AIは私たちを賢くするのか。
それとも、賢くなったような錯覚を与えるのか。
AIに質問すると、わずか数秒で答えが返ってきます。
複雑な資料を要約し、企画書を組み立て、難しい概念を説明する。
かつて何時間もかけていた仕事が、驚くほど短い時間で終わるようになりました。
素晴らしい技術だと思います。
けれど、私はここで一つ、不思議に感じることがあります。
AIが優れた答えを出せるようになることと、それを使う人間が賢くなることは、同じなのでしょうか。
例えば、ある問題についてAIに尋ね、筋道の通った説明を受け取り、その内容に納得したとします。
私たちは確かに答えを手に入れました。しかし、その答えが間違っていたとき、自分の力で気づけるでしょうか。
・別の状況でも、同じ考え方を応用できるでしょうか？
・AIを閉じたあと、自分の言葉で説明できるでしょうか？
ここに、AI時代の知性を考えるための興味深い境界があります。
答えを手に入れることと、理解することは違う
少し、身近な場面を想像してみましょう。
あなたは新しい事業を始めようとしています。しかし、どの市場へ参入するべきか判断できません。
そこでAIに相談します。
「これから成長する市場を分析して、最も有望な事業を提案してください」
AIは市場規模、競争環境、収益性などを整理し、一つの事業を推薦してくれました。
その内容は説得力があり、資料としても整っています。
では、あなたは事業について深く理解できたのでしょうか。
必ずしも、そうとは限りません。
・AIが提示した市場規模の前提が古かったら？
・成長率は高くても、参入障壁が極端に高かったら？
・何より、その事業があなたの資金、経験、価値観と合っていなかったら？
ここで問題になるのは、AIの回答能力だけではありません。
何をもって「有望」と判断するのか。その評価基準を誰が決めたのか。
この違いは、かなり重要です。
AIが答えを生成しても、その答えを採用する理由まで十分に理解できているとは限らないのです。
AIは思考を奪うのではなく、思考の場所を変える
認知科学には「認知的オフローディング（Cognitive Offloading）」という概念があります。
簡単に言えば、人間が頭の中で行っていた認知的な作業の一部を、外部の道具や環境に任せることです。
買い物リストを紙に書く。計算機を使う。予定をカレンダーに登録する。
これらも、広い意味では認知的オフローディングの例です。
人間は昔から、道具を使って思考や記憶の負担を減らしてきました。
そしてAIは、その範囲を大きく広げました。
記憶や計算だけではありません。文章の構成、情報の比較、仮説の生成、さらには判断の材料を組み立てる作業まで支援できるのです。
では、その結果、人間は考えなくなるのでしょうか。
ここで興味深い研究があります。
2025年に発表されたMicrosoft Researchなどの研究では、319人の知識労働者から、生成AIを仕事で使用した936件の事例を収集・分析しました。
その結果、AIへの信頼が高いほど、本人が報告する批判的思考の実施が少ない傾向が見られました。一方、自分自身の作業能力やAIの回答を評価する能力に自信がある人ほど、批判的思考を行う傾向がありました。
さらに研究者たちは、生成AIによって思考の仕事そのものが変化することを指摘しています。
- 情報を集める仕事は、情報を検証する仕事へ。
- 答えを作る仕事は、生成された答えを統合する仕事へ。
- そして作業を実行する仕事は、作業全体を監督する仕事へ。
私は、この変化が非常に興味深いと感じています。
AIは人間から思考を一方的に奪うわけではありません。
人間が思考を働かせる場所を、別の工程へ移動させる可能性があるのです。
もちろん、この研究は主に自己申告に基づく調査であり、AIが長期的な思考能力の低下を引き起こしたと証明するものではありません。
それでも、見逃せない示唆があります。
私たちは、考える時間が短くなったことを、考える必要がなくなったことと混同していないでしょうか。
AIと考える人は、AIの答えを完成品だと思わない
同じAIを使っていても、思考の進め方には違いが生まれます。
先ほどの事業相談を例にしましょう。
ある人は、AIが推薦した事業について、さらに詳しい説明を求めます。収益モデル、競合、必要な準備。AIの回答が充実するほど、計画も完成に近づいていきます。
もう一人は、少し違う質問をします。
「この結論が間違っているとしたら、どの前提が最も疑わしいでしょうか」
