AIと意思決定研究会
論文レーダー2026-07-27

📊 AIを用いた研究の浸透状況：分野別調査

AI / 学術 / 研究 / 動向調査

調査日：2026年7月27日

目次

結論

「AIで論文を書く」はすでに例外ではなく、分野によっては多数派になった。ただし浸透の度合いは分野間で桁違いに開いており、arXiv全文の実測でコンピュータサイエンスの約65%に対し、数学は約0.7%という100倍近い差がある。

さらに重要なのは、「執筆をAIが手伝う」段階と「研究そのものをAIが進める」段階は別物であること。前者はほぼ全分野に普及した一方、後者が実質的な成果を出しているのは数学の形式証明・創薬・材料の3領域にほぼ限られている。

1. 全体像を押さえる数字

指標数値出典
自然科学のAI関連出版数（2025年）約80,150本、前年比+26%Stanford HAI AI Index 2026
科学研究アウトプット全体に占めるAI関連の割合分野により5.8〜8.8%（2010年は1%未満）同上
生成AIを論文執筆に使った研究者57%（Nature 2025年調査、2023年は30%）Nature
AI方針を持つジャーナル70%（5,114誌を調査）PNAS (He & Bu, 2026)
そのうちAI使用を明示的に開示した論文75,000本中76本（約0.1%）同上

最後の行が今の状況を最もよく表している。PNASに掲載されたHeとBuの研究は520万本の論文を分析し、「ジャーナルのAIポリシーは、AI利用の抑制にも透明性の向上にもほとんど効果がなかった」と結論づけた。方針を持つ誌と持たない誌でAI利用の増加率に有意差がなかった。

使用は広がり、開示はされない——これが2026年の既定状態である。

2. 分野別の浸透度（arXiv全文の実測）

検出ツールUnslopが2026年7月に公表した測定が、現時点で最も粒度の細かいデータ。arXiv論文12,750本の本文全体（要旨だけでは信号が弱まるため）を2023年1月〜2026年7月にわたってスコアリングし、ChatGPT登場前の2021〜22年の論文で偽陽性率0.4%に較正している。

直近12か月の結果：

分野AI的な文章と判定された割合95%信頼区間
コンピュータサイエンス65.0%[59.3, 70.3]
定量生物学56.3%[51.0, 61.7]
電気工学・システム51.3%[46.0, 57.0]
経済学・ファイナンス47.0%[41.3, 52.7]
応用物理34.0%[29.0, 39.7]
統計学31.3%[26.0, 36.7]
物性物理24.0%[19.3, 29.0]
高エネルギー物理14.0%[10.0, 18.0]
宇宙物理10.7%[7.3, 14.3]
数学0.7%[0.0, 1.7]

ChatGPT登場前のベースラインは全分野でほぼゼロだったので、3年半での変化ということになる。

この表を読む際の注意

測定者自身が挙げている限界：

  1. 数学は数式記号の比重が高く、検出器が「AI的な散文」を捉えにくい構造的な盲点がある
  2. 検出器の感度はAIモデルによって差があるため、「真の割合は測定値以上」
  3. フラグが立つのは「機械的な文章」であって、AIに大幅加筆させた人間の原稿も含まれる

特に数学の0.7%を「数学者はAIを使っていない」と読むのは誤り。数学は別のかたちで最もAIが食い込んでいる分野である（後述）。

分野差の背景として、PNASの研究は非英語圏・物理科学系・オープンアクセス比率の高い誌で増加率が最も高いことも報告している。英語ネイティブでない研究者にとっての執筆支援という用途が、普及の大きなドライバーになっている。

3. 分野別：何にAIが使われているか

コンピュータサイエンス／機械学習 — 飽和と制度崩壊の同時進行

浸透率が最高であると同時に、弊害が最初に制度を壊し始めた分野でもある。

投稿数の爆発

質の劣化が数字で出ている

制度側の対応

arXivは2025年11月、CS分野のレビュー論文とポジションペーパーについて「査読を通過し学会・論文誌に採択済みであることの証明」を投稿要件とする方針に転換。さらに人間のチェックを経ていない明白なAI生成物の投稿者には1年間の投稿禁止措置を導入。初回投稿者にはエンドースメントも必要になった。

学術政治の論点

「完全自動化された科学エージェントによる分母ゲーミング」を論じたポジションペーパーが出ている。論文の質（分子）ではなく投稿数（分母）を人工的に膨らませて採択率を下げ、見かけ上の選抜性・威信を演出できてしまう、という指摘。

