何が始まるのか

会合は6月3日に開かれ、議事録が8月10日に公表されました。文科省事務局は、応募件数の増加と学際的研究の広がりによって、審査委員の負担と審査の難しさが増していると説明しました。生成AIの普及で申請書作成が容易になれば、応募がさらに増え、審査体制を圧迫する可能性もあります。

2年間の調査研究では、AIエージェントの概念設計や部分的な検証を行い、その結果を踏まえて科研費審査で何が可能かを検討します。導入時期、対象種目、採否判断への利用範囲は決まっていません。『検討開始』と『制度導入』を分ける必要があります。

AIが役立ち得る三つの場面

第一は、申請内容と専門分野を照合し、候補となる審査委員を探す支援です。人間は利益相反、審査負担、専門の偏りを確認し、最終的な割当てを決めます。第二は、複数の審査意見から論点を抽出し、重複を整理する支援です。第三は、評価基準の確認や見落とし候補の提示など、審査者の判断を補助する使い方です。

これらは採否を自動決定するより導入しやすく見えますが、無害ではありません。委員候補の推薦に偏りがあれば特定分野や研究者へ負担が集中し、要約が少数意見を消せば合議の質が落ちます。補助機能でも結果へ影響する以上、検証と記録が必要です。

論文査読AIをそのまま使えない理由

議事録では、論文は実施済み研究の報告である一方、研究費申請は未実施のアイデアと計画を含むと整理されています。申請書には新規性のある構想、共同研究先、未公開データ、個人情報が入り、外部サービスへの入力は情報漏えいにつながり得ます。

評価対象も違います。研究費審査では、学術的意義だけでなく、実現可能性、研究体制、予算、波及効果などを見ます。公開された査読データが多い一部分野で性能が高くても、人文社会科学、実験科学、フィールド研究を同じ精度で扱えるとは限りません。学術分野間のデータ量の差が、そのまま評価の差にならない設計が必要です。

越えてはいけない三つの境界

一つ目は機密性です。申請情報をどこに保存し、モデル学習に使わせないか、誰がアクセスできるかを明確にする必要があります。二つ目は偏りです。過去の採択結果を学習させるだけでは、既存分野や有名機関を有利にする可能性があります。三つ目は説明責任です。採否に影響する提案をAIが出したなら、審査者がその根拠を確認し、異議申立てや監査時に追跡できなければなりません。

『最後は人間が決める』だけでは十分ではありません。人間がAIの出力をほぼそのまま受け入れる自動化バイアスもあります。どの画面で何を提示し、反対意見をどう見せ、どこで人が確認したかという業務設計まで検証対象にする必要があります。

反対面、限界、まだ分からないこと

AI支援によって審査時間が短くなっても、審査の質が上がるとは限りません。効率化で空いた時間が申請書の熟読や合議へ戻らなければ、処理件数だけが増える可能性があります。性能評価も、過去の採否との一致率だけでは不十分です。過去の判断自体に偏りがあれば、一致は偏りの再現になり得ます。

現時点では、使用モデル、学習データ、評価指標、第三者検証、申請者への説明方法は確定していません。調査研究の成果が公開され、分野別の誤差や失敗例まで検証できるかが次の確認点です。

用語メモ

科研費

科学研究費助成事業の略称です。研究者の自由な発想に基づく学術研究を幅広く支える競争的研究費で、専門家によるピアレビューを通じて採否が決まります。

編集部の確認ポイント

  • 確定していること：審査支援AIについて2年間の調査研究を行い、概念設計と部分的検証を進める。
  • 決まっていないこと：AIが採否を自動決定する制度、導入時期、対象種目、具体的な運用。
  • 今後見ること：機密性、分野別の偏り、判断記録、異議申立て、人間の責任をどう実装するか。