論文サーベイの1週間ジャーニー｜AIでどこまで自動化できるか

「論文サーベイをAIで一気に片付けたい。でも本当にどこまで任せていいの？」という悩みを持つ研究者・R&D企画・アナリストの方に向けて、1週間で1本のnarrative reviewを回すジャーニーとして、AIの守備範囲と人間の担当領域を分けて整理します。Elicit、Consensus、Undermind、Semantic Scholar、Connected Papers、NotebookLM、Claude Projectsといった主要ツールの2026年時点の実力と、Cochraneが示す「AIは補助・最終責任は人間」の学術主流の立場、そして急増するfake citationの罠まで、Day 1〜Day 5の流れに沿って追いかけます。読み終わる頃には、自分の研究テーマで「今週やるAIサーベイ」の設計図が描けているはずです。

AIで論文サーベイを回したくなる背景｜読む本の洪水と削られる時間
Day 1〜Day 2の前半戦｜問いを定めて、5,000本の候補を絞る
Day 3〜Day 4の中盤戦｜精読・引用ネットワーク・批判的読解を分業する
1. Day 3｜引用ネットワークを描いて、20本を精読する日
2. Day 4｜批判的読解でqualityを見極める日
Day 5の総まとめ｜synthesisとgap発見、そしてfake citationの罠
Snorbeで反復するAIサーベイのループ｜1週間で終わらせず、育て続ける
よくある質問
調査手法について

AIで論文サーベイを回したくなる背景｜読む本の洪水と削られる時間

まず、なぜ2026年のいま「論文サーベイをAIで回す」という話がここまで盛り上がっているのか、その背景から一緒に見ていきたいと思います。

世界で年間514万本、PubMedは1日3,000本ペースで増える

2024年に世界で公表された査読論文の数は約514万本で、過去10年で48%も増えました。医学系だけを取っても、PubMedには2025年3月時点で4,000万件超が収録され、10年平均で年に約100万本、単純計算で1日に約3,000本ずつ追加されている計算になります。

生命科学の分野を大まかにイメージしてみましょう。朝コーヒーを淹れている間にも、地球のどこかで新しい研究が3本ほど公開されています。1日中家で論文を読み続けたとしても、その日に増えた分すら追いきれない、そういう時代です。

一方で、研究者の側はというと、Elsevierが世界113か国3,200人の研究者に聞いた2025年の調査では、68%が「発表プレッシャーが増している」と感じていて、研究時間はむしろ減っています。Nature誌の読者調査では、38%が週60時間以上、57%が2週間に1度以上は週末にも稼働していると答えました。

つまり、読むべき論文はどんどん増えるのに、読む側の時間はどんどん削られている。ここに「AIで論文サーベイを高速化したい」という強い需要があるわけです。

「1週間で1本」は現実的なのか

とはいえ、いきなり「AIですべてを自動化」と言うと乱暴です。伝統的なSystematic Review（複数の研究を体系的に統合するレビュー）を1本仕上げるには、平均12〜18か月かかると言われています。検索フェーズだけでも3〜8か月です。

なので、この記事で言う「1週間ジャーニー」は、Systematic Reviewそのものではなく、narrative review（テーマの全体像を語るレビュー）や、scoping review（範囲を見渡すレビュー）、あるいは個人研究者の初期文献調査を想定しています。1本の学術ジャーナル論文を書き上げる前の「まず1週間で分野の地図を作る」段階、と考えていただくとしっくりくるはずです。

AIサーベイの30%時短効果と、その裏の新しいコスト

AIを取り入れた文献レビューは、伝統的な方法より約30%高速で完了するという報告があります。実際、GSKでは1,000人以上の科学者がUndermindという論文サーベイAIを使っていて、NPS（顧客満足度スコア）は63と、SaaS業界の上位数%レベル。企業R&Dは、もう「AIサーベイをどう入れるか」ではなく「どう運用するか」のフェーズに入っています。

