AI利用と知的能力低下に関する研究
AIを使っていると自分がアホになっているんじゃないかという感覚ありませんか。 今日はこれをテーマに深掘りしてポッドキャストで話してみたいと思います。
まず、いきなり自分の感覚を喋るのは一旦やめてですね。 いろいろリサーチしてきた研究データとかあるので、これをまずご紹介してみたいというふうに思っております。
私はこのAI活用の研究のプロフェッショナルではないので、クロードコートに調べさせて出てきたデータを元にそれを読んで、つまりこういうことだよねみたいなことを話しているので、もしかしたら言っていることが若干違うかもしれないんですけれども、そういう前提で聞いていただければと思います。
もう一つ今回引用した記事、それから論文というのは2025年から2026年にかけて発表されたものだけに絞っています。
これはなぜかというとモデルの性能によって話が変わってくるからですね。 以前であればGPT-3とか4Oとかありましたけど、今であればFable5みたいな非常に賢いモデルも出てきているというところで、
そういう昔のGPT-3とか4Oみたいな時代の文献を見てもあまり参考にならないのかなというふうに思ったためです。
ではまず1個目からいきたいと思います。
それではまず一つ目のテーマですね。この肝であるアホになるのかという話からしていきたいと思うんですが、論文をいくつかご紹介していきます。
まず一つ目がYour Brain on Chat GPTという論文です。
これはどういう論文かというと、MITのメディアラボで電極をつけてノウハウを測る状態にしてエッセイを書かせました。
それのノウハウの活動を測ったというものですね。
これはどういう対象群であったかというと、
54人に対してラージランゲージモデル、つまりChat GPTを使った群と、あとは検索エンジンを使った人、それからツールなし、サラで何もツールを使わずにという人で分けてエッセイを書かせてノウハウを測ったという実験になっています。
このノウハウが一番働いたのは、これは直感とすごく一致しているんですけれども、ツールを使っていない人が一番、次が検索エンジンを使った人、最後がラージランゲージモデル、つまりChat GPTを使った人という風になっています。
もう一つ追加で検証したことがあって、
LLMを使った層というのは、これを自分で書いた文章だという感覚が一番低いんですね。
なので、書いた後にあなたはどういう文章を書きましたかって聞いたときに、自分が書いた文章、おそらくChat GPTで書いた文章をコピペした人だと思うんですけど、自分が何て文章を書いたか引用できないということが分かりました。
これはつまりどういうことかというと、AIに書かせた文章っていうのは自分の記憶とか知見になっていかないという話かなというふうに思いました。
ではどんどん紹介していきますけど、次が認知的幸福という論文です。
これは2006年の文で、どんな研究かというと、ペンシルベニア大学でChat GPTを使える人と使えない人に問題を解かせて、AIの答えをどれくらい検証せずに受け入れるかというのを測ったものですね。
この研究によるとChat GPTを使える状況だと50%の人がChat GPTに依存します。
かつAIに相談したケースの80%でこれ間違ってるんじゃないかと検証することがなくそのまま採用してそれを答えとして出してしまったというものがありました。
かつもう一つ面白いのはChat GPTを利用した人は回答への自信、これは間違ってないって思う割合が10%高まるということが研究で分かりました。
この論文で言えるのはつまりAIが間違ってたという場合に人はAIなしの時よりも成績が悪くなる。
つまりAIが間違ってましたっていうのを検証しないので成績が悪くなると。
AIが間違っているときですね、検証が悪くなる。
かつ間違った答えだとしてもこれは間違ってないって自信が高まるという話だと思います。
では次の論文紹介していきますね。
次はアールト大学が行ったAIは賢くするが賢明にしないという2025年10月の論文でございます。
こちらはどういった研究かというと、AIを使った人は自分がどれぐらいできたかを正しく把握できるのかという研究でした。
これはどういうふうにやったかというと、500人に対して論理的推論問題。
フェルムツイッターみたいなものだと思うんですけど、そういう推論問題を解かせてチャットGPTありで解かせました。
解いた問題に対して自分は何問できたと思うか、どれぐらい正解できたかっていうのを申請させたという論文になっています。
この結果はまずそのAIを使うと成績が上がりますっていうのが分かりました。
これはもちろんそうですよね。今時って何も調べずにやるよりかはGoogle検索した方が上がるでしょうし、
なんならチャットGPTとか使った方がより良い結果が出るでしょうっていうところが明らかかなと思います。
でももう一つ言えるのは自己評価ももっと上がったんですね。
自分が間違ってないという答える、この答え間違ってないという回答する割合がさらに増えたと。
