指導教員がラボへ移った後、残された院生は誰が見るのか

どんな問題か

2026年だけで、スタンフォード、バークレー、ハーバードから22名の教員がOpenAI、Anthropic、メタ、Google DeepMindへ移った。内訳はOpenAIに6名、Anthropicに5名、メタに6名、DeepMindに5名で、秋学期の移籍を表明した者がさらに5名いる。ハーバードSEASでは、計算機科学に属するテニュアトラック43名のうち12名が直近5年以内に産業界の職位を兼ねたか経験している。

報道が触れないのは残された側だ。教員が一人抜けると、その下には論文執筆3年目から6年目の院生が三、四人ぶら下がっている。研究テーマは去った教員の関心から出ており、実験環境もデータのアクセス権もその研究室に紐づいている。学科は暫定の指導教員を割り当てるが、たいてい分野が違い、そのテーマを審査できるほどには知らない。

現実にはこの穴は私的な関係で埋まる。去った教員が個人的にビデオ会議を続けるか、元ポスドクが非公式に原稿を読む。契約も報酬も記録もない。だから人脈のある学生だけが生き延び、関係が切れれば学生はテーマを組み直すか、修了が一年から二年ずれる。学科はこの損失を集計すらしていない。

なぜ今か

移籍の規模が個人の事情ではなく構造になった。フロンティアモデルの学習に数億ドル規模のGPUクラスタが要るようになり、学界と産業のコンピュート格差は峡谷になった。シニア研究者の報酬差は倍数単位だ。この格差が当面縮まる理由がない。

同時に産業側にも動機が生まれた。ラボが博士級採用で詰まるのは応募数ではなく見極めだ。論文リストでは実際の研究遂行力が見えない。共同指導は数か月にわたって候補者の思考過程を直接見る経路になるので、採用の観点で値が付く。実際いまもラボの研究者が個人的に外部の学生を見ている。無償でやっているだけだ。

遠隔での研究協働も定着した。コードはGitHub、実験は共有クラスタ、打ち合わせはビデオという形がパンデミック以降の標準になった。指導には物理的な同席が要るという反論は、以前ほど強くない。

どう作るか

出発点はマッチングではなく契約だ。産業界の研究者が院生を見るときの本当の障害は時間ではなく、所属先の兼業とIPの規程である。週あたりの時間上限、著者表記の扱い、IPの帰属、秘密保持の範囲をあらかじめ定めた標準の共同指導契約書を用意するだけで、参入の摩擦は大きく下がる。これが初期プロダクトの中核資産になる。

MVPは狭く取る。分野を一つ、たとえばMLシステムに絞り、直近2年で産業界へ移った研究者30名と、指導が途切れた院生50名だけを集める。マッチングはアルゴリズムを使わず人が付ける。セッションは隔週1時間、3か月単位で区切る。成功指標は満足度ではなく、その期間に提出された論文数と審査の通過だ。

課金は学生に向けない。指導が途切れた院生は支払い能力が最も低い層である。支払う候補は三つある。学生を失いたくない学科、採用パイプラインを買う産業ラボ、研究の連続性を条件に付ける助成機関だ。三者すべてにパイロットの結果を示せるよう、最初から成果データを集める必要がある。

flowchart LR
  A[産業界へ移った研究者] -->|兼業契約テンプレート| B[共同指導マッチング]
  C[指導が途切れた院生] --> B
  B --> D[隔週セッション 3か月]
  D --> E[論文提出・審査通過]
  E --> F[学科・ラボ・助成機関が支払う]

成功の条件

仮説は二つある。第一に、有償なら産業界の研究者は時間を出すか。いま無償でやっている人がいる事実は弱い証拠にはなるが、規模が出ると所属先の兼業承認が詰まりになる。大手ラボ一社の法務と先にテンプレートを合意すれば早く判別できる。

第二に、学科はこれを外部からの侵入と見るか、救援要請と見るか。学生の離脱は指標の損失だが、外部の人間に指導を任せることは権威の問題でもある。学位審査権に触れず補助指導としてのみ位置づけることが、初期の生存条件になる。