見解

Waymoエフェクト:AIが研究室の「人と人の繋がり」を静かに奪っている

Hacker Newsで177ポイントを集めた議論が浮かび上がらせた見落とされた問題——AIは研究者同士の協力関係に紛れ込んでいた「雑談」「質問」「レビュー」という名の接着剤を、効率という名の下に剥がし始めている。

文字サイズ

Waymoエフェクトとは何か

研究アジェンダというサイトが最近、Waymoエフェクトという新しい言葉を持ち出した。

例えは明快だ。自動運転は「運転手」という職業を消滅させなかったが、「タクシーを呼ぶ」という行為から運転手との雑談を消し去った。Uberを開いて行き先を選べば、後部座席は空っぽで、ドアは自動で開く。

AIの科学研究への浸透は、同じことを起こしつつある。

かつては環境構築のやり方を师兄(先輩)に聞き、导师(指導教官)に尋ね、隣のラボのポスドクに質問する必要があった。今はChatGPTやClaudeを開いて、30秒で答えが手に入る。

記事の筆者が言いたいのは「AIが研究を代替した」ということではない。コラボレーションの中に潜む社会的接着剤が、静かに抜き取られているという指摘だ。

これは効率の問題ではない。研究生態系の構造の問題である。

HNで何が議論されているか:177ポイントの背景にある二つの物語

研究アジェンダに掲載されたこの記事がHacker Newsで177ポイントと127コメントを獲得した(アクセス時点)。コメント欄は大きく二派に割れている。

一派は効率重視派で、典型的な論調はこうだ:

「PhD6年目にしてこれに気づいた。AIが雑務から解放してくれ、実際の研究に充てる割合が20%から60%に上がった」

彼らは「他人に迷惑をかけなくなったこと」を解放と捉える。以前はシニア研究者の邪魔を恐れていたが、今やAIに聞く分には心理的負担がない。

もう一派は協働重視派で、懸念はより具体的だ:

「30分の答疑時間を節約しているつもりが、ラボ全体の師弟関係の連鎖を破壊している。学生は导师のドアを叩かなくなった——すでにAIに聞いたからだ。导师も学生の進捗を確認しないようになった——学生が表面上は順調に見えるからだ」
「コードレビューが薄くなった。以前はレビューが一対一の指導機会だった。今やレビューは『LGTM、AIが生成したのを読んだ』という一言で終わる」

対立の本質は「AIが使いやすいかどうか」ではない。研究生産における隠れたコスト——協働から生まれる非形式知——を計算に入れるかどうかだ。

AIに盗まれた三つのもの

最も具体的な三つの場面を取り上げる。

1. 答疑(質問・回答)

かつての環境構築トラブル:师兄に聞く→师兄がオンラインでない→長時間待つ→ようやく会話成立→30分で解決。

今:エラーをClaudeに貼る→30秒で動く修正コードが手に入る。

時間の節約は本物だ。だが同時に、师兄との関係構築もできず、最近师兄が何に取り組んでいるかも知らず、「あなたそこはどう想到したの」という本来なら出てこなかった質問をする機会も失う。

2. コード修正 / PRレビュー

かつてのPRレビューは1週間待ち、レビュアーはコードを見ながら「ここはうちのラボでは非推奨だから、Xに変えて」と教えてくれた。1週間待って得られるのはコードの書き方だけでなく、そのグループのエンジニアリング文化そのものだった。

今やCopilotがリアルタイムで補完し、自分でPRを出し、自分でマージする。速くなった。だが、自分のコードにラボの「匂い」は残るだろうか。残らない。「正しいコード」だけが残る。

3. バグ発見

かつてのバグ取りは办公室(オフィス)の共同作業だった——「ねぇ、このケースが動かないんだけど、谁能看看?」(誰か見て)。今やLLMに貼って自分で見る。

協働版デバッグの副産物は、傍観者が自分が思いつかなかった角度から指摘してくれること。AI版の副産物は、同僚の閃きを見逃すかもしれないことだ。

この三つを合計すると、答疑・レビュー・デバッグは导师と学生、先輩と後輩が信頼を構築する最も日常的な場だった。AIが有能になるほど、これらの場は空白になる。

中国がAI for Scienceを推進する中で、この問題はより刺々しく映る

中国ではここ1年、AI for Scienceの推進が加速している。主要な研究院やAIラボが「AI for Science専項」を立ち上げ、材料・生物・天文・地球科学といった領域にAIを投入しようとしている。