ところが、その裏で新しいコストも生まれてきました。それは、AIが作り出す「架空の引用（fake citation）」を人間が見抜く手間です。2023年には論文2,828本に1本の頻度だった偽造引用が、2026年初頭には277本に1本まで急増しました。AIサーベイの本当のコストは、精読の時間ではなく「何を信頼していいかを判断するコスト」にシフトしている気がしてきます。

このあと、Day 1からDay 5までの5フェーズで、AIに任せられる部分と、人間が担当すべき部分を具体的に分けていきます。1週間の道のりを一緒に歩くつもりで読んでみてください。

Day 1〜Day 2の前半戦｜問いを定めて、5,000本の候補を絞る

1週間ジャーニーの最初の2日間は、「何を調べるか」を定めて、「候補を絞り込む」フェーズです。ここで方向性を間違えると、Day 3以降の精読が全部無駄になります。逆に、この2日でしっかり型を作れば、あとはAIが半分以上の作業を巻き取ってくれます。

Day 1｜問いを定義する日

論文サーベイの世界には、問いを整理する定番のフレームワークがいくつかあります。医学系でよく使われるのがPICOで、Population（対象）、Intervention（介入）、Comparison（比較）、Outcome（アウトカム）の頭文字を取ったものです。質的研究向けにはSPIDER、環境や政策研究ではSPICEといった派生形もあります。

Day 1のAIの使い方はこうです。まずElicitやConsensusに「GLP-1受容体作動薬は2型糖尿病患者の認知機能を改善するか」といった自然文で投げます。すると、AIが背景情報を返しながら、PICOの各項目を提案してくれる。これに、自分の関心軸を上乗せしてPICOを完成させる、というワークフローです。

ここまではAIが得意です。ただ、「なぜこの問いに研究として価値があるのか」の判断は、人間にしかできません。既存レビューがすでに何本もある領域なら、少し切り口をずらす必要があります。Ai2 Scholar QAで「このRQは既に十分に調べられているか」を初期スキャンしておくと、ぶつからずに済みます。

目安時間は、AIによる候補生成が15分、人間の吟味と最終確定が2〜4時間。1日の半分は問いを寝かせる時間に使うくらいがちょうどよさそうです。

Day 2｜5,000本を一気にスクリーニングする日

問いが決まったら、Day 2はいよいよ文献の絨毯爆撃です。AIが最も得意とするフェーズと言っていいでしょう。

ElicitのSystematic Reviewワークフローは、Pro planで5,000本、Enterprise planで最大40,000本を一括スクリーニングできます。inclusion/exclusion criteria（採用と除外の基準）を対話的に設定し、Strict Screeningでしきい値ベースにフィルタをかけると、上位候補が数十本まで自然に絞り込まれます。

Undermindは、人間の研究者のように「広く探して→キー著者・概念を見つけて→引用ネットワークを辿って→絞り込む」というmulti-hop reasoningを反復するタイプのAIで、Google Scholarの約10倍の結果品質を主張しています。SciSpaceのDeep Reviewは、200個の複雑クエリのベンチマークで平均26.3本の高関連論文を返し、Elicitの13.0本を上回ったと報告されています。

ここで気をつけたいのが、AIのsensitivity（見逃し率）です。Elicit社内報告ではabstract screeningのsensitivityが96.9%とされていますが、Cochrane Evidence Synthesis and Methods誌に載ったLau et al. 2025の独立評価では、実際のSR検索式で4ケーススタディをやると平均37.9%、範囲25.5〜69.2%だったと報告されています。マーケティング資料の数字と、独立評価の数字にはかなりのギャップがあるようです。

なので、Day 2で人間がやるべきなのは「AIが取ってきた候補リストの網羅性チェック」。既に知っている重要論文が漏れていないか、代表的な批判論文がリストに入っているかを目視で確認します。ここを省略すると、Day 5でsynthesisを書く段になって「あの重要論文が入っていない」と気づくことになります。

