AIが仕事の中に自然に溶け込んできた今、資料の下書きも、メールの文面も、ちょっとした調べ物も、気づけばAIに聞くのが当たり前になっている人は多いはずだ。それ自体は悪いことではない。だが便利に使えば使うほど、実は静かに失われていくものがあるとしたら、どうだろうか。複数の研究が示しているのは、AIに「考えること」を任せすぎる人ほど、自分で考える力が弱くなっていくという事実だ。一方で、使い方さえ間違えなければAIは仕事にも学びにも大きな武器になることも、データで裏付けられている。分かれ目がどこにあるのかを、研究データをもとに見ていきたい。

POINT 01AIに書かせると、脳の使い方が変わる

アメリカ・MIT(マサチューセッツ工科大学)のメディアラボが、興味深い実験を行っている。参加者を「自分の頭だけで文章を書くグループ」「検索エンジンを使って書くグループ」「ChatGPTを使って書くグループ」の3つに分け、脳波(EEG)を測定しながら、複数回にわたって文章を書いてもらうという実験だ。

結果は、はっきりとした差になって表れた。自分の頭だけで書いたグループは、脳のさまざまな領域が最も活発に、そして幅広くつながり合って働いていた。一方、ChatGPTを使って書いたグループは、脳の働きが最も弱かった。さらに、ChatGPTを使い続けていた人が今度は道具なしで書くことになると、脳のつながりの弱さがそのまま引き継がれてしまうことも分かった。一度楽を覚えた脳は、道具を取り上げてもすぐには元の働き方に戻らないということだ。

加えて、ChatGPTを使ったグループは「これは自分が書いた文章だ」という実感が最も薄く、数分前に自分が書いたはずの内容を正確に思い出せない人も多かったという。研究チームはこの状態を「認知的負債(コグニティブ・デット)」と呼んだ。使った分だけ、後で自分の思考力から差し引かれていくようなものだ、というわけだ。

これは学生の作文に限った話ではない。企画書の骨子やお客様へのメールの文面をAIに任せきりにするとき、私たちの頭の中でも同じことが起きている可能性がある。一度や二度なら問題はないだろうが、「考える前にまずAIに聞く」が習慣になったとき、自分の頭で考える回路そのものが少しずつ使われなくなっていく、という理屈だ。

POINT 02「間違っていても信じてしまう」という怖さ

ペンシルベニア大学ウォートン校の研究チームは、対面で参加した359人に、じっくり考えないと正解できない問題を出し、AIチャット(ChatGPT)に相談してもよい、という条件で解いてもらう実験を行った。AIの答えには、正しいものと、わざと間違えたものが混ぜてあった。実際にAIに相談したのは、全体の約半分の問題だった。

その結果、AIに相談した場面では、AIが正しい答えを出したときは9割以上の人がそれを採用した一方、AIがわざと間違った答えを出したときも、およそ8割の人がそのまま鵜呑みにしてしまった。正答率で見ると、AIなしで解いた人は約46%、AIが正しかった問題は約71%、AIが間違っていた問題は約32%だった。つまり多くの人は、AIの答えが合っているかどうかを自分の頭で吟味せず、「AIが言うなら正しいはずだ」と判断を丸ごと預けてしまっていたことになる。研究チームはこの現象を「コグニティブ・サレンダー(考えることの明け渡し)」と名付けた。

これは他人事ではない。たとえばAIに見積書のたたき台を作ってもらったとき、単価の掛け算を一箇所間違えていたとしても、出てきた数字を「AIが計算したから合っているだろう」とそのまま信じてしまえば、間違いに気づけないままお客様に送ってしまうことは十分にありうる。お客様への返信メールの文面や、社内資料の数字も同じだ。AIは自信満々に、間違った答えも正しい答えと同じ口調で返してくる。声のトーンや自信の度合いから間違いを見抜くことはできない。

ただし、注目したいのはこの8割の裏にいる、残りの2割の存在だ。同じAIを使い、同じように間違った答えを見せられていながら、鵜呑みにせず踏みとどまった人たちがいる。この差はどこから生まれるのだろうか。

POINT 03AIにできないこと、人間にしかできないこと

ではなぜ、AIの答えは間違っていることがあり、私たちはそれに気づきにくいのか。認知科学者の今井むつみ氏の考え方が、そのヒントになる。

生成AIが得意なのは「帰納推論」、つまり大量のデータからパターンを読み取り、最もそれらしい答えを組み立てることだ。一方、人間が本来得意とするのは「アブダクション推論(仮説形成推論)」、つまり自分なりに仮説を立て、それを自分で検証し、間違いに気づいたら修正するという思考のプロセスだ。今井氏は、誰かに教えられた答えをそのまま覚えるだけの知識はほとんど役に立たず、自分の頭で仮説を立てて検証して得た知識こそが本当に使える知識になる、と説いている。

