この記事を共有・保存

Xで共有

AUDIO

この記事を聴く

3:35

ログイン情報を確認しています…

本文をもとにした音声版です。

AIに文章を直してもらう。コードを書いてもらう。難しい問題を解いてもらう。目の前の作業が終われば、私たちは「できた」と感じる。

では、翌日AIを閉じても同じことができるだろうか。

この二つは、似ているようで違う。**AIを使った成果**と、**AIを使わずに再現できる技能**だ。2025〜2026年に公表された研究を比べると、AIが仕事を助ける証拠はある一方、学ぶための作業を丸ごと任せる場合には見落としやすい問題がある。本記事の問いは、**AIに助けてもらいながら、どうすれば自分の実力を確かめ、育てられるのか**である。

まず、「完成」と「習得」を分けて測る

例えば英作文の課題で、AIが文法や言葉の選び方を修正したとする。提出した文章の品質は上がるかもしれない。しかし、別のテーマで新しく書くときにも、その言葉を選べるとは限らない。

これはAI特有の話ではない。解答集を見れば問題が終わっても、解き方が身についたとは限らないのと同じだ。違いは、AIなら手直しが自然で速いため、**作業が終わったことを学習の証拠と取り違えやすい**点にある。

そこで、次の二つを分ける。

| 測るもの | 具体例 | 何が分かるか | |---|---|---| | AI利用中の成果 | 納品物の品質、作業時間、解決件数 | その場で何を達成したか | | AIを外した後の技能 | 別問題を自分で解く、誤りを説明する | 支援なしで何ができるか |

この区別を踏まえると、研究結果も正確に読める。

52人の開発者実験:速さより、理解に差が出た

2026年のShenとTamkinによる研究は、Pythonというプログラミング言語を使う開発者52人を対象とした。参加者は、新しい「Trio」という道具を使ってコードを書く。Trioは、処理の待ち時間を扱う仕組みを提供するライブラリ(プログラムで使える部品集)だ。26人はAI支援を使い、26人は使わないよう無作為に分けられた。[1]

課題後には、AIを使わずに、コードの仕組みを理解し、読んで、間違いを直せるかが試された。結果は、**27点満点の理解テストで、AI利用群の平均が非利用群より4.15点低い**というものだった。一方、AI利用群の作業時間は平均では短かったが、主要な分析で統計的に明確な短縮とは判定されなかった。[1]

注目したいのは、AIを使った人が一律に低得点だったわけではないことだ。研究者は利用方法を六つの型に整理し、説明を聞きながら自分で考えるなど、考える工程を残した三つの型では理解が保たれたと述べている。[1]

ただし、六つの型の違いは、参加者を利用スタイル別に無作為に割り当てて確かめたものではない。**「この聞き方なら必ず学べる」という因果関係まで証明したわけではない。** また、実験は特定の開発課題であり、すべての仕事や年齢層にそのまま当てはめられない。論文はプレプリント(査読前の公開研究)だ。[1]

1,222人の実験:答えを得た後、何が起きたか

別の2026年の研究で、Liuらは計1,222人が参加した複数の無作為化実験を報告した。分数の計算や文章の読み取りなどで、AIの支援がある間の成績と、支援を外した後の成績を分けて調べた。[2]

第1実験では、AIを外した後の分数問題の正答率が、AI利用群で**57%**、非利用群で**73%**だった。問題を飛ばした割合も、AI利用群の**20%**に対して非利用群は**11%**だった。[2]

| 第1実験・AIを外した後 | AI利用群 | AI非利用群 | 差の意味 | |---|---:|---:|---| | 正しく解いた割合 | 57% | 73% | AI利用群が16ポイント低い | | 解かずに飛ばした割合 | 20% | 11% | AI利用群が9ポイント高い |

※値は各群の平均を百分率に換算。**人数全体を一つの試験にまとめた値ではない。** この表は第1実験だけを示す。元論文では第1実験の除外条件や離脱率による偏りの可能性も指摘され、続く実験でその点を改善している。[2]

興味深いのは、同研究の別の分析では、AIに**直接答えを出させた人**ほど、支援を外した後の成績や粘り強さが低い傾向があり、**ヒントを求めた人**とは違う結果になったことだ。[2] ただし、利用スタイルの比較には、本人の選び方による違いが混ざり得る。ここから「ヒントだけを使えば必ず上達する」とは言えない。

そして「粘り強さ」とは、人生全般の性格ではなく、実験中に問題を飛ばすかどうかなどで測った行動だ。短時間の実験から、長年のAI利用で人の能力がどう変わるかまでは結論できない。

反対の証拠:仕事では新人がAIから学ぶこともある

ここで、「だからAIを使わない方がいい」と結論するのは早い。

2025年に学術誌『The Quarterly Journal of Economics』に掲載されたBrynjolfsson、Li、Raymondの研究は、顧客対応の担当者5,172人の業務データを分析した。AIの返答候補を見られるようになった後、1時間あたりの解決件数は**平均15%増加**し、経験の浅い担当者の改善が特に大きかった。[3]

このAIは、担当者がそのまま送ることも、修正することも、無視することもできる返答案を提示する。著者らは、新人が経験豊富な人の対応の型を取り込みやすくなった可能性を論じている。[3]

