生成AIによってリサーチ(調査)業務は変革されたのか？

皆様、こんにちは。株式会社Labz.の代表を務めております涌井と申します。

数年前、私はこのブログで「生成AIによって、リサーチ（調査）業務は変革されたのか？」という問いを立てました。当時は、ChatGPTが登場し、PerplexityやGensparkといったAI検索ツールが次々に現れ、「OpenAIやGoogleも同様のサービスを計画している」と書いた頃です。「リサーチはAIによって自動化される」という声が、あちこちで聞かれ始めていました。

あれから、世界は私の予想を超える速さで動きました。当時「計画中」と書いたものは、すべて現実の製品になりました。 それどころか、「1つの問いを渡すと、AIが自律的に何十回も検索し、数百のサイトを読み、引用付きのレポートを数十分で書き上げる」という、当時は無かったカテゴリまで生まれています。

では、リサーチ業務は「変革」されたのでしょうか。私の答えは、3年前と同じ骨格のまま、しかし中身を大きく更新する必要がある、というものです。 結論から申し上げます。

結論： 「集める」と「使う」は、劇的に変わりました。ここは、もはや別世界です。一方、私が「未解決の根っこ」と書いた「貯める」は、"半分は解けた"段階まで進みました。けれど、組織全体で知を貯めて再現すること、そしてAIが吐き出した情報を人が検証し続けること-ここが、いまなお最前線です。 リサーチ業務の変革は「始まった」けれど、「終わって」はいません。

この記事では、なぜそう考えるのかを、当時と同じ「集める・貯める・使う」の3ステップで、最新の動向を交えて書き直していきます。

※本記事の事実・数値は、各社の公式発表や総務省の白書などの一次情報にもとづき、当社で確認したものです（主な出典は末尾に記載）。

あの頃「計画中」と書いた検索は、すべて出荷された

まず、この3年で「集める」の入り口＝検索がどう変わったかを、簡単に振り返らせてください。私が「計画中」と書いた機能は、次々と現実になりました。

• ChatGPTに検索が載った：OpenAIは2024年10月、ChatGPT自身がWebを検索して出典付きで最新情報を答える「ChatGPT Search」を正式公開しました。私が「OpenAIは計画中」と書いた、まさにその機能です。

• Googleの検索も対話型に：Googleは2025年5月、対話型のAI検索「AI Mode」を公開し、同年9月には日本語でも使えるようになりました。要約回答の「AI Overviews」は、2025年半ばに月間20億人が使う規模に達しています。

• そして「Deep Research」という新カテゴリが、わずか数週間で業界標準になりました。 Googleが2024年12月、OpenAIが2025年2月、Perplexityが同じ2月に、相次いで「深い調査」を自動で行うモードを投入したのです。

3年前に名前を挙げたPerplexityやGensparkも、単なる「答えを返す検索」から、自分で計画を立てて調べ切る自律型のエージェントへと進化しました。Perplexityは調べるための専用ブラウザ「Comet」まで出し、中国発の汎用エージェント「Manus」のように、目標を渡すだけで計画・実行・成果物づくりまで自走するサービスも登場しています。

※用語注：エージェントとは、人が一手ずつ指示しなくても、目標を渡せば自分で手順を考えて実行するAIのこと。Deep Research（ディープリサーチ）は、その考え方をリサーチに応用し、「1つの問いから自動で何十回も検索し、読み込み、引用付きでまとめる」機能の総称です。

つまり、いまや問いは「AIで調べられるのか」ではなくなりました。答えは「調べられる」です。本当に問うべきは、「AIが調べた"その先"を、どうやって組織の力に変えるのか」 なのです。ここに、リサーチ業務の変革が「始まった」けれど「終わっていない」理由があります。

それでも私は「集める・貯める・使う」でリサーチを考える

道具が変わっても、リサーチ（調査）という営みの構造は変わりません。当社は今も、リサーチを次の3ステップに分解して考えています。

1. 集める：さまざまな情報源から、必要なFact（事実）を集めてくる。

2. 貯める：集めたFactを、あとで使える形で蓄積・整理・更新する。

3. 使う：貯めた知を、目的に応じて加工し、判断や説明に使う。

3年前、私は「集めるは進んだ、使うはChatGPTが埋めた、しかし貯めるが未解決」と書きました。では、いまはどうか。3ステップそれぞれの「到達点」と「残る課題」を、表にまとめました。

以下、この3ステップを一つずつ、最新の姿で見ていきます。

「集める」-エージェントが探索を丸ごと肩代わりし始めた

「集める」は、この3年でもっとも派手に変わりました。象徴が、先ほど触れた Deep Research です。

OpenAIが2025年2月に公開したDeep Researchは、1つの問いから自律的に何十回も検索を重ね、数百のソースを読み込み、5〜30分かけて引用付きの"アナリスト級"のレポートを書き上げます。 3年前に私が「単に集めるだけでは散在したFactに留まる」と書いた、その"集める→読む→まとめる"のループを、AIが端から端まで自動でやってしまうのです。

