知識が安くなる日 ── モデル進化の傾きから読む、AI時代の信頼・真正性・良心の置き場所

知識の生産コストが下がるほど、希少になるのは知識そのものではなく「その知識に責任を持つ人」だ。速さより確からしさ、量より文脈、そして人間がやったという事実そのもの。この記事では、変わるものと変わらないものを分けながら、AI時代の信頼と良心の置き場所を探る。予測が外れうる条件も併せて書く。

01まず確認できること: 知識の値段は下がった

予測を語る前に、いま確認できることを並べたい。生成AI（＝文章や画像、プログラムを自動で作る人工知能）の普及で、文章・画像・コードの生産コスト（＝一つ作るのにかかる時間とお金）は急落した。数年前なら外部ライターに数万円で依頼していた紹介文の下書きが、いまは数十円分のAPI利用料（＝AIをプログラムから呼び出す従量制の料金）と数十秒で手に入る。品質の議論は残るとしても、「最初の一稿」の値段が桁違いに（10分の1以下に）下がったこと自体は、各社の料金表から確認できる。冒頭の金額はあくまで典型例としての目安だが、方向は疑いようがない。

知識へのアクセスも同じ道をたどった。かつて専門家の頭の中か、高価な専門書にしかなかった知識が、対話型AIに聞けば数秒で引き出せる。医薬品の作用機序（＝薬が体の中で効く仕組み）の概説、統計手法の使い分け、規制の枠組みの整理。正確性の検証は依然として人の仕事だが、「知識に到達するまでの距離」は一気に、ではなく、着実に縮んだ。ここに経済の古い原則が働く。豊富になったものは値段が下がる。水や塩がそうであったように、簡単に手に入る知識は、それ単体では対価を取りにくくなる。

製薬業界の現場に引き寄せれば、こういうことだ。「ガイドラインの該当箇所を知っている」「先行文献を押さえている」ことは、これまで専門職の給与の一部を説明してきた。その部分の希少性が下がりつつある。対話型AIの主要モデルは、世代交代のたびに知識の網羅性と応答の速さを上げてきた。この性能が上がるペースが2027年に急に鈍ると考える理由は、今のところ見当たらない。

ここまでは推測ではなく観察である。この記事の残りは、この土台の上に外挿（＝いまの傾向を先に延ばして考えること）を置く。知識が安くなったとき、人は何にお金と信頼を払うようになるか。2027〜2029年を見通す構えとして、まず一度、歴史をふり返る。

02工業化後の手工芸に学ぶ、価値の反転

19世紀の英国で、機械織りの布と大量生産の食器が市場にあふれたとき、手仕事の品はいったん価値を失った。同じ用途のものが、機械なら安く速く均一に作れる。職人の技は経済の表舞台から押し出された。ところがその後、意外な反転が起きる。「人の手で作られた」こと自体が価値として再評価されたのだ。ウィリアム・モリスらのアーツ・アンド・クラフツ運動（＝手仕事の価値を見直した19世紀英国のデザイン運動）はその象徴で、機械が「量」を引き受けた結果、人の関与は希少財（＝手に入りにくいがゆえに価値を持つもの）に変わった。

構造を抜き出すと、三段階になる。

• 第一段階: 機械（AI）が量産を担い、生産物の値段が下がる。作れること自体は誰の強みでもなくなる。
• 第二段階: 同じような量産品があふれて飽きられ、「誰が、なぜ、どう作ったか」という来歴（＝作られた経緯の記録）に目が向く。
• 第三段階: 人の関与、判断、責任の所在が価格に織り込まれる。「人間がやった」ことが表示され、選ばれる理由になる。

生成AIと知識の関係も、同じ構造をたどると見る。AIが書いた文章、AIがまとめた要約が日常の背景になるほど、「この結論には誰が責任を持つのか」「この判断は誰の良心を通ったのか」が問われるようになる。現に、AI生成コンテンツへの表示義務をめぐる議論や、人間が書いたことを明示する動きは各国で始まっており、これは第二段階の入口の風景と読める。

ただし、この歴史のたとえには限界がある。布や食器は消耗品で、買い替えのたびに選択が発生するが、知識は一度広まれば複製の費用がほぼゼロで、「手作りの知識」という市場が同じ形で成立するとは限らない。また手工芸の再評価には数十年かかったのに対し、AIをめぐる価値の反転はもっと速いかもしれないし、逆に「安くて十分」が勝ち続ける領域も残るだろう。歴史は方向のヒントをくれるが、速度と範囲までは教えてくれない。