一見すると、先の二つの研究と矛盾する。しかし、測っているものが違う。顧客対応研究の中心は**現実の仕事の成果**であり、プログラミング研究の中心は**新しい概念を一人で理解できるか**だった。また、顧客対応の研究は会社内でAIが順次導入された時期の差を利用した分析で、教育実験と全く同じ設計ではない。[3]

それでも重要な反証である。AIは単に「人の考える力を奪う道具」ではない。設計と使い方によって、経験の少ない人に知識を届ける働きも持つ。

三つの研究から見える、失敗しやすい分かれ道

以上の研究は、仕事や課題が異なるため、効果を足し算して「AIは総合的に何%良い」とは評価できない。代わりに、共通して考えられるのは**自分がどの工程を担当しているか**だ。

**AIに任せてもよい工程**は、時間を短縮すること自体が目的で、完成物を確認できる場合に多い。一方、**自分に残すべき工程**は、身につけたい技能をその場で練習する部分、あるいはAIの誤りに気づくために必要な判断だ。

例えば、英語のメールを今すぐ送る仕事なら、AIによる推敲は合理的かもしれない。だが、自力で英文を作れるようになりたいなら、先に自分の案を作り、修正理由を確かめ、別の文で試さなければ進歩は見えない。

同じAIでも、目的が違えば正しい使い方は変わる。この区別を忘れると、「速く仕上がる方法」を「成長する方法」と誤って採用してしまう。

明日から使える「二つの記録」

ここからは研究で効果が直接実証された学習法ではなく、**FORWARD BASISの提案**だ。使い方を改善するために、結果を二つの欄に記録する。

| 記録する欄 | 毎回残す内容 | 判定の例 | |---|---|---| | 今日の成果 | AIを使った時間、完成度、誤りの数 | 「納品まで40分短縮」 | | 明日の実力 | AIなしで類題に答えられたか、理由を説明できたか | 「類題5問中3問を自力で解けた」 |

手順は単純だ。最初に自分の考えを短く書く。AIに相談する際は答えだけでなく、理由や別の選択肢を求める。最後にAIを閉じ、**同じ答えの暗記では通じない類題**を自分だけで解く。翌日も試せば、その場の記憶だけに頼っていないかを見やすくなる。

ただし「AIを閉じた翌日に試す」こと自体の最適な間隔を、ここで扱った三研究が検証したわけではない。効果を確かめたいなら、AIを使わない練習と比べる、問題の難しさをそろえるなど、自分の記録にも比較条件が必要だ。

FORWARD BASISの結論:AIの評価軸を一つ増やす

**AIを使うか使わないかではなく、何をAIに任せ、何を自分に残すか。** これが今回の研究をつなぐ中心的な判断軸だ。

AIで仕事が速く終わることには価値がある。現場では新人を助ける証拠もある。一方、学習を目的とするなら、AI利用中の成功だけでは技能の伸びを判断できない。無支援での再現を測る必要がある。

FORWARD BASISの独自の整理は、**「成果物の品質」と「支援なしで再現できる力」を別のものさしで測る**ことだ。前者が今日の仕事を、後者が明日の自分を映す。両方を確かめて初めて、AIを近道として使うべき場面と、あえて自分で考えるべき場面を選び分けられる。

SOURCE / 原典

この記事の出典

本文の事実確認に使用した原典です。FORWARD BASIS独自の解釈・整理は本文内で区別しています。

  1. 研究プレプリント[1] Shen & Tamkin (2026), How AI Impacts Skill Formation
  2. 採択論文・原著[2] Liu et al. (2026), AI Assistance Reduces Persistence
  3. 査読済み論文[3] Brynjolfsson, Li & Raymond (2025), Generative AI at Work

SUPPORT FORWARD BASIS

この記事が参考になったら

FORWARD BASISは、根拠に基づく質の高い情報を届けています。記事が役に立ったと感じたら、OFUSEから活動を応援していただけるとうれしいです。

FORWARD BASISを応援する
NEXT BASIS
自己啓発を見る →
自己啓発2026.11.13約5.8分 READ

なぜ世界は「新年を待たずに集中する」のか──The Great Lock-Inを行動科学で検証する

新しい年まで待つより、今日から始めたい。海外SNSで広がる「The Great Lock-In」は、そんな気分を名前にした。しかし、気合いを入れることと、実際に行動を続けることは同じではない。

自己啓発2026.11.13約7.3分 READ

「90日で自分が変わる」は本当か──Winter Arcを一過性の挑戦で終わらせない方法

寒くなり、外に出る理由が一つ減る。そんな季節に「今から変わろう」と呼びかける投稿が再び広がっている。名前はWinter Arc(ウィンター・アーク)。運動、読書、学習など、自分で決めた行動を年末に向けて積み重ねる挑戦だ。「新年まで待たない」という分かりやすい合言葉が、人を動かす。

自己啓発2026.11.13約6.4分 READ

睡眠を「満点」にするほど、よく眠れるのか——Sleepmaxxingの科学と、減らすべき努力

睡眠を記録する指輪、最適な室温、入眠のための音、口に貼るテープ。Sleepmaxxingは「眠りをもっと良くする」という魅力的な約束を並べる。しかし、眠りは点数を競う競技ではない。科学的に支持される習慣と、SNSで目立つだけの方法を分けると、むしろやることを減らした方が合理的な場面が見えてくる。