どれくらい賢くなったのか。専門家級の難問を集めたベンチマーク「Humanity's Last Exam」で、OpenAIのDeep Researchは26.6%を記録しました。従来トップが約9%だったので、およそ3倍の跳躍です。さらにAnthropicの調査機能のように、複数のAIが手分けして並列で探索する"チーム型"の仕組みも現れ、探索の質はまだ上がり続けています。

※用語注：ベンチマークとは、AIの実力を測るための共通テストのこと。「Humanity's Last Exam」は、各分野の専門家でも難しい問題を集めた、特に難関なテストです。

3年前、私は「情報を集める効率化はChatGPT以前から進んでいた」と書きました。いまや、その効率化は"人が検索窓を叩く"段階を飛び越えて、"AIに調査そのものを任せる"段階に入ったのです。ここは、間違いなく変革されました。

ただし――と、すぐに付け加えなければなりません。集められた情報が「正しい」ことは、まだ自動では保証されません。 この点は「使う」と「限界」のところで詳しく述べます。

「使う」-推論モデルとエージェントで、「読む」から「行動する」へ

「使う」も、3年前から大きく前進しました。

一つは、「推論モデル」の登場です。2024年秋以降、AIは答えを即答するのではなく、頭の中で段階を追って"考えてから"答えるようになりました。集めた大量の情報を突き合わせ、多段階で分析・統合する力が、格段に上がったのです。2025年夏にはこの推論グレードの分析がChatGPTの標準搭載になり、いまや「使う」の水準そのものが底上げされています。

もう一つは、AIが「読む」だけでなく「行動する」ようになったことです。OpenAIは2025年、Webを自分で操作するエージェントと、深く調べるDeep Researchを、「調べて、そのまま実行する」1つのシステムに統合しました。「競合を調べて、比較表を作って、下書きまで用意しておいて」こうした指示が、一気通貫で通り始めています。3年前に私が語った「使う」は、いまやリサーチの一歩先、"行動"にまで広がりました。

ところが、ここに変革を阻む、最も本質的な壁があります。AIが吐き出す情報は、もっともらしく間違うのです。しかも、それは「そのうち直る不具合」ではありません。

• ある大規模な調査（2025年）では、主要なAI検索8ツールを1,600件の質問で試したところ、6割超で誤った出典を返しました。 やっかいなことに、有料版ほど「わからない」と言わずに自信満々で誤答する傾向すらありました。

• OpenAI自身も、Deep Researchについて「事実を幻覚することがある」「権威ある情報と噂の区別が苦手」「自分の確信度をうまく伝えられない」と、正直に限界を開示しています。

• OpenAIの研究者は2025年、「なぜ言語モデルは幻覚するのか」という論文で、"わからない"より"自信ある当て推量"が評価で報われる仕組みそのものが、幻覚を構造的に生んでいると指摘しました。訓練と評価の仕組みに組み込まれた問題であり、簡単には消えません。

だから、「使う」で本当に起きたのは、労働がゼロになったのではなく、「作る労働」から「検証する労働」へ移ったということです。ハーバード・ビジネス・レビューは2025年、体裁は立派でも中身の薄いAI生成物（"workslop"）を受け取った人が、その手直しに1件あたり平均で約2時間を費やしていると報告しました。「AIが下書きした。あとは人が確かめて直す」――この検証工程こそ、いまリサーチ業務の新しい重心です。

※用語注：幻覚（ハルシネーション）とは、AIが事実に反する内容を、もっともらしく生成してしまう現象のこと。総務省も『情報通信白書』で、幻覚や出力の信頼性を、生成AIの中核的な未解決課題として公式に挙げています。

「貯める」-「未解決」と書いた最前線は、いま「半分は解けた」段階へ

さて、3年前に私が「ここがリサーチ業務の完全な変革を妨げている根本的な課題だ」と書いた「貯める」。ここが、この3年で最も意味深い進化を遂げました。同時に、最も"解け切っていない"領域でもあります。

変わったこと：AIが「覚える」ようになった

3年前、私は「現状のAIサービスは"単発なリサーチの効率化"に留まっている」と書きました。その最大の反証が、メモリ機能です。

• 個人の記憶：ChatGPTは2025年4月、過去のすべての会話を参照して答えられるようになりました。あなたが何を調べ、何を重視してきたかを、AIが覚えているのです。3年前の「AIは貯めるを解決していない」という私の言葉への、最も直接的な反論と言えます。

