評価と同意は別物です。TREWSの医師は89%のアラートを評価しましたが、そのうち確認したのは38%だけでした。人がきちんと対応したかを示す公表データは少なく、これはその数少ない例です。
人が最終判断に関わるAIの事例:ランキング・トップ10(2026年)
FAAのSMARTは現在、全米22の航路管制センターすべてに助言を出していますが、公表されている成果は経路変更された180便だけです。一方、コペンハーゲンの試験では、指令員より多くの心停止を見つけたAIが、指令員の判断を良くすることはありませんでした。
- 1位:FAAのSMART航空管制AI(エア・スペース・インテリジェンス)
- 10 位まで
01最終リスト
主要なAIがそれぞれ独立して 10 位までのリストを作りました。確認しやすい 1 つの結果です。各順位に理由、出典、その項目を入れた AI の一覧があります。
並び順:AIの合意が多い順です。
明るいバッジは、その AI がこの項目を自分のリストに入れたことを示します。薄いバッジは入れなかったことを示します。
- 1
FAAのSMART航空管制AI(エア・スペース・インテリジェンス)
推計:導入範囲は最も広いが、証拠は最も薄い。全米22の航路管制センターすべてで稼働中ですが、成果はFAA自身が示す180便の経路変更だけで、1便あたり約10分と約80ガロンです。
選んだ AI: Claude, ChatGPT, Meta, Grok, MiMo, StepFun, Kimi, DeepSeek. 選ばなかった AI: Gemini, Z.ai, Wenxin.各 AI のリストでの順位: Claude: 9 · ChatGPT: 4 · Meta: 6 · Grok: 1 · MiMo: 1 · StepFun: 1 · Kimi: 4 · DeepSeek: 1
各 AI の指摘 8
- Claude9 位
ここで最大の展開(22センター)ですが、証明は最も薄いものです。経路変更された180便を根拠に、$875,950,000の契約を結んでいます。
出典 ↗ - ChatGPT4 位
最初の180件の報告された経路変更では、1便あたり平均でほぼ80ガロンの燃料が節約されました。これはFAAの初期の主張であり、独立した評価ではありません。
出典 ↗ - Meta6 位
22センターすべてで稼働中ですが、公表されている唯一の成果は、ワシントンの試験での180便の経路変更です。1便あたり10分と80ガロンです。
出典 ↗ - Grok1 位
最初の数週間で180便が経路変更され、1便あたり約10分と約80ガロンの燃料を節約しました。現在は22のすべてのセンターで稼働しており、人間の管理者の承認のもとで運用されています。
- MiMo1 位
一度受け入れられた経路変更は、10分と80ガロンの価値があります。アメリカ合衆国議会が最初の安全上の質問を終える8週間前に、22の管制センターすべてがその助言を採り入れていました。
出典 ↗ - StepFun1 位
22センター、約200のデータストリーム、そしてすべての提案には人間の署名が付きます。経路変更された180便は、それぞれ10分以上、ほぼ80ガロンの燃料を節約しました。
出典 ↗ - Kimi4 位
アメリカの22のすべての航空路管制センターで稼働を開始した3日後、FAAは国全体の運航を停止させました。公式には無関係とされていますが、$875M規模のシステムの成果の証拠のすべては、いまだに180便の経路変更です。
出典 ↗ - DeepSeek1 位
人間が承認した180便の経路変更で、約14,400ガロンの燃料を節約しました。$4.31/ガロンで約$62,000に相当し、$875 millionの契約に比べればごくわずかです。
出典 ↗
8つのAIがここに選出 - 2
TREWS敗血症早期警告(ジョンズ・ホプキンス大学/Bayesian Health)
5病院での査読済みの研究では、3時間以内に確認されたアラートは敗血症による死亡率が18.7%低いことと関連していました(絶対値で3.3ポイント)。ただしこれは観察研究であり、敗血症アラートに関するランダム化比較試験(RCT)のレビューでは明確な効果は見つかりませんでした。
選んだ AI: Claude, ChatGPT, Meta, MiMo, StepFun, Kimi, DeepSeek. 選ばなかった AI: Grok, Gemini, Z.ai, Wenxin.各 AI のリストでの順位: Claude: 3 · ChatGPT: 2 · Meta: 4 · MiMo: 7 · StepFun: 2 · Kimi: 2 · DeepSeek: 8
各 AI の指摘 7
- Claude3 位
医師はアラートの89%を評価しており、これは異例に高い対応率です。迅速な確認は、敗血症による死亡の18.7%の相対的な減少と関連していました。
出典 ↗ - ChatGPT2 位
アラートを受けた敗血症の患者では、医師の確認が早いほど、抗生物質の指示が1.85時間早く出ていました。評価されたアラートの38%が確認されていました。
出典 ↗ - Meta4 位
医師が3時間以内にそのアラートを確認した場合、敗血症の患者が死亡する可能性は18.7%低くなりました。FDAの承認を受けた、最初の連続型AI敗血症モニターです。
出典 ↗ - MiMo7 位
試験運用での誤警報は10分の1になりました。さらに、競合する敗血症モデルを検証した外部の研究所は、ベンダーが公表した数字が実際の病棟では通用しないことを見いだしました。
出典 ↗ - StepFun2 位
査読を通過した成果を持つ、稀な助言システムです。医師がアラートを受け取るようになってから、院内の敗血症による死亡は相対的に18.7%減りました。
出典 ↗ - Kimi2 位
ここで唯一、査読付きで効果が証明されたシステムです。3時間以内に人間がAIのアラートを確認すると、敗血症による死亡が18.7%減るとされています。さらに、人間の側の数字も公表しています。実際に確認されたアラートは89%です。
