AI時代、論文の数より理解の深さが採用を左右する

数学や理論系の研究分野では長い間、「査読を通過した論文の量と質」が研究者の実力を測るほぼ唯一の指標だった。よく書かれた論文があるということは、その著者がその分野を深く理解しているはずだ、という暗黙の前提が機能していたからだ。

ところがAIが広く普及したことで、この前提が崩れつつある。論文の体裁を整えること、関連研究をまとめること、数式を展開すること——これらの作業はAIが大幅に代替できてしまう。つまり、表面的には「立派な論文」に見えても、著者の理解の深さとは切り離されたアウトプットが生まれやすい状況になっている。

発表された研究（arXiv:2610.35802）はこの問題をゲーム理論で分析した。シグナルの価値が下がるとき、市場参加者がどう行動を変えるかを定式化したもので、採用市場を「情報の非対称性が崩れた場」として捉え直している点が興味深い。

この研究が面白いのは、問いを「研究者側」と「採用側」の両方に向けていることだ。

研究者（求職者）側の二択： 時間をかけて分野を深く理解するか、AIを使って論文数を増やして履歴書を厚くするか。前者は時間コストが高く、短期的な競争力で不利になりやすい。後者は採用シグナルとして機能する間は有効だが、面接などで「理解の深さ」を問われると崩れる。

採用側の二択： 論文数の少ない候補者でも「理解を問う面接」に合格したら採用するか、論文数と面接合格の両方を課すか。前者は優秀だが論文数が少ない候補者を拾いやすくなる。後者は基準を高く保てるが、AIで量を積んだ候補者が面接対策も抜かりなく行ってきたとき、依然として篩として機能するかが問われる。

研究はすべての純戦略均衡を分類し、集団が学習によってどの行動パターンに収束していくかをシミュレーションで検証した。具体的な収束先は研究の前提条件によって異なるが、「量だけを重視する採用基準は機能不全に向かう」という方向性は共通して示されている。

学術採用の話として読んでも示唆は深いが、この構造は仕事全般に直接当てはまる。AIを使ってアウトプット量を増やすことが容易になった今、「成果物の数」は以前ほど実力を証明しなくなっている。

注目したいのは、この研究が「AIを使うな」という結論を出していないことだ。問題にしているのはシグナルの設計であり、評価の軸が現実に追いついていないことにある。採用側が「理解を問う面接」を組み合わせた基準を持つように、使う側も「どのアウトプットが自分の実力を示すものか」を意識的に設計し直す必要がある局面に来ている。

たとえばポートフォリオや提案書を大量に作ることより、「なぜこの判断をしたか」を言語化できる一つのアウトプットのほうが、文脈を理解している相手には刺さる。量産が容易になったからこそ、思考のプロセスや判断の経緯を示せるものが差別化になっていく、という読み方もできる。