AIの答えをそのまま受け取ることは、パターンの中から一番もっともらしいものを渡されているだけで、自分で仮説を立てて検証する経験にはならない。この「自分で考えて、試して、間違いに気づいて直す」というサイクルを省略し続けると、考える力の土台そのものが鍛えられないままになってしまう。

たとえば「なぜこのお客様は急に発注を減らしたのか」を考えるとき、AIに聞けばそれらしい理由をいくつか提示してくれる。だがそれは過去の似た事例パターンからの推測にすぎない。本当に力になるのは、自分なりに「たぶんこうだろう」という仮説を立て、実際にお客様に一本電話をして確かめ、外れていたら考え直す、という自分自身のプロセスの方だ。AIの答えは、その仮説を立てるときの材料の一つとして使えばいい。

POINT 04正しく使えば、これだけの武器になる

ここまでは、AIの危うさに焦点を当ててきた。しかし、正しく使えばAIは驚くほど大きな力になることも分かっている。ハーバード大学とボストン コンサルティング グループが758人のコンサルタントを対象に行った実験では、GPT-4を使ったグループは、使わなかったグループに比べて、タスクを12.2%多くこなし、作業スピードは25.1%速く、成果の質は40%高いと評価された。特に恩恵が大きかったのは経験の浅い層で、下位グループの成績は43%、上位グループの成績は17%それぞれ向上しており、AIが経験の差を埋める道具にもなり得ることが示されている。

ただしこの研究では、AIが得意な範囲の外側にある課題に使った場合は、逆に成果が落ちるという結果も出ている。得意・不得意の境目を、研究者は「ジャギッド・フロンティア(ギザギザの最前線)」と呼んだ。つまり闇雲に使うのではなく、AIの土俵を理解した上で使いこなすことが、成果を引き出す条件になる。

教育の現場でも、似た結果が出ている。世界銀行がナイジェリアで行った調査では、高校1年にあたる800人の生徒にAI(Copilot)を使った英語学習を放課後に6週間行わせたところ、通常の学校教育の1.5〜2年分に相当する学力の伸びが見られた。効果は成績の下位層にも上位層にも表れ、特に大きかったのは女子と、もともと成績が高かった生徒だった。授業は、教師が進行役として毎回のテーマを示し、AIを使う生徒を見守る形で進められていた。ここでも、生徒に自由に使わせるのではなく、教師が方向づけをしながら使わせることが前提になっていた。

危ないからといって避けるのではなく、得意な範囲を理解し、手綱を握りながら使うことで、AIは仕事にも学びにも大きな武器になる。

まとめ：鵜呑みにしないための、3つの心がけ

鵜呑みにしなかった2割の人が実際に何をしていたかは、この実験からは分からない。ただ、鵜呑みを防ぐ鍵は、AIの答えを最終回答として受け取るのではなく、自分の判断で「たしかめる」「直す」という一手間を挟むことだと私は考えている。たとえば夏休みの問題集に、答えがそのまま載った別冊が配られていたとして、それを解かずに丸写しするだけなら力はつかない。AIに答えをそのまま聞いて写すのは、これと同じことだ。一方で、「どう解けばいいか」「どう覚えればいいか」をAIに教えてもらい、そのあとクイズ形式で繰り返し、苦手なところを分析して弱点をつぶしていくような使い方なら、AIは学びを助ける道具になる。

仕事でも同じだ。「資料を作って」と丸投げして、出てきたものをそのまま使うのではなく、「ここに課題があるから、こういう提案にした方がいい」と方向性を示し、出てきたものに手を加えながら仕上げていく。AIの出来栄えは、使う人が「手綱」をどれだけ握れているかで大きく変わる。鵜呑みにせず、自分の手で手綱を握り続けられるかどうかが分かれ目になる。そのために、次の3つを心がけたい。

1. 先に自分なりの仮説を持つ：AIに聞く前に、「たぶんこうだろう」と自分の考えを一度言葉にしてから答え合わせをする。
2. 重要な数字・事実は自分で裏取りする：見積もり、お客様への回答、社内の数字など、間違えると影響が大きいものほど、AIの答えを鵜呑みにせず自分の目で確認する。
3. AIの答えを「たたき台」として扱う：出てきた答えをそのまま使うのではなく、一度自分の言葉に直したり、本当にそうかを考え直したりする一手間を挟む。

AIは、うまく付き合えば私たちの仕事を大きく助けてくれる道具だ。だからこそ、便利さに甘えて考えることまで手放してしまわないよう、疑いながら使うという姿勢を持っておきたい。