Elicit

Elicitとは？

Elicitは学術研究向けのAIアシスタントであり、その製品ロジックは一つの判断の上に立っています。現代の科学におけるボトルネックはアイデアを生み出すことではなく、すでに存在する根拠を読み切ることにある、という判断です。汎用チャットボットが研究上の問いに答えるとき、その拠り所は学習段階で吸収した内容です。Elicitがやることはもっと狭く、そして検証可能です。明確に定義された学術文献のコーパスを検索し、問いに本当に関係する論文を取り出し、その中身を列ごとに点検できる表として広げて見せます。想定利用者は、自分の引用に責任を負わなければならない人たちです。システマティックレビューの研究者、エビデンス統合チーム、医療技術評価や規制の分析担当者、製薬・医療機器の研究者、政策研究者、そしてその足元でスクリーニング作業を担う大学院生たちです。

この会社の来歴は少し変わっています。Elicitは非営利研究機関Oughtの中から生まれ、2023年9月に独立した公益法人（PBC）となり、同時にFifty Yearsがリードする900万ドルのシードラウンドを完了しました。エンジェル投資家にはGoogleの主任科学者Jeff DeanやGitHub共同創業者のTom Preston-Wernerが名を連ねます。2025年2月にはSpark CapitalとFootworkが共同リードする2200万ドルのシリーズAを、評価額1億ドルで完了しました。この出自は製品の形に直接影響しています。Ought時代の中心命題は、機械推論の結果を確認するだけでなくその過程を監督することであり、あらゆる主張に原文の一文を示すというElicitのこだわりは、その命題をインターフェースに落とし込んだ結果です。

同種の製品の中に置くと、Elicitは「構造化データ」の側の端に立っています。Consensusはイエス・ノー型の問いにおける根拠の傾きを素早く読み取ることに長け、Semantic Scholarは本質的に引用グラフの上に置かれた発見レイヤーです。対してElicitの重心は抽出にあります。積み上がったPDFの山を、絞り込み・並べ替え・CSV書き出しができ、そのまま分析に投入できる行と列に変えることです。この重心は同時に、性能に関する独立した検証が最も集中している場所でもあり、本当の限界もまさにここにあります。

主な機能

• 構造化データの抽出と表化：製品全体がこれを土台にしています。公式にデータ抽出はElicitの「超能力」の一つと呼ばれ、表や図からも抽出できる点が強調されています。同社の言い方を借りれば、多くの臨床アウトカムは実際そこに入っているからです。必要な列（サンプルサイズ、介入、アウトカム指標、効果の方向、資金源）を定義すると、Elicitが論文集合全体にわたって埋めていきます。定量・定性の両方に対応し、各セルにはその値を裏づける引用文または図が付きます。
• 約1億3800万本を対象とするセマンティック検索：コーパスはSemantic Scholar、OpenAlex、PubMedの三つを統合し、重複と不完全なレコードを除いて約1億3800万件です。加えてClinicalTrials.govに登録された54万5000件超の臨床試験を、別コーパスとして選択できます。検索はキーワード照合ではありません。独自の埋め込みモデルで引用数や新しさも加味しながらコーパス全体を意味的類似度で並べ、上位1,000本を言語モデルで再度並べ替えたうえで、プランとワークフローに応じて上位4本から1,000本までを提示します。
• 文単位の引用：AIが生成したすべての主張は、論文全体ではなく出典論文の該当する一文または図に紐づけられます。同社はこの対比を明確に述べています。他のツールは参考文献へのリンクしか示さないため、答えの出どころを探すには論文を丸ごと読まねばならず、しかも情報が引用元にそもそも存在しないことすらある、と。これは製品の中で最も影響の大きい設計判断です。検証を研究作業から一瞥する動作へと変えてしまうからです。
• 監査可能なシステマティックレビューのワークフロー：Elicitはプロトコルの精緻化、検索、スクリーニング、抽出、統合までの全工程をカバーします。エンタープライズ層ではスクリーニングが4万本まで拡張し、採否の判断ごとに除外理由、基準別スコア、裏づけ引用が付きます。同社はこれをPRISMA監査可能と表現します。二重レビューは、二人の人間がAIの支援を受ける形でも、AIを二人目のレビュアーとして使う形でも構成できます。
• 最大200本を統合する研究レポート：レポートのワークフローは最大200の出典を横断して10ページ以上の文献レビューを生成し、各主張は文単位の引用で裏づけられ、PRISMAフロー図、論文要約表、用いた検索戦略を含む方法セクションが付きます。組み込みテンプレートは組織ごとにカスタマイズできます。
• ライブラリとアラート：見つけた論文はプロジェクトをまたいで再利用できるよう保存・整理され、保存した検索は新しい論文が出たときに知らせるアラートに変換できます。これが同社の言う「生きたレビュー」、つまり完成したレビューを作り直すのではなく更新していく仕組みの実装です。
• 自前の文書のアップロードと購読の接続：自分のPDFをアップロードしてカスタム抽出を行えるほか、機関の雑誌購読を接続してオープンアクセスの外側まで全文の閲覧範囲を広げられます。