• 組織の記憶：企業向けにも、案件やプロジェクト単位で文脈を保持する記憶機能（Claude Memory、Copilot Memoryなど）が2025年に出揃いました。

• エンタープライズの知識基盤が一大産業に：社内の100以上のツールを横断して"会社のナレッジグラフ"を作るGleanは、2025年に企業価値約72億ドル（約1兆円超）と評価され、年間経常収益は1億ドルを超えました。「貯める」層は、いまや巨大なビジネスカテゴリです。

技術面でも、RAG（検索で外部知識を補って答える仕組み）は"死ななかった"。「AIが一度に読める量が増えたからRAGは不要になる」という声もありましたが、2025年の結論は「両者は補完関係」。むしろ、社内文書からナレッジグラフを作る手法（GraphRAG）や、検索の取りこぼしを最大67%減らす工夫（Contextual Retrieval）などで、組織の知を高品質かつ安価に貯めて引き出せるようになりました。「貯める層」を、どんなAIにも接続できる標準的な"配管"（MCP）まで整い始めています。

※用語注：RAG（検索拡張生成）とは、AIが答える前に、社内文書などの外部情報を検索して手元に引き寄せ、それを根拠に回答させる仕組み。散らばった社内の知を、AIに正しく使わせるための土台です。

それでも「貯める」が最前線であり続ける理由

では、「貯める」は解けたのか。半分は、そうです。しかし本丸は、まだ残っています。

3年前、私は「十分に調べたのか／そのFactは正しいのか／過去のリサーチとの差分は、こうした問いに答えるために"貯める"が要る」と書きました。この本質は、むしろ強まっています。 AIがもっともらしい誤りを吐く時代だからこそ、「誰が・いつ・どの根拠で調べ、どう検証したか」を組織で貯め、次に再利用できることの価値が上がっているのです。

そして、ここに日本企業の現実があります。メモリ機能は"個人・アカウント単位"のものが中心で、組織横断で共有され、更新され続ける"恒久的な記憶"は、まだ研究途上です。何より、バラバラに散らばった社内文書を、AIが使える形に整える基盤づくり――これが、多くの日本企業で最大のボトルネックとして残っています。実際、国内の大手ベンダー（リコー、キヤノンITソリューションズなど）も、RAGによる社内ナレッジ活用を「これから整えるべき基盤インフラ」と位置づけています。

つまり「貯める」は、3年前より確実に前進した。けれど、完全解決ではなく、いまなお勝負どころ＝最前線なのです。

日本企業のリアル-「使い方がわからない」が、最大の壁

ここまでの話は、海外の派手なニュースに聞こえるかもしれません。では、日本の現場はどうでしょうか。企画をリードされる皆様にとって、ここが一番大事なところだと思います。

総務省の『令和7年版 情報通信白書』（2025年）を見ると、日本企業の姿がくっきり浮かびます。

• 生成AIを「活用する方針」の企業は49.7%（前年42.7%）まで増え、導入企業の55.2%が「情報収集」に利用しています。リサーチは、いまや生成AI活用の中心用途なのです。

• ところが、日常業務（メール・議事録・資料作成の支援など）での利用は32.1%にとどまり、米国の75.0%、中国の78.0%に大きく水をあけられています。

• そして、企業が挙げる最大の壁は――技術の性能ではなく、「効果的な活用方法がわからない」こと。PwCの調査でも、日本は先行企業と遅行企業の"二極化"が指摘されています。

一方で、腰の重かった大手が、いよいよ本気で動き始めました。

• 三菱UFJ銀行は、約3万5千人の行員にChatGPT Enterpriseを導入し、用途に「調査対応」を明確に掲げています（データを学習に使わない閉域環境で）。

• ソフトバンクは、Perplexityの法人版を国内で販売開始。社内データと横断検索できるDeep Researchを、法人向けチャネルに載せました。

• 社内ナレッジ基盤のGleanも国内代理店経由で調達可能になり、自分の日本語文書からポッドキャスト風の音声要約を作るNotebookLMも日本語対応。東京発の多言語AI検索「Felo」のような国産の担い手も育っています。

道具は、もう揃いました。では、何が企業の差を分けるのか。 白書が示すとおり、それは「ツールを入れたかどうか」ではありません。AIが集めた情報を、組織として"貯めて・検証して・再現できる形"に設計できるかどうか――ここで、勝負が決まります。単発のDeep Researchを回すだけなら、誰でもできる時代になったからです。

当社の取り組み「集める・貯める・使う」を、一枚の地図でつなぐ

当社は3年前、Web検索型のRAGを開発するところから、この問いに向き合ってきました。そして今も変わらず、「集める」「貯める」「使う」のすべてに目配りしたリサーチ（調査）支援にこだわっています。

