「発表して終わり」から「AIに使われ続ける」へ――学会ポスターから考えるKnowledgeの価値

学会ポスターから研究知識がネットワークとして広がり、研究者や企業、AIへつながっていく様子を描いた水彩画 AI

最近参加した学会で、私もポスター発表をしました。

これまでにも何度も学会でポスターを作ってきました。

研究結果を整理して、図を作り、文章を削り、限られたスペースに情報を詰め込む。発表当日はポスターの前に立ち、興味を持ってくれた研究者と話す。

ポスター発表は、個人的にはかなり好きな発表形式です。

口頭発表とは違って、その場で細かい質問を受けたり、思わぬ視点から意見をもらったりできる。そこから共同研究や次の実験につながることもあります。

一方で、毎回少しもったいないとも感じます。

発表が終わったポスターは、その後どこへ行くのか。

もちろん、研究そのものが論文になることはあります。

しかし、ポスターそのものはPDFとしてPCのフォルダに残り、ほとんど見返されないことも多い。

数日、場合によってはもっと時間をかけて作った研究成果が、数時間のポスターセッションを終えたところで、ほぼ役目を終えてしまう。

最近、Scienceの記事を読んでいて、この問題を正面から扱っている面白いプロジェクトを知りました。

Posters.scienceです。

世界中の「眠っているポスター」を検索可能にする

Posters.scienceは、科学ポスターをオンラインで発見・共有できるオープンなプラットフォームです。

2026年9月19日時点で、検索対象は3万1千件を超えています。

背景にある問題は単純です。

世界では毎年、膨大な数の学会ポスターが発表されています。

Posters.scienceの開発チームは、ポスター共有の実態を調べた結果、オンラインで確認できたものは約15万件、86のプラットフォームに分散しており、さらに著者識別子、研究助成、学会情報などの基本的なメタデータが不足しているケースも多いと報告しています。

つまり、

研究成果は存在しているのに、見つけられない。

という状態です。

これはかなり大きな損失ではないかと思います。

面白いのは「ポスターを保存する」だけではない

Posters.scienceで特に興味深かったのは、単なるPDF置き場ではないことです。

ユーザーがポスターをアップロードすると、AIを使って内容からメタデータを抽出し、それを確認・修正したうえでZenodoへ保存できます。

さらに、それぞれのポスターにはposter.jsonという構造化されたデータを付与する仕組みが作られています。

一般的な学会ポスターはPDFです。

人間なら図や文章を見ながら意味を理解できますが、レイアウトはポスターごとにばらばらです。

そのままでは、大量のポスターを機械的に検索したり、比較したり、分析したりするのは簡単ではありません。

そこで、

人間向けのポスターPDF

に加えて、

機械が扱いやすい構造化されたposter.json

を持たせる。

Posters.scienceはこれを「AI-ready」なポスターとして位置づけています。自然言語で研究上の問いを入力し、ポスター内容から関連結果を探すSmart Searchも開発対象になっています。

ここで、以前自分のブログで書いた話を思い出しました。

「人に読まれる記事」と「AIに使われるKnowledge」

以前、

「AI検索でブログは終わる？ 人間とAI、2つの入口を持つWebへ」

という記事を書きました。

そこで考えたのは、これまでのWebサイトは基本的に「人間に読まれること」を前提として作られてきた、ということでした。

検索して、人がページへ来る。

人が記事を読む。

広告を見る。

商品やサービスを知る。

しかし生成AIやAI検索が広がると、そこへ新しい読者が入ってきます。

機械です。

そこで、人間が読みやすいHuman Interfaceと、AIが情報を取得・理解・再利用しやすいAI Interfaceを分けて考えた方がよいのではないか、と書きました。

そして最後に残った疑問が、

では、AIがわざわざ使いたくなるKnowledgeとは何なのか。

でした。

Posters.scienceを見ていると、その問いに対するかなり具体的な例が出てきたように感じます。

ポスターには「まだ論文になっていないKnowledge」がある

ポスターの価値は、論文の簡易版であることだけではありません。

学会では、

  • まだ論文化されていない研究
  • preliminaryな結果
  • 新しい実験手法
  • 開発途中の技術
  • 仮説段階のアイデア

などが発表されます。

Posters.science自身も、ポスターにはearly-stageの知見やpreliminary resultsが多く含まれていることを、保存・検索する理由の一つに挙げています。