AI使ってない人に対して。これが結構恐ろしいかなというふうに思いました。
かつこの論文で書かれていたのは、AIを使いこなしている人材ほど、つまりITリテラシが高い人材ほど、
AIの答えを妄信する傾向にあるというのが分かったという論文でございました。
なので、AIを使いこなせているという人は、AIが出ている回答は間違った回答がありますよねというところは知っているので、
AIの出力を疑うというふうにインセンティブが働くと思いきや、むしろAIの回答の確かなしさを判断できない。
もうちょっと肌ができないというか、AIが出てきたのが間違いないだろうと許してしまう。判断が緩くなってしまうというところかなというふうに思っておりまして、
AI詳しいという自認と、あとはそのAIが出てきた回答が正しいという判断できるというところは、逆の相関があるというところが分かりましたという論文ですね。
この3つの論文を今ちょっと1回ご紹介したのでまとめると、AI使った使ってないで比較すると、
AIを使ってしまうと自分が書いたエッセイを思い出せないみたいな感じで、知識なれっちが頭に残っていかないということ。
それから、AIが答えを間違ってしまった場合だとしても、AIに聞いた問題であればこれは間違ってないというふうに思い込んでしまう割が高くなるということ。
かつ最後に言えるのは、AI使いこなしてますみたいな人、私もこのポートキャストやってるくらいなので、
AI使いこなしてる側にどっちかというと入るんじゃないかなと思うんですが、こういう私みたいな人こそむしろ、
AIが出てきた回答に対して妄信してしまう、ちょっとその判断が緩くなってしまうということが明らかになりましたという話でした。
では次の観点で話していきたいと思うんですが、次に話していきたいのはエンジニアに閉じた話ですね。
AIとコーディングスキルの関係
クロードコードとかを使うことによって、カーサーとかを使うことによってコードを書くのが早くなりましたというのは体感ベースであると思うんですが、
それが本当にきれいなコードなのかとか、ちゃんとメンテナンスできるのかとか、自分はちゃんと理解できているのかみたいなのを調べた論文を2つ見ていきたいと思います。
まず一つ目に紹介するのはアンソロピックのAI支援はコーディングスキルの形成にどう影響するのかという2026年1月の論文記事ですけれども、
これはどういう研究かというと、AIで早くなると、さっき言ったようにコードを書くのは早くなるのは散々測られてきたんだけど、
AIを使った後にそのコードをちゃんと理解してますかという研究がなかったので、それを調べたというものになっております。
この被験者はPythonの経験1年以上ある人のエンジニア52人でやりました。
大半がジュニアエンジニアですという状況で、とあるPythonの非同期系ライブラリを使うプログラミング課題を渡してやってもらいました。
まずこの課題を解いてねというのをやってもらいました。
これをやるときにAI使っていいよという群と、AI使わないでやってねという群でやりました。
これを解いてもらいました。
これを解いてもらった後に理解度クイズをやりました。
というときにクイズの平均点がAI使った群は50%で、AI使わなかった手書きでやった群は67%の正解率になりました。
これは17%の差ですけれども、これは統計的に差が出ているということが書いていたので、明らかな差があると言っていいと思います。
この結果でまず一つ言いたいのは、50%と67%の正解率ですねと17%ですねという感じなんですが、
これジュニアのエンジニアで50%正解していると67%正解しているってものすごい差だと思うんですよね。
この17%の差がずっとずっと毎日毎日日々日々積み重なっていくわけですよね。
例えばAI使って盲信してコードを書く人と、AI使わないで書く人によって自分の知識が17%をどんどん積み重なっていくと考えると、
非常に恐ろしい結果かなというのが明らかになったかなというふうに私は理解しています。
かつこのAIを使った人もこの使い方のパターンで結果が終われたというのが一つ明らかになっていて、
低得点の人はつまり平均点が40%未満の人というのはどういうAIの使い方をしていたかというと、
一つはAIに丸投げをした。それからエラーが出るたびにAIに投げ返す。
このエラーが出たコピペして貼り付ける皆さんやると思うんですけどこういうことをやっている人は低得点でしたと。
一方で高得点だった人というのは生成された後に追加で質問する。
なんでこういう受信にしたんですかって聞くとか、後はコードと一緒に説明も要求する。
これってどういうコードでどういうふうな意味で書いてるんですかって説明をしてもらうとか、
後はエラーが出た時にエラー修正してってやるんじゃなくて、これはどういうエラーなのか聞いて修正したら自分でやるみたいなことをすると、
高得点でした。65%以上の成功率でしたということが明らかになりました。