ロジックはこうだ:AIが研究を効率化→アウトプット増加→国家競争力強化。

しかしWaymoエフェクトが事実なら、この論理チェーンの中間环节に問題がある。

研究のアウトプットはこれまで単に「計算力 × データ × アルゴリズム」ではなかった。協働ネットワークの副産物だ。ある論文を引用するのは、学会で著者本人の講演を聞いたからかもしれない。新たな手法をデバッグで見つけられたのは、隣のグループの人からふと言及されたからかもしれない。

Waymoエフェクトの下で、協働ネットワークは縮みつつある。PhD学生がAIを使うようになれば、3年後にPIになっているかもしれないが、「学生を指導する」経験を一切持たない——自分が指導されたことがないからだ。

効率指標と協働コスト。この二つの帳簿は決して同時に計算されてこなかった。

ヘッジする方法:具体的な三つの施策

精神論ではなく、プロセス改革を書く。

1. 共同執筆セッションを強制する

毎週または隔週で、ラボは1〜2時間を固定で確保し、AIをオフにして、2〜3人で同じコードや同じ論文を一緒に書く。

目的は効率ではない。「雑談形式の指導」が物理的に発生する場を取り戻すことだ。

具体的なやり方はペアプログラミングの規約を参考にできる——一人が書き、一人が監視し、定期的に交代する。これはエンジニアリングだけでなく、執筆や実験設計にも適用できる。

2. 「AI抜き」コードレビューを定期的に行う

少なくともラボ内部のPRでは、レビュー段階でAIに直接「合格」判定を出させてはならない。レビュアーは必ず自分で最後まで読み、自明でないフィードバックを少なくとも一つ書く——規範であれ、歴史的経緯であれ、「昔ここで嵌まった」という経験談でも構わない。

GitHub PRのレビューコメントは協働の化石記録だ。AIが起草することはできても、最終稿を決めることはできない。

3. 「教える」を評価指標に組み込む

これが一番難しい。

現在の研究評価は論文・プロジェクト・資金だ。「隣のグループに50個の技術的質問に答えてあげた」が、アウトプットとしてカウントされるか?されない。

しかしラボの長が「メンター時間」をメンバーのKPIに明確に入れる——たとえば月N時間の答疑・レビュー・教育を昇進資料にも記載する——とすれば、Waymoエフェクトへのヘッジが可能になる。

KPI化されない協働は、功利的な環境では必ず最初に切り捨てられる。

編集後記

この記事を書き終えて、ますます強く感じるのは、Waymoエフェクトの最も過小評価されている破壊点は研究効率ではなく、中堅・初級人材の育成パスだということだ。

かつての新人がラボに入って最初の2年は「叱られながら学ぶ」のが基本だった。質問し、低級ミスを犯し、シニアに訂正されることで、徐々に分野全体の暗黙知を理解していく。この暗黙知——「このデータセットになぜノイズがあるのか」「この手法が我々の分野でうまくいかない理由」「この論文の限界は実は著者自身が書いていない」——は論文の中にはなく、廊下の中にしか存在しなかった。

AIが有能になるほど、新人はこれらの「馬鹿げた質問」をする機会を失う。AIの答えが良いからではなく、AIに聞くことは社交的勇気を必要としない行為だが、シニアに聞くことは必要だからだ。内気な新人はAI時代において精緻に保護される——と同時に、精緻に孤立させられる。

私自身の予測(幅を持たせて):今後5〜10年、「AI原生世代」の研究者の中年危機が起きるだろう。彼らは30〜40歳、論文生産量が多くエンジニアリング能力が高いが、ラボ運営能力・学際協働能力・「教える」能力は明らかに前の世代より弱い。その時、大学や研究機関は気づく:PhD育成期間が延長される必要があると、あるいは師弟制度を再発明する必要があると。

不確定なのは、この師弟制度がプロセス改革だけで埋め戻せるかどうかだ。私自身は悲観的に傾いている——形式は回復できても、密度は回復できない。だが少なくとも、まず形式を立てるところから始めよう。


参考ソース

出典: https://www.researchagenda.news/articles/the-waymo-effect.html