本記事の対象:
🔰 初心者: 「超AI時代」って何？重要ワードを整理してから読める
🔧 中級者: 推論コスト崩壊・エージェント開発・AI創薬の現在地
🚀 上級者: PubMedの最新論文から見える医療AI革命の可能性

本記事は以下の動画・レポートを参考に、独自の考察をまとめたものです。
動画URL: https://www.youtube.com/watch?v=DXmaXV004xg（落合陽一氏×PIVOT対談）

関連記事

📄 「コードを書く力」より「コードを書かない判断力」——Qiitaデータと Claude Mythos が示す、2026年以降のエンジニア生存戦略

はじめに

2025年後半から2026年にかけて、AIをめぐる状況が急速に変化しています。

単なるチャットツールの高度化ではなく、「AIが自律的に研究し・コードを書き・物理世界で動く」という段階に差し掛かりつつあるようです。本記事ではその変化を5つの切り口で整理し、特に医療への影響についてPubMedの査読論文をもとに考察します。

あくまでも「こういうことが考えられる」「こういう方向性に向かっているかもしれない」という視点でお読みください。

🔰 まず用語を整理する

用語	意味
AGI	汎用人工知能。特定タスクだけでなく、あらゆる知的作業を自律的にこなせるAI
推論（インフェレンス）	学習済みモデルが実際に回答を出す処理。これが「考えること」にあたる
エージェント	目標を与えると自律的にステップを分解・実行する能動的なAI
Claude Code	Anthropicのエージェント型コーディングシステム。コードベース全体を自律編集・テスト・PRまで実行
MCP	Anthropicが提案したオープン標準。AIが外部ツール（GitHub・Slack等）に安全にアクセスするための仕組み
フィジカルAI	身体を持ち、物理世界で動くAI（ドローン・ロボット等）
デジタルネイチャー	計算機と自然が融合し境界が消失した新しい世界観（落合陽一氏の提唱概念）
推論時計算量	回答を出す瞬間にAIが「思考・検証・自己批判」に使う計算量。増やすことで性能が向上する

🔧 考察①：推論コストの急落が何を変えうるか

数字で見る現在地

AIモデルを動かすためのコスト（推論コスト）が、過去2年で劇的に下がっています。

指標	2024年	2026年現在
推論コスト（GPT-4クラス/100万トークン）	約60ドル	0.10〜1.00ドル
推論効率の年間改善率	2〜5倍	10〜900倍（タスクに依存）
企業のAI予算（推論 vs 学習）	推論が約1/3	推論が約2/3を占める

参照：Epoch AI Trends / NVIDIA Blackwell

何が変わりうるか

コストが下がるということは、「1回試して終わり」ではなく、**「何百回も試行錯誤できる」**環境になるということです。

これまでは「計算量がかかりすぎる」という理由でできなかったこと——たとえばAIが自分の出力を何度も自己検証する、複数の解答案を並列生成して比較する——が現実的になってきています。

この「推論時計算量（Inference-time Compute）のスケーリング」というアプローチにより、モデルの規模を大きくしなくても複雑な推論能力が引き上げられる可能性があります。これがAGI宣言の可能性と結びついて議論されている背景の一つです。

🔧 考察②：エージェント型開発が「働き方」を変えうるか

Claude Codeという実例

コストが下がった結果、最も変化が見えやすいのがソフトウェア開発の現場です。

AnthropicのClaude Codeは、コードベース全体を読み込み、バグの特定から修正・テスト・PRの作成まで自律的に実行するエージェント型ツールです。

機能	内容
自律的タスク遂行	バグ特定→修正→テスト実行をワンコマンドで
プロジェクト全体の理解	ディレクトリ構造の検索・依存関係の追跡
ツールチェーン統合	git・Kubernetes・GitHub CLI等のネイティブ操作
MCP接続	Google Drive・Slack・Jiraとの連携