つまるところこの論文記事をまとめると、コードを自力で書くという能力を習得しようと思ったら、
当然AIなしの方が身につきます。
使うとしても丸投げするんじゃなくて、ちゃんと自分で理由を納得して、
自分でも書ける、AIがなくても自分で書ける状態になるまで質問をするというふうにしないと全然ダメだと。
昔のようにAIがない時代のようにスキルは習得できないということを示してるんじゃないかなと思います。
ではもう一つ参考になるデータをご紹介すると、GitClearという会社が出していた保守性のギャップという2026年のドキュメントでございますが、
このGitClearというのはどういう会社かというと私も知らなかったんですけども、
コードの変更を解析する分析ツールの会社のようですね。
なので実際のコミット履歴をたくさん持っていてどういう変更があったのかというのをデータとして大量に持っているから分析ができたというような会社です。
それでこの会社が何を分析したかというと、2023年から2026年にかけた6億行のコード変更を分析しましたというものですね。
昔から今のAI時代に至るまでどういう変化があったかというと、増えたものは何かというとコードブロックの重複が80%増えました。
コミット内のコピペが40%増えました。
エラーを隠蔽するような公文が47%増えました。
それから書いて2週間以内に書き直されるリストが15%増えましたというものです。
一方で減ったものは何かというと、リファクタリングによる行の移動が70%減りました。
ファイル間の関数の呼び出しが35%減りましたということが明らかになりました。
これは一言で言うと、書くということはスピードアップしたんだけど、
直すとかまとめるとか再利用しやすいように保守性高いように書き直すというのは減っているということが明らかになりました。
つまるところ、今2つご紹介した論文をまとめると、バイブコーディングだけだとすぐにエンジニアリングのナレッジが頭打ちになっていくというのの正体が明らかになったかなというふうに思っておりまして、
まずアンソロピックの実験によって明らかになったのは、AIに丸投げしてしまうとどんどん自分の頭に身につかないですよねということが分かりました。
もう一個Gitクリアによると、傾向としてAIによってコードの保守性が下がっていってしまっているということが明らかになりました。
これはつまるところAIを盲信してしまって、保守性とかコードがどういう意味で書いているのかとか、コード全体がどういう位置関係にあって、
他に重複されている実装ロジックがないかみたいなことを理解せずに実装してしまうみたいなことが起きている背景なんじゃないかなというふうに思うんですが、こういうことが起きています。
つまりAIを盲信してしまうと分かっていない状態だけがどんどん積み上がってしまって、個人的にはそうですし会社としてはコードのメンテナンス性がどんどんそういう人ばっかりが開発してしまうとメンテナンス性が落ちてしまうということが明らかになったこの2つのドキュメントかなというふうに思います。
AI活用のポジティブな側面と注意点
さてここまではAI、どっちかというとネガティブな話ばっかりしてきたので、AI使っていいパターンというかこういう使い方をするといいぞというものもあったので、ちょっと公平性の観点からいくつかご紹介したいなというふうに思います。
まず一つ目は、生成AIが高スキル労働に与える影響という論文ですね。これは2026年に公開されたものですけれども、どういったものかというと、実在する会社の中で行われた業務、マイクロソフトとかアクセンチュアとかみたいになだだる有名な企業で行われた開発者5000人ぐらいの規模で行われた実験なんですけれども、
これはどういうことがわかったかというと、完了したタスクが26%増えましたと。AIを使うことによって。加えていうと経験が浅い開発者ほど導入率も高いし生産性も上がったということがわかりましたということですね。
つまりAIを使うことによって仕事は以前よりもより前に進むようになった。完了タスクが増えているのでより前に進むようになったという研究結果かなというふうに思います。では次にご紹介するのはガードレールのない生成AIは学習を阻害するというドキュメントペーパーですけれども、これはどういったものかというと、
トルコの学校で行われた数学の生徒で行われた1000人に対して行われた実験なんですが、2種類のAIチューターを作りましたと。一つは答えを教えてくれるAIですね。GPT、チャットGPTみたいなやつ。もう一つが答えを教えてくれないヒントだけを教えてくれる。こうしたらどうかみたいなのを教えてくれるチャットGPT、AIを作りましたと。
あと何も使ってないっていう。この3群に分けてやったというものなんですけれども、これをもとに何をやったかというと、まずそれをもとに演習をさせました。チャットGPT使っていいですよと。全部教えてくれるAI使っている人、それからヒントしか教えてくれない人というのでやりました。
