論文の要約・統計処理をAIが全自動で行う時代へ

「この治療法は本当に効くのか」「どの学習法が最も成果を出しているのか」——こういった問いに答えるには、本来なら数十本の論文を読み込み、データを揃え、統計処理を重ねる「メタアナリシス」という作業が必要になる。研究者でも数ヶ月かかる工程だ。

ArXivで公開されたAutoSynthesisは、この一連の作業をマルチエージェントシステムで完結させようとする試みだ。入力は自然言語の問い。システム側が検索戦略を立て、文献を取得し、適格性を判断し、統計量を抽出し、効果量を算出し、最終的にPRISMAガイドライン準拠のレポートを吐き出す。

論文によると、28本以上の研究をスクリーニングし、20件超の定量的主張を抽出。算出された効果量は、専門家が手作業で行ったメタアナリシスの結果（Hedges' g）と近似しているとされている。完全自律ではなく出力の検証は必要だが、「下調べの自動化」という用途では現実的な水準に達しつつある。

これが面白いのは、研究者向けではなく、「調べ物をしながら動く」タイプの人間にとってのインパクトが大きい点だ。

たとえば、新しい施策を打とうとしたとき、「で、それって本当に効くの？」という問いに答えるには、これまで論文を何本か読んでざっくり判断するしかなかった。AutoSynthesisが実用的になれば、「このアプローチを支持する研究はどれくらいあって、効果量の中央値はどのあたりか」という問いを、構造化された形で返してもらえる可能性がある。

日本でいえば、コンテンツ施策の根拠を整理したいとき、採用施策の効果を比較したいとき、あるいは自分の発信に「研究の裏付け」を持たせたいときに使える武器になりうる。これまで「論文は難しそう」と敬遠していた人ほど、入り口が変わる感覚に近い。

AIエージェントが買い物を代行する時代、ブランドへの「信頼」はどう変わるかでも触れたように、エージェントが「調査」「判断」「実行」を代替し始めている流れの中で、AutoSynthesisはその「調査フェーズ」を担う存在として位置づけられる。

注意しておきたいのは、AutoSynthesisはあくまで「専門家の手作業に近い精度」であり、専門家を超えているわけではない点だ。論文では効果量の一致を強調しているが、文献の取りこぼし、スクリーニング判断のミス、文脈を無視した数値抽出といったリスクは残る。

特にメタアナリシスの精度は、入力される文献の質と網羅性に依存する。システムが組む検索戦略が不完全であれば、統合分析の結論もずれる。

ただ、これを「使えない理由」として棚上げするより、「出力の最終確認は自分でやる」前提で使うツールとして捉えるほうが実用的だ。ゼロから文献を探して読むコストと比べれば、自動生成されたドラフトをチェックするコストは格段に低い。

また同時期に公開された別の研究では、LLMが自然言語の質問を因果分析クエリに変換し、交通データから「雨が渋滞密度にどう影響するか」などを推論するシステム（teLLMe）も登場している。こちらも「仮説生成のためのツール」と明示されており、「断定的な因果主張のソースとしてではなく」という注記がある。AIによる分析系ツール全般に通底するスタンスだ。