出典 ↗ - DeepSeek8 位
アラートの89%が評価されましたが、確認されたのは38%だけでした。人間が実際にどれだけ同意しているかを示す、珍しい公表データです。
出典 ↗
7つのAIがここに選出 - 3
ドイツ鉄道のAI列車運行管理(DB InfraGO ADA-PMB)
フランクフルトでは、指令員が提案の10件中7件を採用しました。ドイツ鉄道は2022年に58,000分の遅延時間を削減できたとしています。2023年の100,000分という数字は複数のツールが混ざっており、このシステムは4地域でしか稼働していません。
選んだ AI: Claude, ChatGPT, Meta, Grok, MiMo, StepFun, DeepSeek. 選ばなかった AI: Gemini, Z.ai, Kimi, Wenxin.各 AI のリストでの順位: Claude: 7 · ChatGPT: 5 · Meta: 7 · Grok: 7 · MiMo: 2 · StepFun: 4 · DeepSeek: 2
各 AI の指摘 7
- Claude7 位
2022年には58,000分の遅延が削減されました。指令員は、分析された事例の10件中7件でAIの提案に従いました。
出典 ↗ - ChatGPT5 位
フランクフルト・アム・マインでの報告された効果は、1回の運行判断あたり約100秒です。ただし、ドイツ全体のネットワークではなく、4地域で稼働しています。
出典 ↗ - Meta7 位
フランクフルト・アム・マインでは、その提案に従うと、1回の運航判断あたり100秒の効果があります。ただし、稼働しているのは選ばれた地域だけで、画面との統合は2026年12月に予定されています。
出典 ↗ - Grok7 位
派遣員に60秒ごとにリアルタイムの推奨を出し、派遣員がそれを受け入れるか拒否するかを決めます。複数の交通量の多い地域で稼働中で、拡大しています。
- MiMo2 位
派遣員は60秒ごとに新しい衝突回避の計画を受け取ります。シュトゥットガルトでは最大8分の遅延を取り戻しており、「理論上は」、一本の基幹路線に1日17本多く列車が走れるといいます。
出典 ↗ - StepFun4 位
3つのAIネットワークが、1年でドイツの鉄道の遅延を58,000分防ぎました。起きなかった遅延の約40日分です。
出典 ↗ - DeepSeek2 位
2023年に4つの過密地域で10万分超の遅延を節約しました。その間も、派遣員は提案をすべて受け入れるか拒否するかを決めています。
出典 ↗
7つのAIがここに選出 - 4
Cortiの心停止通報AI、コペンハーゲンの救急医療サービス
AIは指令員より多くの心停止を見つけました(85.0%対77.5%)。それでも169,049件の通報を対象としたランダム化試験では、そのアラートが指令員の判断を有意に改善することはありませんでした。
選んだ AI: Claude, Meta, MiMo, StepFun, Kimi. 選ばなかった AI: ChatGPT, Grok, Gemini, Z.ai, DeepSeek, Wenxin.各 AI のリストでの順位: Claude: 10 · Meta: 3 · MiMo: 5 · StepFun: 3 · Kimi: 7
各 AI の指摘 5
- Claude10 位
AIは指令員より多くの心停止を見つけましたが、無作為化試験では、そのアラートによって指令員の認識は向上しませんでした。
出典 ↗ - Meta3 位
通報の93〜95%で心停止を見つけます。指令員だけの73%より、約10秒速いです。その秒数が、心肺蘇生を左右します。
- MiMo5 位
AIは心停止を85%の確率で見つけますが、指令員は77.5%です。それでも、指令員にAIを渡しても、その成績はほとんど改善しませんでした(93.1%対90.5%、p=0.15)。
出典 ↗ - StepFun3 位
911の通話を聞き、心停止を、84.1%の感度で見つけます。指令員の72.5%を上回ります。169,236件の実際の通話にわたる結果です。
出典 ↗ - Kimi7 位
108,607件の実際の通話で査読を受けました。AIは、訓練を受けた指令員より11.6ポイント多く心停止を見つけ、10秒早く警告しました。生存率は1分ごとに約10%下がるため、一秒一秒が重要です。
出典 ↗
5つのAIがここに選出 - 5
Viz.aiの脳卒中アラート(Viz LVO)
3種類の研究デザインで脳卒中チームの対応が速くなりました。166の施設では通知が39.5分早まり、ランダム化試験では11.2分速くなりました。12件の研究を統合したメタ分析では、治療成績の改善は見られませんでした。
選んだ AI: Claude, ChatGPT, Kimi, DeepSeek. 選ばなかった AI: Meta, Grok, Gemini, MiMo, StepFun, Z.ai, Wenxin.各 AI のリストでの順位: Claude: 8 · ChatGPT: 3 · Kimi: 3 · DeepSeek: 5
各 AI の指摘 4
- Claude8 位
約2,000の病院で使われています。ベンダーが引用した多施設研究では31分の短縮、無作為化試験では11分の短縮とされています。
出典 ↗ - ChatGPT3 位
166施設にわたり、AIによる連携で、インターベンション医への連絡が39.5分早まったことと関連していました。治療が39.5分早まったわけではありません。
出典 ↗ - Kimi3 位
14,116人の患者、166病院の現実の研究で、AIがフラグを立てた脳卒中の患者は、脳血管内治療医に39.5分早く到着しました。試験病棟ではなく、ネットワーク規模の話です。
出典 ↗ - DeepSeek5 位
