はじめに：AIが情報消費に与える衝撃

AIが変革する「情報の読み方」：研究からメディアまで、デジタル時代の新たな価値創造を探る

私たちの情報消費のあり方は、ここ数年で劇的な変革の波にさらされています。特に、ChatGPTのような生成AIの登場は、この流れを加速させ、「AI時代」における情報の取得、分析、そして活用方法のパラダイムシフトを引き起こしています。かつては専門家だけがアクセスし、膨大な時間をかけて分析していた情報が、AIの力を借りて瞬時に要約され、洞察が抽出されるようになりました。

この変革は、学術研究の最前線から、日々のニュース消費に至るまで、私たちの知的活動のあらゆる側面に影響を及ぼしています。本記事では、AIが情報の「読み方」をどのように変えているのか、その具体的な機能と応用、ビジネスへの影響、そして未来に向けた課題と可能性について、深く掘り下げて考察します。私たちは今、情報の価値がどこにあり、どのようにしてその価値を創造し、収益化していくべきかを再定義する岐路に立たされています。

第1章：研究分野におけるAIの革命：知識発見の加速と効率化

学術研究の世界は、常に新しい知識の発見と共有によって発展してきました。しかし、そのプロセスは往々にして、膨大な量の文献レビューやデータ分析に時間を要するものでした。今、AIは、この伝統的な研究手法に革命をもたらし、知識発見のプロセスを劇的に加速させ、研究者の生産性を飛躍的に向上させています。

1.1. AI研究アシスタントの登場と機能

現代の研究者は、もはや数百、数千に及ぶ論文を一つ一つ丹念に読み込む必要はありません。AIを搭載した研究アシスタントが、その重労働を肩代わりしてくれるからです。動画でも言及されているように、AIアシスタントは短時間で300本もの論文を読み込み、その内容を合成し、要約として研究者に提示する能力を持っています。

この機能は、単なるテキストの切り貼り以上のものです。AIは、自然言語処理（NLP）と大規模言語モデル（LLM）の技術を駆使して、論文の核心的な主張、方法論、結果、結論を理解し、それらを相互に関連付け、新たな視点やパターンを抽出します。これにより、研究者は、個々の論文の細部に囚われることなく、研究分野全体の動向、主要な論点、未解決の課題などを鳥瞰的に把握できるようになります。

具体的な機能としては、以下のようなものが挙げられます。

文献検索と選定の自動化: キーワードや研究テーマに基づいて、関連性の高い論文を効率的に特定。
要約と情報合成: 選択された論文群から、主要な論点や発見を抽出し、簡潔な要約を生成。複数の論文間にまたがる共通点や相違点も指摘します。
エビデンスベースの質問応答: 特定の問いに対して、関連する論文から具体的な証拠や根拠を引用しながら回答を生成。
概念マッピングと知識グラフの構築: 論文間の関係性や主要な概念を視覚的に表現し、研究者が知識構造を理解しやすくします。
研究計画の支援: 既存の研究のギャップを特定したり、新たな研究仮説の生成を支援したりすることも可能です。

これらの機能により、研究者は、文献探索や整理といった定型的な作業に費やす時間を削減し、より創造的な思考や実験計画、データ分析といった本質的な研究活動に集中できるようになります。

1.2. 医療分野におけるOpenEvidenceの事例

AIが研究プロセスに与える影響は、特に医療分野において顕著です。医療は、エビデンスに基づいた意思決定が不可欠な分野であり、最新の研究成果を迅速かつ正確に臨床現場に適用することが、患者の命を救い、治療の質を向上させる上で極めて重要です。

動画で例として挙げられているOpenEvidenceのようなVC支援スタートアップは、まさにこのニーズに応える形で登場しました。OpenEvidenceは、医療論文や臨床試験のデータをAIで分析し、医師や研究者が迅速に、信頼できる最新のエビデンスにアクセスできるプラットフォームを提供しています。

具体的には、

最新エビデンスの即時提供: 何万もの医学論文から特定の疾患や治療法に関する最新の知見をリアルタイムで抽出・要約し、医療従事者に提供します。
臨床ガイドラインのサポート: 医師が個々の患者に最適な治療法を選択する際に、AIが関連する臨床ガイドラインや研究結果を提示し、意思決定を支援します。
ドラッグリポジショニングの加速: 既存薬の新たな用途を発見するために、膨大な化合物データや疾患メカニズムに関する研究をAIが分析し、有望な候補を特定します。
個別化医療の推進: 患者の遺伝情報や病歴、生活習慣などに基づいて、最適な治療戦略をAIが提案し、個別化医療の実現に貢献します。

