文献レビューにかかる時間は？工程別データとAIで減らせる作業

新規事業の立案や研究開発において文献レビューは欠かせない作業ですが、その膨大な作業時間が課題となっています。では、文献レビューはどの工程にどれだけの時間がかかり、AIツールによる削減効果を示すデータは、具体的にどの工程の短縮だけを測ったものなのでしょうか。

本記事では、工程別の作業時間やAIによる自動化のデータを読み解き、レビューの種類と対象となる文献の件数から現実的な工数を見積もる方法を解説します。記事を通して、AIへ処理を任せるべき工程と、人間が二重確認して精度を担保すべき工程を決めるための判断基準を提供します。

文献レビューの時間は種類と工程で決まる
従来のシステマティックレビューは半年から1年規模
最も測定されているのはタイトルと抄録の選別
自動選別は中央値47時間を削減したシミュレーションがある
生成AIは検索から執筆まで同じ精度で自動化しない
件数ベースでレビュー工数を見積もる
よくある質問
調査手法について

文献レビューの時間は種類と工程で決まる

文献レビューにかかる時間は、実施するレビューの種類と、そこに含まれる工程によって決まります。レビューの目的に応じて、主に「ナラティブレビュー」「スコーピングレビュー」「システマティックレビュー」の3種類を区別して工数を見積もる必要があります。

ナラティブレビューは特定のテーマについて一般的な知見をまとめる形式であり、スコーピングレビューは特定の分野にどのような研究が存在するかを幅広くマッピングする形式です。対してシステマティックレビューは、事前に定めた厳格な基準に沿って文献を網羅的に検索し、偏りを排除して客観的な証拠を集めます。

網羅的な工程を踏むシステマティックレビューは長い時間がかかります。Cochraneの報告によると、通常レビュー（システマティックレビュー）には12か月を超える期間がかかると説明されています。一方で、手順を一部簡略化して工程を減らした迅速レビューの場合、全体の90%が6か月以内（範囲は0.3〜12か月）で完了するとされています。このように、どの種類のレビューを採用し、どの工程に時間をかけるかによって必要な工数は大きく変わります。

従来のシステマティックレビューは半年から1年規模

システマティックレビューを人手で行う場合、通常レビューで12か月超、迅速レビューでも90%が6か月以内（範囲は0.3〜12か月）というCochraneの目安は、全体が半年から1年規模のプロジェクトになることを示しています。

この長い期間は、文献の検索から始まり、タイトルや抄録の選別、本文の確認、データの抽出、質の評価といった各工程の作業時間の内訳を積み上げた結果です。ただし、この目安の期間について考えるときは、これがAIなどの新しい技術が普及する前の古い基準に基づいて計算されているという点を含めて読む必要があります。

従来の基準では、膨大な文献を一つずつ人の目で確認して情報を整理することを前提としていたため、これほど長い時間が必要でした。これから文献レビューの工数を見積もる際は、この半年から1年という全体像のなかで「どの工程の作業にどれだけの人手がかかっているのか」という内訳を分解して考えることが求められます。

最も測定されているのはタイトルと抄録の選別

文献レビューの効率化を検証する際、自動化ツールの効果が最も測定されているのはタイトルと抄録の選別工程です。この選別工程への技術の影響を正しく評価するには、複数の指標をひとまとめにせず、「1件あたりの選別時間」「処理すべき全体の件数」「必要な文献を正しく拾う再現率」「誤って除外してしまう見逃し率」に分けて測る必要があります。

学術的な検証においてよく測定されているのは、必要な文献を落としていないかを確認する再現率です。86件の研究をレビューし、うち17件をメタ分析した調査によると、選別工程において再現率の最大化を目指した場合の統合再現率は0.928でした。このように、選別の自動化においては必要な文献を落とさないよう、見逃し管理を優先した測定が多く行われています。

対照的に、時間をどれだけ短縮できたかという作業量に関する指標はあまり測定されていません。自動化ツールに関する222件の研究を調べた調査では、作業削減を示す指標を用いた研究は9件（4.1%）にとどまり、時間指標の報告不足が指摘されています。

したがって、実務でツールを導入する際は、「再現率」や「見逃し率」といった質的な指標でツールの精度を確認しつつ、「全体の件数」と「1件あたりの選別時間」から具体的な削減工数を分けて見積もることが求められます。

自動選別は中央値47時間を削減したシミュレーションがある

自動選別は中央値約30時間を削減した研究があるについて、確定情報、AIの候補、人が確認する境界を一つの焦点で示し、縮小表示でも構造を判別できる。

文献のタイトルと抄録を選別する工程に自動化ツールを導入することで、まとまった作業時間を減らせる可能性が示されています。

具体的な削減効果を算出した研究として、過去の複数のレビューデータを用いて完全自動化を想定したシミュレーションを行った調査があります。このシミュレーション結果によると、推定される削減時間の中央値は47時間と報告されています。この47時間は実測値ではなく、過去のレビューを使ったシミュレーションの中央値です。対象レビューごとの推定削減時間は9〜201時間でした。

加えて、自動化ツールがレビューの方法論的品質や所要時間へ与える影響を、工程別に比較したケーススタディも存在します。自社の見積もりには47時間をそのまま置かず、選別する抄録件数と1件当たりの所要時間を使って計算します。

生成AIは検索から執筆まで同じ精度で自動化しない

文献レビューを効率化する際、生成AIは検索から執筆まで同じ精度で自動化しないという特徴を理解しておくことが大切です。そのため、全体の作業をひとまとめにするのではなく、検索式、全文判定、データ抽出、質評価、統合、文章化ごとに検証する必要があります。