活用シーン

1. システマティックレビューとエビデンス統合：5人体制の従来型システマティックレビューは数か月がかりで、その大半はスクリーニングと抽出という労働です。チームはElicitで数千件のレコードにスクリーニングをかけ（AIが提案する基準は編集できます）、構造化した項目を表に抽出して分析に用います。成果物を擁護可能にするのは速さではなく、監査可能な痕跡です。除外理由、基準別スコア、裏づけ引用こそが、方法セクションに書ける中身になります。
2. プロトコル確定前のスコーピング検索：どんな文献があるか分からないうちにレビューのプロトコルを決めるのは、それ自体が鶏と卵の問題です。Elicitの検索は意味駆動で精度が際立って高いため、素早い偵察に向いています。その問いが研究されたことがあるか、どう操作的定義されてきたか、意見の対立はどこかを確かめてから、本格的な検索戦略に投資できます。
3. 製薬・医療機器・医療技術評価のエビデンス業務：規制やHTAの業務では、試験群別のアウトカム、有害事象、無増悪生存期間といった比較可能なエビデンス表を繰り返し作る必要があります。表や図から抽出するElicitの能力はまさにここを狙っており、同社は政策向けレビューに適用した産業界の顧客を挙げています。
4. 締切のある政策ブリーフと迅速レビュー：ある決定が数か月ではなく数日で根拠を必要とするとき、自動抽出に人の検証を足せば100本規模の迅速スコーピングレビューが現実的になります。同社が引用するある方法論の専門家が語っているのは、まさにこの種の作業です。100本を超える研究を対象とした迅速スコーピングレビューを1日で仕上げた、というものです。
5. 博士論文の文献レビューと資格試験の準備：大学院生はElicitで分野を地図化します。基礎となる研究を見つけ、ある構成概念が研究ごとにどう測定されてきたかを追い、レビュー章を支える比較表を作ります。この種の作業では構造化された出力がリンクの羅列より明らかに有用ですが、後述するとおり唯一の検索手段にすべきではありません。
6. 研究領域の継続的な監視：保存した検索とアラートを組み合わせると、一度きりのレビューが監視されたフィードに変わります。ある治療領域や技術分野を担当するチームが、データベースのアラートを手作業で維持しなくても関連する新着論文を把握できます。

Elicitの使い方

1. elicit.comでアカウントを作成します。無料のBasicはすぐ使え、無制限の検索・要約・論文とのチャットが使えるので、費用をかける前に自分のテーマで検索品質を評価できます。
2. ブール検索式ではなく自然言語で研究上の問いを入力します。Elicitのランキングは意味駆動なので、明確に定義された問い（「成人のうつ病治療において、オンラインCBTは対面CBTと同等か？」）のほうがキーワードの羅列よりはるかに有効です。問いが広すぎる場合、Elicitは絞り込み方を提案してくることが多いです。
3. 返ってきた論文に目を通し、自然言語でスクリーニング基準を適用して範囲を絞ります。Elicitが示す除外理由は必ず読んでください。ある基準が自分の意図と違って解釈されていることに気づけるのはここです。
4. 抽出する列を定義します。具体的で事実的な項目をいくつかから始め、各セルの裏づけ引用を確認してから列を増やしてください。20本で列の定義を正すコストは、400本で解釈のずれに気づくコストよりはるかに安く済みます。
5. 抽出値を出典と突き合わせて検証します。その際、事実型の列より解釈型の列を優先してください。できた表はCSVやXLSXに書き出して分析するか、方法セクション付きの叙述的統合が必要ならレポートを生成します。
6. テーマが継続中なら検索をアラートとして保存し、論文はライブラリに残して、今回のスクリーニング作業を次のプロジェクトで再利用できるようにします。