このようなAIアシスタントの活用により、医師は診断や治療方針の決定において、常に最新かつ最も信頼性の高い情報を参照できるようになり、結果として医療の質の向上と効率化が期待されます。

1.3. 科学的コンテンツ消費のパラダイムシフトと出版社への影響

AI研究アシスタントの普及は、科学的コンテンツの消費方法そのものに根本的な変化をもたらしています。従来、研究者は学術出版社が提供するデータベースから論文のPDFをダウンロードし、その全文を読み込むことで知識を得ていました。しかし、AIが要約や合成を提供することで、研究者はもはや「出版社のサイトから単一のPDFを開く」必要がなくなる可能性があります。

この変化は、学術出版社にとって大きな挑戦となります。彼らは伝統的に、ピアレビュー、編集、出版、配布といったプロセスを通じて、研究成果の品質保証と普及を担ってきました。しかし、AIが情報の収集と要約を効率化するにつれて、出版社が提供する「全文へのアクセス」という価値が相対的に低下する可能性があります。

このパラダイムシフトに対応するため、学術出版社は新たなビジネスモデルと価値提案を模索する必要があります。

APIを通じたデータ提供: AI研究アシスタントや他のサービスプロバイダーに対して、高品質な研究データや論文コンテンツをAPI経由で提供し、ライセンス料を徴収するモデル。
AIツールへの統合と共同開発: 独自のAI要約・分析ツールを開発するか、既存のAIプラットフォームと提携して、彼らのコンテンツがAIによって優先的に処理されるようにする。
付加価値サービスの提供: 単なる論文提供にとどまらず、特定の研究テーマに関する深掘り分析、専門家によるキュレーション、データセットの提供、研究者のコミュニティ形成支援など、AIでは代替しにくい人間ならではの付加価値を提供する。
信頼性と透明性の保証: AIが生成する情報の正確性を検証し、元の出典への明確なリンクを提供することで、情報の信頼性を保証する役割を強化する。

最終的に、この変化は、研究者が「何を」「どのように」知識を得るかだけでなく、「誰から」知識を得るか、そしてその知識に「どのような価値」を見出すか、という根本的な問いを投げかけています。情報の価値は、その原始的な形式から、加工され、要約され、洞察へと昇華された形へとシフトしつつあるのです。

第2章：メディア業界に迫る波：コンテンツ消費の「仲介排除」

AIによる情報消費の変革は、学術研究の世界にとどまらず、ニュースや一般情報を提供するメディア業界にも深く影響を及ぼしています。特に「ディスインターメディエーション（仲介排除）」という現象は、メディア企業のビジネスモデルと読者との関係性を根本から揺るがす可能性を秘めています。

2.1. ニュース消費の変化と「ディスインターメディエーション」の脅威

ニューヨーク・タイムズやワシントン・ポストといった伝統的な大手メディアは、これまでジャーナリストが丹念に取材し、編集された記事を読者に提供することで収益を上げてきました。読者は、これらの媒体を訪れ、記事全体を読むことで情報を得ていました。しかし、AIの進化は、この情報消費のサイクルを大きく変えようとしています。

動画で指摘されているように、OpenAIやGoogleといったAI大手は、ユーザーがメディアのウェブサイトにアクセスすることなく、直接AIチャットボットや検索エンジンを通じて要約された情報を得られるサービスを提供し始めています。例えば、ユーザーが「最新の経済ニュースの要約」を求めれば、AIは複数の情報源から主要なニュースを抽出し、簡潔な箇条書きや短い文章で提供します。これにより、ユーザーは「記事の全文を読む」という手間を省き、効率的に情報を吸収できるようになります。

