要約
本資料は、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について検討した科学技術・学術審議会情報委員会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の審議まとめである。次世代情報基盤の構築が「オールジャパン」で謳われる一方、その足元を支えるはずの学術認証フェデレーション（学認）への参加は全国の研究機関の約5割にとどまり、多くの研究者がいまだ共通基盤を使えない状況にあることが資料自体から読み取れる。現場視点から6つの懸念点を整理する。
AI for Scienceの本格的な推進を見据え、本WGは情報流通基盤（SINET）、研究データ基盤（NII RDC）、計算資源、共通認証基盤を一体的に接続・連携させる次世代情報基盤の在り方を整理した。次期SINETでは800Gbps技術の導入や国際回線の増強、NII-SOCSの公私立大学への展開拡大が示され、研究データ基盤についてもAI統合型への刷新（NII RDC+）、ダークデータ・ネガティブデータの活用、知識基盤の構築などが打ち出されている。また認証面では、IAL2/AAL2を保証する次世代学認への展開、グループ管理機能の整備、HPCIなど他基盤との認証連携拡大が方向性として提示された。米国エネルギー省とのAI for Science連携（ジェネシス・ミッション）に象徴されるように、国際的な研究基盤競争が加速する中での対応という位置づけである。
現場視点の一般的な懸念
1. 認証基盤展開の遅れと「絵に描いた餅」化のリスク
資料は学認参加機関が全国の研究機関の約5割にとどまり、IdPホスティングの利用も約50機関にすぎないことを示している。「AI for Scienceの基盤を全国の研究者に」という次世代認証基盤（Step3）の掛け声とは裏腹に、まだ多くの研究者が共通基盤を使えない状況であることが明記されており、全国展開の具体的なロードマップや達成時期が示されないまま構想だけが先行している印象を受ける。
2. コスト・運用リソース負担が現場に転嫁される懸念
NII-SOCSの公私立大学への展開拡大、共用ストレージの5倍以上増強、共用計算資源の10倍以上増強といった野心的な数値目標が並ぶ一方、これらを支える予算措置・運用人材の確保について「早急に取り組むべき課題」「中長期的な観点から検討すべき」といった先送り的な表現にとどまっている。既存業務に加えて新たな基盤への対応を迫られる大学現場の負担増への目配りが薄い。
3. データ基盤を持たない分野・小規模機関の取り残され
資料内の概念図には「データ基盤を持たない分野」が明示的に描かれているものの、そうした分野や小規模研究機関がどのように新たな研究データ基盤に参入していくのか、具体的な支援策や移行手順は抽象的な記述にとどまる。マテリアル・ライフサイエンス等の先行分野の事例は詳細に紹介される一方、後発分野への横展開の道筋は見えにくい。
4. 認証強度の引き上げが研究現場の利便性を損なうリスク
機微データや高価な計算資源を守るため、身元確認の厳格化やパスキー等によるIAL2/AAL2水準の認証強化が打ち出されているが、これは日々の研究プロセスにおける「シームレスな利用」という理念と緊張関係にある。セキュリティ強化と利便性確保の両立について、現場の研究者が実際にどの程度の操作負担を強いられるのかへの言及は乏しい。
5. オープン・アンド・クローズ戦略の判断基準が現場任せ
知的財産・個人情報・経済安全保障の観点から「全てのデータを一律に公開することは適切ではない」としつつ、どのデータをどう区分し、誰が公開・非公開を判断するのかという実務的な基準は示されていない。結果として、各研究機関・各研究者が個別に神経を使いながら判断せざるを得ない構造になっている。
6. AI活用を支える人材確保が課題認識のまま据え置かれている
GPU環境やAIモデル運用に関する専門知識を持つ研究者・支援組織が限られているとの問題意識は明確に示されているが、これを解決する人材育成の財源・体制・具体的な工程表は示されておらず、「引き続き検討すべき課題」という位置づけにとどまっている点は、他の教育政策文書にも共通する構造的パターンと言える。
改善提案
1. 学認参加率の可視化と達成目標の明示
学認参加率・IdPホスティング利用状況について毎年度の進捗を公表し、全国展開の達成年限を明示する。あわせて、独自にIdP構築へ踏み出せない小規模機関向けに、簡易な認証連携パッケージを優先的に整備する。
2. 新機能導入時のコスト・人員試算の同時提示
NII-SOCS拡大やストレージ・計算資源の増強といった新規施策を打ち出す際は、想定される大学側の運用工数・費用負担の目安と、それに対応する財源措置を必ずセットで示すガイドラインを策定する。
3. 後発分野・小規模機関向け移行支援の具体化
マテリアル分野・ライフサイエンス分野などの先行事例をテンプレート化し、データ基盤を持たない分野が段階的に参入できる標準的な移行支援メニューと担当機関を明記する。
4. 認証強化と利便性確保の段階的移行設計
IAL2/AAL2水準の認証導入にあたっては、研究者を対象とした操作性の実証テストを先行実施し、日常業務への影響を最小化する移行期間・代替手段を制度設計に組み込む。
5. オープン・アンド・クローズ判断基準の分野別ガイドライン化
公開・非公開の判断を個々の研究者・機関任せにせず、分野特性を踏まえた判断基準・チェックリストを分野横断的に整備し、現場の判断負担と法的リスクを軽減する。
6. AI人材育成の工程表明示
GPU・AI運用人材の育成について、誰が・どの規模で・いつまでに育成するかを含む具体的な工程表を次期報告書の段階までに提示し、「課題認識」から「実行計画」へと引き上げる。
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） 議事録
https://www.mext.go.jp/b_menu/shingi/gijyutu/gijyutu29/006/gijiroku/mext_00007.html