「市場が成長していても、個人事業主にとって不利になる条件は何でしょうか」
「私が重視するのは最大利益ではなく、少ない固定費と長期的な自由です。その基準なら結論は変わりますか」
この人は、AIに逆らうことを目的としているわけではありません。
AIが組み立てた結論を、自分自身の判断材料へ変換しているのです。
私は、ここに「AIと考える」という行為の本質があると考えています。
AIの提案を疑うことだけが重要なのではありません。
AIが見落とした条件を補い、自分の目的と照らし合わせ、必要なら前提そのものを組み替える。
そのとき、AIは結論を渡す装置から、思考を広げるための相手へと変わります。
そして、この使い方ではAIに賛成することも、もちろんあります。
重要なのは反論の数ではなく、結論に至る判断を自分で引き受けているかどうかです。
AIに頼ると、本当に学習能力は下がるのか
この問題を考えるうえで、もう一つ紹介したい研究があります。
2025年に学術誌『PNAS』に掲載された、高校生の数学学習に関する実験です。
研究者たちは約1,000人の高校生を対象に、GPT-4を利用した学習支援の効果を調べました。
使用したAIには、大きく二つのタイプがありました。
一つは、一般的なチャットAIに近い形式で問題解決を助けるもの。
もう一つは、すぐに答えを教えるのではなく、教師が設計したヒントを中心に学習を支援するものです。
結果は興味深いものでした。
AIを利用した生徒は、練習問題に取り組んでいる間、高い成績を示しました。
しかし、通常のチャットAIに近い支援を受けたグループでは、AIを使えない試験になると、AIを使わなかったグループより成績が低くなりました。
一方、ヒント中心のAIを使ったグループでは、そうした成績低下がほぼ解消されました。ただし、AIを使わなかったグループに対して、独力での試験成績が明確に向上したわけでもありません。
ここから何が言えるでしょうか。
AIが学習に悪い、という単純な話ではありません。
AIを使っている間の成果と、AIを使えない状況でも発揮できる能力は、別々に評価する必要がある。
このことです。
答えを得ることが目的なら、直接答えを示すAIには大きな価値があります。
しかし、解く力を身につけることが目的なら、答えを教えすぎる支援が逆効果になる場合もある。
同じ便利さが、目的によって利点にも弱点にもなるのです。
だからといって、すべてを自分で考える必要はない
ここまで読むと、「AIに頼りすぎず、自分の頭で考えるべきだ」という結論を予想するかもしれません。
けれど、私はそうは考えていません。
人間の認知能力には限界があります。
膨大な資料を読んで比較し、複数の仮説を検討し、細かな情報をすべて記憶する。そのすべてを一人で担うことが、知的な理想だとは思いません。
例えば、数百ページの技術資料から特定の仕様を探す作業をAIに任せたとします。
浮いた時間を使って、技術の将来性や導入する価値をじっくり検討できたなら、それは思考の放棄でしょうか。
私はむしろ、思考資源の有効な配分だと考えます。
ただし、要約が誤っていれば、その上に築いた判断も揺らぎます。だから重要な根拠は原文に戻って確かめる必要があります。
つまり、どの作業を任せるかは、目的とリスクによって変わるのです。
私たちが新しい能力を獲得したいときには、試行錯誤そのものに価値があります。
一方、すでに理解している定型作業なら、自動化によって負担を減らす価値があるでしょう。
この二つを区別しないまま「AIに任せるのは悪い」と論じるのは、技術の可能性を狭めてしまいます。
大切なのは、考える量を減らさないことではなく、何について考えるかを選べることです。
私が考える、AIとともに思考するための設計
では、AIを思考の道具として使うには、どのような工夫ができるでしょうか。
私は、三つの働きを区別すると理解しやすいと考えています。
第一に、思考を広げること。
自分一人では思いつかなかった仮説、反対意見、異なる分野の知識をAIから受け取ることです。
第二に、思考を検証すること。
提示された情報の根拠を確認し、矛盾を探し、どの条件で結論が変わるのかを調べることです。
第三に、思考を自分のものにすること。
得られた材料を、自分自身の目的や価値判断と結びつけることです。
例えば、AIに新しいビジネスを提案してもらう場合なら、次のような対話が考えられます。
「まず、異なる条件で成立する事業案を三つ示してください」
「それぞれの案が失敗するとしたら、最も重要な原因は何でしょうか」