コツとベストプラクティス

• 網羅的なレビューでElicitを唯一の検索手段にしないでください。 この点の独立した根拠は明確で、後の制限事項で詳述します。PubMed、Embase、Web of Science、あるいは自分の分野の専門データベースでの従来型検索で補完してください。
• 事実型の列と解釈型の列を分け、扱いを変えてください。 参加者数や報告された測定値といった項目の抽出は信頼できますが、その研究が何を意味するのかの判断を要する項目は明らかに信頼度が落ちます。解釈型の列は人手で検証し、事実型の列は抜き取り確認で十分です。
• 唯一の抽出者ではなく、二人目のレビュアーとして使ってください。 公表された概念実証研究では、Elicitと人間のレビュアーの意見が一致したとき正確性は100%でした。つまり有用なシグナルは抽出そのものではなく不一致です。並行して抽出し衝突箇所だけを突き合わせるほうが、どちらか一方が単独でやるより速く、かつ正確です。
• 全文に依存する項目は、Elicitが本当に全文を読めているか先に確認してください。 全文にアクセスできない場合はタイトルと抄録に後退し、エラーを出す代わりに静かに浅い抽出結果を返します。ブラウザ拡張を入れて機関購読を接続すると、ツールが見られる範囲は実質的に変わります。
• 再現性が求められる場面ではキーワード検索を使い、そのとおりに記録してください。 会話型・意味的な検索はそのままでは再現できませんが、方法セクションは読者が再実行できる必要があります。
• 狭く始めて広げてください。 検索は精確ですが網羅的ではないため、同じ問いを何通りかの表現で回すと、単一の言い回しでは漏れる論文が浮かび上がります。
• 値ではなく引用文を読んでください。 裏づけ引用こそがこの引用設計の存在理由です。引用文が明らかにその値を支えていないセルは、抽出エラーを見つける最速の手がかりです。

おすすめのユーザー

• システマティックレビューとエビデンス統合の専門家：中核となる読者層であり、PRISMA監査可能な判断や二重レビューを含むスクリーニング・抽出のワークフローは明示的に彼らのために設計されています。
• 製薬・バイオテク・医療機器の研究者：試験群別のアウトカムや有害事象データを抄録ではなく表や図から取り出して、試験のエビデンス表を組み立てる必要があるチームです。
• 医療技術評価と規制の分析担当者：構造化された方法論上の要件と時間的な圧力の下で、擁護可能な根拠基盤を作らなければならない利用者です。
• 政策研究者と行政のアナリスト：圧縮された日程でエビデンスに基づくブリーフを書く人たちで、迅速スコーピングレビューが「レビューをまったくしない」ことに対する現実的な代替になる場面です。
• 博士課程・大学院の研究者：文献レビューの章を組み立て、構成概念がどう操作化されてきたかを地図化し、資格試験に備える学生たちです。
• 学術司書と研究支援スタッフ：AI研究ツールを評価し教える専門職で、そのうち何人かはElicitに関する機関単位の独立評価を公表しています。
• 企業のR&Dと競合情報チーム：学界の外でエビデンス統合を応用する産業ユーザーで、同社が拡張の方向として示している領域です。
• 臨床医と臨床研究者：試験のエビデンスを見つけて比較する必要のある利用者で、論文インデックスとは別にClinicalTrials.govを検索できます。

