エージェントと研究の作法 — ガイドライン

作業版この節は現時点の記事に基づきAIが生成した暫定的な構造化(作業版)です。編集部が公開した内容は候補版、コンソーシアムが承認した規範版は第N版を参照してください。 (版の状態について)

AI が自律的に手順を進めるようになると、研究の進め方は「AI を道具として使う」から「どの工程の権限を AI に渡し、どの責任を手元に残すか」という配分の設計へ移る。北本氏が提案する Agentic DH という名称は、AI エージェントを使う DH という意味に加えて、主体性(agency)を人間と AI のあいだでどう分担するかという意味を込めている [UC-035 §Agentic DHが込めたもう一つの意味]。本節はこの配分を三つの類型で整理し、研究者が「指揮者」になるとはどういうことか、そこから著者性・査読・人材育成に何が起こるかを述べる。以下の三類型と指揮者の概念は、本文書における唯一の定義である。

関与の深さで分ける三つの類型

人間と AI の関わり方は、人の関与の深さによって三つに分けられる [UC-035 §人間とAIの関わり方の三つの類型と「指揮者」という研究者像]。

Human-in-the-loop: 一つ一つの作業を指示し、確認する。マイクロマネジメントにあたる。
Human-on-the-loop: 方向を示して作業を委ね、結果を確認する。権限移譲(delegation)にあたる。
Human-out-of-the-loop: 結果をそのまま使う。丸投げ(abdication)にあたる。

この順に人の関与は減る。AI にできることが増えるにつれて、研究の進め方は in-the-loop から on-the-loop へ移っていくという見立てである [UC-035 §人間とAIの関わり方の三つの類型と「指揮者」という研究者像]。

責任の所在は、この三類型で次のように変わる。in-the-loop では、研究者が工程の一つ一つに立ち会うので、責任は個々の作業にまで及ぶ。on-the-loop では、個別の工程は AI に委ねられるが、方向づけと結果の確認は研究者に残る。out-of-the-loop では、確認の段階が消え、研究者は出力が正しいかどうかを問わないまま使うことになる。三類型を分けるのは、AI がどれだけ自律的に動けるかよりも、人が確認の工程を保持しているかどうかである。

北本氏は、人文学では丸投げにあたる Human-out-of-the-loop はあまり成立しないのではないかと述べている [UC-035 §人間とAIの関わり方の三つの類型と「指揮者」という研究者像]。人文学では、人手による丹念な作業を著者性の根拠としてきた [UC-035 §学術システムにかかるストレスと著者性の問い]。そのため、出力をそのまま使う関わり方では、研究として成り立たせにくい面がある。

指揮者としての研究者

on-the-loop の関わり方を研究者の像として言い表したものが、「研究者は AI の指揮者である」という整理である。指揮者は個々の楽器を弾けないかもしれないが、全体の音がどうあるべきかを理解し、全体としてよい音楽を作る責任を負う。研究者も、個別の工程は AI に委譲しつつ、研究の全体を成功させ、説明する責任を負う [UC-035 §人間とAIの関わり方の三つの類型と「指揮者」という研究者像] [UC-043 §Agentic DHという視点]。

この像は三つの要素から成る。第一に、権限を委譲すること。第二に、委譲しても研究責任は手放さないこと。第三に、出力を批判的に評価する能力を保つこと。三つ目の能力は、人文学が主体性を保つための条件として北本氏が挙げたものと重なる。AI への丸投げではなく的確な指示と対話のコントロールが不可欠であること、自分たちの研究に適した AI を開発する能力や AI の出力を批判的に評価する能力を育成できるかどうかが問われている [UC-035 §AI for Humanitiesに向けて]。

この能力がどれほど要るかを示す事例が、数学研究にある。Terence Tao 氏は、ヤコビアン予想の反例が見つかった翌日に、その反例を「消化」する解説を投稿した。この解説自体も ChatGPT との対話で作られているが、対話の成立には深い専門性が必要だと北本氏は指摘している [UC-035 §数学研究で進むAI for Science]。委譲できる範囲が広がっても、出力を理解し、検証し、位置づける力は人間の側に求められ続ける。

指揮の実践として、研究チームの運営にも具体例がある。西洋古典テクスト基盤 Humanitext では、設計や方針をチームで相談して決め、実装を AI エージェントが担う。AI の側がより適切な設計案を示してくることも多く、協働の実感はチームの一員に近い。ただし何を採用するかという最終的な意思決定は、常に人間のチームが行う [UC-038 §研究チームとAIの協働]。判断を文書として残す運用も有効だった。決定した事項、採用しなかった案とその理由、生じた不具合を各リポジトリの AGENTS.md に記録し、以後のセッションで AI に最初に読ませている [UC-038 §研究チームとAIの協働]。委譲しながら責任を保持するとは、こうした判断の履歴を手元に残すことでもある。

