要約
本資料は、令和8年（2026年）6月16日に開催された「AI for Scienceを支える研究データの管理・利活用と流通の在り方ワーキンググループ」（以下、WG）第6回の配付資料一式である。第7期科学技術・イノベーション基本計画（令和8年3月閣議決定）および「AI for Scienceの推進に向けた基本的な戦略方針」（令和8年3月文科省決定）を政策的背景とし、WGは令和7年12月の第1回以来6回にわたる審議を経て、今回、審議まとめ（案）の提示に至った。
資料の構成は大きく四本柱からなる。第一は、WG全体の議論を集約した整理資料（資料1）であり、第1回から第5回の主要論点——流通基盤・SINET高度化、研究データ基盤・NII RDCの強化、知識基盤の構築、各分野（ライフサイエンス・マテリアル・放射光施設等）の利活用状況——が俯瞰されている。第二は、HPCIの運営・利用制度の方向性に関する文科省資料（資料2）であり、次世代HPCI構築に向けた段階的ロードマップ（共用計算資源の2030年度までの10倍増強、特定研究有償課題の設定等）が示されている。第三が審議まとめ本文（案）（資料3-1）であり、次世代情報基盤整備の方向性として「①付加価値の最大化を実現するネットワーク（次期SINET）の整備」「②研究プロセスを総合的に支える新たな研究データ基盤の構築」「③計算資源との一体的な接続・連携と認証強化」の三本柱が示されている。第四は同概要（案）（資料3-2）および参考資料集（資料3-3）である。
審議まとめ（案）の核心的メッセージは、SINET・NII RDC・HPCIという既存基盤の個別最適化を超え、それらをシームレスに連結する「研究データ空間」の確立にある。研究データは「保存対象」から「AI学習・再利用を前提とした研究資源」へとその位置付けが変化しており、2028年度までのSINET2倍高速化、2030年度までのNII RDC容量5倍増強と知識基盤（AI統合型）の構築、共通認証基盤の高度化が具体的な達成目標として明示されている。あわせて、ダークデータ・ネガティブデータの活用、機微データを扱うオープン・アンド・クローズ戦略の技術的実装、人材育成・地域コンソーシアムの強化が重要課題として挙げられている。
現場視点の一般的な懸念
研究現場（大学・研究機関の研究者・URA・図書館・情報基盤担当者等）の立場から、本資料の内容に接したとき生じやすい懸念を以下に整理する。
第一に、インフラ整備と現場負担の非対称性という問題がある。 審議まとめ（案）は「研究者の負担なく効率的に」という言葉を随所に用いているが、その実現メカニズムは十分に具体化されていない。メタデータの自動付与やキュレーション機能の強化は新たな役割を現場の支援人材（URA・データスチュワード等）に積み増す可能性が高く、委員コメントにも「全体的にシステム整備に偏り、人材・運用体制の記述が手薄」との指摘がある。数値目標（容量5倍・速度2倍等）とともに、それを担う人的体制の整備計画が対応して示されないと、現場は基盤整備の恩恵を受ける前に実務負荷だけが先行するリスクを帯びる。
第二に、研究データ登録へのインセンティブ設計の脆弱さである。 本資料は繰り返し「データを出してもらうには動機やインセンティブが必要」と指摘しているが、その具体的施策は「義務付けの拡張」と「ルール整備」にとどまっている。データの公開・共有が研究者の評価に直接反映される仕組み（研究費審査・業績評価における加点等）が制度化されなければ、研究者が多忙な中でデータ整備に時間を割くことは構造的に難しい。義務と負担だけが課せられ、報酬が伴わないという非対称が続けば、実質的なデータ流通の活性化は進まない。
第三に、地域格差と機関規模格差が拡大する懸念がある。 SINETの高度化や共通認証基盤の整備は全国均等に恩恵をもたらすことが期待されているが、実際には高度なデータ基盤を活用できる人材・体制を持つ研究大学と、そうでない地方大学・中小規模機関との間で利活用能力の格差が広がるリスクがある。地域コンソーシアムの強化が言及されてはいるが、「場所や所属に依存しないネットワーク構築」を実現するための財政的裏付けや人材派遣の仕組みは示されておらず、ベストプラクティス共有という言葉だけでは格差の構造的是正には至らない。