対応プラットフォーム

• Webアプリケーション：機能が揃った主要インターフェースで、ブラウザからelicit.comにアクセスするだけで、インストールは不要です。
• ブラウザ拡張：すでに保有している雑誌購読を活かして全文アクセスを広げるために使い、オープンアクセスの外側でElicitが読める範囲を実質的に広げます。
• REST API：Pro層以上で利用可能、エンタープライズでは無制限です。文書化されたインターフェースはリサーチエージェントのセッションをモデルとし、表・散文・プレゼンテーション・図といったインタラクティブな成果物を返します。表はCSVまたはXLSX、散文はMarkdownとして、短時間有効な署名付きURLでダウンロードできます。
• 文献管理ツール連携：Zoteroの取り込みと書き出し、EndNoteやMendeleyとの接続に対応し、見つけた論文が既存の引用ワークフローに流れ込みます。
• ネイティブのモバイルアプリやデスクトップアプリは公式サイトで案内されておらず、製品はブラウザ経由で提供されます（要確認。新しいクライアントの有無は公式サイトを参照）。

料金プラン

Elicitには本当に使える無料プランがあります。Basicは無料で、全コーパスの無制限検索、無制限の論文要約、全文がある場合の無制限の論文チャット、回答の出典表示、Zoteroの取り込みを提供し、Research Agentと研究レポートだけを限定的な使用量に留めています。検索品質が自分の分野に合うかを判断するには、このプランだけで根拠ある判断を下すのに十分で、費用もかかりません。

有料プランの区分は、どのボタンが解放されるかではなく、どれだけの研究作業量を許すかで分かれています。研究向け製品としてはかなり誠実な構造です。Proは月額49ドル、年払い588ドル（35%割引と表示）で、エージェント・レポート・システマティックレビューの各ワークフローの標準使用量に加え、最大5,000本のスクリーニング、表20列、135のデータソースからの抽出、10件のパーソナライズドアラート、アップロードした論文のカスタム抽出、APIアクセスが付きます。Scaleは月額169ドル、年払い2,028ドル（39%割引と表示）で、Proの5倍の使用量枠に加えて図からの抽出、リアルタイム共同編集、200のデータソース、30列、使用量トラッキングとシート管理を備えた管理パネルを提供します。Enterpriseは個別見積もりで、4万本のスクリーニング、40列、無制限のアラートとAPI、SSOとSAML、2FA、ユーザー分析、カスタム統合、専任のカスタマーサクセスチームが加わります。正確な権利内容と現行価格は公式の料金ページでご確認ください。

代替ツール

• Consensus：同じく査読文献を対象とするAI検索エンジンですが、抽出表を作ることより、焦点の定まった問いに対する根拠の均衡を素早く読み取ることに最適化されています。素早い結論が欲しいときには適し、構造化された列が要るときには弱くなります。
• Semantic Scholar：アレン人工知能研究所による無料の学術発見・引用グラフツールで、注目すべきことにElicit自身が用いるコーパスの一つでもあります。論文を見つけて追うには優秀ですが、構造化抽出やスクリーニングは行いません。
• 従来のシステマティックレビュー用ソフト（Covidence、Rayyan、DistillerSR）：レビュー工程の管理のために作られ、方法論的な厳密性とチームのワークフローが確立していますが、AIによる抽出は弱めです。実務ではAI抽出レイヤーと併用されることが多く、置き換え関係にはありません。
• 従来の書誌データベース（PubMed、Embase、Web of Science、Scopus）：競合というより必要不可欠な補完物です。網羅的で再現可能なブール検索を提供し、AIのセマンティック検索がまだそれを置き換えられないことは独立した検証が示しています。
• リサーチモードを備えた汎用AIアシスタント：見当をつけたり要約したりするには便利ですが、範囲の定まった学術コーパスも文単位の出典固定もないため、引用の正確性が検証可能でなければならない場面には向きません。

