BenchlingのAI接続とは?|未公開データを渡す線

BenchlingのAI接続とは?|未公開データを渡す線

「研究者が Claude で報告資料を作るとき、実験記録をそのまま引けたら楽になるはずだ」「でも、未公開の配列や試験結果が社外のAIに流れていくのは怖い」——研究開発部門のAI導入を任された情シスの担当が、同じ会議の中で両方を口にすることは珍しくありません。米国の研究開発基盤 Benchling は2026年4月16日、Claude や ChatGPT などの社外のAIから自社の Benchling のデータを照会できる、MCPを使った接続一式を公式に発表しました。同社は1,300社を超えるバイオ企業が使う基盤だと公表しています。問われるのは「つなげるかどうか」ではなく、「どの記録が、誰の権限で、どこまで社外のAIに届くかを先に決められるか」です。この記事では、研究開発部門の情シスとAI導入の担当が、社員のAIを Benchling につなぐ前に踏む手順を、データの出方、記録の完全性、書き込みの承認の三つの線に沿って整理します。


カメ先生カメ先生

研究データをAIにつなぐ話は、便利さか危なさかの二択で語られがちなんだ。でも本当は、どの記録をどの経路で渡すかを分けて考えれば、開ける範囲はきちんと決められるんだよ。


カメ子カメ子

全部開くか全部閉じるか、ではないということですか。


カメ先生カメ先生

そう。それに研究の記録には、あとから書き換えられていないことを示す役割もある。AIの要約や書き込みがその記録とどう関わるかを決めないまま開くと、速さと引き換えに記録の信用を落としかねない。


カメ子カメ子

社外に出るかどうかと、記録の正しさが保たれるかどうかは、別々に確かめる必要があるんですね。


この記事のポイント
  • 2026年4月の発表で、Benchling はMCPサーバー・MCPクライアント・接続の一覧の三つを公開し、Claude や ChatGPT から実験記録を照会できるようにした
  • 公式資料は権限の引き継ぎと監査証跡に触れるが、社外のAIに渡った回答の扱いと、MCP経由の書き込みの可否は自社で確かめる必要がある
  • 渡すデータの層を分け、権限を棚卸しし、AIの要約を正式な記録と分け、書き込みは研究者の承認を通す順に開く

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

Benchlingとは:実験ノートと研究データを一つに持つ基盤

Benchling は、バイオ医薬や農業・工業バイオの研究開発で使われる、クラウドの研究記録基盤です。電子の実験ノート、試料や配列の登録、在庫、試験の結果を一つの系の上で持ち、どの試料がどの実験でどんな結果を出したかをつなげて残すのが特徴です。同社は1,300社を超えるバイオ企業の研究開発を支えていると公表しています。

ここで押さえておきたいのは、この基盤に載っている情報の性質です。未公開の配列や化合物の構造、特許出願の前の実験結果、共同研究先から預かった試料のデータなど、会社の将来の収益そのものに直結する情報が、研究者の日々の記録として積み上がっています。営業資料や社内の議事録とは、漏れたときの重さがまったく違います。

同社は2025年から研究向けのAIを次々と出しており、2026年10月の年次の催しでは、エージェントと研究者が工程を分担する新しい仕組みも発表しました。被買収の報道はなく、むしろ2024年と2025年に解析の会社などを買う側に回っています。日本語の紹介記事はほとんど見当たりませんが、国内の製薬や素材の会社でも、海外拠点や共同研究を通じて触れる機会が増えている基盤です。

2026年4月の発表:三つの部品で何がつながったか

4月16日の発表で公開されたのは、MCPという共通の接続の規格を使った三つの部品です。一つ目はMCPサーバーで、社外のAIが Benchling のデータを照会し、構造化された答えを受け取れるようにするものです。顧客との試験期間を経て提供を始めたと書かれています。発表は、研究者が Claude で報告資料を下書きしながら、抗体の研究案件の記録を Benchling に問い合わせる場面を例に挙げています。

