AI時代の「正しさ」は答えだけでは足りない——数学証明・ゲノム予測・SAP試験が示す再現可能性

AIが難問へ答え、研究候補を絞り、資格試験の最中にも使われるようになりました。ここで私たちは、AIを使ったかどうかだけを問う段階から、AIを使って得た答えをどのように確かめ、説明し、他者へ引き渡すかを問う段階へ移っています。

2026年9月8日、OpenAIは未公開モデルがナビエ・ストークス方程式に関する重要な証明を生成したと発表しました。しかし、先行研究との関係や着手の経緯を巡って数学者との論争が起き、数学コミュニティーによる独立した確認はこれからです。同じ日、Google DeepMindはヒトゲノムで起こり得る約90億通りの一塩基変異について分子レベルの影響を予測した「AlphaGenome Atlas」を公開しました。一方、SAPの認定試験は、対象試験でAIや公式文書の利用を認め、暗記ではなく実際のシステムと業務課題を扱う方式へ移っています。

三つのニュースは、数学、生命科学、企業資格という異なる領域の話です。それでも共通しているのは、もっともらしい答えを出す能力だけでは信頼が完成しないことです。入力の来歴、AIと人の作業分担、結果が適用できる範囲、第三者が確かめる方法までそろって、初めて成果を社会へ渡せます。

最新AIを発表日ではなく業務で使える日から考えた記事では、提供、評価、運用、現場という四つの導入関門を整理しました。今回は、その関門を通った後に残る「この成果を信頼してよい理由」を、研究と人材評価の両方から考えます。

結論——AI成果は「答え・工程・境界・追試」の四点で受け取ります

AI時代の正しさは、最終回答の見た目だけでは判断できません。数式が整っていても、証明した命題が元の問題を正確に写しているかは別です。変異へ高い影響スコアが付いても、その人の病気の原因だと直ちに断定できるわけではありません。試験課題を完了できても、AIの提案を理解せず偶然正しい設定になっただけなら、障害時に戻せません。

そこで、AIを含む成果は次の四点を一組で受け取る必要があります。

1. 答え——何が得られ、どの指標で合格したのかを示します。
2. 工程——誰が、どのモデルと資料を使い、どこで判断したのかを残します。
3. 境界——予測、証明、診断、推奨など、何を言えて何を言えないかを分けます。
4. 追試——別の人や環境が、同じ条件で再計算、再設定、再評価できるようにします。

この四点はAIを疑うためだけの仕組みではありません。人が行った研究、設計、採用判断にも必要です。AIが成果の生成速度を上げるほど、後から経緯を復元する費用が膨らまないよう、作業中に証拠を残す価値が高まります。

OpenAIの数学証明は「形式化」と「経緯」が別の問いだと示しました

OpenAIは、社内の未公開モデルがナビエ・ストークス方程式の存在と滑らかさに関する問題で、滑らかな外力の下でも有限時間に特異点が生じ得ることを示す証明を作ったと発表しました。同社の説明では、約1万個のエージェントを並行稼働させ、約88時間後に結論へ到達し、証明支援系Leanによる形式化と確認へさらに17時間を使いました。計算費用は数百万ドル規模と説明されています。

Leanによる形式化は重要です。自然言語だけの長い証明では、暗黙の飛躍や定義のずれを見落とす可能性があります。形式化すれば、定めた公理と規則の中で各段階がつながっているかを機械的に確認できます。AIが百ページ規模の候補を高速に生成する時代には、形式検証は大量出力を受け止める有力な方法になります。

ただし、形式化されていることと、研究全体の信頼が確定することは同じではありません。形式化した命題がクレイ数学研究所の問題設定を正確に表しているか、採用した前提が妥当か、別の専門家が証明の意味を確認できるかが残ります。ソフトウェアでいえば、試験が全て通ったことと、試験項目が利用者の要求を十分に表していることが別なのと同じです。

さらに今回は、先行する関連研究の情報がいつ誰へ伝わり、OpenAIがいつ着手し、モデルの学習や製品利用データがどう関係したかを巡って当事者の説明が対立しています。ここではどちらかの主張を確定した事実として扱うべきではありません。公開された証明の数学的妥当性と、発見へ至った研究上の来歴は、分けて確認する必要があります。

この区別は日本の研究開発にも直結します。AIが正しい候補を出したとしても、社内文書、共同研究者の草稿、顧客データ、公開論文のどれを参照したかが分からなければ、著者表示、知財、守秘、発表順序を決められません。成果物の正しさだけを確認し、入力と工程の記録を後回しにすると、発表直前に説明不能になります。

