OpenAIは2026年6月、AIが科学研究で直面する曖昧な状況下での判断力を測る新ベンチマーク「GeneBench-Pro」を公開した。ゲノム解析や創薬などの現実データを使い、AIの「研究センス」を評価するこの試みは、生物学分野でのAI活用の成否を分ける新たな指標となる。

129の難題が問う、AIの「研究センス」

GeneBench-Proは、統計遺伝学やがんゲノム学、プロテオミクスなど10領域・21サブ領域にわたる129のタスクで構成される。単なる知識や定型ワークフローの遂行ではなく、「データが目的の問いに耐えうるか」「初期の分析結果をどう軌道修正するか」といった、研究者が日常的に行う高次の判断をAIが下せるかを試す設計だ。OpenAIはこの判断の連鎖を「リサーチテイスト（研究センス）」と定義し、実世界の複雑で乱雑なデータセットと限定的な実験文脈だけを与え、AIが探索・反復・最終決断までを完遂する能力を評価する。

データは量よりも「解釈」が壁になる時代へ

生物学分野では、ゲノム配列解読などのデータ生成コストが劇的に低下した一方、得られたデータの解釈と分析が研究の律速段階になりつつある。GeneBench-Proは、まさにその「分析ボトルネック」をAIが打破できるかを測るために設計された。このベンチマークが特徴的なのは、パターンが生物学的意味を持つのか、単なるノイズなのかの見極めや、分析計画そのものの見直しといった、形式化が極めて難しいスキルを大規模かつ厳密に評価しようとする点にある。

創薬・診断支援AIの「実戦配備」を左右する基準

このベンチマークが重視するのは、分析結果を「意思決定に使える」と判断する能力だ。臨床的な変異解釈や薬理ゲノミクス、出生前診断リスク評価など、全129タスクの多くが現実の医療・創薬判断に直結するテーマで占められている。AIが高い研究センスを示せれば、新薬候補の探索、治療反応性の予測、希少疾患の原因特定といった領域で、人間研究者の意思決定を直接支援するエージェントへの道が開ける。これはAIベンダーにとって、学術評価を超えた産業応用の可否を左右する競争領域となる。

ベンチマーク設計がAI産業の次の争点に

GeneBench-Proが示すのは、大規模言語モデルの評価軸が単なる知識量やタスク達成率から、「不確実性下での判断品質」へと移行している事実だ。特に科学研究や医療など高リスク領域では、AIの信頼性は曖昧な状況での挙動によって決まる。OpenAIがこの難度の高い評価基準を公開したことは、同社が生物学・医療分野のAI応用で主導権を握ろうとする戦略を示すと同時に、他のAI開発企業に対しても新たなハードルを設ける動きといえる。今後はこの「研究センス」の高さが、企業向けAIソリューションの差別化要因になる可能性がある。