結果はどうだったかというと、素のチャットGPTのようなものを使っている群は、演習中の成果、そのチャットGPT使っていいですよというときの演習の成果が何も使ってない群と比べると48%増えました。
なんですけど、AIを取り上げて試験テストしましょうというときには何も使ってない群と比べて17%成績が落ちたという結果ですね。一方でヒントしか教えてくれないAIを使った群というのは何も使ってない群と比べると演習中の成果が127%上がりました。
一方でAIを取り上げた状態で試験をしたときにはAI全く使ってない人と同じスコアになりましたということですね。この研究で得られる示唆というのは、まず一つは学習をする学生さんみたいに何か習得をすることが目的みたいな場合においてAIをただそのまま使ってしまうと実際のテストの時のスコアが下がってしまうと。
もちろん演習中のスコアは上がるんですけれども、AIをパッと取られてしまうともう自分で歩くことができないということですね。結局その演習のために時間かけたかもしれないですけど、それってただAIとチャットしてるだけでただの時間の無駄だったというふうに言えるかなと思います。
一方でAIを使ったとしてもヒントだけ教えてくれるAIを使った人っていうのはテストの結果は使ってない人と同じだということがあるので、要は使い方次第なのかなということですね。今までAIを使うとアホになるんじゃないかという問い立てでこのポッドキャストを話してきているんですけれども、ちょっと問いが間違っていて、
実際のところはどう使うとアホになるのかみたいなのが正しい問いなんじゃないかなというふうに思った論文でございました。これを踏まえてですね、次最後の方に話していきたいのはどういうふうに使うとアホになるのかと、どういうふうに使うとこのAI自体どういうふうにAIと付き合うとより賢くなっていくのかという話を最後にしたいと思うんですが、
ここでご紹介するのはまたアンソロピックですね。アンソロピックの未知の領域を見つけるというブログポストなんですけれども、これが非常に参考になったのでこれをご紹介したいと思います。
まず自分の知識ベースを表現する言葉として地図と領土というものを使って説明してくれています。これは非常にわかりやすいなと思っていて、地図というのは自分が知っているというか、実際に手を使ってやれるかは知らないんだけれども、ここにこれがあるというのはなんとなくわかっているというのが地図ですね。
もう一個が領土ですね。領土というのは実際にそれができる、コードが書ける、その所々AIがなくてもできるみたいなのが領土ですね。これはまさに地図と領土、リアル世界でやるとわかりやすいと思うんですけど、皆さん地図、小学校とかで習いましたねと、ここにアフリカ大陸があってとか知ってますよねと、アメリカがこの辺にあってて知ってますよねと。
というのがまさに地図で、領土というのはそこに言い換えるのは何があって、どういう空気感でどういう人が住んでいてどういう経済活動でみたいなことを細かく知っているというのが領土みたいなものかなと思っていて、例えば我々日本人なので日本ってどういうものかというのは知ってますねと、一方で行ったことがない国。
わかんないですけど、例えばですけど、モンゴルという国があります。モンゴル行ったことある方もいるかもしれないですけど、行ったことがないとして、地図上にここにモンゴルがあるというのは知ってるけど、そこもしかしたらどういう人が住んでいるかも本で読んだことがあるかもしれないですけど、そこの現地の人たちがどういう暮らしをしているのか、どういう雰囲気なのか、どういう気温なのか、温度なのかみたいなところは知らないですよねと。
というところに差があると。地図と領土というところをまず理解しておくということですね。
これをAI活用において言うと、私はバックエンドエンジニア、インフラエンジニアなので、AIがなくてもインフラの構築しろって言われたらできますし、バックエンドのサーバーの行動をかけと言われたらかけますと。
一方で例えば、フロントエンドの実装をしてくれとか言われた時に、さらじゃかけないわけですよね。
でも、なんとなくこういう風にかけばいいんだろうなっていうのはわかっているので、地図はわかっているんだけど、領土化してないっていうのがいくつかありますし、
例えばマーケットリサーチとか広告戦略みたいなことはもう本当に地図さえないみたいな、そういう状況ですよねみたいな、こういうコントラストがあるというのが地図と領土の表現ですね。
この地図と領土がある中で、さっき言ったようなそもそも何も知らない、でも知ってるけどやれないみたいないろんな証言があるとして、これを4つに分けたのがこの4証言なんですけど、これちょっと説明していくと、
4証言ありますと。1つ目は、これは英語で書いているのでそのまま言うんですけど、known knownsですね。基地の基地。自分が知っててやれるっていうものがknown knownsですね。
次がknown unknownsですね。基地の道。要はまだ解いてはないんだけど、これまだやってないなって自覚しているものがknown unknownsですね。