DIDO timeは202分から113分に短縮しました。89分の短縮で120分の基準を上回りましたが、メタ分析では臨床的な転帰の有意な改善は見られませんでした。
出典 ↗
4つのAIがここに選出 - 6
NATS Intelligent Approach/Time-Based Separation、ヒースロー空港
ペアワイズ・スペーシングの導入後、ヒースロー空港の到着遅延は5.55分から4.46分に減り、向かい風による遅延は60%以上減りました。数字はすべてNATSの自己申告で、このツールをAIと呼べるかどうかは議論があります。
選んだ AI: Claude, Meta, Kimi. 選ばなかった AI: ChatGPT, Grok, Gemini, MiMo, StepFun, Z.ai, DeepSeek, Wenxin.3つのAIがここに選出 - 7
国家エネルギーシステム運営者(NESO)のAI太陽光発電予測(Open Climate Fix Quartz)、グレートブリテン島の送電網
送電網管制室のAIによる太陽光発電予測は、精度が2.8倍高く、年間約£30Mの価値があるとされています。これは開発者の数字で、2021年の£2〜10Mという見積もりから増えており、監査は受けていません。
選んだ AI: Claude, MiMo. 選ばなかった AI: ChatGPT, Meta, Grok, Gemini, StepFun, Z.ai, Kimi, DeepSeek, Wenxin.2つのAIがここに選出 - 8
カイザーパーマネンテのAdvance Alert Monitor
看護師は1日に患者35人につき約1件のアラートを確認しています。21の病院で、アラート後30日死亡率は15.8%対20.4%でした。年間520人の命が救われるという数字は、モデルによる推計です。
選んだ AI: Claude. 選ばなかった AI: ChatGPT, Meta, Grok, Gemini, MiMo, StepFun, Z.ai, Kimi, DeepSeek, Wenxin.各 AI のリストでの順位: Claude: 1
各 AI の指摘 1
- Claude1 位
患者35人につき1日約1件のアラートが出ており、遠隔の看護師が審査しています。21病院で、年間約520人の死亡減少と関連していると推定されています。
出典 ↗
1つのAIがここに選出 - 9
AI支援マンモグラフィ検診(MASAI)、スウェーデン
ここで最も強い研究デザインは、10万人以上の女性を対象としたランダム化試験です。中間期がんは12%減り、読影作業は44%減りました。スウェーデンの4か所で行われたもので、全国展開ではありません。
選んだ AI: ChatGPT. 選ばなかった AI: Claude, Meta, Grok, Gemini, MiMo, StepFun, Z.ai, Kimi, DeepSeek, Wenxin.各 AI のリストでの順位: ChatGPT: 1
各 AI の指摘 1
- ChatGPT1 位
10万人超の女性を対象とした無作為化試験で、間隔がん(検診の間に見つかるがん)が12%少なく、偽陽性率は同程度でした。
出典 ↗
1つのAIがここに選出 - 10
アメリカ航空宇宙局のATD-2出発便調整、シャーロット
アメリカ航空宇宙局は、シャーロットで出発便の3.8%をゲートで待機させることにより、1,088,888ガロンの燃料を節約できたと数えています。対象は1空港だけで、クランフィールド大学は燃料量の算出方法に疑問を呈しています。
選んだ AI: Claude. 選ばなかった AI: ChatGPT, Meta, Grok, Gemini, MiMo, StepFun, Z.ai, Kimi, DeepSeek, Wenxin.各 AI のリストでの順位: Claude: 5
各 AI の指摘 1
- Claude5 位
機体を誘導路の列ではなくゲートで待機させることで、100万ガロン超の燃料を節約しました。ただし、外部の検証者はその計算を疑問視しています。
出典 ↗
1つのAIがここに選出
02知っておきたいこと
AI がリストを作る中で気づいたこと。
弱い点はしばしば引き継ぎです。コペンハーゲンでは、AIが指令員より多くの心停止を認識しましたが、指令員にアラートを出しても、指令員の認識率は上がりませんでした。
「言いなりになる」問題には数字があります。AIが誤ったとき、経験の浅い読影者の正答率は約80%から20%に落ち、非常に経験豊富な読影者でも45.5%に落ちました。
この種の事故記録:広く使われているEpic Sepsis Modelは、入院患者の18%にアラートを出しましたが、外部検証では敗血症の症例の67%を見逃しました(AIID事例123)。
SMARTの金額計算(推計):180回の経路変更 × 約80ガロン ≈ 14,400ガロン、燃料費にして約$62,000です。上限は$875.95Mで、すでに約$23.3Mが確約されています。
03よくある質問
航空管制はなぜ自動化されていないのですか?
航空機の間隔の確保は、資格を持つ管制官が法的に担う仕事のままです。FAAは、現在全22の航路管制センターにあるSMARTは、管制官に取って代わったり機体を操縦したりすることはできないとしています。
出典 ↗航空管制官は賢い人ばかりですか?
選考は非常に厳しく、2024会計年度にFAAに応募した12,859人のうち、採用資格があったのは2,184人(17%)だけでした。アカデミーでの不合格率は2010年の7%から2024年には26%に上がりました。別の情報源が30%超としているのは、数える訓練生の集団が違うためです。
出典 ↗航空管制はなぜ自動化されていないのですか?
最新のAIでも、あくまで助言にとどまります。SMARTは経路変更を提案し、現場の管理者が一件ずつ受け入れるか断るかを決めます。15,000人以上の組合員を持つ管制官の労働組合は、設計段階で相談を受けなかったと述べています。
出典 ↗AIは航空管制官に取って代われますか?
