日常的にAIを使う人の中には、最初の下書きを繰り返しモデルへ任せたあと、以前より自力で作業を始めにくいと感じる人がいます。この感覚だけで、能力が永久に失われたとは証明できません。自分が維持したい能力を練習する機会が、現在の作業手順に残っているか確認する理由にはなります。
この記事は、文章作成、プログラミング、分析にAIを使うことへの反対論ではありません。学習につながる部分までAIへ任せている作業を具体的に見つけ、自分が維持したい少数の能力について、自力で行う練習を作業の流れに残すための方法です。
証拠が実際に示すこと
2025年6月、MIT Media Labの研究者は、54人の参加者がLLM、検索エンジン、自力執筆という三つの条件でエッセイを書く様子を調べたプレプリント、Your Brain on ChatGPTを公開しました。著者らの分析では、条件間でEEG接続性に違いがあり、自力執筆群が最も強く、LLM群が最も弱い結果でした（Kosmynaほか、MIT Media Lab、2025年）。著者らは「認知的負債」という言葉を、結果を解釈するための比喩として使っています。この研究は、臨床上の疾患、永久的な障害、AIを使うたびに必ず害が蓄積するという用量反応関係を立証したものではありません。
この研究で考える価値がある結果は二つあります。第一に、LLM群は自分が書いたばかりのエッセイに対する自己申告の所有感が最も低く、終了から数分後に自分の文章を正確に一行引用できない参加者も多くいました（プレプリント全文、arXiv:2506.08872）。第二に、注意すべき制約はあるものの、前向きに解釈できる結果もあります。任意参加の第4セッションを完了したのは54人中18人だけで、9人ずつが反対の条件へ移りました。LLM条件から自力執筆へ戻った9人では、脳内ネットワークの結合が弱い状態が見られました。一方、自力執筆からLLM支援へ移った9人では、記憶から思い出す力が高まり、集中して書くことに関係する脳領域が再び活発になりました。ただし、第4セッションでは、参加者が以前にも書いたことのあるテーマを扱っています。そのため論文は、これを「なじみのあるテーマでLLMの利用を認められた場合」の結果として説明しており、この研究設計だけでは、作業順序の効果と題材への慣れを分けられません。
この結果は、自動化バイアスの研究で論じられる、より広い考え方とも重なります。「認知的倹約家」と呼ばれる、人がその時点で最も思考の負担が小さい選択肢へ流れやすい傾向です（What is Wrong With Automation Bias?、Philosophy & Technology、2026年）。AIによる流暢な下書きは、ほとんどの場合、最も負担の小さい選択肢です。だからこそ、自然に適切な使い方へ落ち着くと期待せず、意識して別の手順を組み込む必要があります。
よくある誤解
「AIを使うと頭が悪くなる」と考えるのは誤りです。永久的かつ全員に当てはまる主張としては証明されておらず、研究が述べていることでもありません。MITの研究は、54人を4か月間調べた一つのプレプリントです。実務上とくに興味深い第4セッションの結果も、戻ってきた18人、各条件9人にもとづきます。測定可能な短期的傾向を示す証拠ではありますが、元に戻らない認知機能低下の証明ではありません。研究者自身も、結論が確定したとはせず、より深い調査が必要な問いを提起する結果だと述べています。
より正確で役に立つのは、もっと限定した主張です。上達したい作業で自力の試行を省くと、その能力を育てるための負荷も失われます。 これはAIに限った話ではありません。問題へ挑戦する前に解答を写す学習者が、まず自分で考えてから答えを確認する学習者より学びにくいのと同じです。AIは、ほぼどの作業にも常に近道を用意します。その近道をあえて使わない判断は、以前より意識的に行う必要があります。
能力を維持するための確認
繰り返すタスクについて、AIの使い方を決める前に四つの問いを立ててください。
- これは伸ばしている能力か、単に終わらせたい作業か。 定例の進捗報告を書くのは、終わらせたい作業です。説得力のある議論の組み立て方を学ぶのは、伸ばしたい能力です。同じツールでも使い方は異なります。