見えにくくなる境界

指揮者の像が難しくなる場面もある。2026年のシンポジウムの参加者アンケートでは、研究や業務の過程でどこまでが AI による提案や分析で、どこからが人間による判断や選択なのかが見えにくくなることへの懸念が挙がった。論文や学会報告で AI のリファレンスをどこまでとし、オリジナルをどの部分とするかの判断に困るという声や、研究の主導権を AI に握られてしまいそうになるという声もある [Issues-002 §論点3：人間が担う範囲の見極め]。

見えにくさを懸念した回答は、AI の出力をなぜ採用し、何を採用しなかったのかを記録・検証できる仕組みが必要だと述べている [Issues-002 §論点3：人間が担う範囲の見極め]。この回答は、委譲した工程のどこを人間が判断したのかを後から辿れること、すなわち on-the-loop が実質を保つ条件に触れている。

著者性と査読

責任が人間に残るとすれば、成果は誰のものかが問われる。研究者のプロンプトには独自性があり、検証も行うが、それが著者性の根拠になるのかには疑問が残る。Gowers 氏は、AI が生成し人間が検証した成果を、著者のいない論文として投稿できないかと考えたが、プレプリントサーバーの arXiv は条件を満たさないという。人手による丹念な作業を著者性の根拠としてきた人文学では、AI 支援による成果の評価が特に難しくなる可能性がある [UC-035 §学術システムにかかるストレスと著者性の問い]。

教育の場では、評価の対象を移す考え方が示されている。学生の研究は、AI が答えを出した結果ではなく、学生が AI を指揮しながら問いと方法と成果を結びつけたプロセスとして評価されるべきものだという [UC-036 §学生の研究の評価と教員の役割]。成果物そのものではなく、人が何を判断し、どう方法を組み立て、何を成果としたかを評価の根拠に据える考え方である。

査読も揺れている。論文の「生産性」が向上して大量投稿が可能になり、質の低下も重なって、人間が査読するシステムが危機的な状況にあると北本氏は指摘する。機械学習の学会 NeurIPS では、AI を用いた査読の実験が始まった。AI が書き、AI がレビューする時代に、学問の信頼性をどう確保するかが大きな問題になっている [UC-035 §学術システムにかかるストレスと著者性の問い]。アンケートには、論文作成には AI を使えるが論文査読には使えないことを問題とする回答もある [Issues-002 §論点3：人間が担う範囲の見極め]。作成の側と評価の側で AI の使い方が非対称になっている点に、現在の揺らぎが表れている。

数学者のコミュニティでは、こうした変化への反応が宣言の形でまとめられた。2026年6月に公開された Leiden Declaration on Artificial Intelligence and Mathematics は、数学者の選択と責任を強調している [UC-035 §数学研究で進むAI for Science]。委譲の範囲を決めるのは研究者自身であり、その選択の責任も研究者が負うという立場である。

キャリアパスと人材育成

指揮者として責任を負う研究者像が広がると、研究者の育ち方も変わる。数学での事例が先行して問いを投げかけている。Gowers 氏のブログは、自分の名前が定理や定義に永く結びつく喜びを味わえる時代は終わりに近いかもしれないと述べ、大規模言語モデルが比較的やさしい問題を解ける段階にあるなら、研究を始めたばかりの博士課程の学生に取り組みやすい問題を与えるという指導の常道は選べなくなると指摘している [UC-043 §Agentic DHという視点]。数学研究にこれから入ろうとする人への影響は特に大きく、従来のやり方ではキャリアを築けないとも論じている [UC-035 §数学研究で進むAI for Science]。入門的な問題を解く経験を通して研究者になるという筋道が、AI の進展によって崩れうるということである。

人文学では状況が異なると北本氏は断りつつ、そこで起こっていることはいずれ人文学にも波及するはずだと考えている。学術システムの大変革は人材育成やキャリアパス、教育にも大きく影響するため、いまから対応を考えるべきだと述べている [UC-035 §AI for Humanitiesに向けて]。

世代による転回の違い

世代によって、この変化の受け止め方は異なる。DH はこれまで、アナログからデジタルへの一方向的な変化、すなわち計算可能性やアクセシビリティをどう高めるかを議論してきた。いま起きているのは、人間と AI のあいだで主体性をどう分担するかという配分の問題である。北本氏は、Agentic DH に到達するにはデジタル化から AI 化への転回が必要であり、デジタル化の延長ではそこに進めないと述べる。これはデジタル化をやめるという意味ではなく、方向を変えるという意味である。

他方、最初からデジタル環境で研究を始めた人は、アナログからデジタルへの変化を経験していない。そのため、転回という手続きを踏まなくても自然に AI 化へ進める。若手に有利な面があり、デジタル化を経由せずに AI 化を進める新たな研究の可能性も開けるという [UC-035 §デジタル化からAI化への転回] [UC-043 §Agentic DHという視点]。