導入済みのどのシステムでもありません。FAAのSMARTがこれまでに提案した経路変更は約180件で、管理者が一件ずつ受け入れるか断るかを決めています。
出典 ↗04集計方法
数式なしで、やさしい言葉で。
1質問
重要な公共サービスで「AIが助言し、人が決める」システムのトップ10(実証された効果順)
2このテーマを選んだ理由
管制塔、送電網の管制室、病院を同じ物差しで比べられます。運営者が主張する効果を、外部の事故記録と照らし合わせ、実際の数字を公表しているかどうかも分かります。
3対象範囲
世界の安全性が重要な運用:航空管制、送電網、鉄道の運行管理、緊急通報の振り分け、病院
4評価の観点
- AIが提案し、訓練を受けた人が承認するものです。AIが自ら動くシステムは含みません
- 効果が数字(分、燃料、費用、防いだ誤り)で公表されていること。その数字が運営者、ベンダー、外部の審査者のどれによるものかを明記します
- 規模:1か所の試験導入ではなく、ネットワーク全体で稼働していること
- 人の負担:運営者が報告している場合、人が確認する提案の数と、それぞれを受け入れるか拒否するかにかけられる時間
- 同じ種類のシステムの事故記録を、その効果と比べて評価します
- 査読済みの臨床研究(ネイチャー・メディシン、ニューイングランド医学雑誌(NEJM)、JAMA Network Open、メタ分析)— 死亡率、治療までの時間、検出感度、医師がAIアラートを評価・確認する頻度
- 運用者の報告(FAA、NATS、DB InfraGO、NESO、NASA)— 遅延時間、燃料、1時間あたりの着陸数、節約された需給調整コスト、公表されている場合は受け入れ率。運用者自身の主張です
- 外部の検証者(クランフィールド大学、JAMA Internal Medicineの検証、アラン・チューリング研究所)— 運用者やベンダーの数字の独立した確認
5順位をつけた AI
主要なAI:Claude, ChatGPT, Meta, Grok, Gemini, MiMo, StepFun, Z.ai, Kimi, DeepSeek, Wenxin。それぞれが独自に10位までのリストを作り、各順位に出典を示しました。
6順位の決め方
AI ごとに表現が違っても同じ項目は一つとして数えました。より多くの AI がリストに入れ、より上位に置いた項目ほど順位が高くなります。「AI の一致」は、その項目を自分のリストに入れた AI の数を示します。出典は AI 自身が見つけたものだけで、手作業での追加はありません。
05各 AI のリスト
🇺🇸 Claude10 位まで · メモ 4 件
同じ質問に Claude だけが答えたものです。上の最終リストはすべての AI をまとめています。
- 1カイザーパーマネンテの Advance Alert Monitor(AAM)、アメリカ
患者35人につき1日約1件のアラートが出ており、遠隔の看護師が審査しています。21病院で、年間約520人の死亡減少と関連していると推定されています。
出典 ↗ - 2NATS の時間ベース間隔設定 / インテリジェント・アプローチ、ヒースロー空港(英国)
世界で最も忙しい2本の滑走路を持つ空港で、向かい風による遅延が60%超減りました。ただし、すべての間隔は管制官が設定しています。
出典 ↗ - 3TREWS 敗血症の早期警告(Bayesian Health / ジョンズ・ホプキンス大学)
医師はアラートの89%を評価しており、これは異例に高い対応率です。迅速な確認は、敗血症による死亡の18.7%の相対的な減少と関連していました。
出典 ↗ - 4NESO Quartz Solar AI 予測(グレートブリテン島の送電網管制室、2025年)
2.8倍正確で、年間約£30mの価値があります。ただし、どれだけの予備を確保するかは、今もエンジニアが決めています。
出典 ↗ - 5アメリカ航空宇宙局(NASA)の ATD-2 出発管理、シャーロット(現在はFAAの TFDM プログラムに含まれる)
機体を誘導路の列ではなくゲートで待機させることで、100万ガロン超の燃料を節約しました。ただし、外部の検証者はその計算を疑問視しています。
出典 ↗ - 6アラスカ航空 Flyways(エア・スペース・インテリジェンス)、アメリカ
運航管理者は提案のおよそ10件中7件を退けました。それでも、採用された提案だけで、2023年に120万ガロンの燃料を節約しました。
出典 ↗ - 7ドイツ鉄道の AI 運行支援(ドイツ)
2022年には58,000分の遅延が削減されました。指令員は、分析された事例の10件中7件でAIの提案に従いました。
出典 ↗ - 8Viz.ai の脳卒中アラート(Viz LVO)、アメリカ
約2,000の病院で使われています。ベンダーが引用した多施設研究では31分の短縮、無作為化試験では11分の短縮とされています。
出典 ↗ - 9FAA SMART(エア・スペース・インテリジェンス)、アメリカ 2026年
ここで最大の展開(22センター)ですが、証明は最も薄いものです。経路変更された180便を根拠に、$875,950,000の契約を結んでいます。
出典 ↗ - 10Corti の心停止通報 AI、コペンハーゲンの救急医療サービス(デンマーク)
AIは指令員より多くの心停止を見つけましたが、無作為化試験では、そのアラートによって指令員の認識は向上しませんでした。
出典 ↗
Claude が気づいたこと
弱い点は、AIモデルよりも人への引き継ぎであることが多いです。コペンハーゲンでは、AIは指令員より多くの心停止を見つけました。しかし、指令員にアラートを出しても、その認識は高まりませんでした。
「形だけの承認」の問題には数字があります。放射線学の研究では、AIが誤っていたとき、経験の浅い読影者の正確さは約80%から20%に下がりました。非常に経験豊富な読影者でも、45.5%まで下がりました。
承認率が低いことは、実際に確認している証拠です。アラスカ航空の運航管理者は、Flywaysのルートの約30%しか採用しませんでしたが、1年間で120万ガロンの燃料を節約しました。
真の発見1件あたりのアラートの費用は、次のとおりです。Epic Sepsis Modelは入院患者の18%にフラグを立て、敗血症の症例の67%を見逃しました。患者1人に1回だけアラートを出しても、1件を見つけるのに15人を確認する必要がありました。カイザーのAAMは、1日に患者35人につき約1件のアラートを出しています。
🇺🇸 ChatGPT6 位まで · メモ 3 件
同じ質問に ChatGPT だけが答えたものです。上の最終リストはすべての AI をまとめています。
- 1MASAI の AI 支援マンモグラフィ検診、スウェーデン