第四に、AI利用の「手段化」への警戒と研究者自律性の問題がある。 AIによるメタデータ自動付与・仮説生成・実験自動化が標準化されていく中で、研究者が自身の研究プロセスをどこまで制御・理解できるかという問いは、研究の再現性・信頼性の観点から看過できない。資料内でもクローズドAIサービスへの依存懸念が指摘されているが、国産オープンLLM（LLM-jp等）の性能・安定性が十分でない段階では、研究者は事実上クローズドサービスを使い続けざるを得ない状況が続く。「透明性のある学術特化型AI環境」という目標と、現実の利用環境の間にある長期的なギャップへの対処が不明確なままである。
第五に、経済安全保障・データ主権と研究のオープン性の緊張関係が現場に転嫁されるリスクがある。 オープン・アンド・クローズ戦略は正当な政策枠組みだが、「何をどこまで公開するか」の具体的判断は個々の研究者・機関に委ねられる部分が大きい。研究セキュリティの観点からの規制強化と、FAIR原則に基づくオープンサイエンスの推進は、原理的に緊張関係にある。この判断コストを誰が引き受けるのか——チェックリストが提示されているとはいえ——現場の裁量と責任として押し付けられることへの懸念は根強い。
現場視点の一般的な懸念を踏まえた改善提案
第一の懸念（人材・運用体制の軽視）に対しては、「基盤整備」と「人材整備」の同期化を明示的に義務付けることが必要である。 具体的には、NII RDCの高度化計画に対応する形で、データスチュワード・キュレーター・URAの配置目標数と育成プログラムを数値化し、機関別の整備状況を定期的に公開する仕組みを設けるべきである。基盤整備予算に「人材育成費」を一定割合で組み込む制度設計も有効であり、システムへの投資額と並走する形で人的投資規模を可視化することが、現場における機能的な活用を担保する前提となる。
第二の懸念（インセンティブ設計の脆弱さ）に対しては、研究データ整備を研究者の業績評価に組み込む制度改革が不可欠である。 競争的資金の配分基準や業績評価においてデータ公開・FAIR化の実績を明示的に評価項目とすること、論文著者情報と同様にデータ寄与者（data contributor）のクレジット制度を標準化すること、これらを文科省・JST・各大学が連携して実施することで、インセンティブの構造的転換が可能になる。ルールと義務だけで現場を動かそうとするアプローチには限界があり、報酬・評価の設計こそが実効性を左右する。
第三の懸念（地域・機関規模格差）に対しては、「地域コンソーシアム」を単なる情報共有の場にとどめず、財政移転と人材流動を伴う実質的な支援機能として制度化することが求められる。 たとえば、コンソーシアム参加機関に対して国費によるデータ基盤担当人材の一定期間派遣を可能とする制度や、SINET接続機関における最低限のデータ活用能力の底上げを目標とした段階的な基準設定が有効である。均等なアクセス環境だけでは不十分であり、活用能力格差を縮小するための積極的支援策が並走しなければ、格差は拡大する一方となる。
第四の懸念（AI利用の手段化・研究者自律性）に対しては、研究過程においてどのAIをどのように使ったかの記録・開示を研究実践の標準として定めることが重要である。 AI利用の透明性確保は、研究の再現性・信頼性の観点から国際標準になりつつあり、日本の学術コミュニティとしてこれを先取りした規範形成に取り組む意義は大きい。同時に、国産オープンLLMの性能・安定性が十分でない移行期においては、クローズドサービスの利用を過度に制限するのではなく、利用ログの保持と研究者の確認可能性（auditability）の確保を要件として定める現実的な中間策が求められる。
第五の懸念（オープン性と安全保障の緊張）に対しては、判断責任の過度な「現場転嫁」を防ぐ仕組みの設計が必要である。 チェックリストの提供は第一歩として有意義だが、重要技術領域のデータを扱う研究者が直面する複雑な判断を個人が一人で引き受けることには限界がある。機関レベルで専門的に対応する「研究データガバナンス担当」の配置を奨励・支援するとともに、分野別に国が参照事例（セーフハーバー的なガイドライン）を整備することで、現場の判断コストを大幅に引き下げることができる。制度設計の精緻化と現場への丁寧なサポートが、オープンサイエンスと安全保障の両立を実現する鍵となる。
AI for Scienceを支える研究データの管理・利活用と流通の在り方ワーキンググループ（第6回） 配付資料
https://www.mext.go.jp/b_menu/shingi/gijyutu/gijyutu29/006/siryo/mext_00008.html
このコンテンツはAIによって生成されました。内容の真偽についての保証は致しかねます。必ず一次ソースにあたってご確認ください。