AIに作業を任せることで、かかる時間を短縮できることは実証されています。75件の抄録を対象とした実証研究では、AIを支援として利用した場合は17.1%、AIに作業を完全に置き換えた場合は44.6%の時間削減が報告されました。さらに、同報告で引用された別の研究では、91時間から95時間の作業時間削減が示されています。このように、AIに任せる割合によって削減できる時間は大きく変わります。

しかし、あらゆる工程を単純にAIと分担すれば高い成果が出るとは限りません。人とAIの組み合わせについて調べた106件の実験のメタ分析では、人とAIが協力した場合の平均効果が、人またはAIの最良単独主体による成績を下回るケースも確認されています。これは、AIが得意ではない作業を任せたり、人とAIの役割分担が不適切であったりすると、かえって全体の精度や品質が落ちてしまうことを示しています。

導入時は、抄録選別、全文判定、データ抽出を別の作業として試します。各工程で作業時間と見逃し件数を測れば、人の二重確認を残す場所を決められます。

件数ベースでレビュー工数を見積もる

文献レビューを実務へ導入する際は、工程ごとの件数ベースでレビュー工数を見積もることが重要です。漠然と全体の期間を予測するのではなく、検索結果数、二重選別率、全文取得率、抽出項目数から人時を計算することで、より現実的な計画を立てることができます。

見積もりの基礎となる作業の流れは、検索、除外、採択の流れを再現可能に記録する報告基準であるPRISMA 2020を参考にすると整理しやすくなります。この報告基準が示す通り、文献は工程を進むごとに選別され、人が目を通すべき件数は段階的に減っていきます。

まず出発点となるのが、データベースから得られる「検索結果数」です。次に、タイトルと抄録を読んで必要な文献を判定する際、見逃しを防ぐために複数の担当者で同じ文献をチェックする割合を「二重選別率」として設定します。その選別を通過した文献のうち、本文を取り寄せて内容を確認する割合が「全文取得率」です。最後に、最終的に採択された文献の本文から、いくつ情報を抜き出すかという「抽出項目数」を決めます。

これらの残存件数や割合に、1件あたりの作業時間を掛け合わせることで、全体で必要な人時を計算できます。AIに任せる工程と人が二重確認する工程をこの計算のなかで調整することで、品質を保ちながら作業時間を減らすための具体的な見通しを立てることが可能になります。

よくある質問

Q1. 文献レビューにはどれくらいの期間がかかりますか？

全体の期間はレビューの種類や工程によって異なります。目安として、厳密な手順を踏む通常レビュー（システマティックレビュー）には12か月を超える期間がかかると説明されています。一方で、手順を簡略化した迅速レビューの場合、全体の90%が6か月以内（範囲は0.3〜12か月）で完了するとされています。ただし、これらはAIなどの技術が普及する前の古い基準に基づいている点に注意が必要です。

Q2. どの工程に自動化ツールを使うと作業時間を減らせますか？

タイトルと抄録を読んで必要な文献を判定する選別工程で、まとまった時間を減らせる可能性があります。自動化ツールが方法論的品質や所要時間へ与える影響を工程別に比較したケーススタディが存在しており、選別作業の短縮が期待されています。また、過去のデータから完全自動化を想定したシミュレーション（複数レビューの範囲は9時間から201時間）では、推定される削減時間の中央値は47時間と報告されています。

Q3. 自動化ツールを使って、必要な文献を見逃しませんか？

ツールが正しく文献を拾う「再現率」を優先して測定した検証が多く行われており、高い水準を保てる傾向にあります。実際に86件の研究を集め、うち17件のデータを統合したメタ分析によると、選別工程において再現率の最大化を目指した場合の統合再現率は0.928でした。実務でツールを導入する際も、このように必要な文献を落とさないための見逃し管理を優先することが大切です。

Q4. 人とAIで作業を分担すれば、必ず成果は良くなりますか？

必ずしも精度や品質が上がるとは限りません。人とAIの組み合わせについて調べた106件の実験のメタ分析では、人とAIが協力した場合の平均効果が、人またはAIの最良単独主体による成績を下回るケースも確認されています。AIが得意ではない作業を任せたり、役割分担を間違えたりすると、かえって結果が悪くなるため、人が適切に確認する設計が必要です。

Q5. 検索から文章化まで、すべてをAIに任せることはできますか？

すべての工程を一律に同じ精度で自動化することはできません。ただし、一部の作業をAIに任せて大きく時間を減らせることは実証されています。たとえば75件の抄録を対象とした実証研究では、AIを支援として利用した場合は17.1%、AIに作業を完全に置き換えた場合は44.6%の時間削減が報告されました。検索式作り、全文の判定、データの抽出など、工程ごとにAIの実力を検証して使う必要があります。

Q6. 実務で作業時間を具体的に見積もるにはどうすればよいですか？

全体の期間を漠然と予測するのではなく、扱う文献の件数をベースに計算します。検索、除外、採択の流れを再現可能に記録する報告基準であるPRISMA 2020を参考にすると整理しやすくなります。データベースの検索結果数を出発点とし、同じ文献を複数人で確認する「二重選別率」、本文を取り寄せる「全文取得率」、抜き出す「抽出項目数」の割合を段階的に掛け合わせ、最後に1件あたりの作業時間をかけることで全体の必要な時間を算出できます。