03「知っていること」から「引き受けること」へ

添付文書（＝医薬品の使い方や注意を定めた公式文書）の一行を書くのは、いまでも人間だ。AIが下書きを出せるようになっても、その一行が現場で誤読され、患者に不利益が及んだとき、「AIが書いたので」という弁明は通らない。審査済み資材（＝社内審査を通った販促・情報提供の印刷物やスライド）も同じで、承認欄に署名した人の名前が最後まで残る。ここに、知識が安くなっても値下がりしない仕事の正体がある。

AIは答えを出せる。しかし答えの結果を引き受けることはできない。引き受けるとは、間違えたときに謝る立場に立つこと、判断に自分の名前を出すこと、そして「出せるが、出さない」と止める決定を下すことだ。直近数世代のモデル更新で答えの精度が上がってきたペースを踏まえると、2027年ごろには「答えの質」で人間がAIに勝てる場面はかなり狭くなるはずだ。だが責任の所在は技術の進歩と無関係に、法律と契約と組織の仕組みが人間に固定している。薬機法（＝医薬品医療機器等法）が広告の責任を問う相手は、モデルではなく会社と担当者だ。

これは徳や倫理といった大きな話ではない。もっと日常的な問いだ。「この文書、自分の名前で外に出せるか」。AIの出力をそのまま流す人と、一度この問いを通してから出す人の差は、平時にはほとんど見えない。差が見えるのは何かが起きたときで、そのとき前者には説明できることが何もない。知識が安くなる世界では、この問いを毎回まじめに通す習慣そのものが、履歴書に書けない種類の信用になっていく。

逆に言えば、2027〜2029年に組織の中で価値が下がるのは「答えを知っている人」であって、「答えに責任を持てる人」ではない。調べれば分かることを覚えている価値は、検索とAIが二段階で削ってきた。残るのは、間違いうる判断を自分の裁量で下し、外れたら訂正し、良心（＝自分の内側の「これはまずい」という感覚）に照らして案件を止められる立場だ。この予測が外れるとすれば、AIの出力に法人格のような責任主体を認める制度ができた場合だが、現時点でそうした立法の具体的な動きは確認できない。

04速さより確からしさ、量より文脈: 評価軸の入れ替わり

資材の初稿が3週間かかっていた仕事が、AIで3分になったとする。このとき「速い人」の優位は消える。全員が3分だからだ。生成コスト（＝文章や画像を作る手間）がほぼゼロに近づくと、量も差にならない。100本の下書きは誰でも出せる。すると評価の軸は、作る側から確かめる側へ移る。この情報は確かか。この文脈で言ってよいか。この二つだ。

確からしさとは、出典に当たったか、数字を原典（＝元の論文や公的資料）と突き合わせたか、という検証の話だ。AIの出力は流暢（＝すらすらと自然）であるほど、誤りが誤りに見えない。もっともらしい捏造（ねつぞう＝事実のでっちあげ）を人間の目で捕まえる工程は、生成が速くなるほど相対的に重くなる。文脈とは、同じ内容でも読み手・規制・タイミングによって可否が変わるという話だ。医療従事者向けなら書ける一文が、一般向けでは未承認効能の広告（＝承認されていない効き目をうたう宣伝）に化けることがある。正しさは文脈の外では判定できない。

製薬の資材審査は、この二軸をずっと前からやってきた仕事だ。エビデンス（＝科学的根拠）の等級を確かめ、対象読者と規制に照らして表現の可否を判断する。つまりAIが生成を安くするほど、この職能は時代遅れになるどころか輪郭が濃くなる、というのが私の見立てだ。ただし条件がある。審査が「てにをはの指摘」にとどまるなら、それこそAIに置き換わる。評価軸が入れ替わったときに恩恵を受けるのは、確からしさの検証と文脈の判断という中身に軸足を移した審査だけだ。

では明日から何を数えるか。「今日どれだけ作ったか」ではなく、「今日出したもののうち、根拠まで確かめたものはどれか」。前者の答えはAIの導入で自動的に増える。後者は増えない。増えないものが、希少になる。

