AIは人を賢くするのか―AI活用による「育成阻害」

生成AIは、極めて便利な道具であることはすでに多くの人が実感するところとなった。しかし同時に、「頼りすぎていて不安になる」「自分で考えなくなってきた」という不安の声も多く聞かれる。

実際、この２年ほどで生成AIと人の能力・スキル向上との「相性の悪さ」を指摘する研究は、欧米を中心に急速に積み上がってきている。その多くは、AIを使うほど能力が伸びるのではなく、むしろ失われる方向すら示し始めている。これはAIの利用が人材育成全体を困難にするという皮肉な事態を招きつつある。

本コラムでは、この育成阻害の現象をAIによる「アンチ・スキリング（Anti-Skilling）」と総称し、その中身を整理したい。断っておくが、これは「AIを使うな」という話ではない。使い方を設計しなければ、能力形成に生じる副作用を抑えることは難しい。

真の問題は「仕事を奪われること」ではなく、「能力が空洞化すること」

筆者が企業の人事担当者やマネジャーと話していると、AIと育成をめぐって、決まって同じ種類の困惑に出会う。

「若手が持ってくる資料の質は、明らかに上がった。ただ、中身について突っ込んで聞くと答えられない」
「議事録も、簡単な調査も、下書きも全部AIがやってくれる。じゃあ、新人には何をやらせればいいのか」
「１年目とベテランの成果物が、見た目には区別がつかなくなった。育っているのかどうかが分からない」

働く本人の側からも、別の種類の声が上がる。

「自分で考える前に、まずAIに聞くようになった。これでいいのかと思うことはある」
「効率は上がった。でも、この１年で自分が何かできるようになった実感はない」

AIとスキルをめぐる議論は、しばしば「AIに仕事を奪われるか」という雇用の話に流れがちだ。だが本コラムが扱うのは、仕事は手元に残ったまま、それを遂行する人の能力向上の機会がAIに奪われるという現象だ。

AI依存は容赦なく進む

パーソル総合研究所の調査「AI環境における人材とマネジメントに関する定量調査」は、生成AIの利用頻度別に「AIへの依存状態」を尋ねている。結果は、グラフのとおりである。すべての項目で、使う人ほど依存度が強くなっている。

「迷うとき、自分で決めるよりAIの方向に従うほうが楽だ」「仕事の課題を、自分で考える前にまずAIに聞くことが多い」といった項目では、週４日以上利用するヘビーユーザーが顕著に高く、３割弱に跳ね上がる。「AIで考えた内容を自分の考えとして整理しきれないことがある」も23.5%となり、自分が考えたのか、AIが考えたのか、その境界が判然としない状態である。

なお、最も高い数値がついたのは「人よりAIに話すほうが気楽に感じることがある」の31.6%だった。ヘビーユーザーの約３人に1人が該当する。AI依存は認知だけでなく、対人関係の側にも及んでいる。

こうしたAI依存のヘビーユーザーへの偏りを見ると、AIが普及すればするほど一気に加速することは容易に想像できる。おそらく、１年後、２年後に再調査すれば、これらの数字はすべて高まっているだろう。

AIが招く５つのアンチ・スキリング

AI依存による能力やスキル・思考への副作用は、ただの不安ではなく現実のものとしてさまざまな角度から研究されつつある。いずれもまだ因果の特定まで至っているわけではないが、今分かってきていることを筆者なりに整理すると、AIによるアンチ・スキリングの様相は以下の５つの異なる事態が同時に進行している^※1 。順に見ていきたい。

① デスキリング ― AIを外した瞬間に、スキルが落ちている

最も分かりやすいのが、もともと持っていたスキルや判断能力の衰退を示す「デスキリング」である。

2025年に掲載された内視鏡医を対象とした研究では、AIを導入した後、医師が「AIを使わないとき」の腺腫発見率が28.4%から22.4%へと有意に低下したことが示されている^※2 。AIを使えないときの状態の、素の技能が落ちているのである。

同じ現象は、より一般的な知識労働でも観測されている。マイクロソフトとカーネギーメロン大学が知識労働者を対象に行った調査では、AIの能力を信頼している人ほど、出力に対する認知的努力（Cognitive Effort）が低下していた ^※3。自ら考える力を、自らAIへと外部化しているのだ。