データベースの使い分けメモ

分野ごとに、下敷きにするデータベースを選ぶのも人間の仕事です。多分野横断ならOpenAlex（250M+件、無償）、医学系ならPubMed、CS系ならarXivやDBLPが定番です。Semantic Scholar APIを使えば、arXivとPubMedを1本のPythonスクリプトで横断scrapeできて、無料でAPI keyが取れます。

Day 2が終わった段階で、手元に上位20〜30本の精読候補が積み上がっているはずです。次の記事の見出しは「Day 3〜Day 4の中盤戦」。ここから引用ネットワークと批判的読解に入っていきます。

Day 3〜Day 4の中盤戦｜精読・引用ネットワーク・批判的読解を分業する

Day 2までで、精読候補が20〜30本まで絞り込まれました。ここからのDay 3とDay 4は、「1本1本を深く読む」と「その論文が学術的に信頼できるかを見極める」フェーズです。じっくり派の作業に見えますが、実はAIとの分業がいちばん効くのがこの2日間な気がします。

Day 3｜引用ネットワークを描いて、20本を精読する日

精読の前に、まず全体の地図を作ります。1本のseed paper（起点となる論文）から関連論文をグラフで見せてくれるのがConnected Papersです。数十秒でsimilar worksの相関マップが出るので、「あ、この分野はこの5本を軸に議論が回っているのか」というのが直感的に掴めます。

もう少し深く探索したい場合は、ResearchRabbitがおすすめです。seed paperを指定すると、Similar Work / Earlier Work / Later Workの3方向にcitationを辿れる。2025年後半にLitmapsが買収し、両社は統合的な体験に進化しています。Litmapsは時間軸と被引用数軸のSeed Mapで「読む優先順位」を機械的に決めてくれるので、大量の候補を前にした「どれから読むか問題」が一気に片付きます。

そして2026年に大きく変わったのが、Google NotebookLMです。PDFを最大200本までネイティブに取り込めるようになり、mind map、Reports、Data Table、そしてpodcast形式のAudio Overviewを自動生成してくれます。通勤中や散歩中にAudio Overviewを聞いて全体像を掴む「耳サーベイ」が定着した研究者もいるようで、これが結構いい仕事をします。

より深い精読には、Claude Projectsが向いています。Sonnet 4.6の1M tokenコンテキストに40〜60本のPDFを投入し、「以下の観点でmethodologyを比較せよ：population、intervention、comparison、outcome」と投げると、matrix synthesisの下書きを一気に作ってくれます。500本を超える巨大コーパスならElicit / SciSpaceのようなretrieval型が向きますが、少数精鋭の深い推論はClaudeが得意領域です。

Day 3で人間が担当すべきなのは、「method sectionの前提に無理はないか」という批判的吟味と、図表の実データ再現性チェック、そして分野固有の用語の一貫性です。AIは、異分野で同じ単語が違う意味で使われている場合に誤読しがちです。

Day 4｜批判的読解でqualityを見極める日

上位論文を読み終えたら、その主張がどれだけ信頼できるかを判定するフェーズです。ここが従来もっとも人間の時間を吸われる工程で、RoB2（Cochrane Risk of Bias 2ツール）で1本あたり平均5時間58分かかると報告されています。

AIができるのは、まずScite.aiによる「主張の支持/反論マップ」です。Scite Smart Citationsは、1.6B+の引用文をdeep learningで分析し、各引用を supporting（支持）／contrasting（反論）／mentioning（言及）に分類してくれます。「SGLT2阻害薬は心不全入院を減らす」といった主張を投げると、支持と反論の比率と、それぞれの元論文がわかります。ただし独立評価では分類精度は完全ではないので、あくまで目安として使い、重要な結論は一次資料で確認するのが安全です。

