RF-JP-00101
社会とシステム · インフラ
Japan 2040
どこで仕事が担われなくなり、そのうちどれだけをAIが現実的に補えるのか。
介護からインフラの維持管理、地域サービスまで、日本の労働力不足を部門ごとに可視化し、AIによる生産性向上がどこまでその差を埋められるかをモデル化します。
検証の方法
測定するもの
部門別のAI労働代替率。
必要な証拠
日付が明記された公的統計、透明性のあるシナリオ、感度分析。
独立系AI研究 · 日本
働き手は減る。
社会の仕事は減らない。
AIは、何を担えるか。
日本の働き手は減り続けていますが、社会を支える仕事は減りません。私たちは、少ない人手でもできることを広げるAI——推論システム、フィジカルAI・ロボティクス、自律型エージェント——を研究し、それが本当に機能するかを測定します。
研究継続中初期段階です。公開の研究方針と管理された検証を行っています。
結果は、公開され日付が明記された時点でのみ掲載します。
結果は、公開され日付が明記された時点でのみ掲載します。
研究の基準
明確な問いを立てる。
→検証可能にする。
→証拠を示す。
01 / 課題
2040年、日本では
1,100万人余りの労働供給が
不足する見通しです。
働き手がいなくなっても、仕事はなくなりません。道路の維持も、介護や看護も、中小企業の決算も、続けなければなりません。
2040年、不足が最も深刻な職種
職種別に見た、労働需要に対する不足の割合（推計）
出典：リクルートワークス研究所「未来予測2040 労働供給制約社会がやってくる」 （2023年3月）。この推計はほとんど経済成長しない日本を前提としており、経済が成長すれば労働需要と不足はさらに大きくなると考えられます。
職種別の数値を見る
| 職種 | 不足数（万人） | 需要に対する割合（%） |
|---|---|---|
| 介護サービス | 58.0 | 25.3 |
| 商品販売 | 108.9 | 24.8 |
| 輸送・機械運転・運搬 | 99.8 | 24.2 |
| 建設 | 65.7 | 22.0 |
| 保健医療専門職 | 81.6 | 17.5 |
| 接客給仕・飲食物調理 | 56.6 | 15.1 |
| 生産工程 | 112.4 | 13.3 |
| 事務・技術者・専門職 | 156.6 | 6.8 |
事務・技術者・専門職は不足数が最も多い一方、需要に対する割合は最も小さく、報告書では需給はおおむね均衡しているとされています。
02 / 作業仮説
AIが最も価値を持つのは、
社会が実際に担える力を高めるときである。
ベンチマークのスコアは手段であって、目的ではありません。どのプロジェクトでも、私たちは問います。そうでなければ手つかずになる実際の仕事を、このシステムはどれだけ確実に担えるのか。そして、それをどう確かめるのか。
JAPAN 2040 · 主要指標
AI労働代替率（AI Labor Offset Ratio） = AIによる労働換算の増分 ÷ 予測される労働の減少分
03 / 4つの研究領域
AIはどこで役立つか。
証拠は何を示すべきか。
どの領域も実践的な問いから出発し、何かを主張する前に、何が証拠になるかを明示します。
研究プログラムの全文を読むRF-JP-00202
社会とシステム · フィジカルAI
人手不足のためのロボティクス
ロボットはどの物理作業を担えるのか。ロボットが見合うのはどんなときか。
日本のロボティクスと精密工学の強みを生かし、どの作業が導入可能か、ロボット基盤モデルが固定的な自動化を上回るのはどこか、ロボットが投資に見合うのはどこかを明らかにします。
検証の方法
測定するもの
フィジカルAI導入可能性指数（Physical AI Deployability Index）と、部門別の投資対効果の閾値。
必要な証拠
作業の分類体系、範囲を限定した条件での再現可能な試験、欠員やサービス停止のコストと比較した総保有コストの分析。
RF-JP-00303
社会とシステム · 自律型組織
自律型の中小企業
職務ごとに人を雇わなくても、小さな会社はすべての業務を回し続けられるか。
