| iter 6 で残った弱点 | iter 7 での対応 |
|---|---|
| (1) 「結論づけた／結論づけている」近接2回 | Parasuraman「結論づけた」→「明らかにした」（メタ分析の文脈）、Simonton「結論づけている」→「論じている」（理論モデルの文脈）。論文タイプに応じた動詞差別化 |
| (2) 第4章「承認=判断機会」補助条件不足 | 「もちろん、すべての承認に同じ強度の議論を要求するのは現実的ではない。意思決定の重さと頻度に応じて、影響範囲が大きい案件や、AIの推論プロセスが不透明な案件に絞って人間議論を強制する設計が現実的だ」を追加 |
| (3) Lee et al. fact-check | 論文本体（dl.acm.org Abstract）で確認済み。"higher confidence in GenAI is associated with less critical thinking, while higher self-confidence is associated with more critical thinking" は論文の main findings として明示、付随発見ではない。N=319、936 first-hand examples 付き。表現修正不要 |
| (4) 第3→4章「類比論証」ブリッジ暗黙 | 第4章冒頭に「実際、先のLee et al. の調査で見たように、自分の判断経験の蓄積から生まれる自己効力感こそが、AI時代の批判的思考を支えていた[6]。BVSR が創造性について示した構造は、判断力にも同じ形で当てはまる」を追加。創造性モデル→判断力への類比飛躍を Lee et al. の実証で橋渡し |
| (5) 「のような構造」フォールバック表現 | 「業務フローや評価指標のような構造」→「業務フローや評価指標──組織が外側から用意する仕組み」。「ような構造」のヘッジを削除し、組織が外側から介入する具体的役割を明示 |
Vol.10で「エージェンティックAIと組織設計」を、Vol.11で「Superagency」と疲弊の構造を扱った。組織側の話が続いたので、今回はカメラを人間の内側に向ける。AIが入ってくる世界で、人は何を考えなければいけないのか。
エージェンティックAIの議論では、一つの定型句が繰り返されている。「AIが分析・要約・パターン認識を担う。だから人間は、判断と倫理と高度なコンテキスト解釈に集中すればよい」。Josh Bersinの「HR 2030 Agentic Vision」も、マッキンゼーの「エージェンティック組織」レポートも、ほぼこの構図で人間の役割を整理している[1][2]。
私もこの整理に賛成だった。だが最近、ある違和感が消えない。
人間に残るとされる「判断する力」は、どこから来ているのか。生まれつき備わっているものではなく、試行錯誤の経験から育つ筋力ではないか。だとすれば、AIがその試行錯誤の機会そのものを奪い始めたとき、判断力は本当に「人間に残る」のか。
私は今年2月にメモに、こう書いた。「AIに奪われるのは試行錯誤の経験」。今回はこの命題を本気で展開してみたい。
これは新しい論点ではない。人間工学の世界では、Lisanne Bainbridgeが1983年に「Ironies of Automation（自動化の皮肉）」という論文を書いている[3]。要旨はこうだ。自動化が進むほど、人間オペレーターの役割は「異常時の介入」に純化する。だが、平常時にシステムを動かしていない人間は、異常時に介入する技能そのものを失っていく。
ここで起きているのは、単なる技能の劣化ではない。人間とシステムの関係性が質的に変わるのだ。参加者から監視者へ。監視という認知姿勢は、参加よりずっと曖昧で持続しにくい。だから自動化された環境ほど、人間の構えそのものが脆くなる。
40年以上経った今、これがホワイトカラーの業務でも同じ構造で起きている。
ParasuramanとManzeyは2010年、領域横断の23本の研究を統合し、意思決定支援システムへの依存が「自動化への過信（automation complacency）」を生むと明らかにした[4]。注目すべきは、このパターンが訓練を受けた専門オペレーターでも、警戒態勢を意識的に維持しようとする参加者でも、領域を変えても繰り返し再現された点だ。個人の意識や能力では押し戻しにくい認知傾向だということである。GPSと空間記憶の関係についても、DahmaniとBohbotの2020年の研究で直接的な証拠が出ている。横断研究では習慣的なGPS使用者は非使用者と比べて自力ナビゲーションのスコアが有意に低く、3年の縦断追跡でもGPS使用が多い人ほど空間記憶の低下幅が大きかった[5]。便利な外部支援を使うこと自体が、内部の認知資源を削っていく。
最近の生成AI研究も同じ方向を指している。Microsoft ResearchとCarnegie Mellon Universityによる319人のナレッジワーカー調査（2025年）では、生成AIへの信頼が高い利用者ほど、業務における批判的思考の頻度と多様性が低下していた[6]。興味深いのは、この調査で AIへの信頼と利用者自身の自己効力感（自分の能力に対する自信）が逆方向に効いていた点である。AIへの信頼が高いほど批判的思考は減り、自己効力感が高いほど批判的思考は保たれていた。同じAI利用でも、何を頼りにするかで結果が分かれた。AIの出力を「もっともらしい」と感じた瞬間、人は自分で検証するプロセスを省略する。同時に、自分の判断力を信じている人ほど、その省略を踏みとどまる。