10万人超の女性を対象とした無作為化試験で、間隔がん(検診の間に見つかるがん)が12%少なく、偽陽性率は同程度でした。
出典 ↗ - 2TREWS 敗血症早期警告システム、アメリカ合衆国
アラートを受けた敗血症の患者では、医師の確認が早いほど、抗生物質の指示が1.85時間早く出ていました。評価されたアラートの38%が確認されていました。
出典 ↗ - 3Viz.ai の脳卒中ケア調整、アメリカ合衆国
166施設にわたり、AIによる連携で、インターベンション医への連絡が39.5分早まったことと関連していました。治療が39.5分早まったわけではありません。
出典 ↗ - 4FAA SMART の航空交通判断支援、アメリカ合衆国(2026年)
最初の180件の報告された経路変更では、1便あたり平均でほぼ80ガロンの燃料が節約されました。これはFAAの初期の主張であり、独立した評価ではありません。
出典 ↗ - 5ADA-PMB の AI 列車運行支援、ドイツ
フランクフルト・アム・マインでの報告された効果は、1回の運行判断あたり約100秒です。ただし、ドイツ全体のネットワークではなく、4地域で稼働しています。
出典 ↗ - 6マウントサイナイ医療システムの機械学習による容体悪化アラート、アメリカ合衆国
2,740人の患者を対象とした研究では、アラートによって治療の引き上げが起きやすくなりました。報告は死亡率の正確な低下を示しておらず、研究は早期に終了しました。
出典 ↗
ChatGPT が気づいたこと
厳格な証拠の審査で支えられるのは、10件ではなく6件の順位付けされた例です。広く引用される911の効率化の数字のいくつかは、自動の通話処理に関するものです。一部の電力網や鉄道のプロジェクトは、研究段階か限定的な導入にとどまります。このリストを水増しすると、人間による承認と規模の要件という利用者の基準がぼやけてしまいます。
人間の注意の最も明確な公表指標は、提案1件あたりの秒数ではなく、医師のフォロースルーです。TREWSでは、医師がアラートの89%を評価し、評価したもののうち38%を確認しました。この研究は、普遍的に安全な承認率を示してはいません。
人による署名だけでは、意味のある監督の証明にはなりません。438人の医師を対象とした実験では、偏りのある指示的なAIの助言が緊急時の判断に影響しました。一方、事実を示すだけのフラグの方が、参加者の元の判断をよく保ちました。
🇺🇸 Meta10 位まで · メモ 4 件
同じ質問に Meta だけが答えたものです。上の最終リストはすべての AI をまとめています。
- 1NATS Intelligent Approach Pairwise — ヒースロー空港、英国(2024年〜)
間隔の取り方を一つ変えただけで、到着の遅延は5.55分から4.46分に減りました。ヒースロー空港は、10年間で150万分の待機時間を節約しています。
出典 ↗ - 2EUROCONTROL ネットワーク・マネージャー — 容量と天候に基づく運用(CWBO)、ヨーロッパ
今年、ヨーロッパのネットワーク全体で310万遅延分を節約しました。人間が承認するフローシステムによるもので、このランキングで最大の合計です。
出典 ↗ - 3Corti AI — コペンハーゲン救急医療サービス、デンマーク
通報の93〜95%で心停止を見つけます。指令員だけの73%より、約10秒速いです。その秒数が、心肺蘇生を左右します。
- 4Bayesian Health TREWS — 敗血症のための標的型リアルタイム早期警告システム、アメリカ
医師が3時間以内にそのアラートを確認した場合、敗血症の患者が死亡する可能性は18.7%低くなりました。FDAの承認を受けた、最初の連続型AI敗血症モニターです。
出典 ↗ - 5Duke Sepsis Watch — デューク大学医療システム、アメリカ(2018年から)
看護師が主導するチームが5分ごとにそのスコアを確認しています。デューク大学の分析では、敗血症による死亡が27%減ったことと関連しており、治療バンドルの遵守率は2倍になりました。
出典 ↗ - 6FAA SMART — 空域・経路・飛行軌道の戦略的管理、アメリカ(2026年)
22センターすべてで稼働中ですが、公表されている唯一の成果は、ワシントンの試験での180便の経路変更です。1便あたり10分と80ガロンです。
出典 ↗ - 7DB InfraGO ADA-PMB — 自動運行支援、ドイツ
フランクフルト・アム・マインでは、その提案に従うと、1回の運航判断あたり100秒の効果があります。ただし、稼働しているのは選ばれた地域だけで、画面との統合は2026年12月に予定されています。
出典 ↗ - 8RTE フランス AI 想定事故の事前確認 — フランスの送電網
手作業による安全評価より20倍速いです。速さこそが成果です。失敗の事例を早く見た指令員は、なお判断を選べます。
出典 ↗ - 9グーグル / アメリカン航空 飛行機雲の回避 — 大西洋横断(2023〜2026年)
実際にAIの計画どおりに飛行したとき、飛行機雲は62%減りました。しかし、対象となったすべての便で見ると、減少は11.6%にすぎません。ほとんどの計画は、実行されなかったからです。
出典 ↗ - 10カーバイン AI 緊急通報の振り分け — ニューオーリンズ、アメリカ
2年間、その仕事は一つだけに限られてきました。報告された事故の200メートル以内にある、重複する事故通報の処理です。その狭さこそが、許可されている理由です。
Meta が気づいたこと
最大の合計と最も薄い証明の両方が、航空分野にあります。ユーロコントロールは、今年の遅延時間の節約が310万分を超えたと報告しています。一方、FAAのSMARTが報告しているのは、試験から経路変更された180便だけです。規模は、実証された成果と同じではありません。
飛行機雲の試験は、このランキングで最も明確な「形だけの承認」の試験です。計画を飛行させた場合は飛行機雲が62%減りましたが、対象となったすべての便では11.6%にすぎません。AIの計画の大半は、一度も飛行されなかったからです。
敗血症のAIは、人が迅速に行動してこそ効果があります。TREWSの死亡率の改善は、医師が3時間以内にアラートを確認した場合にのみ現れます。だからこそ、生の精度よりも、アラートの負担と確認までの時間の方が重要です。
このランキングが求める比率(承認された提案1件あたりの価値を、人の注意1分あたりで測った値)を公表している運用者はいません。自動化バイアスの研究では、承認率だけでは実際の確認は証明できないとされています。なじみがあり、たいてい正しい提案は、形だけで承認されてしまうからです。
🇺🇸 Grok10 位まで
同じ質問に Grok だけが答えたものです。上の最終リストはすべての AI をまとめています。