もうひとつ、2025年に大きく進んだのが「LLM-assisted RoB2」です。JMIR 2025掲載の研究では、signaling questions（RoB2の判定に使う質問群）をLLMに生成させ、その後RoB2 algorithmで判定するという二段構えでaccuracyが向上した、と報告されています。AISysRevやROBOTO2といったオープンソースのLLM補助システムも登場していて、「AIが下読み、人間が最終判定」というワークフローが急速に整いつつあります。

ただ、ここで大事なメッセージがあります。Cochrane、Campbell、JBI、CEEという4つの主要エビデンス合成組織が2025年に合同ポジションステートメントを発表し、「AIとautomationを使うかの判断責任、法的・倫理的遵守はレビュー作成者にある」と明記しました。Cochrane Rapid Reviewsでは、「単一レビュアーが除外したabstractをAIが再確認して見逃しを減らす」ワークフローは容認されていますが、AIが第一レビュアーになることは認められていません。

この立場は2026年時点の学術主流と言っていいでしょう。AIは補助、最終責任は人間。この線は、記事を書き上げるあなた自身の名誉と信頼のためにも、しっかり引いておく必要があります。

Day 4が終わる頃には、精読対象20本の各々について「どこまで信頼できるか」の判定が済み、最後のDay 5でまとめを書く準備が整っているはずです。

Day 5の総まとめ｜synthesisとgap発見、そしてfake citationの罠

いよいよジャーニーの最終日です。Day 5でやるのは、20本の精読結果を1本のnarrative reviewとしてまとめる（synthesis）ことと、「まだ誰も答えていない問い（research gap）」を見つけることの2つです。

Elicit table → matrix synthesisで下書きを一気に

まず、synthesisのたたき台を作りましょう。ElicitのSystematic Reviewワークフローには、extraction table機能があって、上位論文それぞれから methodology、sample size、findings、limitationsといった項目を列に自動抽出してくれます。ここまでできれば、matrix synthesis（分類マトリクスに沿った統合）の下書きは半日で書き上がります。

主張ごとに「賛成派の論文が何本、反対派が何本」を見るなら、ConsensusのConsensus Meterが便利です。Yes / No / Possiblyのメタ回答を上位20本から集計し、被引用数と研究デザインで重みづけしてくれるので、agree/disagreeマップを目で追いながら本文を組み立てられます。

もう少し重厚なsynthesisが欲しいときは、Ai2 Scholar QAが使えます。Allen Institute for AI（AI2）が開発したオープンソースのlong-form synthesisシステムで、ACL 2025 Demo Trackで採択されました。RAGで引用付きの長文レポートを生成してくれるので、Day 5の朝に投げて、昼にドラフトが手元にある感覚です。

最終アウトプットの整形はNotebookLMが強いです。Reports、Timeline、Infographic、Slide Deck、Data Tableといった形式のアウトプットを、同じソースから一気に生成してくれます。学会発表用のスライドまでこの1日で用意できる、という時代です。

fake citationの罠：AIが引用を捏造する

ここで、真剣に注意しないといけない話をします。AIが生成する引用の中には、実在しないものが含まれる場合があります。いわゆるhallucination（ハルシネーション、幻覚）で、論文サーベイの文脈では致命的な問題です。

Enago Academyのまとめによると、ChatGPT-3.5では引用の39.6〜55%が偽造、GPT-4でも18〜28.6%が偽造だったと報告されています。GPT-5にweb searchを組み合わせると、INRA.AIの2026年評価で7〜8%まで下がっていますが、ゼロではない。

もう1つ気になるのが、実際の学術出版物への浸透です。2.5M本の論文をスキャンしたLancet Digital Health 2026年5月報告では、2023年に2,828本に1本の頻度だったAI生成偽造引用が、2025年に458本に1本、2026年初頭に277本に1本まで急増したとのこと。

もう1つ挙げるなら、NeurIPS 2025の事例です。採択された4,841本の論文をGPTZeroでスキャンしたところ、51本の論文で計100件超のhallucinated citationsが確認されました。世界トップ級のAIカンファレンスの査読を、AIが作った偽造引用が突破してしまったわけです。arXiv 2602.05930の分析では、66%がTotal Fabrication（丸ごと捏造）、63%がSemantic Hallucination、29%がIdentifier Hijacking（実在DOIを別論文に付け替え）が共起しているそうです。

