AIが文章を「書く」から「検証する」へ――Google「Deep Review」が一般公開

AIは文章を作る速度を一気に上げました。けれど、事実・数式・論理・出典を確かめる人間の時間は増えていません。

Google Researchは2026年10月14日、長い技術文書を複数のAIエージェントで検証する「Deep Review」を一般公開しました。研究論文だけでなく、設計書、プレゼンテーション、法務・財務文書にも対象を広げるとしています。

注目すべき点は、単に「長文をAIへ渡して感想を聞く」仕組みではないことです。文書を論理単位へ分け、難しい部分へ多くの計算資源を割り当て、複数の検証エージェントが並列で調べ、最後に全体整合と外部情報の照合を行います。

何が変わったのか

Deep Reviewの前身は、研究論文を投稿前に点検するPaper Assistant Tool（PAT）です。Googleは、STOC、ICML、NeurIPS、ICLR向けのパイロットで、希望した著者の論文1万6,000件超を扱ったと説明しています。

今回の変更は、限定的な学会向け実験から、世界の一般ユーザーが使える公開サービスへ移ったことです。

- 週2回までは無料レビュー

- 高頻度利用や自動連携はGemini APIキーを接続

- 初期対応はPDFとプレーンテキスト

- 複数ファイル入力は今後対応予定

- アップロード文書はモデルの学習・微調整・改善には使わない

- 文書は画面表示の目的で1年間保存

利用ページはGoogleアカウントでのログインが必要です。API利用料金の具体額は、今回確認した公式発表には明記されていません。

4段階で「読む仕事」を分ける

公式説明による処理は次の4段階です。

1. 文書を章、実験、方法などの論理単位へ分割する

2. 情報密度と難易度に応じて計算量を配分する

3. 専門エージェントが担当部分を並列検証する

4. 統合エージェントが全体整合を確認し、検索やツールで根拠を照合する

長文を一度に読ませる方法では、文脈の遠い部分同士の矛盾を見落としたり、難しい証明へ十分な推論量を使えなかったりします。かといって同じ質問を何度も投げるだけでは、誤った指摘まで増え、人間の確認負担が膨らみます。

Deep Reviewは「AIを増やす」のではなく、誰がどの部分を確認し、どこで統合するかまで設計しています。

性能主張はどこまで確かか

Googleの論文では、撤回・訂正された数学／計算機科学論文の誤りを集めたSPOTベンチマークの一部で、単発のGemini 3.1 Proが55.2%、PATが89.7%の検出率だったと報告しています。

ただし、この数字には重要な注意があります。

- 対象は26論文・29件の数式／証明エラーに絞った小規模な評価

- Google自身が開発・評価したシステム

- 自動採点を著者の人間が監査した方式

- 元のSPOT論文とは採点基準が異なり、数字を直接比較できない

- 一般の法務・財務・日本語文書で同じ精度が出るとは確認されていない

さらに、パイロット参加者のうち「指摘の大部分またはすべてが根拠に基づいていた」と答えた割合は、STOCで55.8%、ICMLで64.8%でした。役に立つ一方、AIの指摘をそのまま最終判断に使える段階ではありません。

MORIにとって何が重要か

MORIの制作やHuman OSでは、AIが作った文章やコードを、別のAIと外部Evidenceで確かめる工程を重視しています。Deep Reviewは、その「検証役」を単体モデルではなく、分割・並列・統合・外部照合を含む仕組みとして製品化した例です。

使いどころとしては、次のような場面が考えられます。

- 記事の主張と出典が対応しているかの事前点検

- 設計書の前提漏れ、矛盾、境界条件の発見

- 特許・研究資料の論理接続や数値の確認補助

- 複数AIが作った成果物を、人間が読む前に絞り込む一次レビュー

ただし、Deep Reviewの出力もAI生成物です。「検証AIが大丈夫と言った」こと自体はEvidenceになりません。指摘箇所、根拠、原文、再現手順を人間または別経路で確認して、初めて判断材料になります。

実務で使う前に知っておきたいこと

今回の公開時点では、PDFとプレーンテキストの単一文書が中心です。複数の関連資料、表計算、添付資料を横断した整合確認は「今後」とされています。

また、アップロード内容は学習には使わないものの、画面表示のため1年間保存されます。未公開の特許資料、個人情報、秘密情報を扱う場合は、組織の規定や契約条件と照合が必要です。

こちらでは実際の文書を投入した精度試験、APIの実行、日本語品質、処理時間、費用の確認は行っていません。現時点の評価は、Googleの公式発表と論文を読んだ範囲です。

まとめ

Deep Reviewの価値は、「AIが文章を作れる」ことよりも、「AIが作ったものをどう検証するか」に工程設計を持ち込んだ点にあります。

文書を分け、難しさに応じて計算を配り、複数AIで並列に検証し、最後に全体を統合する。これは研究論文だけでなく、記事、設計書、契約書、商品仕様など、根拠が必要な知識労働全般へつながる考え方です。

同時に、検証AIの誤りを誰が確認し、最終判断へ進めるかという境界は残ります。AIが生成役から検証役へ広がるほど、人間の役割は「全部読む」から「重要な判断とEvidenceの確認」へ変わっていきそうです。

出典

- Google Research「Analyzing technical documents with Deep Review」（2026-10-14）  

- Google Research「Research@ 2026: 10 ways we're amplifying human ingenuity」（2026-10-14）  

- Jayaram et al.「Towards Automating Scientific Review with Google’s Paper Assistant Tool」（arXiv v1、2026-06-26）