数学の成果を企業実務へ置き換えると何が見えるでしょうか

企業のAI利用では、数学証明ほど厳密な形式化を毎回行う必要はありません。しかし、同じ考え方は契約確認、設計変更、コード生成、品質判定へ応用できます。

例えば、AIが契約書から解約条件を抽出した場合、回答だけを保存してはいけません。対象文書の版、該当条項、参照日時、使用モデル、抽出規則、人が確認した箇所を残します。後日契約が更新されたとき、古い回答を最新条件と混同せずに済みます。

コード変更なら、生成された差分だけでなく、変更目的、受け入れ試験、参照した仕様、AIが提案して人が退けた案も短く残します。試験が通ったとしても、試験に含まれない運用条件や権限境界を人が確認します。別の担当者が同じ試験を実行し、必要なら元へ戻せる状態が追試に当たります。

製造現場の外観検査なら、AIの合否だけでなく、対象製品、照明、カメラ、しきい値、欠陥分類、モデル版、見逃しと過検出を記録します。通信なしで動くエッジAIでも、判断の根拠と更新履歴が不要になるわけではありません。むしろ現場へ閉じるほど、中央サービスのログに頼らず、装置側で再現できる設計が必要です。

AI人材を操作研修ではなく反証教育から考えた記事で扱ったように、成果を受け取る人には「正解を当てる力」だけでなく、もっともらしい誤りを見つけ、止め、一次資料へ戻る力が求められます。今回はそこへ、誰が追試しても同じ判断境界へ到達できる記録を加えます。

AlphaGenome Atlasは「予測を検索可能にする」基盤です

Google DeepMindのAlphaGenome Atlasは、ヒトゲノムで考えられる約90億通りの一塩基変異について、分子レベルで起こり得る影響を事前計算し、検索できる形へまとめたものです。データ量は約1ペタバイトで、タンパク質を作るコード領域だけでなく、遺伝子の働きを調節する非コード領域も対象にします。

この規模の候補を実験室で一つずつ試すことは現実的ではありません。Atlasは、研究者が最初に調べる候補を絞るための地図になります。AVIと呼ばれる影響スコアは、AlphaGenomeの予測と、タンパク質へ影響する変異を扱うAlphaMissenseの予測を組み合わせ、影響が大きそうな変異を順位付けします。スコアの内訳として、遺伝子発現やRNAスプライシングなど、影響が予測される分子過程も示します。

先行利用では、米Broad Instituteが原因未特定の希少疾患研究で候補を絞り、DNM1遺伝子の変異を見つけた事例が紹介されています。英エクセター大学は、UKバイオバンクの5万4000人超の全ゲノムデータへ適用し、非コード領域にある変異との関連をより多く検出したとされています。

ここで大切なのは、予測地図と臨床上の結論を同一視しないことです。高いスコアは優先して調べる理由になりますが、個人の診断、治療選択、発症確率を単独で確定するものではありません。学習に使った公開データの偏り、集団差、既知の生物学的知識、別手法での解析、実験結果、臨床情報を合わせて判断します。

数学証明では、形式体系の中で論理がつながるかを確かめます。ゲノム研究では、予測が実データと実験で再現するかを確かめます。確認方法は違っても、AIの出力を次の検証工程へ渡すという役割は共通しています。AIは確認を不要にする機械ではなく、人が確認すべき候補と順番を変える機械です。

日本の医療・研究で守るべき三つの表示

日本の研究機関、医療関連企業、大学が予測基盤を利用する際は、画面や報告書で少なくとも三つを分けて表示すると安全です。

第一は「観測」です。実験、検査、測定、文献から直接得られたデータを示します。第二は「予測」です。どのモデルのどの版が、どの入力から算出したかを示します。第三は「判断」です。研究者や医療従事者が、観測と予測をどう解釈し、次に何を行うと決めたかを示します。

三つを一つの文章へ混ぜると、AI予測が実験済みの事実に見えたり、人の判断がモデルの自動結論に見えたりします。反対に分けておけば、モデルが更新されたときは予測だけを再計算し、新しい実験結果が出たときは観測を追加し、判断が変わった理由を比較できます。

患者や研究参加者へ説明する場合も、「AIが病気を見つけた」という短い表現より、「AIが優先候補を示し、専門家が別の資料と検査で確認した」と工程を伝える方が正確です。AIを過大評価させないだけでなく、人がどこで責任を引き受けたかも明確になります。

