Inside BioNeMo · Reading No.03
AIの実力は、賢さより道具で決まる
AI に仕事を任せると、途中までは気持ちよく進みます。けれど、専門的な手順が要るところで、ぱたりと止まることがあります。賢いはずなのに、その先へ進めない。2026年6月、NVIDIA がこの「その先」を埋める道具を出しました。創薬の研究で、AI が専門の実験手順を自分で呼び出せるようにする枠組みです。賢いモデルを足したのではなく、手順そのものを、AI の使える道具に変えています。読み進めると、手元の AI から多くを引き出すための勘所も、同じところにあると見えてきます。
トップへ戻る専門の手順が、呼べる道具になった
その枠組みが BioNeMo Agent Toolkit です。AI エージェントに、生命科学の専門的な道具とスキルを渡します。エージェントが証拠を集め、所見をつないで考え、計算実験を回し、次の一手を提案する——その手を動かす側を受け持ちます。たとえば創薬では、化合物を生成し、標的タンパク質にドッキングさせ、結合の強さを予測する。この一続きを、エージェントが道具を順に呼びながら進めます。
扱えるのは創薬だけではありません。タンパク質の構造予測、ゲノム解析、文献のレビューや実験手順の作成まで、同じ枠組みから呼び出せます。発表は2026年6月23日。すでに50社を超える企業が、実際の研究に使い始めています。
脳が道具を呼んで、繋いでいく
言葉だけだと固いので、その動きをそのまま触れる形にしました。最初、道具箱は空です。賢いはずのエージェントも、専門の道具がなければ最初の一手で止まります。道具を渡してから「次に進む」を押すと、化合物生成・ドッキング・結合強度の予測を一つずつ呼びながら、一本に繋いでいきます。上が判断する脳、下が道具箱。いまどの道具を呼んでいるかは、強調の移動で分かります。
候補になりそうな化合物を作りたい。けれど、化合物を生み出す道具が、手元にありません。
- 化合物生成generative chemistry
- ドッキングmolecular docking
- 結合強度の予測binding affinity
- 化合物生成で候補をつくる → 候補化合物がいくつか出てくる。
- その化合物をドッキングで標的タンパク質にはめる → 結合のかたちが分かる。
- 結合強度の予測で効き目を見積もる → 有望な候補に絞れる。
- 脳（賢いモデル）は、この三つの道具を順に呼んで繋ぐ役。専門の力は、道具の側にあります。
脳と道具箱は、別もの
NVIDIA の CEO、ジェンスン・フアンは、この関係を一言でこう言っています。「フロンティアモデルは脳、BioNeMo は科学の道具箱。合わさって、AI エージェントに博士課程の研究助手の技能と、スーパーコンピュータの速さを与える」。
ここがこの記事の芯です。専門知識は、モデルの中に詰め込まれているのではなく、道具の側に置かれています。タンパク質がどう畳まれるか、化合物がどう結合するか——その知識は道具が持ち、エージェントは「どの道具を、どの順で呼ぶか」を決める。だから前進は、モデルをもっと賢くすることではなく、能力を道具にして渡すことで起きています。
規模より、構造
創薬という最先端でも、突破口は「もっと大きく賢いモデル」ではありませんでした。能力を道具に外へ出し、エージェントにはそれを呼んで繋ぐ役を任せる。この分け方そのものが効いています。
速さも、同じ場所から来ます。タンパク質構造の予測モデル RosettaFold3 は、前の世代のおよそ2倍の速さで動くとされています。これはモデルが急に賢くなったというより、道具の側が鍛えられた結果です。見るべきは大きさではなく、どこが道具になり、どう繋がっているか——構造のほうです。
手元の AI でも、同じです
この見方は、創薬から遠い日々の仕事にもそのまま効きます。思うように動かないとき、「もっと賢い AI」を待つより、必要な道具を渡して、手順を分けて順に頼むほうが早いことがあります。調べる・計算する・下書きする——道具がそろい、呼ぶ順番がはっきりするほど、同じモデルでも止まらずに進みます。
つまり、AI からどれだけ引き出せるかを決めるのは、賢さ待ちではなく、何を道具として渡し、どう段取りさせるか。BioNeMo が創薬で見せているのは、その極端な実例です。
賢いAIより、道具を持ったAI
話を聞くと、もっと賢い AI を待ちたくなります。けれど創薬の現場が選んだのは、賢いモデルに道具箱を渡し、呼んで繋がせることでした。能力は道具の側に置き、エージェントは段取りを受け持つ。手元の AI を動かすときも、効くのは同じ構造です——何を渡し、どの順で頼むか。そこが見えると、止まっていた一手の先へ、進めます。