英国の別の研究では、AIツールの利用頻度と批判的思考力の間に有意な負の相関が確認された ^※4。しかも、この関係を媒介していたのが、「認知オフローディング」、すなわち思考を道具に預ける習慣だった。AIに考える工程を渡してしまう「思考の外注化」が、批判的思考を損なう可能性を示唆するものだ。

なお同研究では、若年層ほどAI依存が高く批判的思考スコアが低い一方、学歴の高さが負の効果を一部緩和していた。省察する習慣そのものが、防波堤になりうるという示唆である。

② ミス・スキリング ― AIの癖を、そのまま覚える

２つ目は、能力が落ちるのではなく、誤ったものが身についてしまうという「ミス・スキリング」である。

使っていればすぐに実感するように、AIは構成や言い回し、論理展開などに独特の「癖」がある。それを日常的に浴び続ければ、人はそれを標準として学習する。AIのバイアスや間違いを、疑うべき対象としてではなく、模倣すべき型として取り込んでしまうのだ。

スペイン・デウスト大学の研究者らは、参加者に架空の医療診断課題を行わせ、一方の群には系統的な誤りをわざと持たせたAIのサポートを与えた。その結果、支援を受けた群はAIと同じパターンの誤りを犯すようになったという。

そして、さらに示唆的なのは、参加者の80.7%は、AIの推奨に誤りがあることに気づいていた。気づいた上で、なお従っていたということだ。そしてAIを取り去った後も、その誤りは続いた。AIの偏りが、本人の判断基準として定着したのである^※5 。

研究者らはこれを「バイアスの相互継承」と呼ぶ。AIは人間のデータから偏りを受け継ぐ。そして今度は、人間がAIから偏りを受け継ぐ。両者は、閉じたループの中で互いの歪みを増幅し合う。

多くの人は、システムの誤りをそのまま受け入れてしまいがちということは、人間工学の分野では「自動化バイアス」として古くから知られてきた。これは、自動化されたシステムの推奨を過度に信頼し、自分の判断より優先してしまうことを指す^※6 。生成AIの出力は極めて流ちょうで、体裁が整っている。その滑らかさは、正確さの証拠ではないにもかかわらず、私たちはそれを信じてしまいがちということだ。

③ ネバー・スキリング ― タスクの「だるま落とし」

３つ目は、そもそも能力を伸ばす機会が与えられない、というネバー・スキリングである。これは特に未経験入社の多い日本の雇用習慣にとっては致命的ともいえるアンチ・スキリングの側面だ。筆者はこれを、タスクの「だるま落とし」と表現している。

下から順に、エントリーレベルの仕事が叩き抜かれていく。上に載っている高度な仕事は、当面そのまま残る。このときそのタスクに付随していた学習機会や具体的な実務経験ごと、抜かれている。

ここで、生成AIの利用用途で多いのは、資料・文書の作成、情報や資料の整理・要約、メールや議事録の作成である。いずれも、長らく育成対象である若手が担ってきた仕事でもある。

議事録を書くから会議の論点やクライアントの思考が頭に入ったり、資料の下書きを何度も直されるから、自組織での文章作法を覚えたり、データを地道に整理するから、数字の癖と異常値の感覚が養われるといった経験は、AIによって根こそぎ奪われようとしている。

この領域についても実証研究が出始めている。あるプログラミングに関する研究では、プログラミング学習タスクをAI利用群と非利用群で比較し、クイズで習熟度を測定した結果、AI使用群の習熟度は約17%も低かったという^※7 。

カリフォルニア大学の研究では、AI利用群はAIを停止した後に正答率が低下しただけでなく、回答放棄も増加した。この傾向は数学・読解・批判的思考のいずれでも再現されている^※8 。同研究は、こうしたことを、「生産的苦闘（the productive struggle）の消失」と呼んでいる。

AIは、うまくいかない時間、行き詰まる時間を丁寧に取り除いてしまう。これは人の成長を促すちょっとした背伸びの機会、ストレッチの機会を奪うことは間違いない。

④シュード・スキリング ― 「できるようになった」という錯覚

４つ目の「シュード・スキリング」は、最も厄介である。

これは、能力が落ちているにもかかわらず、自分では上がったと感じるということを示している。

この錯覚は、説明深度の錯覚（Illusion of Explanatory Depth）と呼ばれる。人は物事の仕組みについて「わかっている」と感じているが、実際に説明を求められても説明できない。自転車がどう動くかを説明できる人は、思っているよりずっと少ない。