SAP認定試験は、AIを隠すより仕事の条件へ入れました

SAPは認定試験を、知識の再現を中心とした多肢選択式から、実際のシステムや業務シナリオを扱う実践型へ段階的に移しています。2026年5月時点の公式説明では、100以上の認定資格で新方式を展開し、10万件以上の試験を実施したとされています。対象試験では、SAP Help Portalなどの資料に加え、SAP Joule for ConsultantsのようなAIツールも利用できます。

これは、AIに聞けば合格できるよう難易度を下げる話ではありません。実際の仕事では、公式文書を探し、AIへ質問し、複数の情報を比べ、システムを設定し、期待した動作にならなければ原因を探します。道具を隠した環境で暗記量だけを測るより、道具がある環境で課題を完了できるかを測る方が、実務へ近いという判断です。

新方式には、実際のSAPシステムで設定や処理を完了させる方式と、現実の業務を想定したシナリオへ対応する方式があります。評価されるのは、AIを利用した回数ではなく、回答の正確性、完全性、効率、タスクの完了、システムの出力です。AIの提案が目の前の要件へ合わなければ、受験者が見抜いて修正する必要があります。

この変化は、日本企業の採用試験や社内研修にも示唆を与えます。「試験中はAI禁止」と決めるだけでは、日常業務で安全にAIを使える人を見分けられません。一方、何でもAIへ任せてよい自由課題だけでは、本人が理解している範囲を測りにくくなります。基礎知識を自力で説明する課題と、AIや資料を使って複雑な仕事を完了する課題を分ける必要があります。

「AI利用可」の評価は三段階で設計します

基礎を説明する段階

最初に、専門用語、法令、安全原則、失敗時の影響を自分の言葉で説明してもらいます。ここではAIを使わない短い口頭説明や記述も有効です。道具の回答を評価するには、誤りへ気付くための基礎が必要だからです。

道具を使って完了する段階

次に、AI、公式文書、検索、計算、試験環境を使える実務課題を渡します。評価者は最終回答だけでなく、候補をどう絞り、どの一次資料へ戻り、どの提案を退け、どの試験で完了を確認したかを見ます。AIを使ったことを減点せず、使い方と結果の関係を評価します。

他者へ引き継ぐ段階

最後に、作業記録を別の人へ渡します。別の人が判断理由を説明し、同じ設定を再現し、誤りを見つけたときに戻せるかを確かめます。実務では本人が休み、異動し、モデルが更新されます。個人の一回の成功より、チームが再現できる成功の方が長く価値を持ちます。

この三段階なら、暗記かAI丸投げかという二択を避けられます。基礎知識は判断の土台として残し、AIは探索と試行を速める道具として使い、引き継ぎで組織の成果へ変えます。

三つのニュースを貫く「証拠カード」

日本企業は、AIを使った重要成果ごとに長大な報告書を作る必要はありません。まずは一枚の証拠カードを残すだけでも、後から説明できる範囲が広がります。

欄	記録する内容	数学・研究の例	企業実務の例
目的	解こうとした問いと合格条件	証明する命題と前提	顧客要件と受け入れ条件
入力	資料、データ、版、取得日時	論文、問題設定、草稿	契約書、仕様書、チケット
実行	モデル、設定、人の介入	エージェント数、プロンプト、形式化	利用AI、検索、修正、承認
境界	言えることと言えないこと	特定の命題と未確認部分	対象顧客、期間、例外、権限
確認	再現方法と独立確認者	Lean、専門家査読、別証明	試験、レビュー、監査、復旧
来歴	発見と変更の時系列	着手、共有、公開、著者	作成、変更、承認、配布

証拠カードの目的は、AIの全思考を保存することではありません。保存すべきなのは、判断を再現するための材料です。個人情報や機密情報を無制限にログへ残せば、新たな危険になります。入力の識別子、版、保管場所、参照権限を記録し、本文を重複保存しない設計も選べます。

また、全ての作業へ同じ重さを求める必要はありません。社内イベントの案内文なら簡単な出典記録で十分です。契約、採用、医療、品質、安全、研究発表のように結果の訂正費用が大きい仕事ほど、境界と独立確認を厚くします。重要度に応じて記録水準を変えることで、証拠づくりが業務を止めるのを防げます。

30日で「答えを出すAI」から「成果を渡せる工程」へ

最初の一週間——高影響のAI成果を三つ選びます

社内でAIが関わる仕事から、誤った場合の影響が大きいものを三つ選びます。契約回答、採用評価、製品仕様、研究要約、品質判定などが候補です。各仕事について、最終回答だけが残っているのか、入力の版と人の承認まで追えるのかを確認します。

