研究者
けんきゅうしゃ
まだわかっていない問いを調べ、新しい知識や技術を生み出す仕事。先行研究を読み、仮説を立て、実験・観測・計算などで確かめ、結果を発表する。大学、研究機関、企業などで専門分野を深める。
はじめに
「なぜだろう」「本当にそうだろう」を調べる仕事です。本を読むだけでなく、比べ方を考え、実験や計算をして確かめます。思ったとおりの結果が出ないこともあります。その理由を調べ、ほかの人にも確かめてもらえるように伝えることが大切です。
2050年の見通し
2050年の収入が、この職業の今の収入と比べてどう変わりそうかを示します。物価の上昇を差し引いた実質の変化です。
- 収入
- AIを使う研究と分野をつなぐ専門性への投資を、定型分析の省力化よりやや強い追い風と見る。ただし研究費の増加は給与増加と同じではなく、任期や設備への配分で低下もあり得る。
- 需要
- 科学基盤モデル等を支える研究投資が実際に始まっており、新しい検証や分野横断の仕事を増やす力がある。一人の研究能力が高まって必要人数を減らす力もあるが、中心では研究課題の拡大をやや重く見た。
- 人による差
- 人による差が広がる
今の研究者の仕事
- 問いと仮説の設定先行研究を調べ、まだ明らかでない問題を整理する。
- 研究の設計実験、観測、計算などの方法と比較条件を決める。
- データの取得と分析手順を記録し、結果と誤差や限界を検討する。
- 検証と発表再現性を確かめ、論文や学会等で成果を共有する。
- 研究の運営共同研究、研究費、安全や倫理の手続きを進める。
2050年、仕事はどう分担される？
業務ごとに、2050年にだれが主に担いそうかを3つに分けました。職業そのものが「なくなる確率」ではありません。
AI・ロボットが中心
- 文献と実験記録の整理 確からしさ：高 大量の記録の分類は支援しやすいが、出典や内容の確認が必要になる。
- 標準実験の繰り返し 確からしさ：中 設備を整えた分野では自動化できても、分野差と投資・安全の制約がある。
AIと協働
- 仮説と実験候補の提案 確からしさ：中 AI for Scienceで開発が進む領域だが、提案の妥当性と実施条件を確かめる必要がある。
人が中心
- 研究課題と検証方法の判断 確からしさ：中 何を価値ある問いとするか、どこまで言えるかを決める責任が残ると考える。
- 倫理・共同研究・説明 確からしさ：高 成果の利用、参加者への配慮、利害の調整は技術的な最適化だけで決められない。
2050年の一日
2050年、研究者の一日（架空）
午前9時、研究者の理央は夜間の計算結果を見る。AIは新しい方法が優れていると報告していた。しかし理央が比較条件を読むと、古い方法だけ違うデータで試されている。嬉しい結論を発表する前に、同じ条件でやり直すことにした。
午前の会議では、計算資源をどの課題に割り当てるか話し合う。速く結果が出るテーマだけでなく、時間のかかる基礎的な問いも残したい。資源が便利に使えることと、無限に使えることは違う。
午後は別分野の研究者と議論する。データにはなかった現場の制約を聞き、実験計画を変える。生成された説明が自然でも、検証の穴を埋める対話は必要だ。
夕方、うまくいかなかった実験の記録を整えた。今日は目立つ成果はない。それでも、間違った比較を避けたことは次の人にも役立つ。理央は未確認の項目を残し、明日の実験担当に引き継いだ。
収入
平均の年収だけでは、その仕事の収入は分かりません。働き方や経験、地域、独立しているかどうかで大きく変わります。
今の年収
約802万円（年収・平均値）
- 「情報工学研究者」の全国年収802万円を円に換算した。職業分類の対応統計で、その職業だけの厳密な集計とは限らない。
- 独立事業者の売上・事業所得や、新人の初任給を示す値ではない。
- job tagの「土木・建築工学研究者」と「情報工学研究者」のうち、情報工学研究者を代表に選んだ。計算・仮説検証と研究の変化を説明しやすく、対応する分類「自然科学系研究者」の統計を確認できたため。