制限事項と注意点

• 検索感度はベンダーのベンチマークが示唆する水準より大幅に低く、これがこのツールについて最も知っておくべきことです。 Elicit自身が公表した評価は、994本のオープンアクセスCochraneレビューを正解集合として、抄録スクリーニング感度96.9%、全文段階の論文レベル再現率99.5%を報告しています。しかしLauとGolderが2025年に《Cochrane Evidence Synthesis and Methods》へ発表した研究では、4件のケーススタディレビューにおいてElicitの検索感度は平均39.5%であり、元のレビューの検索は94.5%でした。平たく言えば、単独で使うと従来型検索が見つけた研究の大半を取りこぼしたということです。同じ研究はElicitの精度が平均41.8%で、元のレビュー検索の7.55%よりはるかに高いことも見出しています。つまり返ってくる結果には無関係な文献がずっと少ないのです。誠実な読み方はこうです。精確で探索的な検索の道具としては優秀だが、網羅的検索の道具としては不十分である、と。著者らは現時点の感度は従来型検索を置き換えるには足りないと結論しつつ、製品は改善を続けており再評価が必要だと付け加えています。
• 抽出精度は不慣れな素材で低下し、判断を要するところでこそ最も弱くなります。 環境科学と生命科学にまたがる実現可能性研究は、Elicitは人間のデータ抽出者を補完できても置き換えることはできない、と結論しました。精度基準を満たした変数の割合が、プロンプト開発段階の78%から、新規で未見の研究に適用した際には69%へ落ちたためです。2025年の《Social Science Computer Review》の概念実証研究は、43本の研究と602のデータポイントでElicitと人間のレビュアーを比較し、Elicit 81.4%、人間86.7%の正確性を測定しました。この差は統計的に有意ではなく、それ自体はかなり良い結果です。ただし有用なのは内訳です。参加者数の一致率は81.4%だった一方、主要な結果は34.8%、関心のある構成概念は16.3%まで落ちました。同じ研究は、Elicitが元の研究ではなく引用された研究から値を取ってくることがある点も観察しています。事実型の項目は抜き取り確認を添えればおおむね信頼できますが、解釈型の項目はそうではなく、必ず検証が要ります。
• 再現性は検索と抽出の両層で不完全です。 異なるアカウントで同一のプロンプトを再実行したところ、抽出値の90%は完全に一致しましたが、裏づけ引用は46%、推論の記述は30%しか一致しませんでした。つまり答えはおおむね安定していても、その答えを支える理由はしばしば揺らぐということです。別途、ディーキン大学図書館の評価は、会話型検索はそのままでは再現できず「現在、システマティックレビューの報告に必要な透明性を欠いている」と指摘しています。方法セクションが再現可能でなければならない場面では、キーワード検索を使い、そのとおりに記録してください。
• 実質的な上限はコーパスの規模ではなく全文へのアクセス可能性です。 全文解析が成り立つのは、論文がオープンアクセスであるか、Elicitのブラウザ拡張と自身の雑誌購読が揃っている場合です。そうでなければElicitはタイトルと抄録しか読みません。決定的な文献の多くが有料の壁の向こうにある分野では、これが抽出の深さを静かに制限し、しかも制限されたことを告げません。
• 収録範囲には見落としやすい明確な境界があります。 書籍、学位論文、非学術出版物は完全に除外されており、Elicit自身の文書も、灰色文献や一部の臨床試験報告は自動検索での取得率が低く、中国語出版物を含む地域的な空白があると注意しています。人文・社会科学の利用者は、科学・技術・医学に比べて収録が薄いと繰り返し報告しています。ディーキンの評価はさらに、英語への偏りのリスクと、正式な批判的吟味機能の欠如も指摘しています。Elicitはある研究が何を報告したかは抽出しますが、その研究が良い研究だったかは教えてくれません。
• ハルシネーションの問題は終わったのではなく、制約されただけです。 TechCrunchのKyle Wiggersは2023年9月にシードラウンドを報じた際、根底にあるハルシネーションの問題が本当に解決されたのかを問い、引用を捏造して3日で取り下げられた科学向け言語モデルMetaのGalacticaに言及しました。文単位の引用は、捏造を防ぐのではなく可視化するという点で真剣な緩和策ですが、確かめる負担は依然として読み手にあります。エビデンス統合の実務家は、スクリーニング段階で人手による検証を行わない限り、正式なメタ研究に用いるには信頼性が足りないと繰り返し警告しています。
• ベンダーが公表する数値は、その但し書きと一緒に読むべきです。 評価すべき点として、Elicitは数値と一緒に但し書きも公表しています。抽出はオープンアクセス研究でのみ測定され、評価されたのはセマンティック検索だけでキーワードとセマンティックを合わせた全体のワークフローではなく、全文スクリーニングの標本は小さく、抽出の設問は元のプロトコルから取ったのではなく事後に再構成したものだ、と。サイトに引用された顧客事例、たとえばVDI/VDEがドイツの教育政策の根拠となるシステマティックレビューで1,511のデータポイント中1,502をElicitが正しく抽出したと報告した件は、有利な条件で得られたベンダー伝聞の結果であり、独立した評価ではありません。
• 公表された数値どうしが食い違っています。 トップページは1億2500万本超と謳う一方、料金ページとヘルプセンターはいずれも1億3800万と記しており、利用者数は場所によって200万、500万、月40万と三通り現れます。最も裏づけが確かなのは1億3800万で、三つのソースデータベース間で重複レコードをどう除去するかの説明が添えられた唯一の数値だからです。利用者数の三つの尺度は、累計登録者数と月間アクティブ数のように別のものを測っている可能性が高いのですが、サイトはそう述べていません。