「私の資金、得意分野、生活上の制約を考慮して比較してください」
「最終的に何を選ぶかは自分で判断するので、結論が変わる条件を整理してください」
これは唯一の正しいプロンプトではありませんし、質問を増やせば必ず質が上がるわけでもありません。
それでも、単に最適解を一つ求める場合とは、対話の構造が異なります。
AIを答えの供給者として使うだけでなく、自分の考えを検討するための道具として使っているからです。
ただし、ここで忘れたくないことがあります。
AIに反論を生成させても、その反論が正しいとは限りません。複数の回答を比較しても、同じ誤った前提を共有している可能性があります。
AIとの対話が深まったように見えることと、外部の世界について正しい理解が得られることも、また別なのです。
だからこそ、重要な判断では一次資料や実際の結果へ立ち戻る必要があります。
AI時代に価値を増すのは、答える能力だけではない
少し視野を広げてみましょう。
人類は、長い時間をかけて知性を支える道具を発明してきました。
文字によって記憶を外部へ残し、印刷によって知識を広く共有し、検索エンジンによって膨大な情報へアクセスできるようになりました。
AIは、その延長線上にありながら、一つの特徴を持っています。
情報を保存したり探したりするだけでなく、問いに応じて新しい文章や仮説を生成できることです。
この変化によって、私たちは以前より多くの答えに、より短い時間で触れられるようになりました。
けれど、答えを得ることが容易になっても、消えない問題があります。
何を実現したいのか。
何を犠牲にしたくないのか。
どの不確実性を受け入れ、どのリスクを避けるのか。
ある答えが技術的に正しくても、自分にとって望ましいとは限りません。
ここには、情報処理の能力だけでは解消できない、人間自身の価値判断があります。
私は、AI時代における人間の知性の価値は、単に答えを速く出す競争から、どの問いを立て、何を根拠に選ぶのかという領域へ、さらに広がっていくのではないかと考えています。
もちろん、問いを立てる作業自体をAIが支援することもできます。
人間だけが問いを生み出せる、という話ではありません。
それでも、自分の人生や仕事に関わる選択について、何を大切にするかを決め、その結果を引き受ける主体は、簡単に置き換えられるものではないでしょう。
おわりに――AIが賢くなるほど、人間は何を考えるのか
「AIに考えてもらう人」と「AIと考える人」。
この記事では二つを対比してきましたが、現実の人間を明確に分類できるわけではありません。
誰でも、疲れているときには答えだけを求めることがあります。
急いでいるときには、AIの判断をそのまま採用することもあるでしょう。
反対に、普段はAIに多くの仕事を任せている人が、たった一つの重要な判断に何時間も思考を費やすこともあります。
私が大切にしたいのは、人間を二種類に分けることではありません。
自分が今、AIに何を任せ、何を自分で考えようとしているのか。その境界を意識できることです。
AIの答えによって、思考を終えることもできます。
AIの答えをきっかけに、それまで考えもしなかった問いへ進むこともできます。
そのどちらが適切かは、目的によって変わります。
私が技術に期待するのは、人間からあらゆる思考の負担を取り除く未来だけではありません。
知識の不足や作業の制約によって、これまで十分に考えられなかった問題に、私たちが向き合えるようになる未来です。
AIが答えを出す。
人間は、その答えを眺めながら、新しい問いに気づく。
そして、その問いがまた、次の発見を連れてくる。
優れた技術とは、思考を終わらせるものではなく、思考の届く場所を広げるものでもある。
私は、そんなAIの可能性を探究し続けたいと思っています。
参考文献・研究資料
- Lee, H.-P. et al. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. CHI 2025. https://doi.org/10.1145/3706598.3713778
- Bastani, H. et al. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences. https://pmc.ncbi.nlm.nih.gov/articles/PMC12232635/
著者：エーテル｜NUMEN ATLAS AI・テクノロジー
コメント