PRISMA-trAIceで透明性を担保する

こうした課題を受けて、2025年に登場したのがPRISMA-trAIceというreporting拡張です。既存のPRISMA 2020（Systematic Review報告ガイドライン）に、AI補助レビュー向けの透明性項目を足したもので、「人間が除外した論文」と「AIが除外した論文」を別フィールドで報告することを求めています。要は「どこを人間が、どこをAIがやったか」を後から検証できるようにする仕組みです。

Day 5でsynthesisを書き終えたら、この基準に沿って「AIが下書きした部分」「AIが自動でexcludeした論文」「人間が最終判断した部分」を分けてメモしておくと、後で共著者や査読者に説明するときに困りません。

研究gapの発見は、AIと人間の共同作業

もう1つ、Day 5でやりたいのが「まだ誰も答えていない問い（research gap）」の発見です。Insight7やAnaraのようなgap identification特化ツールが、機械学習で「未探索領域」を検出してくれます。

ただ、AIが指摘するgapの多くは「まだ論文になっていないだけ」で、必ずしも「研究として意義がある空白」ではありません。ここは、その分野の文脈を知る研究者が「これは価値のあるgapだ」「これは埋めても学術貢献にならない」と判断する必要があります。研究者としての実力が問われる、いちばん人間らしい仕事が最後に残る、という設計になっている気がします。

これで1週間のジャーニーは一区切りです。ただ、この記事のいちばん伝えたい話は、実はここから先にあります。

Snorbeで反復するAIサーベイのループ｜1週間で終わらせず、育て続ける

1週間ジャーニーが一区切りついて、synthesisも仕上がって、gapも見えた。ここで多くの人が「よし、終わった」と言いたくなるはずです。でも、実はここからが本番だと思っています。

「1週間で終わったサーベイ」は翌週には陳腐化する

先ほど「PubMedに毎日3,000本ペースで論文が追加される」と書きました。この事実は、1週間ジャーニーの最後にもう一度効いてきます。1週間かけて仕上げた文献レビューは、8日目の朝には最新21,000本の論文をカバーしていない状態になっているわけです。

これは、Systematic Reviewの世界でも認識されている問題で、Cochraneは「Living Systematic Review」という概念で、レビューを継続的にアップデートし続ける方向に舵を切っています。ただ、これを個人研究者やR&Dチームがやろうとすると、けっこう重い運用になるのも事実です。

ナレッジグラフ型で「差分だけ追う」設計

そこで別のアプローチが考えられます。「1週間ジャーニーの結果を、単発のレポートではなく、育て続けるナレッジグラフとして持つ」という発想です。

私たちが開発しているSnorbeは、まさにこの設計思想で動いています。完全記憶型ナレッジグラフに、これまでの調査結果がノードとして蓄積されていく。先週のサーベイで見つけた上位20本の論文、それぞれの著者、キーコンセプト、周辺の引用関係が、そのままグラフとして残っています。今週の調査は、この上に「差分」だけを積み上げていく形になります。

具体的にはこんな運用が考えられます。毎週金曜の午後、Snorbeに「先月のサーベイで見つけた上位20本のうち、この1週間で新しく引用された論文はどれか。その新論文のうち、既存の主張を反証しているものだけ抽出してほしい」と自然な日本語で投げます。すると、AIが自動でSemantic Scholar、arXiv、PubMedのAPIを叩き、差分だけを整理して返してくる。1週間で1本のレビューを書くよりずっと軽い運用で、「常に最新のサーベイ」を保つことができます。

研究×特許×市場の三面調査に強い

もう1つ、Snorbeの特徴として押さえておきたいのが、専門データベースのカバレッジです。論文サーベイに使うSemantic Scholar、arXiv、PubMedに加えて、特許のJPO（日本特許庁）、EPO（欧州特許庁）、Google Patentsを横断して調べられます。