論文検索だけをしていたのでは拾えない情報です。

そして、私の場合はもう一つあります。

企業として発表するポスターです。

企業のポスターは「論文になる途中」とは限らない

私はアカデミアだけではなく、営利企業で研究や技術開発に関わっています。

この立場から見ると、ポスターの意味は少し変わります。

企業が学会で発表する内容は、すべてが最終的に論文になるとは限りません。

むしろ、

「私たちは、この技術をここまで扱える」

「こういう研究開発ができる」

「こういう実験系を扱っている」

「こういう問題に対応できる」

という技術力の提示そのものが目的になることがあります。

研究結果であると同時に、

企業のCapabilityを示す資料

でもあるわけです。

そこから共同研究が始まるかもしれない。

技術相談が来るかもしれない。

受託研究につながるかもしれない。

新しい研究者や企業に会社を知ってもらえるかもしれない。

こう考えると、企業ポスターは単なる「その日の発表資料」ではありません。

公開可能な範囲に圧縮された、企業Knowledgeの一部

とも考えられます。

だったら、それが学会終了と同時に見えなくなってしまうのは、やはりもったいない。

Knowledgeには「寿命」があるのではなく「発見可能性」がある

ここで少し考え方を変えてみます。

ポスターの価値が学会当日だけ高く、その後ゼロになるわけではありません。

研究内容そのものは残っています。

変わっているのは、

見つけてもらえるかどうか

です。

学会会場では、ポスターの前を通れば発見できます。

学会が終われば、その偶然の発見経路が消える。

しかし、検索できる状態で残っていれば、

半年後でも、

3年後でも、

その研究テーマを調べた人やAIが再び発見する可能性があります。

つまり、

発表物の価値を長持ちさせるというより、Knowledgeを再発見可能な状態にする。

という方が近いのかもしれません。

これは自分でKnowledge Baseを作ってきた経験ともよく似ています。

私がKnowledge MCPでやりたかったことも同じだった

私はChatGPTを使い続ける中で、過去の判断や研究メモ、案件情報がChatの奥へ埋もれていくことに困り、VPS上にMarkdownのKnowledge Baseを作りました。

Chatは作業場所。

残す価値がある情報はVaultへ保存する。

そしてKnowledge MCPを介して、別のChatや別の日でも再び検索して使えるようにする。

この経緯は、「ChatGPTに長期記憶が欲しくて、Knowledge MCPを作った」にまとめています。

当初は単純に「AIに長期記憶がほしい」と思って作った仕組みでした。

しかし現在振り返ると、重要だったのは保存そのものではありません。

後から発見して、再利用できること

でした。

これは学会ポスターにもかなり近い。

学会発表 → ポスターPDF → PCのフォルダ → ほぼ見つからない

ではなく、

学会発表 → ポスター → メタデータ・構造化 → Knowledge → 人間・検索エンジン・AIが再発見

という流れです。

情報を「保存する」ことと、「Knowledgeとして使える状態で残す」ことは、同じではありません。

ブログにもまったく同じ問題がある

ここまで考えると、これはポスターだけの話ではなくなります。

ブログも同じです。

記事を書いて公開する。

SNSへ投稿する。

しばらく読まれる。

その後、アクセスが減る。

これだけなら、記事もある意味では「発表して終わり」です。

しかし記事に含まれている、

  • 自分で試した経験
  • 実験結果
  • 専門家としての判断
  • 一次資料を読み込んだ整理
  • 長期間蓄積したデータ
  • 過去の失敗
  • 情報同士の関係

まで消えるわけではありません。

以前の記事では、AI時代のブログについて、「強いページ」を大量に作るより、AIにも人間にも参照され続けるKnowledgeを持つことが重要になるのではないかと考えました。

