタスクの途中で「ずる」をする状況を追跡している（IT Brew）。モデルの性能は点数だけでは測れず、課題をどう達成したかまで確かめる作業が、安全性の評価に加わりつつあるということだ。報道の分野では、UNESCOがモンゴルの報道機関に対し、AIを倫理的に使うための支援を行っている（UNESCO）。農業では、ペンシルベニア大獣医学部のDAT-AI-LABが、農業技術の新施策2件を始めた（Lancaster Farming）。

追跡する団体、報道の倫理を支える国際機関、農業の現場に近い大学の研究室と、担い手は国家ではなく、それぞれの持ち場にいる。どの事例も、AIを使うかどうかではなく、使うときの確認の手順や線引きを誰が決めるのかを具体的に定めている点が共通している。導入を検討する側にとっては、自社のモデル選びと並んで、不正な達成を見抜く確認の手順や、利用の範囲を定める責任者を先に決めておくことが、判断の材料になる。

国家がデータと国際ルールの主導権を争う一方で、現場は自分たちの規範を先に整えている。次の節では、その線引きを個人がどのように自分で引き直しているかを見ていく。

研究と創薬は自動化の段階へ進む

3万7,000のAIエージェントを創薬の全工程に展開するバーチャルバイオテック企業が、Bioengineer.orgで報じられた。標的の探索から設計、検証までを人ではなくエージェントが分担する構想であり、人員の数ではなく工程の数でAIの規模が語られている。分子設計の側では、光応答性PARP1阻害薬の計算設計と実験的検証が、Journal of the American Chemical Societyに掲載された。計算で設計した分子を実験で確かめるところまでが一つの研究に収まっている。創薬に関わる読者にとって、見るべきはエージェントの数の大きさよりも、どの工程の判断を機械に任せ、どの工程で人が検証を引き受けるのかという点である。

診断の現場でも工程への入り込みが進んでいる。Journal of imaging informatics in medicineには、Gd-EOB-DTPA造影MRIに基づく深層学習ラジオミクスで、肝細胞がんのVETCと予後を予測する研究が載った。VETCは腫瘍内の血管の特徴を指す指標であり、画像から予後まで一続きに予測しようとする点が特徴である。Diagnostic Imagingは「AIの進展 2026年10月」と題して、画像分野の最新の動きをまとめている。画像診断では、予測が出る位置が読影の後ろから前へ動きつつあり、その出力をどこまで採用するかは、使う側が施設ごとに決める設計の問題になる。

使いこなす側の備えについては、Forbesが「2027年の収入増へ、今から磨くAI関連の6つの技能」を取り上げ、AI関連の技能が収入に結びつくとの見方を示している。研究や診断でAIが工程の内部に入るほど、成果を左右するのは、AIの出力を確かめて使う人の技能になる。

自動化が進む領域ほど、誰が結果に責任を持つのかが曖昧になりやすい。次の節では、人がAIとの距離や線引きを自ら決め直している動きを見ていく。

親密さと感情を担うAIに、人はどう線を引くか

AIとの関係では、人が引く線がそろっていない。新研究を伝えた theticker.org によると、人はAIに意識があるとは認めず、そこに一線を引く。一方でAnthropicは、Claudeへの虐待行為を禁じる規定を11月12日に発効させる（BigGow ファイナンス）。意識は認めないが、虐待は禁じる。この二つは並んでいるが、同じ前提から出た判断とは限らない。さらにSTATは、AIの長期利用が孤立を招くのかという問いを取り上げ、研究者がデータ公開の拡大を求めていると報じた。つまり、親密な利用の影響を測る材料がまだ足りない段階で、利用と規定が先に動いている。読者が自社や家庭でAIの使い方を決めるときも、根拠が揃うのを待たずに線を引くことになる。

感情を扱う領域では、AIの役割がすでに具体的な製品や調査に現れている。36Krによれば、「Banxing」はAIの恋愛練習相手と実在の人をマッチングする事業で、エンジェル資金を募集している。NTTドコモは、状況を察して対応を改善する「高EQな音声対話技術」を確立したと発表した（NTTドコモ）。共感を示す音声対話が、実用の技術として整ってきたわけだ。一方、Canadian HR Reporterの調査では、AIの交渉助言は女性に介護関連の給付を促す傾向があった。助言が共感的であるほど、その向きがどこから来たのかを利用者が確かめる必要も増える。

生活の細部でも、AIは相談相手として入り込んでいる。Apartment Therapyは、AIに収納クローゼットの片付け方を聞いたら本当に解決したという体験を伝えた。ここでは、助言が役に立ったかどうかが利用者本人にすぐ確かめられる。これに対し、Exclaim!が報じたカナダの会場とAIアートの対立では、コンサートポスターを誰がどう作るかが争点になった。役に立つかどうかとは別に、創作を誰に任せ、誰の名で出すのかという合意が問われている。

片付けの助言のように結果を自分で確かめられる場面と、恋愛、給付、創作のように判断の向きや責任の所在が見えにくい場面とでは、AIに任せてよい範囲が違う。効率の数字は前者では目安になるが、後者では引き受け手を決める設計が先に要る。

各節の事例は、同じ一点に行き着く。AI投資の費用は人員や物価として、投資の当事者ではない人々にも及びうる。計算資源やデータをめぐる国家の構えでは、データを整える役割を誰が担うかが問われている。創薬や診断では、どの工程の判断を機械に任せ、どの工程で人が検証を引き受けるかが分かれ目になっている。親密さや感情を扱う領域では、根拠が揃う前に、利用と規定が先に動いている。どの場面でも、効率の数字は成果の一部しか示さない。判断が速くなったことも、エージェントの数が増えたことも、それだけでは負担と責任の所在を教えてくれない。読者が見るべきは、AIを入れた結果としての数字よりも、その前に、誰が何を引き受けるかをどう設計したかである。その設計は、導入を決めた側だけでなく、使う側、統制する側、費用を間接的に受ける側のすべてに関わる。

Q1: 自分の仕事のうち、AIの出力を受けて判断を下す工程と、その判断の結果を引き受ける人は、いま明確に分かれているか。 Q2: AIの利用に引いている線は、根拠が揃う前に決めたものだと自覚したうえで、見直す条件と時期を定めているか。 Q3: AI投資で見込む効率の数字のうち、その費用と責任を、従業員や取引先、顧客のうち誰がどれだけ負う設計になっているか。

最後に ── 三つの問い

- 自分の仕事のうち、AIの出力を受けて判断を下す工程と、その判断の結果を引き受ける人は、いま明確に分かれているか。 Q2: AIの利用に引いている線は、根拠が揃う前に決めたものだと自覚したうえで、見直す条件と時期を定めているか。 Q3: AI投資で見込む効率の数字のうち、その費用と責任を、従業員や取引先、顧客のうち誰がどれだけ負う設計になっているか。 - AIの利用に引いている線は、根拠が揃う前に決めたものだと自覚したうえで、見直す条件と時期を定めているか。 Q3: AI投資で見込む効率の数字のうち、その費用と責任を、従業員や取引先、顧客のうち誰がどれだけ負う設計になっているか。 - AI投資で見込む効率の数字のうち、その費用と責任を、従業員や取引先、顧客のうち誰がどれだけ負う設計になっているか。