参照：Claude Code公式ドキュメント

「コーディング」より「選ぶ力」が問われる時代になるかもしれない

AIがコードを書けるようになると、人間の役割は「書く」から「どのアーキテクチャを選ぶか・どの出力が良いか判断する」方向にシフトしていく可能性があります。

これは本記事の関連記事「コードを書かない判断力」で詳しく論じています。ここで一点補足すると、「1人ユニコーン企業」という表現で語られるように、かつて数十人が必要だった規模の開発が少人数で可能になるかもしれません。ただしこれはあくまで可能性の話であり、実際には品質管理・セキュリティ・組織的な意思決定など、人間が担うべき領域は依然として広いと考えられます。

速報：Claude Opus 4.7（2026年4月16日リリース）

この文脈と直接関係する最新情報です。2026年4月16日、AnthropicがClaude Opus 4.7を正式リリースしました。

改善点	詳細
ソフトウェアエンジニアリング	CursorBenchで70%（Opus 4.6は58%）。Opus 4.6が解けなかった難問を単独解決
長時間・複雑タスク	ユーザーから「監視が必要だった最難度の仕事を任せられる」との報告
自己検証能力	計画フェーズで論理的欠陥を自律的に発見・修正する能力が向上
画像解像度	より高解像度で画像・図面・化学構造式を認識

また、Opus 4.7はClaude Mythos Previewよりは能力が低いモデルですが、「Mythosのサイバーセキュリティ安全策を初めて実装した実験台モデル」として位置づけられています。AnthropicはOpus 4.7での実運用データをもとに安全策を改善し、将来のMythosクラスモデルの一般公開を目指すとしています。

今すぐ使えます： API文字列 claude-opus-4-7、価格はOpus 4.6と同額（入力$5・出力$25/百万トークン）

1次情報：https://www.anthropic.com/news/claude-opus-4-7

🔧 考察③：科学的発見の自動化はどこまで進んでいるか

Sakana AI「The AI Scientist」という実験

研究プロセス自体をAIが実行するという試みが現実に進んでいます。Sakana AIの「The AI Scientist」は、機械学習研究のライフサイクル全体を自律的に実行するシステムです。

フェーズ	内容
アイデア生成	Semantic Scholar APIで新規性を確認しながら仮説を生成
実験デザイン	仮説検証のコードを記述し、並列エージェントで最適化
論文執筆	実験結果をLaTeX形式でフルペーパーにまとめ図表も生成
自動査読	NeurIPS等のトップ会議基準で自己批判・評価

実績	数値
論文1本あたりのコスト	約15ドル
所要時間	約3.5時間
ICLR 2025ワークショップ	ブラインドレビュー通過、平均スコア6.33

参照：Sakana AI公式 / Nature掲載論文

これが「AIが新しい知識を生み出す段階に入りつつある」と議論されている根拠の一つです。もっとも、現時点では特定の研究領域（主に機械学習自体の研究）における実証であり、あらゆる科学分野への応用にはまだ多くの課題があると考えられます。

🔧 考察④：フィジカルAIと国防——物理世界への展開

AIがデジタル空間から物理世界へ広がる動きが加速しています。その最も先鋭的な応用の一つが国防分野です。

Anduril Industriesのような企業は、ソフトウェア思想を兵器システムに持ち込んでいます。

プロダクト	領域	特徴
Lattice OS	統合指揮命令	数千のセンサーデータを統合、AIで状況分析
Roadrunner	対空	再利用可能な自律型迎撃ドローン
Ghost Shark	水中	長距離自律型水中ドローン

参照：Anduril公式

安価な自律型ドローンが高価なミサイルを無力化するような「非対称な戦争」という構図は、すでにウクライナなどの現実の紛争で観察されています。AIと物理インフラ（エネルギー・半導体）の確保が国力に直結するという議論が、各国の政策レベルでも出てきています。