二つ目はMCPクライアントで、逆向きの接続です。Notion、SharePoint、Snowflake など、すでにMCPサーバーを持つ社内外の道具を Benchling の中のAIから使えるようにします。三つ目は接続の一覧で、文献検索や大量データの保管、解析の流れを扱う科学向けの接続が4種そろっていました。クライアントと一覧の一般提供は2026年5月の予定と記されていました。

つまり、この発表は「社外のAIに研究データを渡す」方向と、「社外のデータを研究基盤のAIに取り込む」方向の両方を同時に開いたものです。情シスが決めるべき線も、出ていく方向と入ってくる方向の二つあると考えておくと、後の整理が楽になります。この記事は主に出ていく方向を扱い、入ってくる方向は後半で別に見ます。

社員のAIから問い合わせると、裏で何が動いているか

Claude 側の公式解説によれば、Benchling の接続は、実験結果や試験データ、ノートの本文と添付、登録品・在庫・テンプレートといった構造化された記録まで、顧客の Benchling 環境を横断して検索し、出典へのリンク付きでまとめた答えを返します。公開文献の情報と組み合わせることもできます。

ここで見落としやすいのは、答えを作っているのが社員のAIだけではない点です。4月の発表は、社外のAIが受け取る答えは Benchling のAIのエージェントや調査の機能を通じて作られると説明しています。Claude 側の解説も、利用の条件として、テナントで Benchling のAIの調査機能が有効なこと、エージェントの窓口を含む新しい版のAPIが使えること、遠隔のMCPが有効なことを挙げています。社員のAIの裏で、Benchling 側のAIも動いて答えを組み立てているということです。

このため、統制の対象は二つになります。社員が使う社外のAIと、Benchling の中で動くAIです。Benchling は自社のAIについて、顧客のデータで自社のモデルを学習しないこと、AIの操作を製品の監査証跡に記録することを公式に説明しています。一方、答えを受け取った後の社外のAI側で、その答えがどう保存されるかは、Benchling ではなくそのAIの契約で決まります。

公式が書いていること、書いていないこと

導入の判断に入る前に、公開資料で確認できることと、確認できないことを分けておきます。発表や解説の言い回しを社内資料に写すときに、確認できていないことまで「対応済み」と書いてしまうのが、この種の導入でよく起きる失敗だからです。

論点公開資料で確認できること自社で確かめること
権限既存の権限に従い、見てよいデータだけが返ると Claude 側の解説が説明。ヘルプも本人として動くと記載研究案件ごとの権限が実態に合っているか
監査AIの操作は製品の監査証跡に記録すると Benchling が説明社外のAIからの照会が、誰の何の操作として残るか
学習顧客データで Benchling 自身のモデルを学習しない社外のAIの契約で、会話と回答が学習や保存にどう使われるか
書き込み4月の発表には記載なしMCP経由で記録の作成や変更ができるか、できるなら止められるか
費用エージェントとモデルはクレジット制と説明照会の回数でどれだけ消費するか

とくに書き込みの可否は、4月の発表にも Claude 側の解説にも明記がありません。解説が描いているのは検索と要約の使い方です。ただし、Benchling のエージェントの窓口の開発者向け文書には、記録を編集の対象として指定する項目があり、基盤の側にAIが記録を編集する仕組み自体は存在することが分かります。MCPの経路でそこまで届くのかは、契約前に書面で確かめる項目として扱うのが安全です。

手順1:渡すデータを三つの層に分ける

最初の手順は、Benchling に載っている情報を、社外のAIに渡してよいかどうかで層に分けることです。全部を同じ扱いにすると、守りたい情報に合わせて全面禁止になるか、便利さに合わせて全面開放になるかの二択に陥ります。研究開発の実情に合わせると、次のような三つの層が現実的です。