厄介なのは、外部の情報源に触れると、この錯覚がかえって強まることだ。例えば、インターネットで答えを検索した人は、検索とは無関係の領域についてまで、自分の知識を過大評価するようになるという ^※9。人は、AI以前から、外にあった知識を、自分の中にあるものと取り違えがちなのである。

そして生成AIは、この勘違いをさらに増幅するかもしれない。

大学生を対象とした実験では、同じ内容のテキストを読ませても、AIから受け取った群のほうが、自己評価の伸び幅が大きいことが示された。ところが、書かれた説明そのものを評価すると、AI群のほうが不正確だった^※10 。人手による評価でも、語彙の多様性や意味的な整合性といったテキスト分析でも、同じ方向の結果が出ている。

生成AIとのやりとりは、チャットの往復を通じて進む。単なる検索にはないこのやり取りの往復は、資料を黙って読むよりもはるかに強い「わかった」という感触を生むのかもしれない。

職場では、この弊害は「上司」への負荷となって現れる。

パーソル総合研究所の調査で上司の負荷を尋ねると、部下がAIヘビーユーザーである上司ほど、「部下のAI作成物に誤りがある」「部下がAI作成物の内容を理解できていない」という項目が突出して高い。自分が提出したものの中身を、本人が説明できない。この現象を、すでに現場の上司の側は日常的に目撃している。

このまま、レベルの低い成果物と、本人の自己認知が乖離したまま年次だけが上がっていけば、いずれ「AIなしでは何もできないが、自信満々に仕事をする」層が組織に堆積することになる。

⑤パッシブ・スキリング ― 学びが、内向きになる

最後の類型は、学習行動そのものの変質である。

パーソル総合研究所の調査は、2025年10月時点からAIを継続的に利用している層を半年後に追跡調査している。そこで見えたのは、学びの重心の移動だった。

継続利用層で顕著に増えた学習行動は、「AIの使い方・活用に関する学習」、「研修・セミナー、勉強会などへの参加」、「趣味の読書」といったインプット型の学習である。一方で減ったのは「大学・大学院・専門学校への通学」、「資格や技能取得のための学習」、「副業・兼業・社外の組織での業務への参加」。いずれも具体的な行動を伴う、実践型の学習である。

そして同じ期間、この層のアニマル・スピリット（衝動的な好奇心）の平均値はほとんど動かなかった。

AIを使い続けた半年間で、学習は内向きになり、「机上の空論」に寄っていくことが示されている。これはまさに、AIへの依存が総合的に行動に現れているものとして見ることができる。そして、AI環境で重要な特性として本調査が位置づけるアニマル・スピリットの平均値は、この間に伸びていなかった。

「AIを使わせれば、そのうち人が育つ」「仕事を実地で積み重ねれば、だんだん一人前になる」という育成観は、データの上では支持されない。AIの利用時間は、AI環境で必要な能力の育成時間ではないのである。

では、何が人を育てるのか ― AIから「離れる」経験

アンチ・スキリングとして悲観的な話が続いたが、AIが学習を助ける側面も、研究からは示されている。たとえばハーバード大学で物理学の授業で行われた研究では、学習目標に合わせてカスタムされたチューターAIを使った学生は、より短い時間で２倍以上多く学んでいた^※11 。

ただ、この例は、学習させることを目的として設計されたAI利用だ。職場での多様な仕事のために、AIが自由に使われている状況ではない。AI時代の人材育成の方向は、やはり組織が促す必要があるだろう。

では、それはどのような方向だろうか。

パーソル総合研究所の調査からは、育成の方向性についても定量的な示唆が得られている。結論からいえば、「AI依存」によるアンチ・スキリングを防ぐ鍵は、やはりAIの「外側」にある。

分析の結果、AI環境で重要となる思考・マインドに対してプラスの関連が確認された仕事経験は、３つであった。

手触り経験：サービスや商品が届いている「現場」を見る、仕事について誰かと対面で本気で議論する、顧客や同僚から直接感謝される、といった身体的・対人的な経験である。これは立体思考に対してとアニマル・スピリットに対してと、群を抜いて強い関連を示した。

見渡し経験：部門連携や複数関係者のプロジェクト推進、組織の戦略・企画立案、部下や後輩の育成といった、組織や人を俯瞰する経験である。

踏み出し経験：出向、副業・兼業、社外勉強会、海外勤務など、組織を越境する経験だ。こちらはアニマル・スピリットとの関連が強い。より大規模な調査からは、立体思考との関連も示されている ^※12。