ヒューマノイドロボット——産業用での商用化が始まった

「フィジカルAI」の中でも特に注目されているのがヒューマノイドロボットです。2025〜2026年にかけて、研究デモから産業用の実際の導入へと移行しつつあります。

Boston Dynamicsは2026年1月のCES 2026で完全電動のAtlasプロダクション版を発表。2026年分は全台Hyundai・Google DeepMindへの出荷で確定済みで、追加顧客への展開は2027年初頭を予定しています。

企業・機種	現在地（確認済み）
Boston Dynamics Atlas	2026年分は全台Hyundai・Google DeepMindへ。2027年から追加顧客へ
Agility Digit	トヨタ自動車カナダ工場でRaaS契約、物流ラインに稼働中
Unitree G1	2025年に約5,500台出荷。2026年は1〜2万台規模を目標
Tesla Optimus	Tesla社内工場で1,000台以上が稼働（バッテリーセルの仕分け等）

ヒューマノイドロボット市場は2025年に約29億ドルに達し、Goldman Sachsは2035年までに380億ドルへの成長を予測しています。

現時点での主な用途は工場・物流などの産業用途です。「家庭への普及」については一部機種が予約受付を始めた段階であり、完全な家庭普及には技術的・コスト的なハードルがまだ残っていると考えられます。将来的に普及するかどうかは、今後の開発次第といえるでしょう。

AIコマース——「AIが代わりに交渉する」という方向性

中島聡氏（元マイクロソフトエンジニア）は「AIコマース」という概念を提唱しています。買い手側のAIと売り手側のAIが価格・条件を自動交渉し、取引を完結させるというモデルです。

これは現在の「ダイナミックプライシング（需要と供給に応じてリアルタイムで価格が変動する仕組み）」の延長線上にある考え方で、航空券・ホテル・広告などの分野ではすでに一部実用化されています。AIエージェントの自律性が高まるにつれて、こうした「AI同士の自動交渉」の範囲が広がっていく可能性は十分考えられます。

デジタルの墓——死生観への影響も議論されつつある

中島氏はさらに「デジタルの墓」という概念にも触れています。故人の音声・メッセージ・性格データを学習したAIが、遺族との対話を可能にするというアイデアです。

これは現実に商業化が始まっている領域です。すでにいくつかのスタートアップがこうしたサービスを提供しており、「記憶の保存」と「プライバシー・同意」をめぐる倫理的な議論も起きています。技術的に可能になることと、それを社会がどう受け入れるかは別の問題として考える必要があります。

🔧 考察⑤：デジタルネイチャーと「人間の役割」

落合陽一氏が長年提唱している「デジタルネイチャー」という概念があります。計算機と自然が融合し、その境界が消失した新しい世界観です。ディスプレイの解像度やスピーカーの周波数が人間の知覚限界を超えたとき、人工物と天然物の区別は意味を失う——という考え方です。

「Broad Listening（ブロードリスニング）」という概念も関連します。数万人の意見をAIがリアルタイムで要約・可視化することで、組織の意思決定が変わりうるという考え方です。一方で「全員の発言が経営者に筒抜けになる」というパノプティコン的な懸念も指摘されており、設計次第で組織文化への影響は大きく異なると考えられます。

AIが定型業務を代替していくにつれて、人間は「意味を作ること・価値を判断すること・人間同士の関係性を育てること」により多くの時間を使えるようになるかもしれません。これが「脅威」か「機会」かは、働き方の設計次第といえるでしょう。

🚀 医療AIの可能性——PubMedの査読論文から考える

動画で触れられていた「創薬の革新・研究の自動化」という方向性が医療にどう影響しうるか、PubMedの査読論文から現在地を整理します。

以下、PubMedより取得した論文の知見を示します。

1. AI設計の薬剤が臨床試験に到達しつつある

PubMedより取得した論文（Dharmasivam M, et al. 2025, Pharmacological Reviews）は、AI創薬主要プラットフォーム5種類を包括的にレビューしています。