層主な中身社外のAIへの扱いの目安
進み具合の情報研究案件の進捗、予定、担当、試験の実施状況法人契約のAIなら照会を許しやすい
実験の結果試験の数値、解析結果、ノートの考察研究案件ごとに許可。共同研究の案件は契約を確認
中核の知財未公開の配列・構造、出願前の発明、預かった試料の情報原則として社外のAIの照会範囲から外す

層を分けたら、それを Benchling の中の何で表すかを決めます。研究案件やフォルダの単位で分かれているなら、その単位の権限で照会の範囲を絞れます。ひとつの実験ノートの中に進捗の記述と未公開の配列が混ざっている場合は、権限では切り分けられません。この場合は、記録の書き方そのものを見直すか、その研究案件を照会の対象から外すしかありません。

共同研究や受託の案件は、もう一段の注意が要ります。相手先との契約に、データを第三者の処理に回してよいかの条項がある場合、社外のAIへの照会がそれに当たるかを法務が判断します。AIの提供元は委託先にすぎないという整理が通るかどうかは、契約の文言次第です。研究者が自分の判断で照会しないよう、対象から外す案件の一覧を先に作っておきます。

手順2:社外のAIの契約と、接続の入口を確かめる

次に、社員がどのAIからつなぐのかを確かめます。Claude 側の解説によると、チームやエンタープライズの契約では、組織の所有者が管理画面から Benchling の接続を追加し、Benchling から受け取ったサーバーのURLを登録します。一方、個人の利用者も自分の設定画面から接続でき、Benchling のアカウントで認証する流れが案内されています。

この二つの入口の違いは大きな意味を持ちます。組織の契約経由なら、会話の保存期間や学習への利用の扱いを会社の契約で管理できます。個人の契約の場合は、会話と回答の扱いがその個人の規約に従うことになり、研究データを含む回答が会社の管理の外に置かれる可能性があります。社外のAIに研究データが届く経路は、会社が契約したAIの組織の接続だけに絞るという線を、最初に決めておきます。

  • 4月の発表は Claude と ChatGPT を名指ししているが、AIごとに接続の設定や契約の条件は異なる。使わせるAIを一つずつ確かめる
  • 個人の契約のAIからの接続を技術的に防げるかは、Benchling 側のテナントの設定で確かめる。防げないなら規程で禁じ、照会の記録で点検する
  • 社外のAIの会話の共有機能で、研究データを含む回答が社外の人に見える形になっていないかも確認の対象にする

手順3:テナント側で誰が何を有効にするかを決める

Benchling の側では、4月の発表によれば、管理者がどの接続を有効にするかを選び、利用者は有効にされた接続を個別にオンオフできます。ヘルプの案内では、接続の追加や一覧からの導入はテナントの管理者だけが扱える設定とされています。つまり、社外のAIにどこまで開くかの最初の門は、Benchling のテナント管理者が持っていることになります。

研究開発部門では、この管理者が研究所の情報担当や、特定の研究者が兼務していることがよくあります。そのままにしておくと、研究部門の判断だけで社外のAIへの接続が開かれ、全社の情報管理の担当が知らないという状態になりかねません。有効化の操作は研究部門の管理者が行うとしても、有効にしてよいかの承認は、情報管理の責任者と研究部門の責任者の二者で行うと決めておくのが筋です。

もう一つ決めておきたいのが、有効にする範囲の段階です。最初は研究案件を数個に絞った試行のグループだけに開き、照会の記録と回答の質を見てから広げる、という進め方が無難です。試行の期間に、どんな問いが多いか、意図しない記録が回答に混ざらなかったかを確かめておけば、本格展開の判断材料になります。

手順4:権限の棚卸し——AIは「見られるもの全部」を一度に探す

Claude 側の解説も Benchling のヘルプも、照会は本人の権限に従うと説明しています。これは安心材料ですが、同時に見落としやすい落とし穴でもあります。研究の現場では、共同作業のために広めに閲覧の権限を付けておく運用がよくあり、本人が普段開かない研究案件まで読める状態になっていることが珍しくありません。