FAQ

Q1. Elicitは無料で使えますか？

はい。無料のBasicには全コーパスの無制限検索、無制限の論文要約、無制限の論文チャット、Zoteroの取り込みが含まれ、Research Agentと研究レポートのみ使用量が制限されます。有料はPro月額49ドルからで、現在の条件は公式の料金ページをご確認ください。

Q2. ElicitはConsensusやSemantic Scholarとどう違いますか？

三者とも学術文献を検索しますが、出力が異なります。Consensusは焦点の定まった問いに対する根拠の均衡を素早く読むことに最適化され、Semantic Scholarは発見と引用グラフのツールです。Elicitの差別化要素は、論文のデータをカスタマイズ可能な表として抽出することにあり、表や図からも抽出し、各値に裏づけ引用が付きます。

Q3. システマティックレビューの検索をElicitだけに頼ってよいですか？

いけません。2025年の《Cochrane Evidence Synthesis and Methods》の独立研究は、Elicitの検索感度が平均39.5%で元のレビューの94.5%に及ばず、現時点では従来型検索を置き換えるだけの感度がないと結論しています。通常のデータベース検索の補完として使ってください。高い精度により、初期の探索的な作業では価値があります。

Q4. Elicitのデータ抽出はどれくらい正確ですか？

何を抽出するかに大きく依存します。2025年の研究は全体の正確性を81.4%、人間のレビュアーを86.7%と測定し統計的に区別できませんでしたが、参加者数の一致率が81.4%だったのに対し関心のある構成概念は16.3%にとどまりました。事実型の項目はおおむね信頼でき、解釈型の項目は人手の検証が必要です。

Q5. Elicitは引用を捏造しますか？

中核となる緩和策は文単位の引用です。AIが生成したすべての主張が出典の該当する一文または図に固定されるため、裏づけのない主張は隠れず表に出ます。汎用チャットボットよりリスクは大幅に下がりますが、裏づけ引用を読む必要がなくなるわけではなく、独立した研究者は正式なエビデンス統合では人手の検証を勧めています。

Q6. Elicitは有料の壁の向こうの論文も読めますか？

部分的に可能です。オープンアクセスと購読制の両方を索引していますが、全文解析には論文がオープンアクセスであるか、Elicitのブラウザ拡張と自身の雑誌購読の組み合わせが必要です。全文にアクセスできない場合、Elicitはタイトルと抄録だけで動きます。

Q7. Elicitはどのソースを検索しますか？

Semantic Scholar、OpenAlex、PubMedを統合し重複と不完全レコードを除いた約1億3800万本に加え、別コーパスとしてClinicalTrials.govの54万5000件超の試験です。書籍、学位論文、非学術出版物は含まれません。

Q8. ElicitにAPIはありますか？

あります。APIアクセスはPro層以上に含まれ、エンタープライズでは無制限です。文書化されたインターフェースはリサーチエージェントのセッションを扱い、返される成果物にはCSVやXLSXでダウンロードできる表、Markdownでダウンロードできる散文が含まれます。

Q9. Elicitでチーム作業はできますか？

リアルタイム共同編集はScale層から提供され、この層には使用量トラッキングとシート管理を備えた管理パネルも加わります。エンタープライズではSSOとSAML、2FA、ユーザー分析が追加されます。

Q10. Elicitは人文・社会科学にも向いていますか？

使えますが相対的に弱めです。コーパスは原則として全分野を対象としますが、利用者は人文・社会科学の収録が科学・技術・医学より薄いと一貫して報告しており、ある独立した図書館の評価は英語への偏りのリスクを指摘しています。