2024年以降の主な進展：

企業・プラットフォーム	成果
Insilico Medicine	AI設計のTRAF2阻害薬（ISM001-055）が特発性肺線維症でPhase IIa陽性結果
Recursion × Exscientia	フェノミクス×自動精密化学のエンドツーエンドプラットフォームへ統合
Schrödinger（ニンバス発）	タイロシンキナーゼ2阻害薬zasocitinibがPhase IIIへ進展

論文は「ロボティクスと密連携したAIが自律走行型ラボ（self-driving laboratories）を実現しつつあり、設計・製造・テスト・学習のサイクルが加速している」と述べています。

DOI: 10.1016/j.pharmr.2025.100102

AIで設計された候補薬が実際に臨床試験に入っているという事実は、「可能性の話」から「起きていることの話」に変わりつつある段階といえます。

2. 自律型AIラボ——「研究の民主化」の可能性と課題

PubMedより取得した論文（Takahashi L, et al. 2025, Chemical Science）は、化学・材料科学における自律AIロボットラボの現状と課題を論じています。

注目すべき点：

AIが仮説生成と科学的推論を担える段階になりつつある
オープンソースのモジュラーシステムにより、大規模資金のない研究グループにも自動化が普及する可能性がある
一方で「自律AIラボの目標は人間の研究者を置き換えることではなく、人間の洞察を増幅する倫理的なシステムを開発すること」という立場も示している

DOI: 10.1039/d5sc03183d

3. AIスクライブが医療現場の生産性を変えうる

PubMedより取得した論文（Leung TI, et al. 2025, JMIR Medical Informatics）は、診察中の会話を自動的にカルテ記録に変換するLLMシステムの現状をまとめています。

現時点で報告されていること：

医師の燃え尽き症候群の軽減、認知的負荷の低下、時間外EHR作業の著しい削減
医師が診察により集中できるという体験改善

報告されている課題：

AI生成記録の精度・一貫性・ハルシネーションへの懸念
専門科や個人のワークフローによって恩恵に差がある

DOI: 10.2196/80898

診療記録という「知識労働の中でも最もルーティン的な領域」での変化が先行しているようです。ただし普及には規制・プライバシー・検証プロセスの整備が前提になります。

4. LLMの救急医療への応用——可能性と限界の整理

PubMedより取得した論文（Preiksaitis C, et al. 2024, JMIR Medical Informatics）は、救急医療（EM）におけるLLM活用を43本の研究からスコーピングレビューしています。

有望とされる領域：

リアルタイムトリアージ・患者の緊急度の早期認識
患者記録の自動要約による管理負担軽減
医学教育・コミュニケーション訓練

課題として指摘されている点：

ハルシネーションや偏ったトレーニングデータによるバイアスのリスク
AIリテラシーを持った医療者の育成が不可欠
前向き検証や責任ある使用基準の策定が必要

DOI: 10.2196/53787

5. 生成AIが臨床研究を加速しうる——Duke大学シンクタンクの議論

PubMedより取得した論文（Foote HP, et al. 2025, JACC Advances）は、Duke大学臨床研究所が招集した多職種シンクタンクの知見をまとめています。