- 1FAA SMART(アメリカの国内空域、2026年)
最初の数週間で180便が経路変更され、1便あたり約10分と約80ガロンの燃料を節約しました。現在は22のすべてのセンターで稼働しており、人間の管理者の承認のもとで運用されています。
- 2EUROCONTROL FADE(ヨーロッパのネットワーク遅延予測)
遅延傾向の予測の精度は75%で、誤差は最大63%減少しました。現在は、経路変更や乗務員の計画を決める航空会社向けに運用されています。
- 3NextEraエナジーの AI 運行と停電スケジュール管理
AIを使った最適化された配車と停電の計画により、1年で2000万ドル超の顧客の節約が生まれました。人間の監督のもとで行われています。
- 4韓国電力公社の AI 電力網管理(韓国)
AIによる需要予測とSTATCOMの最適化により、電力調達費が年間約110 billion ウォン(約$73 million)削減される見通しです。
- 5KATE AI トリアージ支援(アドベンティスト・ヘルスほか)
患者1人あたりの救急での平均滞在時間が20分短縮されました。看護師が最終的なトリアージの権限を保ったまま、敗血症の検出が測定可能なほど向上しています。
- 6EUROCONTROL COAST(進入時の間隔調整)
主要空港の滑走路の処理能力が最大6%向上しました。機械学習で調整された間隔の余裕によって、航空管制官の作業量は同じか、減っています。
- 7DB InfraGO ADA-PMB 鉄道運行支援(ドイツ)
派遣員に60秒ごとにリアルタイムの推奨を出し、派遣員がそれを受け入れるか拒否するかを決めます。複数の交通量の多い地域で稼働中で、拡大しています。
- 8Corti AI 911 医療通報の振り分け(シアトル消防局)
リアルタイムのAIの促しにより、看護師ホットラインに振り分けられる通話が50%増えました。派遣員はそれを無視することもでき、最終的な権限は人間が持ちます。
- 9カーバイン AI 緊急通報の振り分け(ニューオーリンズ / オーリンズ郡)
重複する事故関連の通報が30%以上減り、困っている通報者への応答が最大40秒速くなりました。本当の緊急事態には、人間が対応します。
- 10EUROCONTROL TPI(交通予測の改善)
未知のフライトの65%について、6 NM以内の経路予測を出しています(従来は10%)。ネットワーク全体で、人間の流量管理の判断に役立てられています。
🇨🇳 MiMo10 位まで · メモ 4 件
同じ質問に MiMo だけが答えたものです。上の最終リストはすべての AI をまとめています。
- 1FAA SMART AI 航空交通ツール(2026年、アメリカ)
一度受け入れられた経路変更は、10分と80ガロンの価値があります。アメリカ合衆国議会が最初の安全上の質問を終える8週間前に、22の管制センターすべてがその助言を採り入れていました。
出典 ↗ - 2ドイツ鉄道 S-Bahn の AI 列車運行管理者(シュトゥットガルト、ドイツ)
派遣員は60秒ごとに新しい衝突回避の計画を受け取ります。シュトゥットガルトでは最大8分の遅延を取り戻しており、「理論上は」、一本の基幹路線に1日17本多く列車が走れるといいます。
出典 ↗ - 3NESO Open Climate Fix の太陽光予測 AI(英国の送電網)
一つの予測誤差を半分にしたことで、年間£30Mの予備の節約になりました。電力網で最も静かなAIの勝利であり、誰も一時停止を求めていません。
出典 ↗ - 4EUROCONTROL CWBO の AI 支援による流量ルール(ヨーロッパ、2025〜26年)
ヨーロッパの一夏で310万遅延分を節約しました。ネットワークは遅延を1分あたり€130と見積もっているため、節約額は約€400 millionになります。
出典 ↗ - 5Corti AI 心停止時の助言、911 通報の指令員向け(コペンハーゲン)
AIは心停止を85%の確率で見つけますが、指令員は77.5%です。それでも、指令員にAIを渡しても、その成績はほとんど改善しませんでした(93.1%対90.5%、p=0.15)。
出典 ↗ - 6PG&E の AI 山火事送電網監視(カリフォルニア州)
機械学習が監視する550万台のメーターが、1年の山火事の期間に、起こりかけた発火を17件捉えました。顧客への停電時間1200万分も防いでいます。
- 7Bayesian Health の敗血症 AI、クリーブランド・クリニック(アメリカの病院)
試験運用での誤警報は10分の1になりました。さらに、競合する敗血症モデルを検証した外部の研究所は、ベンダーが公表した数字が実際の病棟では通用しないことを見いだしました。
出典 ↗ - 8韓国電力公社の AI 電力需要・電圧制御(韓国、2026年)
159のデータセットが9万5000件になりました。州の電力会社は、自社のAIを全国で年間1100億ウォンと評価しています。
出典 ↗ - 9NextEra Grid Composer の AI 運行管理(フロリダ州、アメリカ)
1日あたり5000億のデータ点があります。電力会社は、人間による派遣とAIのより安い計画を比べることで、2026年に$20 millionを節約したと数えています。人間が最終的な判断を握っています。
出典 ↗ - 10テランガーナ州 112 の AI 緊急指令(インド、2026年)
通話対応全体の時間が190秒から133秒に減りました。AIが1,860台のパトカーのうち最寄りを挙げ、派遣するのは人間です。
出典 ↗
MiMo が気づいたこと
コストと注意力の計算です。受け入れられたSMARTの経路変更約180件×約80ガロン ≈ 11月の価格で約$61,000の燃料になります。一方、$875.95Mの契約のうち、すでに$23.3Mが確定しています。誰もが引用する成果は遅延時間と耐性ですが、1件の受け入れられた提案が人の注意1分に換算されるかを公表する台帳はどこにもありません。
助言は人間を上回ることがあっても、人間に何も加えないこともあります。コペンハーゲンの169,049件の通話を対象とした無作為化比較試験では、機械学習が心停止を、指令員だけより高い感度で見つけました(85.0%対77.5%)。しかし、アラートを受けた指令員は、受けていない指令員より有意に優れてはいませんでした(93.1%対90.5%、p=0.15)。助言の価値は、二つの正確さの単純な合計ではありません。
形だけの承認は、測定可能で、身近な問題でもあります。管理された実験では、外科医は、わざと誤ったAIの切開ガイドのうち5件中3件を受け入れました。その一方で、自己申告の自信は高まりました。ループに人を入れることは、設計された行動であって、保証ではありません。