Posters.scienceは、それを研究成果の世界で実際にやろうとしている例にも見えます。

「AIに読まれる」と「収益になる」は別の話

ただし、ここは分けておく必要があります。

ポスターをAIが読めるようにしたからといって、直接お金が入るわけではありません。

Posters.scienceも「AIにポスターを読ませれば収益化できる」というサービスではありません。

一方、企業の場合はKnowledgeの価値をPVだけで測る必要もありません。

公開した技術情報が、

共同研究につながる。

受託相談につながる。

技術ライセンスにつながる。

採用候補者に届く。

企業の専門性を知ってもらう。

こうした経路で価値が回収されることもあります。

ブログについても同じで、広告だけがKnowledgeの収益化ではありません。

以前の記事では、AIクローラーによる情報利用そのものを課金対象にしようとする仕組みについても調べました。

それも一つの可能性です。

しかし、もう少し広く考えるなら、

Knowledgeが繰り返し発見され、その人や企業への入口になること

自体にも経済的価値があります。

ポスターを見た人が技術相談をする。

記事を読んだ人が仕事を依頼する。

AIが情報を発見し、その出典として企業や研究者を提示する。

Knowledgeと収益の間には、いくつもの経路があり得ます。

もちろん、企業では「何でも公開する」はできない

一方で、企業だからこそ注意すべき点もあります。

研究成果には、

  • 特許出願前の情報
  • 営業秘密
  • 顧客情報
  • 共同研究契約で公開範囲が制限された情報
  • 詳細なノウハウ

などがあります。

それらを「AI時代だから」とすべて公開すればよいわけではありません。

むしろ重要になるのは、

Private Knowledge → 公開範囲を判断 → Public Knowledge → 人間・検索・AI

という設計ではないかと思います。

内部にはできるだけKnowledgeを蓄積する。

その中から、知財や契約を守りながら外へ出せるものを選ぶ。

そして公開するなら、単にWebへ置くだけではなく、後から発見・引用・再利用できる形にする。

AI時代の企業研究では、この設計自体が重要になっていくように思います。

「コンテンツを作る」から「Knowledgeを育てる」へ

生成AIによって、文章を書くコストは大きく下がりました。

要約もできる。

記事も書ける。

図も作れる。

SNS投稿も作れる。

だからこそ逆に、

何を書くかの元になるKnowledgeを誰が持っているのか

の方が重要になってきます。

実際に実験した人。

実際に失敗した人。

現場で判断した人。

独自のデータを持っている研究者。

長期間情報を蓄積している組織。

こうした一次Knowledgeは、生成AIだけでは作れません。

文章は生成できても、存在しない実験結果は作れない。

経験していない経験を一次情報にはできない。

だからAI時代には、「コンテンツの価値がなくなる」というより、

コンテンツの表面より、その背後にあるKnowledgeの価値が目立つようになる

のかもしれません。

学会ポスターを「発表物」ではなく「Knowledgeの出口」と考える

今回Posters.scienceを知って、学会ポスターの見え方が少し変わりました。

これまでは、

研究 → 成果をまとめる → ポスターを作る → 発表する

という流れでした。

これからは、その後にもう一段あってもよい。

研究 → Knowledge → 論文・ポスター・ブログ・データ・技術資料 → 再びKnowledgeとして蓄積 → 人間・AIが再発見して利用

ポスターはKnowledgeそのものではなく、Knowledgeを外へ出す一つのインターフェース。

ブログも同じ。

論文も同じ。

そして発表が終わったら、その中にある知識を再び検索・再利用可能な状態へ戻しておく。

そう考えると、「記事を公開して終わり」にしないために自分が作っているKnowledge Baseと、「ポスターを発表して終わり」にしないPosters.scienceは、かなり近い方向を向いているように見えます。

「発表して終わり」にしない

学会ポスターは、数時間のためだけに作っているわけではありません。

その中には研究者が積み上げてきた実験と判断があります。

企業のポスターなら、その会社が持つ技術やノウハウの一部も表れています。

それを発表して終わりにするのか。

検索できるように残すのか。

人間だけでなくAIからも発見できるようにするのか。

この違いは、今後かなり大きくなるのかもしれません。

以前、AI時代のブログについて、

「どんなKnowledgeならAIが継続的に使いたくなるのだろう」

と考えました。

今回の学会ポスターは、その問いをもう一度考えるきっかけになりました。

価値ある情報を新しく作り続けることだけではなく、すでに作った価値あるKnowledgeを、消えない・埋もれない・再利用できる形で残す。

AIが大量の情報を扱えるようになった今だからこそ、その重要性はむしろ増しているのではないでしょうか。

関連記事

主な参考資料

コメント

タイトルとURLをコピーしました