人が画面で記録を探すなら、読める範囲が広くても、実際に開くのはごく一部です。ところがAIの照会は、読める範囲の全部を横断して一度に探し、まとめて答えることができます。Claude 側の解説は、上位の研究案件の結果を集めて有望なものを示す、といった使い方まで例に挙げています。広すぎる権限は、AIの接続を開いた瞬間に、集約された情報の持ち出し口に変わります。

そのため、接続を開く前に、研究案件ごとの閲覧権限を棚卸しします。異動した人や退職した人の権限が残っていないか、部門をまたいで丸ごと付けた閲覧権限がないか、共同研究先の利用者が社内の案件を読めないかを確かめます。権限の棚卸しは、AIの接続の前提条件であって、後回しにしてよい作業ではありません。

実験記録の完全性:AIの要約は正式な記録ではない

研究の記録には、いつ誰が何をしたかを示し、後から書き換えられていないことを証明する役割があります。特許の発明日を示す材料になり、医薬の分野では規制当局の査察で示す記録にもなります。Benchling は、米国FDAの電子記録と電子署名の規則であるパート11や、欧州の附属書11に沿って作られていると公表しています。日本でも、厚生労働省が2005年に示した電子記録と電子署名の指針が同じ考え方に立っています。

社外のAIが返す要約は、この記録の外側にあります。Benchling は自社のAIの出力について監査証跡と引用の仕組みを持つと説明していますが、社外のAIの画面で作られた要約や考察は、Benchling の証跡にも署名にも乗りません。その要約を研究者がコピーして実験ノートに貼れば、誰が考えた内容なのか分からない記述が、正式な記録に混ざります。

  • 社外のAIがまとめた試験結果の要約を、出典を確かめずに実験ノートの考察欄に貼る
  • AIが複数の実験から作った比較表を、元の数値と照合しないまま報告資料と記録の両方に使う
  • AIが示した「次に試すべき条件」を、研究者の判断の記載なしに実験計画として記録する
  • 社外のAIの会話の画面を、そのまま研究の経緯の証拠として保存する

対策は単純で、社外のAIの出力は下書きと参考の扱いにとどめ、正式な記録に入れるときは研究者が出典の記録を開いて確かめ、自分の言葉で書くことです。AIを使ったことを記録に残す欄を、ノートのテンプレートに一つ足しておくと、後で経緯を説明するときに困りません。

手順5:AIの書き込みを、研究者のどこで承認するか

照会だけで始めたとしても、いずれ「AIに記録の下書きまで入れてほしい」という要望は出てきます。前に見たとおり、Benchling のエージェントの窓口には記録を編集の対象に指定する仕組みがあり、10月に発表されたエージェントと研究者の分担の仕組みでも、エージェントが記録を取り込み、データを構造化して残すと説明されています。AIが研究記録に書き込む時代は、すでに製品の側では始まっています。

このとき決めるべきなのは、AIの書き込みを研究者がどこで確かめ、どこで確定させるかです。実験ノートの多くの運用では、記録者の署名と、第三者の確認の署名を分けています。AIが下書きを入れたとしても、署名するのは研究者であり、AIの下書きを読んだうえで署名したことが記録から分かる状態にしておく必要があります。手順として次の流れを決めておきます。

STEP1
AIは下書きの領域にだけ書く

AIの書き込みは、正式な記録とは別の下書きの欄や、未確定の状態の記録に限ります。確定済みの記録や署名済みのノートには書き込ませません。

STEP2
研究者が出典と差分を確かめる

研究者は、AIが参照した元の記録を開き、数値と記述が一致するかを確かめます。書き換えた箇所は、AIの下書きとの差が分かる形で残します。

STEP3
研究者が署名して確定する

確定の署名は研究者が行います。AIの下書きを使ったことと、確かめた範囲を記録の所定の欄に書きます。

STEP4
確認者が第三者として読む

規制の対象の試験や特許に関わる実験では、別の研究者が確認の署名を行います。AIの下書きが入った記録は、確認者に必ず分かるようにします。

MCPの経路で書き込みができるかどうかは公開資料で確認できないため、確認できるまでは照会だけの扱いとし、書き込みが可能と分かった時点でこの手順を整えてから開く、という順番を守ります。