ここでひとつ、意外な結果も紹介しておきたい。大きなトラブルや事業撤退といった修羅場経験は、立体思考に対してマイナスだった。修羅場が人を育てるという言い伝えは、少なくとも複数視点と長い時間軸を養うという意味では支持されない。極限状況は、視野を狭めるのである。

AI時代の育成の方向性は、「冒険探索型」と「認知拡張型」の組み合わせである

その他、調査からは、AI環境において重要な思考・マインドと、学習スタイルとの関連なども明らかになっている。アニマル・スピリットは「人を巻き込んで学ぶ」「失敗を乗り越えて学ぶ」スタイルと正の関係。立体思考は、「掘り下げて学ぶ」「意味づけて学ぶ」スタイルと正の関係にある。「楽しんで学ぶ」「学びを広げる」スタイルは共通して正の関係が見られた。

注目すべきは、この２つが交換可能ではないという点である。読書をいくら重ねてもアニマル・スピリットは育たず、副業や社外活動をいくら経験しても、それだけで立体思考が育つわけではない。育てたい特性ごとに、経路が違う。片方に寄った施策は、片方に寄った人材を生むことになる。

こうしたことを総合的に勘案し、施策に落とすなら、AI時代の育成アプローチは大きく２つになる。

まず、アニマル・スピリットを育てるには、「仲間と集まって失敗できる機会」を増やすことだ。

小さく試せる場をつくる、失敗談の共有を奨励する、試した人が得をする評価にする。実際の事例でいえば、「しくじり先生」型の事例共有会、挑戦プロセスを評価するストレッチ評価、ラーニング・コミュニティといった施策がある。

すでにコラム「AI時代のハイパフォーマーは何が違うのか―『速く動けるいいヤツ』の時代の終わり」では、アニマル・スピリットが年を追うごとに下がるという現象を示唆した。「失敗を許さない」組織において一人で失敗すれば、それは損失として記憶される。だが仲間と一緒に失敗すれば、笑い話にも、共有された知見にもなる。誰かが一緒に受け止めてくれる見込みがあるとき、人は次も新しい挑戦に手を伸ばせる。

思考の立体性を育てるには、「今の当たり前」を相対化させる機会を増やすこと。物事の背景・文脈・歴史を知る、いつもの仕事から離れる経験を与える、経験から何を学んだかを言語化する。外部副業のあっせん、企業コラボでのPBL（プロジェクト学習）、哲学対話、クロス・メンタリングなどがこれにあたるだろう。

前提を疑うためには、疑うための「別の前提」を知る必要がある。長い時間軸で考えるには、数カ月、１年といった短いパフォーマンスだけを追っているだけでは難しい。今の「当たり前」を相対化する力は、無から生み出すことはできない。別の前提に触れた経験の蓄積が、そのまま視点の数になる。

そして、２つの学びに共通するのは、いずれもAIの利用の「外側」にある経験や学びである点だ。本コラムで見てきたアンチ・スキリングは、「AIに頼りすぎないよう気をつけましょう」という啓発で解決する話でも、個人の心がけの問題でもない。AIを使い倒すという仕事の仕方とは「別」に、育成プランを設計する必要がある。

おそらくこのままのAI依存が続けば、今後５年間で特に若手の育成課題は噴出するのではないかと筆者は感じている。組織による「育成の洗い替え」がこれほど必要になる時代もないだろう。

おわりに

AIは人を賢くするのか。本コラムが並べた研究は、いずれも真逆の答えを示しているように見える。

学習が内向きになるのも、若手から下積みの仕事が消えるのも、理解の伴わない成果物が流通するのも、いずれもAI活用という、合理的な行動の積み重ねとして起きている。だが、合理的だからこそ、個人の意志では止まらないだろう。

これは、「人は、AIに任せればいい」という話ではない。「AIを使う」だけでは実際にパフォーマンスは上がらないことは、コラム「AIで生産性は上がるのか―個人の時短が組織成果につながらない３つの理由」ですでに述べたとおりだ。

このアンチ・スキリングを止められるとすれば、それはやはり組織の育成とマネジメントの側からである。何をAIに任せ、何をあえて人にやらせるのか。誰が成果物の背後を問い返すのか。立体的に考える力と、アニマル・スピリットをどう守り、育てるのか。

AIは人を賢くするのかという問いの答えは、AIの性能ではなく、その問いに組織がどう答えるかで決まる。