これが効くのはR&D企画・技術戦略・アナリストの方の実務です。「GLP-1の認知機能改善という研究テーマ」だけを見ても、ビジネス判断はできない。「その領域で、どの企業が特許を取り、どこにR&D投資を集中させているか」まで把握して初めて、事業戦略の議論ができます。Snorbeは、この「研究×特許×市場」の三面調査を1つのナレッジグラフで扱えるので、境界を跨ぐたびにツールを切り替える必要がありません。

日本語で自然に投げられるという点も、実務では大きい。ElicitやConsensusは英語専用で、SciSpaceは日本語対応があるものの翻訳を挟む挙動になります。日本の研究者が日本語で問いを投げて日本語で回答が返る、この気楽さは意外と重要な気がします。

2026年以降のトレンドとビジネス展望

最後に、少し先の話を短くしておきます。

論文サーベイAI市場は、MarketsandMarketsの予測ではKnowledge & Research Assistantsセグメントが年間49.3%のCAGRで伸び、AI Assistant市場の中でも最速セグメントに位置付けられています。学術出版社側もElsevierのScopus AI、ClarivateのWeb of Science + Copilot、Digital ScienceのDimensions AIといった主要データベースが全社AI統合に走り、競争が激化しています。

投資面でも動きが激しく、Chan Zuckerberg Initiativeは次の10年で最低100億ドルをbasic scienceに投下、BiohubのVirtual Biology Initiativeには5年で5億ドルが投じられます。日本国内でもJSTのASPIRE programがAI・情報、バイオ、マテリアル、半導体、通信を横断する研究支援を進めていて、AIサーベイのインフラは公的にも整備が続いています。

そして、その先にあるのがAgentic AIの時代です。ClaudeやGPT、GeminiがDeep Researchを自律的に回して、1週間ジャーニーの5フェーズをAIエージェントが半分以上巻き取る未来が、もう遠くないところまで来ています。それでも、「その研究が本当に価値ある研究か」を判断するのは、変わらず人間の仕事として残るはずです。

1週間で1本のサーベイを終わらせる時代から、毎週差分を積み上げてナレッジグラフを育てる時代へ。今週の金曜、Snorbeに投げる最初の質問を、この記事の締めくくりに一緒に考えてみませんか。

よくある質問

Q1. AIで論文サーベイを完全自動化することはできますか？

2026年時点の学術主流の答えは「補助としては強力、ただし最終責任は人間」です。Cochrane、Campbell、JBI、CEEという4つの主要エビデンス合成組織が2025年に合同ポジションステートメントを出しており、AIやautomationの使用可否と、法的・倫理的遵守はレビュー作成者が負うと明記されています。特に、AIが第一レビュアーになることは認められていません。AIは「二番目のレビュアー」として、見逃しを減らす補助役に留めるのが安全です。

Q2. Elicit、Consensus、Undermindはどう使い分ければいいですか？

大まかな向き不向きがあります。Elicitは「PRISMA準拠のsystematic reviewワークフローとdata extraction」に強く、Pro planで5,000本、Enterpriseで40,000本の一括スクリーニングが可能です。Consensusは「AはBに効くか」といったbinary claimのevidence-weighted verdict（賛成派・反対派の重みつき集計）に向いていて、Consensus Meterで結論の方向性が一目でわかります。Undermindは、multi-hop reasoningで人間のように広く探して絞り込むタイプで、GSKで1,000人以上の科学者が使っている実績があります。ざっくり、「マトリクスを作りたいならElicit、賛否を見たいならConsensus、深く掘りたいならUndermind」と覚えておくと選びやすいはずです。

