メインコンテンツにスキップ

AI時代に伸びる思考者の条件 — Google Researchトップ ヨッシ・マティアスの視点

経営と組織
AI時代に価値を持つのは、作業をこなす力ではなく「正しい問いを立て、AIを含むチーム全体を一つのシステムとして動かす力」である。Google Research を率いるヨッシ・マティアス氏は、この結論を3つの論点で示している。 研究者の…
作者

obelos

公開

2026年11月8日

更新日

2026年11月8日

AI時代に価値を持つのは、作業をこなす力ではなく「正しい問いを立て、AIを含むチーム全体を一つのシステムとして動かす力」である。Google Research を率いるヨッシ・マティアス氏は、この結論を3つの論点で示している。

  1. 研究者の役割は、手を動かすプレイヤーから、問いを立てて方向を決めるシニア科学者型へ移る。
  2. 技術の到達点は、利用者が意識しないまま問題を解決する「アンビエント・インテリジェンス」である。
  3. 人材に求められるのは、技術スキルに加えて、問い・機会の見極め・倫理とトレードオフの判断を一人で回すシステム思考である。

動画と登壇者

対象は、未来学者シニード・ボヴェル氏のYouTubeチャンネルで公開されたインタビュー「The Kind of Thinker Who Will Thrive in the AI Era」である。

ヨッシ・マティアス氏は Google の副社長で、Google Research のトップを務める。Google 検索部門の幹部を10年以上務め、Google トレンドやオートコンプリートを手がけた。Google のイスラエル研究開発拠点を立ち上げて率い、2024年にシリコンバレーへ移って Google Research 全体を統括する立場になった。

研究領域は広い。医療AI（Med-PaLM、AMIE、MedGemma）、科学研究支援（AI Co-Scientist）、洪水予測、推論高速化の手法である speculative decoding などを主導してきた。現実の課題が基礎研究を駆動し、その成果が再び社会に還元される循環を、同氏は「マジックサイクル」と呼ぶ。動画の発言は、この実績を背景に読むと具体性が増す。

研究者は「プレイヤー」から「問いを立てる人」へ（03:05）

AIが分野横断の知識を持つ共同研究者、つまり「バーチャルラボ」として機能するため、個々の研究者は細かな作業を自分で抱える必要がなくなる。研究者の仕事は、指導教員やシニア科学者のように、どの問いに取り組むかを決めることへ移る。

この主張の裏付けが、Google Research の2つのシステムである。

システム 担う工程 公表されている成果
AI Co-Scientist 文献調査、仮説の生成と優先順位付け 急性骨髄性白血病の既存薬転用候補、薬剤耐性メカニズムの解明
Empirical Research Assistant（ERA） 計算モデルの構築と仮説の検証 実験・検証工程の自動化

マティアス氏は AI Co-Scientist を「ポケットの中の博識家（ポリマス）」と表現する。研究で最も価値があるのは分野をつなぐ能力であり、その役割をAIが補うという意味である。

同氏はさらに、AIの普及によって研究を主導できる人の数が増え、研究の参入障壁が下がると見ている。ただし科学的判断そのものは人間に残る。仮説を大量に出せるようになるほど、どれを検証するかを選ぶ判断の比重が上がる。

アンビエント・インテリジェンス：意識させずに問題を解く（07:22）

アンビエント・インテリジェンスとは、技術が生活や社会の基盤に溶け込み、利用者が意識しないうちに問題を解決している状態を指す。利用者はアプリを開いて質問する必要がなく、必要な情報が必要な時点で届く。

その代表例が、動画で紹介された洪水予測（Flood Hub）である（09:11）。河川の流量計が設置されている川は世界でごく一部しかないため、Google は流域ごとの過去データ・地形・気象予報をAIモデルで組み合わせ、観測網のない地域でも洪水を予測する。

時期 対象国 対象人口 予測リードタイム
現在 150か国超 約20億人 最大7日前（毎日更新）
2023年 80か国 4.6億人 最大7日前
2022年 20か国 — 48時間前
2018年 インド（パトナ地域で試行） — —

予測結果は Flood Hub のサイトだけでなく、Google 検索、Google マップ、Android の通知にも配信される。利用者は防災サービスを探しに行かなくても、普段使う画面で警報を受け取る。これがアンビエント・インテリジェンスの具体形であり、技術の価値が「使われていることに気づかれない」状態で最大になることを示している。

AI時代に求められる4つの能力（13:38）

技術スキルは前提条件であり、差を生むのはその上に乗る判断力である。マティアス氏が挙げる要素は次の4つに整理できる。

能力 中身 AIとの関係
技術スキル AIや道具を使いこなす力 前提。AIの進化で必要水準は上がり続ける
問いを立てる力 何を解くべきかを定義する AIは答えを出すが、問いは出さない
機会を見極める力 どこに価値が生まれるかを判断する AIが選択肢を増やすほど、選ぶ力の比重が上がる
倫理とトレードオフの判断 何を優先し、何を諦めるかを決める 責任を負う主体は人間に残る

後半の3つは一般に「ソフトスキル」と呼ばれるが、実体は意思決定の能力である。AIが作業を肩代わりするほど、人間の仕事は「どれをやるか」「どこで止めるか」を決めることに集中する。

システム思考：一人でミニチュアの会社を回す（15:31）

AI時代の働き手は、一人で小さな会社を経営するように振る舞うことが求められる。AIエージェントが調査・実装・検証の各担当を引き受けるため、一人の人間が受け持つ範囲は「担当業務」から「業務の流れ全体」へ広がる。

この状態で必要になるのがシステム思考である。個々の作業の出来ではなく、次の循環全体の設計と運用が成果を決める。

  1. 問いを立てる（何を解くか、なぜ解くか）
  2. AIと人に作業を割り振る
  3. 結果を検証する（実装済みと検証済みを区別する）
  4. 倫理とトレードオフを点検する
  5. 結果から学び、問いと仕組みを更新する

前述の研究者像と同じ構造である。研究者がAIを率いるシニア科学者になるのと同様に、あらゆる職種の個人がAIを率いる小さな組織の責任者になる。差がつくのは、このループを止めずに回し続け、自分自身の仕組みを進化させられるかどうかである。

最大の問い：AIでどこに最大のインパクトを出すか（18:43）

インタビューは、AIとイノベーションを使って社会課題にどう最大のインパクトを生むかが今後の最大の問いである、という結論で締めくくられる。マティアス氏が挙げる対象領域は4つで、いずれも Google Research が具体的な取り組みを持つ。

領域 Google Research の取り組み例
医療 MedGemma（医療特化のオープンモデル）、AMIE（診断対話AI）
危機へのレジリエンス Flood Hub（洪水予測）、FireSat（山火事の衛星検知）
教育 LearnLM（学習用途に調整したモデル）
エネルギー・気候 Earth AI（地球規模の観測・予測モデル群）

共通するのは、技術の性能ではなく、届く人の数と届くタイミングで成果を測っている点である。洪水予測が20億人をカバーするという数字は、その評価軸を端的に表している。

まとめ

  • AIは作業の担い手になり、人間の役割は「問いを立てる」「選ぶ」「責任を持つ」に集約される。
  • 技術の到達点は、利用者が意識しないまま問題が解決されるアンビエント・インテリジェンスであり、成果は届く人数とタイミングで測られる。
  • 求められる人材は、問い・割り振り・検証・倫理判断・改善のループを一人で回し、自分の仕組みを進化させ続けるシステム思考の持ち主である。

参考

次に読む