この現象は、メディア企業にとって深刻な脅威です。

広告収入の減少: ユーザーが直接メディアサイトを訪れなくなることで、広告が表示される機会が減り、主要な収益源が失われます。
購読モデルの弱体化: 記事の全文を読む必要がなくなることで、デジタル購読の魅力が低下し、購読者数の減少に繋がる可能性があります。
ブランド認知度の低下: 情報の消費がAIを介することで、元の情報源であるメディアブランドの露出が減り、ブランドロイヤルティが希薄になります。
ジャーナリズムの価値の希薄化: 質の高いジャーナリズムは、時間とコストをかけて取材し、深く分析することで生まれます。しかし、AIがその成果を要約して提供するだけでは、元のジャーナリズムの価値が適切に評価されにくくなる恐れがあります。

この「仲介排除」は、まるでAIがメディアと読者の間に割って入り、情報の伝達経路を自らがコントロールしようとしているかのようです。ユーザーはより効率的な情報収集を求めるため、AIを通じた情報消費は今後さらに加速すると予想されます。

2.2. 「全文」から「要約」への価値シフトとメディアの対応

AIによる「仲介排除」の根底には、情報の価値が「全文を読むこと」から「要約され、合成された情報」へとシフトしているという認識があります。現代社会では情報が溢れており、人々は限られた時間の中で、最も効率的かつ関連性の高い情報を求めています。AIは、このニーズに完璧に応えることができます。

この価値のシフトに対し、メディア業界はどのように対応すべきでしょうか。単にAIによる要約を批判するだけでは、時代の流れに乗り遅れてしまうでしょう。

AIを活用した新しいコンテンツフォーマット: AIによる要約や分析機能を活用し、パーソナライズされたニュースダイジェスト、インタラクティブな解説記事、データジャーナリズムの強化など、新たなコンテンツ体験を提供します。
深掘り分析と独自の洞察: AIは情報処理は得意ですが、深い文脈理解、批判的思考、人間的な視点からの洞察はまだ苦手です。メディアは、AIでは代替できない独自の視点、深掘り分析、倫理的考察などを通じて、読者に真の価値を提供し続ける必要があります。
信頼性と透明性の強化: AIが生成する情報には、偏りや誤りが含まれる可能性があります。メディアは、徹底したファクトチェック、情報源の開示、AIの活用における透明性を確保することで、情報の信頼性を高め、読者からの信用を維持します。
コミュニティ形成とエンゲージメント: ニュースの消費だけでなく、読者同士が議論し、情報交換できるようなコミュニティを形成することで、メディアと読者の間に新たな繋がりを生み出します。
AI企業との協業と交渉: AI大手に対して、コンテンツ使用料の交渉を行ったり、共同で新しい情報サービスを開発したりすることで、共存の道を探ります。自社のコンテンツがAIによって不適切に利用されないよう、著作権保護とライセンス契約の枠組みを再構築することも重要です。

メディア業界は、AIを脅威としてだけでなく、新たな可能性を秘めた技術として捉え、変革の機会とすることが求められています。情報のゲートキーパーとしての役割を再定義し、AI時代における「信頼できる情報源」としての地位を確立することが、彼らの生き残りの鍵となるでしょう。

第3章：価値の再定義と新たなビジネスモデルの探求

AIが情報の「読み方」を変えるにつれて、情報の「価値」もまた再定義されつつあります。そして、その価値の変化は、既存のビジネスモデルを揺るがし、新たな収益化の道筋を模索することを強制しています。

3.1. 「全文」から「要約されたインサイト」への価値シフト

かつて、情報の価値は、その「全体性」や「詳細さ」にありました。学術論文であればその網羅性、ニュース記事であれば取材の深さと記述の緻密さが評価されました。しかし、AIの登場により、この価値の基準は大きく変化しています。

効率性への需要: 現代社会は情報過多であり、人々は膨大な情報の中から、自分にとって必要な核心的な情報を、最も効率的に手に入れることを求めています。AIによる要約は、この需要に完璧に応えます。
インサイトへの欲求: 単なる情報の羅列ではなく、複数の情報源を統合し、そこから得られる「洞察（インサイト）」こそが、意思決定の価値を高めます。AIは、複雑なデータセットからパターンを抽出し、人間が見落としがちな関連性を見出すことで、このインサイト生成を支援します。
カスタマイズ性: 個々のユーザーの興味やニーズに合わせて情報がフィルタリングされ、パーソナライズされた形で提供されることへの期待が高まっています。AIは、ユーザーの過去の行動やプロファイルに基づいて、最適な情報を提示できます。