05「人間がやった」ことの価値: 真正性という新しいラベル

Web上のテキストのうちAI生成またはAI補助によるものの比率を推計する調査が、2026年時点で複数出ている。比率の数字は測定方法で大きく揺れるが、方向は一つだ。文章も画像も要約も、機械が量産できるようになった。すると奇妙なことが起きる。「これは人間が書いた」「この人が実際に経験した」という事実そのものが、希少な情報として値打ちを持ち始める。真正性（＝本物であること、誰が作ったか確かなこと）が、品質とは別の軸のラベルとして立ち上がってくる。

兆候はすでにある。手作り・対面・実名を売りにするサービスへの回帰、Content Credentials（＝写真や文書に「誰がいつ作ったか」を電子的に埋め込む来歴証明の国際規格）の普及の動き、そして「AI生成コンテンツにはその旨を表示せよ」という各国の規制議論。いずれも、生成物が氾濫した世界で「出どころ」を問い直す動きだ。EUのAI法（＝2024年に成立したEUの包括的AI規制）は生成物への透明性表示を義務づけ、2026年から段階的に適用が始まっている。制度化の第一歩と読める。

MR（＝医薬情報担当者）の面談を思い浮かべてほしい。面談の価値は、情報の中身だけで決まってこなかった。同じ添付文書の内容でも、医師は「この人が自分の目の前で、自分の患者の文脈で説明した」ことに意味を見出す。学会の質疑応答も同じだ。演者が予期しない質問にその場で答える姿は、原稿の朗読では代替できない信頼の情報を含んでいる。人が人に説明を求める構造、対面で聞きたいという欲求は、検索エンジンでもAIでも消えなかった。2027年以降も消えないだろう。むしろAIが説明の「量」を大量に供給するほど、「誰が引き受けて説明したか」の希少性は上がる。

• 経験の真正性は、「実際にその症例を診た」「その治験に関わった」という一次経験のこと。AIには原理的に持てず、語り手の値打ちの核になる。
• 関係の真正性は、継続的に顔を合わせてきた相手からの情報が、初見の完璧な資料より重く受け取られること。信頼は取引ごとでなく履歴で積み上がる。
• 署名の真正性は、「私が確認した」と名前を出すこと。間違ったときに自分が責められるリスクを引き受ける宣言であり、匿名の生成物にはこの重みがない。

ただし冷静に見ておくべき点が二つある。第一に、「人間製」ラベルは品質を保証しない。人間は間違えるし、疲れるし、偏る。AIの下書きを丁寧に検証した文書のほうが、人間が一人で書き飛ばした文書より正確なことは普通にある。真正性は「誰が責任を持つか」の情報であって、「正しいか」の情報ではない。第二に、証明手段が未整備だ。「これは人間が書きました」と主張するのは簡単だが、検証は難しい。来歴証明の規格は生まれつつあるものの、テキストへの適用は特に遅れている。2027〜2029年は、この「真正性をどう証明するか」をめぐる制度と技術の整備期間になるだろう。ラベルの信頼性が確立するまでは、結局のところ「顔の見える個人の継続的な評判」が最も実用的な真正性の証明であり続ける。

06外れうる条件と、それでも変わらないもの

ここまでの予測は、現在の傾向の外挿にすぎない。外れうる条件を明示しておく。予測を読むときは、当たる根拠より外れる条件を先に見るほうが誠実だ。

逆に、どのシナリオでも変わらないと見るものが二つある。一つは、最終的に責任を負うのが人であることだ。医薬品の承認申請書に署名するのは人であり、副作用報告の判断に責任を負うのは人であり、患者に処方を説明するのは人だ。AIが下書きし、照合し、警告を出すようになっても、「間違ったときに誰が引き受けるのか」という問いは制度の底に残る。もう一つは、人が人に説明を求める構造だ。重要な判断ほど、人は「システムがそう言った」では納得せず、責任を持つ誰かの口から聞きたがる。この欲求は技術の進歩と独立に、人間の側の性質として続いてきた。

だからこの予測は、悲観でも楽観でもない。知識が安くなることは、知識で食べてきた人には脅威に見える。だが視点を変えれば、知識の値段が下がった分だけ、その先にある値打ち、すなわち確からしさを担保する目、文脈を読む経験、そして間違いうる判断を良心を持って引き受ける覚悟が、初めてはっきり見えるようになる。「知っている」だけの人と「引き受ける」人の違いが、価格として、評判として、可視化される。そういう2029年なら、悪くないと私は思う。