鉄鋼と非鉄金属の資料を一つの表へ集めると、同じ「生産量」でも粗鋼、鋼材、銅地金、アルミニウム圧延品が並びます。数字はそろって見えますが、対象が違うため、そのままでは研究テーマや調達リスクを判断できません。
鉄鋼・非鉄金属業界のリサーチAIは、資料間の前提を照合するために使います。AIは需給と原料の資料を読み、技術や環境性能の根拠と照らします。支持する証拠と反証は同じ台帳へ置きます。
人はAIの結論を採用する前に、対象の鉱種・鋼種、基準日、単位、工程境界を原典で確認します。調査担当者は、集めた資料数ではなく、追加調査を続けるかどうかで成果を測ります。
金属調査では同じ言葉が別の対象を指す
経済産業省の鉄鋼・非鉄金属・金属製品統計の調査票は、鉄鋼を銑鉄、粗鋼、圧延材、鋼管などに分けています。非鉄金属はアルミニウム、伸銅、電線などが別の調査票です。
調査票の分かれ方に合わせ、鉄鋼では品種と用途を追います。非鉄金属では銅やアルミニウムなど、鉱種を先に分けます。そのうえで、鉱石、地金、加工品のどこを見ているかを残します。
日本鉄鋼連盟の統計・分析には、生産、受注、輸出入、品種別出荷の系列があります。粗鋼生産が動いても、狙う鋼材の受注や在庫が同じ方向へ動くとは限りません。
世界では、2025年に18億4,940万トンの粗鋼が生産されました。粗鋼の合計だけでは、特定の特殊鋼や地域需要まで読み取れません。
図の上段は鉄鋼を品種と用途へ、下段は非鉄金属を鉱種と供給段階へ分けています。上下は業界の優劣ではなく、調査単位の違いを示します。
鉄鋼と非鉄で証拠台帳の列を変える
鉄鋼の台帳は、品種・用途・製法を軸にします。生産、受注、在庫、対象地域も残します。非鉄金属は鉱種と供給段階を軸にします。生産と消費に加え、在庫、輸出入、供給障害を残します。
USGSのMineral Commodity Summaries 2026は、90超の鉱物と材料について5年統計、世界生産、埋蔵量を鉱種別に収録しています。日本の需要を読む資料ではなく、世界供給の前提を確認する資料として使います。
JOGMECが紹介した2025年秋季の国際非鉄研究会は、銅について2025年の供給超過と2026年の供給不足を予測しました。私は予測時点と改訂履歴を残し、確定した実績とは別行にします。
経済産業省の非鉄金属等需給動態統計調査は、2020年12月分を最後に中止されています。系列が見つからないとき、AIに欠損を補わせず、代替資料と接続できない期間を記録します。
証拠台帳の中央には出典と基準日を残します。地域、単位、実績か予測かも共通列です。鉄鋼固有列と非鉄固有列を左右へ分けるため、共通条件を失わずに異なる調査単位を扱えます。
AIで定義差と反証を同じ台帳に置く
目的は、低炭素鋼材の研究テーマへ追加予算を配分するか決めることです。事前仮説は「大型電炉の普及では、設備容量より高級鋼向けの不純物管理が採用時期を左右する」とします。
技術側では、電炉の成熟度とスクラップの品位を調べます。事業側では対象鋼種、設備計画、顧客の品質要件が必要です。不純物管理の差が採用時期を説明せず、電力調達や設備納期が主因なら、この仮説を退けます。
ChatGPTの新しいチャットで、公開資料のCSVとPDFを添付します。ChatGPTのデータ分析は表計算とPDFを扱えますが、外部資料は利用者が添付するか接続する必要があります。
目的は、低炭素鋼材の研究テーマへ追加予算を配分するか決めることです。
添付資料だけを使い、支持証拠、反証、未確認項目へ分けてください。
各行に品種、製法、地域、基準日、単位、実績か予測か、出典箇所を残してください。
最後に、追加調査、保留、見送りのどれかと、不足資料を書いてください。AIの出力は証拠台帳にします。台帳には支持と反証を分けて残し、未確認項目には次に開く原典を付けます。暫定判断も同じ行に置けば、証拠不足の影響に応じて追加調査の順序を変えられます。
横方向は仮説、証拠の分岐、原典確認、判断の順です。赤は反証、緑は人の確認を示し、色で重要度は表しません。
人は品種、基準日、工程境界を確かめる