この価値のシフトは、情報を扱うあらゆる業界に影響を与えます。コンテンツプロバイダーは、単に情報を生産するだけでなく、それをどのように「加工」し、「インサイト」として提供できるかが問われるようになります。情報の「量」ではなく「質」、「生データ」ではなく「精製された知識」にこそ、AI時代の新たな価値が宿るのです。

3.2. AI時代における収益化の課題と新たな指標の模索

価値が変化すれば、収益化の仕組みも変化せざるを得ません。既存のビジネスモデル、例えば「ページビューに基づく広告収入」や「全文アクセス権を提供する購読モデル」は、AIによる情報の要約と「仲介排除」によって機能不全に陥る可能性があります。

動画でも言及されている「どのように収益化するか」という問いは、情報の生産者、加工者、提供者にとって喫緊の課題です。これまでの成功指標（メトリクス）が通用しなくなる中で、私たちは何を新たな価値として捉え、それをどのように計測し、収益へと繋げていくべきでしょうか。

考えられる新たなビジネスモデルと収益化の方向性、そしてそれに伴う指標の模索は以下の通りです。

新たなビジネスモデルの方向性：

APIエコノミーとデータライセンス:
- モデル: 質の高いオリジナルコンテンツやキュレーションされたデータセットを、AI開発者や他の情報サービスプロバイダーにAPI経由で提供し、ライセンス料を徴収します。
- 事例: 学術出版社がAI研究アシスタントに論文データベースへのアクセスを提供したり、ニュースメディアが自社の記事アーカイブをAIの学習データとして提供したりするケースが考えられます。
- 収益指標: APIコール数、データ利用量、ライセンス契約数、データに基づくAIモデルの性能向上度。
パーソナライズされたインサイトとコンサルティングサービス:
- モデル: AIが生成した要約や分析結果に基づいて、顧客の特定のニーズに合わせた深掘り分析や戦略的アドバイスを提供します。これは、AIが提供する一般的な情報の上に、人間による専門的な解釈や洞察を加えることで高付加価値を生み出すものです。
- 事例: 企業が市場トレンドのAI分析結果を基に、専門家がカスタマイズされた市場戦略レポートを作成・提供。医療分野でAIによる論文要約と合わせて、専門医が患者ごとに最適な治療方針を検討する支援。
- 収益指標: 顧客満足度、契約単価、顧客の意思決定における貢献度、AI生成情報と人間による洞察の組み合わせによる価値創出度。
プレミアムなAIアシスタントとツールの提供:
- モデル: 自社コンテンツに特化した、あるいは特定の専門分野に特化したAIアシスタントや分析ツールを開発し、サブスクリプションモデルで提供します。
- 事例: 特定の学術ジャーナルが、自身の論文群を学習させた専門性の高いAIアシスタントを研究者向けに提供。金融情報プロバイダーが、市場データとニュースをリアルタイムで分析するAIツールを投資家向けに提供。
- 収益指標: サブスクリプション数、ユーザーエンゲージメント、AIツールの利用頻度と満足度、生産性向上効果。
「信頼性」と「出典の透明性」のブランド化:
- モデル: AIが生成する情報の信頼性が問われる中で、徹底したファクトチェック、情報源の明確な表示、AI活用プロセスの透明性を保証することをブランド価値とし、プレミアムな情報サービスとして提供します。
- 事例: 高品質なニュースメディアが、AIが要約するニュース記事に、そのファクトチェックプロセスや元記事へのリンクを明確に示し、信頼性の高い情報源としての地位を確立。
- 収益指標: 読者の信頼度、ブランドレピュテーション、有料購読者数、情報に基づく意思決定の成功率。

新たな成功指標（メトリクス）の模索：

情報消費の質: 単なる「ページビュー」ではなく、要約やインサイトがどれだけ読者の理解を深め、行動を促したか（例: AI要約を読んだ後の詳細記事へのクリック率、関連情報の検索行動、意思決定への影響）。
情報の活用度: AIが提供した情報が、どれだけ研究やビジネスにおける生産性向上、課題解決、新たな発見に繋がったか（例: 研究開発期間の短縮、市場予測の精度向上、法的文書レビュー時間の削減）。
ユーザーエンゲージメントの深さ: AIアシスタントとの対話の質、情報共有の頻度、カスタマイズ機能の利用状況など、よりインタラクティブな関与を示す指標。
信頼性と権威性: AIが生成する情報に対するユーザーの信頼度、元の情報源への信頼度、情報の透明性評価。
AIサービスへの貢献度: 提供されたデータがAIモデルの精度向上にどれだけ寄与したか、AIサービスがユーザーにどれだけ価値を提供したか。