- 自力で正直に試すならどのような形になり、時間を区切れるか。 モデルを開く前に10分ほど自分で試すだけでも、何をまだ理解していないかが見えやすくなります。そこが、AIとの会話に時間を使う価値のある部分です。
- AIを使う段階では、自力の試行だけでは得られなかった何を加えるか。 フィードバック、反対意見、速い第二稿、自分では思いつかなかった表現などです。AIは具体的な価値を追加すべきで、作業そのものを置き換えるだけであってはいけません。
- 後日、その作業をまだ自力でできるか、どう確認するか。 定期的に独力で確認しなければ、能力の変化は、その能力が必要になった日にツールが使えない、信頼できない、状況に合わないと分かるまで見えません。
| タスク種別 | ベースライン（自力の試行） | 支援フェーズ | 独立チェック | レビュー周期 |
|---|---|---|---|---|
| 説得力のある議論を書く | ツールを使わず、短い粗案を書く | 弱い点の補強と反対意見をAIに求める | ときどき全文を自力で書き、以前の試行と比べる | 学習者が決める |
| 自分のコードをデバッグする | ヒントを求める前に、原因の切り分けを試す | 切り分け方を確認させ、見落とした原因を提案させる | 同程度の問題をツールなしでデバッグする | 学習者が決める |
| 外国語の一文を書く | まず自分の文を書く | 訂正と、その理由の説明をAIに求める | 短い会話を自力で行い、新たに分かった弱点を記録する | 学習者が決める |
| 業務見積もりの計算 | 手計算する | 電卓または独立して確認した数式で検算する | 同程度の見積もりをもう一度自力で計算する | 学習者が決める |
完全版のAI利用における能力維持チェックには、この表を空欄にしたものと、自分の作業、基準、確認日を記録する欄があります。
安全、法律、医療、金融に重大な影響を及ぼす作業では、自力で最初に出した答えを、そのまま行動の根拠にしてはいけません。この確認方法は、意図的な練習で能力を維持するためのものです。AIを使う段階へ進む前に、誤った最初の答えによって害が生じ得る作業で、検証を省くための方法ではありません。
作業の順序が特に重要な場面
MIT研究の第4セッションで、以前に書いたテーマについて、自力執筆からLLM支援へ移った9人に見られた結果は、比較を決着させるには人数が少なく、ほかの要因も分離できていません。それでも、費用をかけずに試せる習慣を示唆しています。新しいことを学ぶときは、出来が悪くても、助けを求める前に粗い試行をしてください。一方、すでに能力があり、同種の成果物を大量に作る場合は判断が変わります。たとえば、似たメールを何十通も書いてきたプロの書き手や、定型コードを書く開発者にとって、自力の反復を一回増やす効果は小さいかもしれません。AIを使った意図的な練習では、試行、評価基準、フィードバック、再試行という一連の流れを説明しています。この原則を、一度きりの決意ではなく繰り返せる習慣にする方法です。
この考え方は、AIへ何を任せるかという、より広い判断にもつながります。新しく繰り返す作業については、AIへ任せるべきでない作業を見分ける六つの観点でも確認してください。その中の「能力」という観点が、漠然とした不安ではなく、個々の作業についてここで検討している問いです。
よくある罠：警戒を恒久的な努力にする
反対側の落とし穴は、そもそも伸ばそうとしていなかった能力まで失うのではないかと不安になり、何もかも自力で行って疲れ切ることです。文章力を保つために、すべてのメールをAIなしで書く必要はありません。この方法を使う価値があるのは、自分が重要だと決めた少数の作業であり、仕事全体ではありません。維持したい具体的な能力と、その理由を挙げられないなら、その作業は「意識して維持する」より「自由に任せる」側に置ける可能性があります。
今日試す
繰り返している作業のうち、現在はAIへ全面的に任せているものの、今後も自力でできるようにしておきたいものを一つ選んでください。その作業に合う短い時間を決め、ツールを使わずに試します。そのあと、自力の試行で難しかった部分にだけAIを使ってください。作業、条件、日付を基準として記録します。無理なく続けられる間隔で同じ確認を繰り返してください。この記事では、科学的に検証された一律の間隔を定めていません。