経理、人事、調達、サポート、コンプライアンスなど、中小企業の業務能力を補う追加の層としてのAIエージェント。読み取り専用から自律実行まで、5段階の権限レベルを設けます。
検証の方法
測定するもの
業務フローの完了率、人によるレビューの負担、エラーからの回復。
必要な証拠
追跡可能な意思決定、明確な権限の境界、既存の業務フローとの比較。
RF-LIFE-00104
サイエンス · 細胞の老化
細胞の若返り
細胞が老化する仕組みをAIで理解し、人が長く健康で自立して暮らせるようにできるか。
細胞老化、iPS細胞、部分的リプログラミング、タンパク質設計など、細胞の老化に関する計算科学的な調査です。公開データと既発表の研究のみを用います。
検証の方法
測定するもの
公開されている老化データセットでの再現性と、学習に使っていないデータでの頑健性。
必要な証拠
データセットの出所、データ漏洩（リーク）への対策、独立した実験室での検証。
計算科学的・探索的な研究です。治療効果や寿命延長の効果は主張しません。
RF-SAFETY-001
基盤 · AIセーフティ
評価で測るAIセーフティ
ツールを使うAIエージェントを、承認された範囲内にとどめられるか。それを推測ではなく証拠で示せるか。
上のすべての研究領域を支える研究トラックです。AIエージェントが実務を担う前に、敵対的テスト、プロンプトインジェクションへの耐性、最小権限でのツール利用、独立した監視を検証します。
測定するもの
適応的なレッドチーミング下での攻撃成功率、一定の誤検知率における監視の検出率、そして独立したチェックが及ぶ重要なエージェント行動の割合。
必要な証拠
固定したシナリオとベースライン、評価の不正な攻略（ゲーミング）への対策、各主張とその検証を結ぶ追跡可能な記録。
進行中の研究トラックです。日付入りの評価報告書を公開するまで、安全性に関する主張は行いません。
研究の詳細を読む04 / 私たちの姿勢
現実の世界にある
制約のために設計する。
01 / 小規模モデル
制約されたシステムから、より高い能力を。
介護施設、地域のサービス、中小企業が最先端の大規模モデルを動かすことはありません。限られたデータ、計算資源、人員のもとで小規模モデルがどこまでの能力を発揮できるのか、そしてどこで失敗するのかを研究します。
02 / 運用推論
行動の前に、証拠を。
証拠に基づくインシデントの優先順位付け、手順書に沿った判断、規律ある失敗分析を、管理されたシナリオで研究します。
03 / 信頼性
止まるべきときを知る。
運用の現場は、自信を持った誤りを吸収できません。出典を示し、不確実性を明示し、証拠が支えない結論の手前で立ち止まる推論を構築します。
05 / どう確かめるか
すべての主張を、
第三者が確認できる検証に結びつける。
スコアが上がっても、それは証明ではありません。どの研究領域も同じ4つの段階を経て進み、うまくいったことと同じように、うまくいかなかったことも報告します。
論文プログラムを見る- 01
問いを立てる
課題、制約、そして何をもって成功とするかを定義します。
- 02
公平なベースラインを設定する
テスト、データのバージョン、計算資源を固定し、すべての結果を同じ条件で比較します。
- 03
検証し、点検し、繰り返す
改善と並べて、性能の後退や失敗のパターンも報告します。
- 04
確かなものを共有する
不確実性と限界を明記したまま、日付入りの結果を公開します。
06 / 現在地
初期段階で、独立していて、
そのどちらにも率直に。
概要
創設者：Arnel Perez Posadas
Reasoning Frontierは、AI推論、評価、運用上の信頼性、産業変革、AIを活用した科学にまたがる独立した研究活動です。現時点では、公開の研究方針、プロトタイプ、管理された検証が中心です。日付が明記された再現可能な結果は、完成し次第ここで公開します。
それまでは、このサイトのいかなる内容も、実運用、セキュリティ、医療、安全性、投資における性能を示すものではありません。
お問い合わせ
研究および業務に関するお問い合わせ
専用の公開連絡窓口を確認・整備した後に、連絡先を掲載します。