AI時代における収益化は、単に情報を「売る」という行為から、情報を使って「価値を創造する」という行為へとシフトします。そして、その価値を測定するための指標も、より多角的で、ユーザーの行動や成果に根ざしたものが求められるようになるでしょう。この変化に適応し、先駆けて新たなビジネスモデルを構築できる企業が、未来の情報の生態系をリードしていくことになります。

第4章：AIが切り開く未来：情報の民主化と倫理的課題

AIによる情報消費の変革は、計り知れない可能性を秘める一方で、社会全体に新たな倫理的課題と責任を提起しています。情報の民主化を進め、アクセスを容易にする一方で、その情報の信頼性、公平性、そしてプライバシーといった側面にも深く配慮する必要があります。

4.1. 情報アクセスの民主化と多様な応用可能性

AIは、これまで専門家や特定の組織に限定されていた高度な情報へのアクセスを、一般の人々にも広げる可能性を秘めています。これは「情報の民主化」と呼ぶべき現象であり、教育、医療、ビジネスなど、多岐にわたる分野で革新的な応用が期待されます。

教育分野:
- パーソナライズされた学習: AIが個々の学生の理解度や学習スタイルに合わせて、学術論文の要約や複雑な概念の解説を提供。
- 研究への早期アクセス: 学生が専門分野の最新研究に容易に触れることで、好奇心を刺激し、深い学びへと繋げます。
- 研究能力の向上: 論文レビューや参考文献整理の自動化により、学生は研究の本質的な部分に集中できます。
医療分野:
- 患者への情報提供: 複雑な病状や治療法に関する最新のエビデンスを、AIが患者にも分かりやすい言葉で要約し提供。患者が自身の健康状態について、より深く理解し、医療者との対話を促進します。
- 遠隔医療の支援: 地方やアクセス困難な地域でも、AIを通じて最新の医学情報に触れることができ、医療格差の是正に貢献します。
ビジネス分野:
- 市場インテリジェンス: 膨大な市場レポートや競合分析データをAIが要約し、経営層や戦略担当者が迅速に意思決定できるよう支援。
- イノベーションの加速: 異分野の研究論文をAIが関連付け、新たなビジネスアイデアや技術的ブレークスルーのヒントを提供。
- 法務・金融分野: 契約書や規制文書のレビュー、リスク評価レポートの作成、判例検索などをAIが効率化し、専門家の業務負担を軽減します。
一般市民の知識向上: 専門知識の障壁が低減することで、科学技術、歴史、文化など、あらゆる分野の高度な情報が、より多くの人々にとって身近なものとなります。これは、社会全体の知的水準の向上に貢献し、より情報に基づいた市民参加を促す可能性を秘めています。

AIは、情報格差を縮め、誰もが知識の恩恵を享受できる社会の実現に向けた強力な推進力となるでしょう。

4.2. 倫理的課題と信頼性の確保：AI時代のリスクと責任

情報の民主化と効率化という恩恵の裏側で、AIは新たな倫理的課題とリスクを伴います。これらの課題に正面から向き合い、適切な対策を講じなければ、AIがもたらす便益は損なわれ、社会的な混乱を招く可能性があります。