逆向きの流れ:MCPクライアントで社外のデータを取り込むとき

4月の発表のもう一つの柱は、Benchling の中のAIが、Notion、SharePoint、Snowflake などのMCPサーバーを通じて社外や社内の別の道具の情報を使えるようにする機能でした。文献の検索や、大量の測定データの保管場所とつなぐ接続も一覧に並んでいます。研究者にとっては、社内の手順書や過去の報告書を、実験ノートの中から参照できる利点があります。

この方向で気をつけるのは、取り込んだ情報が、研究記録の文脈の中で事実として扱われてしまうことです。社内の手順書の古い版や、査読前の論文の情報がAIの答えに混ざり、それが実験の判断に使われると、どの情報に基づいた判断かが後から追えなくなります。答えに出典が示されるか、その出典の版と日付が分かるかを、取り込む接続ごとに確かめます。

もう一つは、取り込み側の接続でも権限が働くかです。たとえば SharePoint の機密の文書庫を研究者全員の Benchling のAIから参照できるようにすると、Benchling 側の権限ではなく、接続した道具側の権限の設計が問われることになります。接続ごとに、誰の資格で取りに行くのかを確かめてから有効にします。

エージェントと研究者の分担:10月の発表が示した線

2026年10月15日、Benchling は工程ごとにエージェントと研究者の役割を分ける新しい仕組みを、顧客向けのプレビューとして発表しました。公式ブログによれば、作り方は二段階で、まず対象の工程や目標を選び、次にどの段階をエージェントが動かし、どこで研究者の承認が要るかを決めるというものです。

発表では、抗体を大量に設計・製造・評価する製薬会社の例として、設計、クローニングの計画と外部委託先への発注、装置への指示とデータの取り込み、結果の解析の各段階をエージェントが担う流れが紹介されています。年次の催しの報告では、重要な判断ごとに研究者が承認すると書かれています。外部委託先への発注までエージェントが行う設計である点は、情シスとしては見逃せません。

この仕組みはまだプレビューで、自社がすぐ使うかどうかは別の判断です。ただ、製品の作り手自身が「エージェントが動く範囲と人が承認する点を、工程ごとに先に決める」という線を示したことは、社員のAIをMCPでつなぐ場面にもそのまま当てはまります。発注や外部へのデータ送付のように社外に影響が出る操作は、エージェントの判断に任せず、必ず人の承認点を置くことを、社内の基準として先に書いておきます。

費用の増え方と、止め方・やめ方

費用の面では、Benchling は一部のAI機能を契約に含めつつ、エージェントとモデルの利用はクレジット制で、各契約に一定のクレジットが含まれると説明しています。社外のAIからの照会が Benchling 側のエージェントや調査の機能を通じて答えを作る以上、照会が増えればクレジットの消費も増えると考えておくのが自然です。開発者向けのエージェントの窓口はベータ中は無料で、エージェント系の価格は一般提供の前に発表するとされています。

費用は社外のAIの側にもかかります。社員ごとのAIの契約に加え、長い回答を何度も受け取る使い方では、AI側の利用の上限に早く達することもあります。試行の期間に、一人あたりの照会の回数と、Benchling のクレジットの減り方を記録しておけば、全社展開の予算を見積もる根拠になります。料金の数字は公開されていない部分が多いため、契約前に書面で確かめることが前提です。

止め方は、二つの入口に対応して二つあります。Benchling のテナント管理者が接続を無効にする方法と、社外のAIの組織の管理者が接続を外す方法です。どちらか片方だけでは、もう片方の経路が残る場合があるため、緊急時の手順書には両方の操作者と手順を書いておきます。やめるときは、社外のAIの側に残った会話と回答の削除の扱いも、契約に沿って確かめます。