なぜなら、ここまで見てきたとおり、変革のボトルネックは「集める」から「貯める」と「検証（使う）」へ移ったからです。最新のDeep Researchを使えば、情報は誰でも集められます。差がつくのは、その先――

• 集めたFactを、組織の資産として貯める（＝リサーチの資産化・調査の資産化）。

• もっともらしい誤りを、人の目で検証する工程を、仕組みとして回す。

• そのプロセスを属人化させず、次の誰かが再現できる形で残す。

これは、私たちが事業「共通地図」で掲げている思想そのものです。世の中の支援は、大きく2つに分かれています。経営コンサルは「答えは出すが、やり方は社内に残らない」。PMOは「決まった作業は管理するが、"そもそも何を調べ、どう判断するか"は描けない」。 私たちは、その"間"に立ち、リサーチという知的作業を、生成AIで属人化させず、更新・再現できる資産として貴社の手に残すことを目指しています。

「魚を渡す」のでも、「魚の釣り方だけ教える」のでもなく、「魚の釣り方の地図を、AIで描いて、貴社に残す」。 リサーチにおける、その一枚の地図をつくるのが、私たちの仕事です。

※用語注：PMO（Project Management Office）は、プロジェクトの進捗・課題・リソースを管理・支援する役割・組織。実行の管理は得意な一方、「そもそもどこを目指し、何を調べるか」の構想は担いにくい立場です。

まとめ-問いへの、いまの答え

「生成AIによって、リサーチ（調査）業務は変革されたのか？」

3年越しの、いまの私の答えはこうです。「集める」と「使う」は、変革された。「貯める」は、半分解けて、いまが最前線。だから、リサーチ業務の"本当の変革"は、まだこれからだ。

• 集める：Deep Researchで、探索はAIが丸ごと肩代わりする時代に。ただし出典の検証は、人の仕事として残った。

• 使う：推論とエージェントで、「読む」から「行動する」へ。労働は消えず、「作る」から「検証する」へ移った。

• 貯める：メモリと知識基盤で前進。けれど、組織で貯めて再現することが、いまなお勝負どころ。

生成AIは、リサーチを確かに速くしました。しかし「速く集められること」と「組織が賢く意思決定できること」の間には、まだ深い谷があります。その谷を埋めるのは、派手な新ツールではなく、「集める・貯める・使う」を一枚の地図でつなぎ、人の検証を織り込んで、再現できる形で回す設計です。特に「貯める」機能の重要性は、これからさらに高まっていくでしょう。

リサーチ支援・調査支援、あるいはリサーチの資産化・調査の資産化に関心をお持ちの方は、ぜひ一度、当社の取り組みをご検討ください。組織全体でのリサーチ能力の底上げに、きっとお役に立てると考えています。

株式会社Labz.の「共通地図」は、経営コンサルとPMOの"間"にある白地――「何を調べ、どう判断し、どう前に進めるか」という上流のプロジェクト推進を、論点設計から、生成AIで再現できる"地図"づくりまで支援するサービスです。 「AIで調べてはみたが、それが本当に組織の力になっている実感がない」もしそう感じておられたら、まずは30分、御社のリサーチの現状をお聞かせください。売り込みではなく、"どこに谷がかかっているのか"を一緒に見立てるところから始めます。

トップページへ（クリック）

主な参照（一次情報）

• OpenAI「Introducing deep research」(2025-02-02) / 「Introducing ChatGPT search」(2024-10-31) / 「Introducing GPT-5」(2025-08-07) / 「Introducing ChatGPT agent」(2025-07-17)

• Google「Try Deep Research（Gemini）」(2024-12-11) / 「Google Search: AI Mode」(2025-05-20)

• Anthropic「Claude can now do research」(2025-04-15) / 「Introducing Contextual Retrieval」(2024-09-19) / 「Model Context Protocol」(2024-11-25)

• Perplexity「Introducing Perplexity Deep Research」(2025-02-14)／Glean「Series F at $7.2B valuation」(2025-06-10)

• Columbia Journalism Review, Tow Center「AI search engines and news citations」(2025-03-06)

• OpenAI et al.「Why Language Models Hallucinate」arXiv:2509.04664 (2025-09-04)

• MIT / Project NANDA「The GenAI Divide: State of AI in Business 2025」(2025-08)／Harvard Business Review「AI-Generated Workslop Is Destroying Productivity」(2025-09-22)

• 総務省『令和7年版 情報通信白書』(2025-07)／『令和6年版 情報通信白書』(2024)

• 三菱UFJ銀行×OpenAI 協業（ITmedia, 2025-11-18）／ソフトバンク×Perplexity Enterprise Pro（2025-03-17）