生成AIが臨床研究に与えうる機会：

ドキュメント作業の自動化（プロトコル・同意書・症例報告書）
被験者エンゲージメントの強化
データクリーニング・有害事象検出・統計解析の支援

同時に指摘されている課題：

技術的ハードル・倫理的ジレンマ・規制の不確実性
データ管理とセキュリティの厳格なプロトコル整備の必要性
ステークホルダー間の信頼構築と透明性の確保

DOI: 10.1016/j.jacadv.2025.101593

考察のまとめ

現在起きていることと、これから起こりうることを整理します。

テーマ	現在起きていること	考えられる方向性
推論コスト	2年で最大1/900に低下（実測値）	AIの「試行錯誤」コストがゼロに近づき、自律型エージェントが普及しやすくなる
エージェント開発	Claude Codeが実際にコードベースを自律編集	「コードを書く」より「何を作るか選ぶ」能力が問われるようになるかもしれない
Opus 4.7（速報）	2026年4月16日GA、CursorBench 70%（旧58%）	長時間・複雑タスクへの信頼度が上がりつつある
AI研究の自動化	AI Scientistが論文1本15ドル・3.5時間で査読通過	研究の速度・量が変わりうる。ただし全分野への応用には課題も多い
AI創薬	AI設計薬がPhase IIa/IIIに到達（Dharmasivam et al.）	創薬の一部工程でAIの実用化が始まっている
医療現場	AIスクライブが医師の記録負担を削減（Leung et al.）	医師が患者との対話に集中できる環境が整う可能性がある
ヒューマノイドロボット	Atlas産業用途で商用生産開始。Tesla Optimusが社内稼働中	現時点は産業用途が中心。家庭普及は将来的な見通し
国防×フィジカルAI	Andurilが自律型兵器を開発・実運用	AI×物理インフラが国力の一要素になりつつある

日本の医療・技術が強みを活かせる領域

これらの変化の中で、日本の医療と技術が相対的に強みを持ちうる領域として以下が考えられます。

皆保険制度に基づく医療データの豊富さ：AIの学習・検証に使えるデータ資産は世界的にも希少
患者体験（Patient Experience）の設計：医療の「心地よさ」はAIが代替しにくい価値
ものづくりの精度と信頼性：フィジカルAIの実装において日本の製造業の知見が活きる可能性
アウトプットを通じた信頼の蓄積：Qiita・note等での発信が市場での可視性を高める

1次情報まとめ

動画・参考資料

情報源	URL
落合陽一氏×PIVOT対談	https://www.youtube.com/watch?v=DXmaXV004xg
デジタルネイチャー論文（arXiv）	https://arxiv.org/abs/2511.07986

技術1次情報

情報源	URL
Claude Opus 4.7 公式アナウンス（2026.4.16）	https://www.anthropic.com/news/claude-opus-4-7
Claude Code公式ドキュメント	https://code.claude.com/docs/en/overview
Anthropic Project Glasswing	https://www.anthropic.com/glasswing
Sakana AI Scientist（Nature掲載）	https://sakana.ai/ai-scientist/
Anduril Industries	https://www.anduril.com/
Epoch AI（推論コストトレンド）	https://epoch.ai/
Boston Dynamics Atlas（CES 2026発表）	https://bostondynamics.com/blog/boston-dynamics-unveils-new-atlas-robot-to-revolutionize-industry/

関連Qiita記事

記事	URL
「コードを書く力」より「コードを書かない判断力」	https://qiita.com/TaichiEndoh/items/36472f639adcf06bac80

参照論文（PubMedより取得）

著者	内容	DOI
Dharmasivam M, et al. 2025	AIドリブン創薬プラットフォーム2025年最新景観（Pharmacol Rev）	10.1016/j.pharmr.2025.100102
Takahashi L, et al. 2025	自律型AIロボットラボと科学の民主化（Chemical Science）	10.1039/d5sc03183d
Leung TI, et al. 2025	アンビエントAIスクライブの医療現場への影響（JMIR Med Inform）	10.2196/80898
Preiksaitis C, et al. 2024	救急医療×LLM——43研究のスコーピングレビュー（JMIR Med Inform）	10.2196/53787
Foote HP, et al. 2025	生成AIが臨床研究を変える——Duke大学シンクタンク（JACC Advances）	10.1016/j.jacadv.2025.101593

本記事は動画・Anthropic/Sakana AI/Anduril等の公式1次情報・PubMed掲載の査読論文をもとに個人的な考察をまとめたものです。動画内容はあくまで参考資料であり、本記事の見解は筆者個人のものです。PubMedより取得した情報の帰属はすべて各論文著者に帰します。DOIリンクより原著論文を必ずご確認ください。