- 大学教員、人文・社会科学の研究者、学生、奨学金受給者まで含めた研究者全体の平均ではない。研究分野と勤務先、雇用期間で条件は異なる。
収入を動かすもの
AIで仕事が速くなっても、収入が上がるとは限りません。何が収入を押し上げ、何が押し下げるかを並べました。
-
研究を支える投資上がる方向
新しいことを調べる場所とお金が増えると機会が広がる。
大人向けの詳しい説明
文科省はAI for Scienceの研究事業を進める。ただし特定事業の開始を2050年の予算保証にはしない。
-
自動化と計算資源どちらにも動きうる
実験が速くなっても、使う設備には費用がかかる。
大人向けの詳しい説明
設備と研究費の配分によって、生産性の利益が研究者の給与に回るかが変わる。
-
雇用と専門性どちらにも動きうる
研究を続けるには仕事の安定も大切。
大人向けの詳しい説明
任期、所属組織、産業での需要や交渉力で待遇が分かれる。
2050年の3つのシナリオ
未来の収入はひとつの数字では言えません。条件ごとに分けて、どうなれば収入がどう動くかを考えます。
-
研究投資と専門性が結びつく
条件研究の支援と設備投資が続き、新しい問いを検証する人材を育てる。
起きそうなこと専門技能や分野をつなぐ力に対価がつき、実質収入が上向き得る。
-
研究の生産性が上がる
条件分析と標準実験を省力化し、同じ予算で多くの検証を行う。
起きそうなこと研究量は増えても、人数や給与が同じ割合で増えるとは限らない。
-
資源と職が集中する
条件計算設備や研究費が一部に集中し、短期雇用への依存が続く。
起きそうなこと成果の増加に対して若手の安定雇用が伸びず、組織間の差が広がり得る。
働き方と暮らし
人手は足りる？ 余る？
文部科学省のARiSEでは、科学基盤モデルやAIエージェント、AI駆動ラボシステム等の開発が対象になっている。これは研究手法への投資の事実で、研究者数が増えるという確定予測ではない。
将来は検証する問いの広がりと技術導入を支える専門需要を、省力化による人数削減よりやや強く見込む。ただし分野や資金の配分で差が大きく、研究総量と安定した雇用枠は分けて考える。
働き方
大学、研究機関、企業などで働き、共同研究や成果の発表を行う。研究者という名称に一つの雇用制度はなく、任期の有無、研究費、教育や管理の負担も異なる。成果が出るまで長い期間がかかる分野もある。
将来、文献整理や分析が速くなっても、設備、試料、計算資源の利用と検証の手続きは必要になる。英語での情報交換や分野の違う人との協働が選択肢を広げる。
この仕事に近づくには
進路と資格
- 基礎と関心を育てる科学、数学、読解、情報等を学び、自分で調べて確かめる経験を重ねる。
- 大学・大学院で専門化情報工学の研究では修士・博士課程まで学ぶ道が多い。分野や採用先で必要条件は異なる。
- 研究職へ応募・成果を積む企業や研究機関等の採用に応募し、研究の記録・発表と共同研究の経験を積む。
今から伸ばしたい力
- 問いを立て比較条件を考える力
- 数学・統計と専門分野の基礎
- 再現できる記録を残す習慣
- 反証や失敗を受け入れる姿勢
- 英語と異分野の人に説明する力
関連する職業
出典と前提
出典
- 情報工学研究者 - 職業詳細（job tag）（厚生労働省）、2026年10月29日取得 仕事内容・進路・労働条件・全国年収を参照。将来像はこれらの現状を起点にした条件付きの見立て。
- AI for Science革新的研究推進事業（ARiSE）の公募について（文部科学省）、2026年10月29日取得 科学基盤モデル、AIエージェント、AI駆動ラボ等の研究投資の現状を参照。
予測の前提
- 研究成果には再現性や妥当性を検証する役割が必要とされる。
- 研究支援の政策と民間投資は2050年まで変化し得る。
- AIの能力と実験設備の導入を同じ速度の変化とみなさない。
このページの更新
- 初稿を公開
ラベルの意味や予測の限界は「予測の読み方」で説明しています。