経済産業省の2025年度版鉄鋼技術ロードマップは、省エネ、高炉での水素活用、電炉、直接還元などを時系列で示します。予定された実用化時期は、個社の量産実績ではありません。
国際的な進展を確認するなら、IEAのBreakthrough Agenda Report 2025の鉄鋼章が、低排出鋼の需要形成やサプライチェーンでの属性追跡を扱っています。制度の有無と工場の稼働実績は分けて読みます。
環境性能では、World Steel Associationが2024年LCIデータを16鋼材製品について公開しています。LCIは、定めた工程境界の内側で原料、エネルギー、排出を集計するデータです。
工場出荷までの値と製品の使用後まで含む値は、同じ指標ではありません。AIが数値を近い行へ置いても、人が製品、地域、対象年、工程境界を確認します。
図の四列は品種、地域と基準日、実績か予測か、工程境界です。どれかが主張と合わなければ、証拠台帳へ差し戻します。
一つの材料テーマで導入試験をする
私なら、最初の試験は一つの材料テーマと一つの判断に絞ります。低炭素鋼材なら、生産統計、技術ロードマップ、LCI、設備計画を同じ基準日で用意します。
人手調査とAI調査へ同じ資料を渡します。原典発見率と定義差の検出数を比べ、誤引用や未確認項目も数えます。再調査時間まで測れば、文章の長さや回答速度だけに評価が偏りません。
私は材料テーマを絞る前に、R&Dの新規テーマ調査も確認します。複数資料の仮説と反証を分ける考え方は、競合分析の実務手順でも使えます。
図は、共通入力から二つの調査経路へ分かれ、共通指標で導入判断へ合流します。上下は人手とAIの経路を区別するだけで、優劣は共通指標から判断します。
よくある質問（FAQ）
Q1. リサーチAIは金属業界の調査で何を照合しますか？
需給と原料に加え、技術や環境性能の公開資料を集めます。AIは資料の定義差を見つけ、支持証拠、反証、未確認項目へ分けます。製造設備を制御するAIとは用途が違います。
Q2. 鉄鋼と非鉄金属を同じ表で比較できますか？
出典や基準日の共通列は持てます。ただし鉄鋼は品種と用途、非鉄は鉱種と供給段階の列を分けます。生産量を一列へ統合しません。
Q3. AIが見つけた需給予測を採用してよいですか？
発表日、対象期間、地域、単位、予測条件を原典で確認します。新しい予測や実績が出ていれば、台帳の現在値を差し替えます。古い予測は当時の見通しとして残します。
Q4. 社内の材料データをChatGPTへ添付できますか？
契約と組織の利用規則が許可した場合だけ添付します。まず公開資料で試験します。保存や学習利用の扱いを読み、削除方法とアクセス権も確認します。
Q5. 導入試験では何を測りますか？
原典発見率、定義差の検出数、誤引用、未確認項目、再調査時間を測ります。入力資料と判断課題をそろえ、人手調査との差を確認します。
調査手法について
こちらの記事はグラフAIリサーチプラットフォームのSnorbeを使って作られています。Snorbeは研究開発・新規事業向けの調査テーマに応じた幅広い項目のオートリサーチや、ナレッジグラフの構築、構造化レポートの生成ができるAIリサーチツールです。
Screenshot
調査したいテーマを入力するだけで、AIが深堀りすべき観点や広げるべき調査項目をレコメンドしながら、自動でリサーチを進めます。収集した情報はナレッジグラフとして蓄積され、未調査領域（ホワイトスペース）を可視化しながら調査の網羅性を高めていけます。
また、観点マトリクスを30秒・構造化レポートを10分で自動生成する機能があり、出典付きのレポートをMarkdown/PDF形式でエクスポートできます。調査の元データも保存されるため、ファクトチェックや社内共有も容易です。
ご利用をご希望の方は、こちらよりお申し込みください。
また、グラフAIを活用した社内ナレッジ管理や、研究開発・新規事業のリサーチ支援、セルフホスト導入のご相談も受け付けています。お困りの方はお気軽にご連絡ください。
市場調査やデスクリサーチの生成AIエージェントを作っています 仲間探し中 / Founder of AI Desk Research Agent @deskrex , https://deskrex.ai
コメント