つなぐ前のチェックリスト

ここまでの手順を、接続を有効にする前の確認項目としてまとめます。研究部門の責任者と情報管理の責任者が、同じ一覧を見て合意してから開くことを勧めます。

  • 研究データを、進み具合・実験の結果・中核の知財の層に分け、照会の対象から外す研究案件の一覧を作ったか
  • 共同研究や受託の案件で、社外のAIへの照会が相手先との契約に反しないかを法務が確かめたか
  • 社外のAIへの接続を、会社が契約したAIの組織の接続だけに絞り、個人の契約からの接続の扱いを決めたか
  • 接続の有効化を、情報管理の責任者と研究部門の責任者の二者で承認する手順にしたか
  • 研究案件ごとの閲覧権限を棚卸しし、異動者・退職者・共同研究先の権限を整理したか
  • 社外のAIの要約を正式な記録に入れるときの確認と、AIを使ったことを記す欄を決めたか
  • MCP経由の書き込みの可否を書面で確かめ、可能なら研究者の承認の手順を整えたか
  • 照会の記録を誰がどの頻度で点検するかを決めたか
  • 緊急時に、Benchling 側と社外のAI側の両方で接続を止める操作者を決めたか

このうち一つでも決まっていない項目があれば、その項目に関わる研究案件や利用者は、試行の範囲から外しておきます。全部が決まるまで全面的に止めるより、決まった範囲から小さく開くほうが、現場の要望にも応えやすく、統制の記録も残しやすくなります。

よくある質問

本人の権限に従うなら、追加の対策は要らないのではありませんか

権限に従うことは前提として大切ですが、それで守れるのは「見てはいけない人が見る」ことだけです。見てよい人の照会結果が社外のAIの会話に残ること、広すぎる権限がAIの横断検索で集約されることは、権限の仕組みでは防げません。層の分け方と権限の棚卸しを組み合わせて初めて、権限の引き継ぎが意味を持ちます。

Benchling が学習に使わないなら、社外に出ても問題ないのでは

Benchling が説明しているのは、自社のモデルを顧客データで学習しないことです。社外のAIに渡った回答の保存や学習への利用は、そのAIの提供元との契約で決まります。法人契約の条件を確かめ、個人の契約からの接続を許さないことが対策になります。

監査証跡があるなら、AIの要約を実験ノートに貼っても大丈夫ですか

証跡は「誰がいつ何をしたか」を残しますが、内容の正しさや、誰が考えた内容かまでは示しません。社外のAIの画面で作られた要約は、そもそも Benchling の証跡の外にあります。正式な記録に入れる前に、研究者が出典を開いて確かめ、自分の言葉で書く運用にしておくのが安全です。

まず何から始めればよいですか

進み具合の情報だけを対象にした、少人数の試行から始めるのが現実的です。研究案件の進捗や予定をAIに聞ける状態は、知財の流出の心配が比較的小さく、研究者の手間を減らす効果も分かりやすいからです。試行の間に照会の記録と費用の減り方を見て、実験の結果の層へ広げるかを判断します。

まとめ

Benchling が2026年4月に公開したAIの接続は、社員の Claude や ChatGPT から実験記録を引けるようにする一方で、社外のデータを研究基盤のAIに取り込む入口も開きました。公式資料は権限の引き継ぎと監査証跡に触れていますが、社外のAIに渡った回答の扱いと、MCP経由の書き込みの可否は、自社で確かめるべき点として残っています。データの層を分け、入口を組織の契約に絞り、権限を棚卸しし、AIの要約と正式な記録を分け、書き込みは研究者の署名を通す。この順番を守れば、研究の速さを上げながら、未公開のデータと記録の信用を守ることができます。AIに判断させるのではなく、根拠の記録を開く手間を減らす道具として位置づけることが、研究データをAIにつなぐときのいちばん確かな線です。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次