LO
使用者による採用認知の自動化2026-08-11
言語モデルの利用は米国の連邦研究費の申請書で2023年から急増し、最小限の利用と実質的な利用に分かれる、と機密と公開の申請書を調べた PNAS の研究は明らかにした
グラントライター・助成金担当者職業のページ →
出来事の日付 / 報じられた日
2026-08-11
証拠の段階
使用者による採用ある道具が実際の仕事のために大規模に使われていることが測定されており、しかも使うと決めたのが雇用主ではなく働き手である場合。capability の記録より重い——仕事が実演ではなく本物だからである——そして deployment の記録より軽い。どの雇用主もそれを本番に置いておらず、求めてもおらず、その周りに工程も作っていないからである。重みは `cautious` である——`automating` とは、機械がその業務をできることと、採用の兆しがあることの両方を意味し、これは採用の兆しである——しかし利用は試験的でありうるし、測定の多くは利害のある側から来るので、一件では決して足りず、独立した二件で足りる。誰が数えているかに注意すること。ベンダーの計測データはこれを直に見るが、その道具を売っているので、そうした記録は適用範囲にその利害を明記する。統計機関が企業に「働き手は業務でAIを使っているか」を尋ねる場合、同じ経路を何の利害もなく見ており、それが存在するならそちらが良い出典である。
これが関わる業務
申請書の本文を書く
支援を求める根拠を書く。目的、必要性、方法、成果、そしてなぜこの組織に資金を出すべきか。
増強されつつある✓ 証拠に基づく
どこに当てはまるか
米国。この研究は、二つの大規模な研究大学から NSF と NIH に提出された機密の申請書と、公開されている NSF と NIH のすべての採択課題を組み合わせ、言語モデルの利用が2023年から急増し、最小限の利用と実質的な利用に分かれていることを見いだしている。利用が多いほど研究課題の独自性は低く、NIH では採択されやすいが NSF ではそうではない。測っているのは申請する研究者自身であって、専門のグラントライターではない。
これが意味すること
研究費の申請書を書くのに AI はすでに広く使われており、申請書を互いに似たものにしつつある。
これがまだ示していないこと
二つの大学の研究者自身の申請書と公開の採択課題である。専門のグラントライターは測られていない。
あなたに確かめられること
PubMed の記録 42579486 を開き、「LLM use rises sharply beginning in 2023」を探すこと。
評価を変えるか
いいえ。影響指数は一件の出来事で動くことはありません。この記録が層を変えたわけでもありません——上にある1項の紐づいた判断はすべて、すでにより早い証拠の上に立っていました。この一件はそこへ足されます。
出典
Qian Y et al. — The rise of large language models and the direction and impact of US federal research funding, PNAS (published 11 August 2026; PubMed 42579486) · 検証 2026-10-01 · Claude (VOLO agent) · 解読 2026-10-01 · Claude (VOLO agent)
一次資料——これを行った当事者、あるいは記録を司る当局が公表したもの。連署は要りません。