2026年のメタ分析は、人によるレビューそのものの費用を示しています。機械によるECGの誤った判読のうち26.6%は、医師によって一度も修正されませんでした。ループが誤りを止めるのは時々にすぎず、その阻止率こそが、モデルの精度ではなく、「AIが助言し、人が決める」の本当の安全予算です。
🇨🇳 StepFun10 位まで · メモ 4 件
同じ質問に StepFun だけが答えたものです。上の最終リストはすべての AI をまとめています。
- 1FAA SMART(アメリカの航空交通、2026年)
22センター、約200のデータストリーム、そしてすべての提案には人間の署名が付きます。経路変更された180便は、それぞれ10分以上、ほぼ80ガロンの燃料を節約しました。
出典 ↗ - 2ジョンズ・ホプキンス大学 TREWS 敗血症 AI(アメリカの病院、2022年)
査読を通過した成果を持つ、稀な助言システムです。医師がアラートを受け取るようになってから、院内の敗血症による死亡は相対的に18.7%減りました。
出典 ↗ - 3Corti 心停止 AI(コペンハーゲンの救急医療サービス、デンマーク)
911の通話を聞き、心停止を、84.1%の感度で見つけます。指令員の72.5%を上回ります。169,236件の実際の通話にわたる結果です。
出典 ↗ - 4ドイツ鉄道の AI 遅延防止(ドイツ、2025年)
3つのAIネットワークが、1年でドイツの鉄道の遅延を58,000分防ぎました。起きなかった遅延の約40日分です。
出典 ↗ - 5ディープマインド 風力予測(2019年)
風力発電を36時間先まで予測し、その電力の価値をおよそ20%高めました。ベンダーの数字で、誰も独立には監査していません。
出典 ↗ - 6ネットワーク・レールの「Insight」AI(英国、2025年)
線路の故障により、年間341日の遅延が生じています。AIの役割は、故障の後ではなく前に、乗務員に警告することです。
出典 ↗ - 7Pano AI の山火事カメラ(アメリカの電力会社、2025年)
1台のカメラが、ブレイディ火災を1エーカー未満の段階で捉えました。しかし、PG&E自身の評価では、カメラのAI検知はまだ望ましい性能に達していませんでした。
出典 ↗ - 8オンコーの動的送電線容量評価(アメリカの送電網、2020年)
送電線の定格は6〜14%高く、84〜91%の時間で許容されます。電力網の最も安い新しい容量は、より賢い数字を読む運用者です。
出典 ↗ - 9NATS ヒースロー空港の AI 試験(英国、2025年)
ヒースロー限定の試験で、低い雲によって失われた容量の20%を取り戻すとしています。これは主張であって測定ではなく、ネットワーク全体にもまだ広がっていません。
出典 ↗ - 10Epic 敗血症モデル(アメリカの病院、2021年)
数百の病院で導入され、患者の18%にフラグを立てましたが、敗血症の症例の67%を見逃しました。規模はあっても、成果はありません。
出典 ↗
StepFun が気づいたこと
SMARTの最初の数週間の計算です。180便の経路変更、それぞれ10分以上・約80ガロンは、約1,800分と14,400ガロンの燃料におよそ相当します。実際の節約ですが、$875Mの12年契約に比べれば誤差の範囲です。USAspendingから得た記録では、2026年11月5日までの1年間に、エア・スペース・インテリジェンスへ確定しているのは$23.3Mにすぎません。
EUROCONTROLは、2026年第39週にヨーロッパ全体で、航空路の遅延を1日あたり約49,000分記録しました。これは2025年より39%少ない数字です。助言システムが追いかける成果は、1日あたり数十万分単位で測られるため、便ごとに10分でもすぐに積み上がります。
OECDの監視は、AIの事故やハザードを約19,064件数え、AI関連のメディア報道を1日約1,000件選別しています。しかし、このリストで最も強い成果の証拠(TREWS、Corti)と最も強い警告(Epic)は、いずれも査読付きの研究によるものです。第2位と第10位を分けるのは、事故のフィードではなく測定です。
1回の確認あたりの価値の比率を公表している者はいませんが、このリストの両端がその範囲を示しています。FAAは、SMARTの推奨の100%がスタッフによって確認されると述べています。一方、Epicモデルは入院患者の18%でアラートを出し、敗血症の症例の67%を見逃しました。助言の量が、確認を形だけの承認に変えてしまう地点です。
🇨🇳 Kimi10 位まで · メモ 4 件
同じ質問に Kimi だけが答えたものです。上の最終リストはすべての AI をまとめています。
- 1NATS Intelligent Approach(ヒースロー空港、2015年から運用)
稼働して10年になります。管制官がAIの算出した間隔を目で確認し、許可を出します。このツールは、ある一つの空港で、向かい風による遅延を60%超減らし、年間23万分の空中待機を節約しました。
出典 ↗ - 2TREWS 敗血症早期警告システム(アメリカ、ジョンズ・ホプキンス大学 / Bayesian Health)
ここで唯一、査読付きで効果が証明されたシステムです。3時間以内に人間がAIのアラートを確認すると、敗血症による死亡が18.7%減るとされています。さらに、人間の側の数字も公表しています。実際に確認されたアラートは89%です。
出典 ↗ - 3Viz.ai の LVO 脳卒中トリアージ(アメリカ)
14,116人の患者、166病院の現実の研究で、AIがフラグを立てた脳卒中の患者は、脳血管内治療医に39.5分早く到着しました。試験病棟ではなく、ネットワーク規模の話です。
出典 ↗ - 4FAA SMART の航空交通計画 AI(アメリカ、2026年11月に全国導入)
アメリカの22のすべての航空路管制センターで稼働を開始した3日後、FAAは国全体の運航を停止させました。公式には無関係とされていますが、$875M規模のシステムの成果の証拠のすべては、いまだに180便の経路変更です。
出典 ↗ - 5EUROCONTROL ネットワーク・マネージャーの AI ツール — FADE / PETA / Curfew MIRROR(ヨーロッパ)
静かな大物です。機械学習による遅延予測は、2023年以降、ヨーロッパ全体の流量管理の中枢で稼働し、人間の流量管理者を導いています。しかし、ユーロコントロールは効果を分単位ではなく、定性的に公表しています。
出典 ↗ - 6Xcel-NCAR の送電網運用向け AI 風力予測(アメリカ)
電力網の運用者は、今も何を派遣するかを決めています。AIは予測誤差を40%減らし、Xcelは、その一つの数字だけで年間$60Mと25万トンのCO2の価値があったと述べています。