つまり、ツールが優秀になるほど、人間の思考プロセスは外注される。これは技術的な事実だ。問題は、この事実をどう扱うかである。
価値判断の入り口として、まず取り上げたいのが、最も頻繁に出る反論だ。「定型作業をAIに任せれば、人間はもっと創造的な仕事に集中できる」。直感的には正しそうに聞こえる。だが、創造性とは何かを少し考えると、この主張には穴がある。
Simontonが半世紀の研究を統合した「盲目的変異と選択的保持（BVSR: Blind Variation and Selective Retention）」モデルは、創造性を 大量の試行のなかから有用な変異を選び取るプロセス として定義する[7]。Darwinの自然選択を認知に適用したモデルで、芸術・科学・発明のいずれの領域でも、創造的成果は「失敗作の山」の上にしか立たないと論じている。創造性は、試行錯誤の蓄積そのものなのだ。BVSRが含意するのはこういうことだ。優れた成果には「試行の母数」が要る。母数を細らせる仕組みは、選び取る対象そのものを枯らす。
ここでAIに何が起きているか。AIに下書きを任せた瞬間、構造の試行錯誤はAI側で完結する。人間に届くのは「もっともらしい」第一案だけだ。Risko & Gilbertが「認知のオフロード（cognitive offloading）」と呼ぶこの現象の含意は、外部に出した認知作業は人間の内部表象を構築する機会も同時に外に出してしまうということだ[8]。便利さと引き換えに、内側の構造形成が起きなくなる。つまり AI は、BVSR が前提とする「試行の母数」を、人間の側から静かに引き抜いていく。
「効率化された分の時間で創造的なことをすればよい」という言い方は、創造性の筋力が AI とは無関係に育つことを前提にしている。だがBVSRの言い方を借りれば、その筋力は試行錯誤の機会から育つ。AIがその機会を吸い上げる以上、別経路で意図的に確保しない限り、創造性は育たない。意識的に設計しなければ、AIで空いた時間は別の業務に吸われ、創造性の筋力は別経路でも育たないままになる。
創造性が試行錯誤の蓄積であるなら、判断もまた経験の蓄積から育つ。実際、先のLee et al. の調査で見たように、自分の判断経験の蓄積から生まれる自己効力感こそが、AI時代の批判的思考を支えていた[6]。BVSR が創造性について示した構造は、判断力にも同じ形で当てはまる。では、その経験をどう守るか。個人と組織の両側から見る必要がある。
個人レベルで重要なのは、「AIに頼らない時間」を意識的に確保する習慣だ。AIに問う前に「自分なら何と答えるか」を先にメモする。AIの答えと自分の答えがどう違うかを比較する。違いがあったとき、なぜ違うかを言語化する。この往復が、判断する筋力の維持運動になる。Microsoft/CMUの調査でも、自分の能力に対する自己効力感が高い人ほど、AIを使っても批判的思考を維持していた[6]。「AIにどう問うか」よりも「AIに問う前に何を考えるか」のほうが、長期的にはずっと重要なのだ。
組織レベルが必要なのは、個人の意志は業務の自動化圧力に長期的に勝てないからだ。ParasuramanとManzeyの研究も、意識的に注意を維持しようとする個人ですら、時間とともに自動化への過信が徐々に侵食することを報告している[4]。自覚しても止まらない傾きを、自覚に任せて止めることはできない。だから止めにかかるのは、個人の意志ではなく、業務フローや評価指標──組織が外側から用意する仕組みの側にならざるを得ない。AIが意思決定支援を担い始めたとき、人間の評価指標を「処理量」や「効率性」だけに置けば、判断する経験は急速に削られる。AIが提示した選択肢を選ぶだけの仕事が増え、なぜその選択肢が正しいかを問う仕事が減る。これは個別施策の問題ではなく、業務フローそのものの構造的な問題である。
HRの役割は、効率化のKPIの隣に「判断機会のKPI」を置くことだと考えている。最も効くのは、AIが出した提案を採用する前に、人間が議論するプロセスを業務フローに組み込むことである。 承認は儀式ではなく判断機会である、と位置づけ直すだけで、日常業務のなかに判断の場が復元される。もちろん、すべての承認に同じ強度の議論を要求するのは現実的ではない。意思決定の重さと頻度に応じて、影響範囲が大きい案件や、AIの推論プロセスが不透明な案件に絞って人間議論を強制する設計が現実的だ。次に来るのが、ジョブローテーションの目的を「経験の幅を広げる」から「判断の文脈を意図的に変える」に置き換える設計。新人育成では、AIの答えを与える前に、自分で考えて答える時間を必ず取る。これらは効率を一時的に下げるが、判断する筋力を組織として保つコストとして引き受ける必要がある。