問題をAI利用の有無で分類しません。AIを使わない手作業でも、出典と変更理由が残らなければ再現できません。AIを使っていても、入力、試験、承認が明確なら追跡できます。現在の記録から説明できない空白を見つけます。

二週目——証拠カードを実際の案件で埋めます

選んだ三つの仕事で、目的、入力、実行、境界、確認、来歴を一枚へ記録します。モデルの製品名だけでなく、可能なら版や利用日を残します。プロンプト全文を保存する前に、個人情報、顧客情報、未公開研究が含まれないかを決めます。

人の介入は「最終確認済み」の一語で終えません。何を確認し、どの提案を修正し、どの一次資料へ戻ったかを短く書きます。後から問題が起きたとき、人が画面を見た事実ではなく、判断した内容が役立ちます。

三週目——別の人による追試を行います

担当者とは別の人が証拠カードを受け取り、結果を再現します。完全に同じ文章を生成する必要はありません。同じ入力から同じ合格条件へ到達し、同じ境界を説明できるかを見ます。

モデルが更新されている場合は、旧版と新版で結果を比べます。違いが出たら、どちらが新しいから正しいと決めず、一次資料と受け入れ条件へ戻ります。追試にかかった時間、足りなかった記録、担当者へ質問した回数を測ります。

四週目——公開と利用の表示を分けます

社外へ出す資料では、AI支援の有無だけでなく、成果の性質を表示します。「AIが発見」「AIが証明」「AIが診断」のような強い言葉を使う前に、予測、候補生成、形式化、実験、専門家判断のどこまで完了したかを確認します。

社内の画面でも、観測、AI予測、人の判断を分けます。利用者が高いスコアを確定結果と誤解しないよう、次に必要な確認と責任者を表示します。訂正時には、変更前後の差と影響先を追えるようにします。

評価指標を「AIが出した正解数」から変えます

AI導入の成果を生成件数や正答率だけで測ると、記録と引き継ぎが見えません。少なくとも次の六つを加えると、再現可能性を運用指標へ変えられます。

1. 入力資料の版と取得日時を追跡できる成果の割合
2. AI予測と人の判断が分けて表示された割合
3. 最終回答から一次資料へ戻るまでの時間
4. 別担当者が同じ合格条件を再現できた割合
5. 根拠不足や適用範囲外で安全に停止できた割合
6. 誤り発見から影響先の訂正完了までの時間

正答率は引き続き重要です。しかし、正答率が高くても、間違った一件を誰が使ったか追えず、別の人が再現できず、訂正を配れないなら、重要業務へ広げる準備は整っていません。逆に、AIが候補を絞り、人が確認し、境界と来歴を残せるなら、完全自動でなくても価値があります。

主な出典

• ITmedia NEWS「OpenAI、ミレニアム懸賞問題『ナビエ・ストークス方程式』をAIが解決したと発表」
• OpenAI「A Navier–Stokes solution」
• The Verge「Drama swirls around OpenAI’s legendary mathematical milestone」
• Google DeepMind「AlphaGenome Atlas」
• ITmedia NEWS「Google DeepMind、90億通りの全塩基変異の影響を予測」
• キーマンズネット「新SAP認定試験は『AIの利用OK』」

結論——次に必要なのは、AIなしの証明ではなく、AI込みで追える証明です

OpenAIの数学証明を巡る論争は、形式化された答えの妥当性と、研究へ至った来歴を別々に確認する必要を示しました。AlphaGenome Atlasは、人には探索できない規模の候補を順位付けしますが、予測を実験や臨床判断へ置き換えるものではありません。SAP認定試験はAIを試験室から追い出す代わりに、AIと公式資料を使って現実の課題を完了する能力を評価し始めました。

三つの動きから見えるのは、AI利用を隠すことでも、AIの答えを無条件に信じることでもありません。答え、工程、境界、追試を一組にし、別の人が理解し、確かめ、必要なら訂正できる成果へ変えることです。それができれば、AIの速度を保ちながら、研究、資格、企業判断の信頼を失わずに済みます。

次にAIが驚くような答えを出したとき、私たちは「正解ですか」だけでなく、「どの入力から、誰の判断を経て、どこまで言えて、別の人はどう確かめますか」と尋ねられるでしょうか。その四つへ短く答えられる組織ほど、AIの能力を一度きりの話題ではなく、他者へ渡せる知識へ変えていけるはずです。