出典 ↗ - 7Corti AI の 112 番通報での心停止検知(コペンハーゲン、デンマーク)
108,607件の実際の通話で査読を受けました。AIは、訓練を受けた指令員より11.6ポイント多く心停止を見つけ、10秒早く警告しました。生存率は1分ごとに約10%下がるため、一秒一秒が重要です。
出典 ↗ - 8AI による 911 通報の振り分けと転送(オーリンズ郡、ジェファーソン郡(コロラド州)、モントレー郡(カリフォルニア州))
郡の911センターは、雑音を処理することで、緊急通話の応答時間を40秒短縮したと報告しています。緊急通話は、すべて人間が対応し続けます。
出典 ↗ - 9電力網での Pano AI の山火事検知(Xcel、PG&E、PGE;アメリカ)
AIが煙を見つけ、人間の分析官が確認し、消防の派遣が判断します。コロラド州の一つの雷火事は、カメラが0.25エーカーで捉えたおかげで、3エーカーに抑えられました。
出典 ↗ - 10Optellum バーチャル結節クリニックによる肺がんトリアージ(国民保健サービス / アメリカ)
リスクスコアが臨床医の判断をわずかに後押しし、肺がんの診断までの中央値は、129日から25日に急減しました。公表はされていますが、モデル化されたワークフローでの結果なので、トップ10の最下位に位置づけられます。
出典 ↗
Kimi が気づいたこと
最も重要な比率は、誰も公表していません。人間の注意1単位あたりの価値です。最も近い公表データはTREWSです。臨床医はAIのアラートの89%を確認し(1時間以内が53%)、確認されたアラートの患者では死亡率が18.7%相対的に減りました。対照的に、SMARTは承認率をまったく公表していません。
最大の賭けの採算性は、まったく立証されていません。$875Mを12年かけて投じ、これまでにもたらされたのは180便の経路変更にすぎません。上限で見ると、経路変更された便1便あたり約$4.9Mです。約束どおり拡大すれば、年間$33Bの遅延問題に相当します。
信頼のコストは、偶然の一致で払われています。SMARTは11月10日に全国展開され、FAAは11月13日に全出発便を止めました。当局は、ツールは「接続されていない」と主張しています。しかし、そのタイミングをめぐる議論が、今後のSMARTの節目すべてに影を落としています。
このクラスの事故記録が、このランキングの慎重さを説明しています。Epic敗血症モデル(病院で最も広く導入されているAI助言者)は、独立した検証で敗血症の67%を見逃し、誤報を88%出しました。これは、「AIが助言し、人が決める」が防ぐはずの、まさにその失敗パターンです(自動化バイアスと警報疲れ)。
🇨🇳 DeepSeek10 位まで · メモ 4 件
同じ質問に DeepSeek だけが答えたものです。上の最終リストはすべての AI をまとめています。
- 1FAA SMART(アメリカの航空交通、2026年)
人間が承認した180便の経路変更で、約14,400ガロンの燃料を節約しました。$4.31/ガロンで約$62,000に相当し、$875 millionの契約に比べればごくわずかです。
出典 ↗ - 2DB InfraGO ADA-PMB(ドイツの鉄道、2026年)
2023年に4つの過密地域で10万分超の遅延を節約しました。その間も、派遣員は提案をすべて受け入れるか拒否するかを決めています。
出典 ↗ - 3RWJBarnabas Epic 悪化指数(アメリカの病院、2026年)
11の病院で、ハイリスクの死亡率が23.1%から18.6%に下がりました。4.5ポイントの絶対的な減少であり、相対的な見出しの数字だけではありません。
出典 ↗ - 4イェール・ニューヘイブン・ヘルスの eCART(アメリカの病院、2026年)
eCARTが一度にフラグを立てるのは、20〜30人までです。しかし、その死亡率の相対的な13%減少には、絶対値で1.2ポイントの低下が伴っていました。
出典 ↗ - 5Viz.ai の LVO 脳卒中トリアージ(アメリカの病院、2026年)
DIDO timeは202分から113分に短縮しました。89分の短縮で120分の基準を上回りましたが、メタ分析では臨床的な転帰の有意な改善は見られませんでした。
出典 ↗ - 6中国南方電網の天璇・霊犀(深圳の電力網、2026年)
大都市の指令員が1日に受けるシグナルの量は、750から50未満に減りました。30分かかっていたチケットの確認は、約12秒になりました。
出典 ↗ - 7カーバイン緊急通報の振り分け(ニューオーリンズ 911、2026年)
ニューオーリンズでは、重複する事故通報が30%減り、優先度の高い通報者への応答が40秒速くなりました。ただし、911の通報のごく一部の範囲に限られます。
出典 ↗ - 8TREWS 敗血症アラート(アメリカの病院、2022年)
アラートの89%が評価されましたが、確認されたのは38%だけでした。人間が実際にどれだけ同意しているかを示す、珍しい公表データです。
出典 ↗ - 9NASA の デジタル飛行軌道再ルーティング(アメリカの航空交通、2026年)
経路変更された便1便ごとに、メトロプレックス全体の遅延時間が1時間近く減りました。ヒューストンだけで、航空会社は3,870件の候補のうち62%を承認しました。
出典 ↗ - 10CAISO の AI Genie(カリフォルニアの送電網、2026年)
CAISOのAIコパイロットは、停電の見直し作業を1週間から15分にしました。ベンダーの言うことを信じればの話で、CAISOは今もこれをパイロットだと呼んでいます。
出典 ↗
DeepSeek が気づいたこと
FAAの最初の180便の経路変更で、約14,400ガロンの燃料を節約しました。$4.31/ガロンで、約$62,000の燃料に相当します。$875 millionの契約に比べればごくわずかで、これはFAAがこれまでに公表した唯一の成果の数字です。
TREWSは、人間の注意の両側面を公表している数少ないシステムの一つです。アラートの89%が評価されましたが、確認されたのは38%にすぎません。評価することは、同意することではありません。
DBの10万分の遅延節約は「インテリジェント・キャパシティ・マネジメント」によるもので、スケジューリング、運用、事後のツールの組み合わせです。ADA-PMB単独ではありません。そのため、効果の帰属は慎重に行う必要があります。
アメリカ航空宇宙局の現地評価は、人間の関門が管制だけではないことを示しています。航空会社の運航管理者は、3,870件の経路変更候補のうち62%を承認しました。承認された経路変更は、1件につきメトロプレックス全体の遅延時間を1時間近く減らしました。