これらに共通するのは、判断する経験を業務構造に埋め込む設計 になっているという点である。経験は意志に任せても安定的に確保されない。だから業務フローそのものに判断機会を組み込まなければ、忙しさのなかで判断する経験は脇に追いやられる。
設計の方向は前章までで示した。だが導入の現場では、設計図と実装のあいだに固有のギャップが生まれる。ここでは現場で繰り返し見てきた3つの典型的な落とし穴を挙げておく。
これら3つに通底するのは、Bainbridge（1983）が自動化研究で示した洞察である[3]。技能は、参加することによって保たれる。監視するだけでは保たれない。Bainbridgeの元の文脈は産業オペレーターだが、AI時代のホワイトカラー業務でも構造は同じだ。実地で判断する経験が、判断する技能を維持する。判断という参加を日常業務に組み込み続けない限り、KPI も研修も方針も形骸化する。罠を避ける鍵は、特別な施策を増やすことではなく、判断する経験を日常に埋め込むことにある。
これらは「AIを使うな」という話ではない。AIを使う前提で、人間の側の筋力を退化させないために、意識的な摩擦を残す設計である。
AIが代わりに考えてくれる時代こそ、人は「考える練習」を意識的に続けないと、考える力そのものを失う。
別の言い方をすれば、こうなる。AIを持つ人間は、AIを持たない人間より強い。だが、AIに考えてもらった人間は、AIに考えてもらわない人間より弱い。
この非対称性を理解することが、AI時代の人材戦略の出発点である。
この論考は、AIに下書きを任せず、自分で構造を考えるところから書き始めた。書きながら、AIに「論旨はどうか」と問うた瞬間に、自分の判断より「AIがもっともらしい」と言うほうに引っ張られそうになる感覚があった。本論考が指摘している現象を、書きながら自分自身で観察できたことが、皮肉ながら一番の収穫だった。
来年、ある本が出る予定で、書き続けている。AIと人間の関係について、もう少し長い射程で考えていることを書いた。出たらまたお知らせする。
[1] Bersin, J. (2026). Introducing HR 2030: A Vision for Agentic Human Resources. JoshBersin.com. https://joshbersin.com/2026/04/introducing-hr-2030-a-vision-for-agentic-human-resources/
[2] McKinsey & Company. (2025). The agentic organization: Contours of the next paradigm for the AI era. https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-agentic-organization-contours-of-the-next-paradigm-for-the-ai-era
[3] Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775-779. https://doi.org/10.1016/0005-1098(83)90046-8
[4] Parasuraman, R., & Manzey, D. H. (2010). Complacency and bias in human use of automation: An attentional integration. Human Factors, 52(3), 381-410. https://doi.org/10.1177/0018720810376055
[5] Dahmani, L., & Bohbot, V. D. (2020). Habitual use of GPS negatively impacts spatial memory during self-guided navigation. Scientific Reports, 10, Article 6310. https://doi.org/10.1038/s41598-020-62877-0
[6] Lee, H. P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (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. Microsoft Research / Carnegie Mellon University.
[7] Simonton, D. K. (2011). Creativity and discovery as blind variation: Campbell's (1960) BVSR model after the half-century mark. Review of General Psychology, 15(2), 158-174. https://doi.org/10.1037/a0022912
[8] Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676-688. https://doi.org/10.1016/j.tics.2016.07.002