情報の正確性とハルシネーション（幻覚）:
- 課題: AIは時に、事実に基づかない情報をあたかも真実であるかのように生成する「ハルシネーション」と呼ばれる現象を起こします。特に、要約や情報合成の過程で、元の文脈が歪められたり、誤った解釈が加えられたりするリスクがあります。
- 対策: AIモデルの精度向上、生成された情報の人間による最終的な検証（ヒューマン・イン・ザ・ループ）、複数の情報源とのクロスチェック、信頼できるデータソースのみを使用するフィルタリング機能の強化が不可欠です。
バイアス（偏見）と公平性:
- 課題: AIは学習データに含まれる人間社会の偏見を学習し、それを情報生成に反映してしまう可能性があります。例えば、特定の性別、人種、文化的背景に関するバイアスが含まれた要約や推奨がなされる恐れがあります。
- 対策: 学習データの多様性と公平性の確保、バイアス検出ツールの導入、アルゴリズムの透明性向上、多様な視点を持つ開発チームの構築が求められます。
著作権と知的財産権の保護:
- 課題: AIが既存のコンテンツを学習し、その要約や合成情報を提供する際、元の著作権者の権利がどのように保護されるべきかという問題が生じます。コンテンツの無断利用や、適切な帰属表示なしでの情報提供は、クリエイターの創造意欲を阻害する可能性があります。
- 対策: AIによるコンテンツ利用に関する明確な法的枠組みの整備、著作権者とのライセンス契約の義務化、AIが生成した情報に元の出典を明確に表示するメカニズムの確立が必要です。
プライバシーとデータセキュリティ:
- 課題: AIが個人情報を含むデータを学習・処理する際、プライバシー侵害のリスクが生じます。特に、医療記録や個人ブログなど、機密性の高い情報が意図せずAIモデルに取り込まれ、公開されてしまう危険性があります。
- 対策: 個人情報保護法規の厳守（GDPR、CCPAなど）、データ匿名化技術の適用、アクセス制御の強化、セキュリティ対策の徹底、ユーザーに対するデータ利用方針の透明な開示が重要です。
「誰が責任を持つのか」という問い:
- 課題: AIが生成した情報に基づいて誤った意思決定がなされた場合、その責任はAIの開発者、運用者、あるいは情報提供者、最終的な利用者、誰に帰属するのかという根本的な問いがあります。
- 対策: AIの利用に関する明確な責任分担の原則を確立し、法的責任、倫理的責任、社会的責任の所在を明確にする必要があります。AIはあくまでツールであり、最終的な判断と責任は人間に帰属するという考え方が重要です。

これらの倫理的課題は、AI技術の発展と社会への浸透が進むにつれて、ますます重要性を増していくでしょう。AI開発者、政策立案者、企業、そして一般市民が協力し、AIが安全で信頼性の高い形で社会に貢献できるよう、持続的な議論と規制、そして技術的対策を進めていく必要があります。人間による批判的思考とAIによる効率的な情報処理が、バランス良く共存する未来を目指すべきです。

結論：AIと共創する情報の未来

AIが情報の「読み方」を変えるというトレンドは、もはや避けられない現実です。私たちは今、「ChatGPTモーメント」という歴史的な転換点に立ち、情報との関わり方を根本から見直す時期を迎えています。学術研究の効率化から、メディア消費の仲介排除、そして新たなビジネスモデルの探求に至るまで、AIは私たちの知的活動のあらゆる領域に深く浸透し、その構造を変革しています。

この変化の本質は、情報の価値が「全文」や「生データ」から、「要約され、合成され、洞察へと昇華されたインサイト」へとシフトしている点にあります。もはや情報は単に存在するだけでなく、いかに効率的かつ正確に、そしてパーソナライズされた形で利用者のもとに届けられるかが問われる時代です。

しかし、AIは単なるツールではなく、情報の生態系全体を再構築する力を持つ存在です。この変革に適応し、新たな価値を創造できる企業や個人が、これからの情報社会をリードしていくでしょう。既存のプレイヤーは、伝統的なビジネスモデルに固執することなく、AIとの共存、あるいはAIを活用した新たなサービス開発へと舵を切る必要があります。APIエコノミーへの参入、プレミアムなインサイト提供、信頼性をブランド価値とする戦略など、多角的なアプローチが求められます。

同時に、AIがもたらす倫理的課題やリスクにも、私たちは真摯に向き合わなければなりません。情報の正確性、公平性、プライバシー保護、そして著作権の尊重は、AIの発展と並行して解決すべき重要な課題です。AIの力を最大限に活用しつつも、その限界を理解し、人間の批判的思考と倫理的判断を常に介入させる「人間中心のAI」の原則が不可欠です。

情報の「消費」から「理解」へ、そして「活用」へと進化するこの時代において、私たちはAIを単なる効率化の道具としてではなく、知識と創造性を拡張するパートナーとして捉えるべきです。AIと人間が協調し、お互いの強みを活かし合うことで、情報の未来はより豊かで、持続可能なものとなるでしょう。この大きな変革の波を乗りこなし、新たな情報社会の構築に貢献することが、私たちに課せられた使命です。