数学 — 文章では最下位、しかし「証明そのもの」では最先端

表の上では0.7%と最下位だが、数学はAIが人間の代わりに研究の中身を出した最初の分野である。

数学におけるAIは「論文の文章を書く道具」ではなく「Leanで検証可能な証明を探索する道具」として入っており、検出器が測っている軸とは直交している。形式検証があるぶん、CS分野で起きている「もっともらしい嘘」の問題が構造的に起きにくいのも特徴。

生命科学・創薬 — 産業側の投資が研究様式を変えつつある

定量生物学の文章側は56.3%と2位だが、この分野の本番は自律的な発見システム。

Kosmos（Edison Scientific）

産業側の本格投資

論文工場（ペーパーミル）の問題

化学・材料科学 — 自律ラボ（SDL）の第2世代へ

「SDL 1.0」が閉ループ発見の実現可能性を示した段階から、相互運用性と適用範囲の広さを備えたSDL 2.0へ移行しつつある、というのが2026年のレビュー論文群の共通認識。

ベンチマーク上では、フロンティアモデルは化学の2,700問超からなるChemBenchで人間の専門家平均を上回った。

物理・宇宙物理 — 慎重派だが基盤モデルは登場

文章側の浸透率は10〜34%と低め。米国天文学会の調査（2024年、約500名）では執筆補助33%、プログラミング48%という使い方で、コード生成には使うが原稿には使わないという規範が比較的保たれている。

能力の限界も明確に測定されている

一方で道具としての実績は積み上がっている

経済学・社会科学 — 「文章」は47%、「エージェント」は20%

経済学・ファイナンスの文章側浸透は47%と高い一方、Anthropicが2026年初頭に実施した定量社会科学者1,260名の調査は別の姿を見せる。

採用率

用途は圧倒的に技術寄り

採用の偏りが顕著

質的研究側の論点

LLMによるテーマ分析・コーディングの自動化が進む一方、文脈理解の妥当性、人間コーダーとの体系的比較の欠如、機微データをChatGPTに入力することのプライバシー問題が未解決。「置換」ではなく「手作業のコーディングをより戦略的に配分するための補完」という位置づけが主流。

医学・臨床 — 実務の普及が研究の普及を先導

法学 — 幻覚引用が実害として可視化された分野

学術というより実務の話だが、影響は法学研究にも及ぶ。

日本の状況

4. この状況をどう読むか

(1) 「文章のAIらしさ」と「研究のAI化」を混同しない

CSの65%という数字の多くは、非英語話者の執筆支援や推敲であって、研究の実質がAI由来であることを意味しない。逆に数学の0.7%は、AlphaProof Nexusがエルデシュ問題を解いている事実と全く矛盾しない。

分野を比較するなら、次の4層を分けて見る必要がある：

層内容浸透状況
執筆推敲・翻訳・草稿生成ほぼ全分野に普及
コード・解析データ解析コード生成、パイプライン構築理工系全般に普及
仮説生成新規機序・予想の提案一部で実用段階
検証提案の正しさの確認形式検証・実験のある分野のみ

(2) 検証可能性のある分野ほどAIの成果が本物になっている

数学（Leanコンパイラ）、創薬（ウェットラボ検証）、材料（自律実験）は、AIの出力を機械的・物理的に反証できる仕組みを持つため、幻覚が成果に混入しにくい。

一方、査読しか検証手段がないCS・社会科学では、幻覚がそのまま文献に定着する（NeurIPS 2025の53本がその実例）。

(3) 制度の対応は明確に後手

70%のジャーナルがAIポリシーを持ちながら開示率0.1%、ポリシーの有無で利用率に有意差なし——規範による統制が機能していないことを意味する。

実効性があったのは、arXivのCS方針転換やNeurIPSのデスクリジェクトのような、検出と機械的な門前払いを伴う措置だけだった。ただし検出器には偽陽性の問題があり、Unslopの0.4%という較正でも大規模適用時には無視できない冤罪が出る。

(4) アクセス格差が新しい形で現れている

Anthropicの調査が示した「ポスドクは教授の2倍、男性名は女性名の2倍以上、上位25大学は40%高い」という偏りは、生産性ツールが均等に配分されていないことを示す。

arXivが導入したエンドースメント要件も、AIスパム対策としては合理的である一方、所属のないキャリア初期の研究者を締め出す副作用が指摘されている。

参考文献

一次データ・実測

学術制度・研究公正

分野別

日本