Q3. AI生成の偽造引用（fake citation）はどれくらい深刻ですか？

かなり深刻です。2.5M本の論文をスキャンしたLancet Digital Health 2026年5月報告では、AI生成偽造引用の出現頻度が、2023年に2,828本に1本→2025年458本に1本→2026年初頭には277本に1本まで急増しました。象徴的だったのがNeurIPS 2025で、採択論文4,841本中51本で100件超のhallucinated citationsが確認されました。対策としては、引用の一次資料に自分の目で当たること、そしてPRISMA-trAIceのような透明性報告拡張を使って、AIが生成した部分と人間が判断した部分を分けて記録することが推奨されています。

Q4. 1週間で1本の論文サーベイを本当に完成させられますか？

対象を選べば可能です。伝統的なSystematic Reviewは平均12〜18か月かかるので、1週間で仕上げるのは非現実的です。ただ、narrative review（テーマの全体像を語るレビュー）、scoping review（範囲を見渡すレビュー）、個人研究者の初期文献調査であれば、この記事で紹介したDay 1〜Day 5のAI活用ジャーニーで1週間の完成は現実的です。学会発表用のスライドや、上長への説明資料まで含めて、1週間で完結する運用を組めます。

Q5. NotebookLMとClaude Projectsはどちらを使うべきですか？

用途で使い分けます。NotebookLMは最大200本のPDFをネイティブ取り込みでき、mind map、Audio Overview、Data Table、Slide Deckの生成に強く、大量の論文を俯瞰して概要をつかむフェーズに向いています。Claude Projectsは、Sonnet 4.6の1M tokenコンテキストで40〜60本のPDFを深く読み込ませて、methodology比較や矛盾検出、synthesisドラフト作成に強みがあります。「200本の全体像はNotebookLM、50本の深い分析はClaude」というくらいの気持ちで、状況に応じて切り替えるのが実用的です。

Q6. 日本語で論文サーベイAIを使いたい場合の選択肢はありますか？

主要なAIサーベイツール（Elicit、Consensus、Undermind）は英語専用のUIですが、質問自体は英語で投げる必要はあるものの、日本語論文もインデックスに含まれています。日本語ネイティブで使える選択肢としては、SciSpaceが75+言語対応でChat with PDFが日本語で動きます。また、私たちが開発しているSnorbeは日本語で自然に問いを投げられて、Semantic Scholar、arXiv、PubMedに加えてJPO（日本特許庁）、EPO、Google Patentsも横断できるので、日本の研究者・R&D企画・アナリストの実務に馴染みやすい設計になっています。

Q7. AIサーベイの精度が「独立評価で37.9%」というのは本当ですか？

Cochrane Evidence Synthesis and Methods誌に載ったLau et al. 2025の独立評価で、Elicitのabstract screening sensitivityが4ケーススタディ平均37.9%（範囲25.5〜69.2%）と報告されました。Elicit社内報告の96.9%とは大きな差があります。ここで大事なのは、「AIが取ってきた候補が全部信頼できる」と思わないこと、そして「既に知っている重要論文が漏れていないか」を人間が目視で確認する時間を確保することです。特にsystematic reviewのように網羅性が命の作業では、AI単独では従来検索を置き換えられない、というのが2026年時点の学術的な結論です。

Q8. AIサーベイに投資しているのは日本企業ですか、海外企業ですか？

グローバルではChan Zuckerberg Initiativeが次の10年で最低100億ドルをbasic scienceに投下、BiohubのVirtual Biology Initiativeには5年で5億ドル、CZI Compute Clusterには1,024基のNvidia H100 GPUが投じられています。企業側ではGSKが1,000人以上の科学者にUndermindを、Pfizerがknowledge graph型のData4Cureをそれぞれ全社導入しています。日本ではJSTのASPIRE programがAI・情報、バイオ、マテリアル、半導体、通信を横断する研究支援を進めていて、NEDOも22機関の支援窓口を統合した「Plus」プラットフォームを運用しています。企業単位での大規模導入公開事例は海外に比べるとまだ限定的ですが、産業技術の中核領域では急速に立ち上がっている段階です。