AIが研究時間を短縮しても、検証は残ります

研究が速くなったという言葉の意味

経済学者たちはAIでコードを書き、データを整理し、論文を仕上げています。研究の問いをじっくり考える時間が増えたという反応もあれば、内容の乏しい論文や査読報告書が増えることを心配する声もあります。

この文章の出発点は、FTのスマヤ・ケインズ（Soumaya Keynes）が書いた『Economists have caught the AI bug』です。私はこの変化が経済学だけでなく、研究や文章を作り検証する方法全般に影響を与えると見ています。作業時間を減らす効果と、成果物の品質を分けて見ていきたいと思います。

AIが変えている三つのこと：生産性、範囲、検証

経済学研究でAIを使うことを、作業時間、分析対象、誤り点検の三つの側面に分けて見てみます。

1. 反復作業にかかる時間を減らす

データクリーニング、表の整理、プログラミングにかかる時間を減らせば、研究の問いをじっくり考える余裕が生まれることがあります。ケインズのコラムで紹介されているダートマス大学のポール・ノヴォサド（Paul Novosad）は、そうして思考に使える時間が5倍に増えたと述べています。これは一人の研究者の経験を語った数字であり、研究速度や成果を5倍高めたという実験結果ではありません。

同じコラムでは、American Economic Review編集長のエルツォ・ルットマー（Erzo Luttmer）の観察も伝えられています。投稿論文の約25%が主に編集やプログラミング補助にAIを使ったと開示していますが、投稿の質に目立った変化は見られないという説明です。これをAIを使った論文と使っていない論文を同条件で比較した結果として読んではいけません。

ケインズはNBER¹ワーキングペーパーの要旨の文章も分析しています。ChatGPT公開後、文章が短くなる傾向は続いたものの、単語の複雑さは上がったといいます。文章の長さや難しい単語の比率は文章全体の特徴を示すことはできても、研究の正確さや独創性を直接測るものではありません。これらの資料だけで、AIが研究の質を高めたとも、高めなかったとも結論づけるのは難しいです。

2. より多くの資料を分析し予測する

テキストを分析するコストが下がれば、研究に活用できる資料も増えます。企業の決算発表や政策文書のように、人が一つひとつ読むのが難しい資料を分類し比較するのにAIを活用できます。ただし分類が正確かどうか、異なる時期や集団にも同じ基準が適用されるかどうかは、標本を直接読んで確認する必要があります。

予測分野では、国際決済銀行（BIS）が2026年3月に紹介したBISTROがあります。トランスフォーマー²を時系列予測に適用したMOIRAIモデルを、マクロ経済データで追加学習させたモデルです。ユーザーは物価や失業率などのデータを入力して予測を行い、原油価格が特定の経路で動くという仮定のもとで結果を比較できます。

BISの研究陣は過去データを用いた評価で、2021年の米国の物価上昇の持続性を検証しました。2021年3月を起点にすると比較対象のモデルの予測は似通っていましたが、物価上昇が現れた6月以降は、BISTROがAR(1)やMOIRAIよりも上昇の持続をよく反映していました。これは当時実際の運用であらかじめ的中させた予測ではありません。研究陣自身も、あらゆる予測問題の正解ではなく、素早く基準となる予測を作り他のモデルと比較できるツールだと説明しています。

3. 検証——AIは論文の誤りをふるいにかけられるか

三つ目の経路は、AIが研究の誤りをふるいにかける助けになれるかどうかです。

ノースウェスタン大学のベン・ゴラブ（Ben Golub）が共同創業したRefineは、論文を読んで数学的な誤りや論理の不整合、実証分析手法の問題を指摘するツールです。ゴラブが2025年12月に行ったMarkus’ Academyの講演でも、著者が論文を提出する前に点検し、学術誌が人による査読を補完する用途で試している事例が紹介されました。

AIの指摘が正しいかどうかを確認する作業は依然として必要です。数式の誤りを見つけることと、研究の問いが重要かどうかを判断することも別の話です。私自身も研究・執筆補助ツールのJenniを実際に使ってみて、勧めたことがあります。Jenniは資料を読み、文章を書き、引用を整理することに重点を置いたサービスなので、Refineのような論文検証ツールとひとくくりに説明するより、用途を分けて見るのが妥当です。