それで次がunknown knownsですね。未知の基地。私は知らないこと、これを知らないと知っているという状態ですね。
最後がunknown unknownsですね。未知の未知。全く考えてもないと、そこにアフリカ大陸があることさえ知らないみたいなそういう状態ですね。
全く考えてないというのがこの4証言ありますというものですね。
要するにこの記事で言いたいのは、unknown unknownsだとそもそもAIに支持することができないのでいいものができませんよねとか、
あとはそのいかに自分が知っていて書けるという状態に持っていくのかということが大事だよねというふうに書いているんですが、
この記事が出たのがクロードのフェーブル5が出た後に出たものなんですけど、ここでクロードフェーブル5の性能について語られていまして、
クロードフェーブルは仕事の質が未知を明確にする自分の能力、人間の能力ですね。人間の能力によってボトルネックと感じる初めてのモデルだというふうにこの記事は書いていて、
つまりはAIはもう自分賢いとボトルネックは君だと言っている一言ですね。
人間の理解をもっと上げてもっと革新的な支持をAIにしないとこのフェーブル5の性能を引き出すことができませんよと言っているんです。
AIが賢くなったら自分っていらないんじゃないかと専門性がいらないんじゃないかと言っていることを言う人いると思うんですけど、それの真逆のことをこれは言っていて、
ちゃんとフェーブル5賢いモデルに支持ができる人間、的確な支持ができる人間が非常に重要だという話です。
じゃあどうしたらいいかというとこの記事で書かれているのはノーアンノーンズですね。
つまり知らないと自覚しているこれまだ自分知らないなとAIにやらせたんだけどこれわかってないなっていうことは大丈夫と。
これはまあ学べばいいだけなのでその後これはまあ大丈夫だと。
むしろ健全だと。
AIが世の中に広がっている証拠だというふうに語っています。
一方でダメなのはアンノーンアンノーンズを放置してしまうことだというふうに語っています。
つまりそこにさっきもちょっと繰り返しになっちゃうんですけどアフリカ大陸があるってことを知らずに生きているのはダメでここにアフリカ大陸があるんだっていうのをまず知るでそれを自分ごとにする領土にしていくってことがちょっとずつやっていくことが大事だよねってことを言っていますね。
そのためにこのどうやったらいいかというふうに書いているかというこれはアンソロピックが言っている対象本なのでまあAIを使うなとはさすがに言わないですけど
AIとの賢い付き合い方：未知の領域の発見
2つご紹介するとまずはブラインドスポットパスというやり方をやりましょうと。
これはどういうものかというとプロンプト先に言うと
私はパイソンというコードをちょっとしか書いたことがないですとほぼ初心者です。
新しいプロジェクトでパイソンを書くんですけど自分に足りてない知識とか視点とか注意点などのアンノーンズを教えてくださいと頼むと自分が知っている知識レベルですね。
メモリーとかもすでにあるのでこの人ここらへんぐらいまでは知っているなと。
プログラミングとはどういうものかぐらいは理解しているな。
じゃあこれは知ってますかみたいなことを聞いてくれるみたいなプロンプトですけどまずこういうことをやりましょうと。
そうするとアンノーンズを教えてくるわけですよね。
これって知ってますかみたいな。
パイソンではどういう思想で書かれているか知ってますかみたいなことを聞いてくれますというのがまず一つ。
もう一つはクイズをしましょうというふうに書いていてAIに実装させました。
変更点が1000行とか2000行とかありますよねというものに対してクイズを出させる。
これはどういう変更ですかっていうのを自分が聞くんじゃなくてAIに聞いてもらってこうなんじゃないかっていうふうにAIに返すと。
そうするといやそうじゃないともうちょっと考えてみろみたいなことを言ってまた考えるみたいなことをすると。
このクイズにパスするまでこのプルリクエストコードの変更を反映しないマージしないということにやってみたらどうかということを提案されていました。
つまりはクロードフェイブルファイみたいなモデルはすごく賢くなっていると賢くなっているからこそ人間の能力をもっと上げていかないとAIを使いこなす人は難しいと。
そうするためにはunknown unknownsを減らしていくと。
どうやってやるかというとAIに聞くと自分のunknown unknownsが何かとかクイズをすることによって
自分の中のunknowns基地を増やして強制的に増やしていくことを一致的にやっていきましょうということを言っているドキュメントでした。
それではそろそろまとめに入っていこうと思うんですがじゃあ具体的にどうしていくのかと我々はどういうふうに生きていくのかと話をしていくんですが
個人と組織におけるAI活用戦略
まず一つ言えるのはじゃあAIを使うなというのはちょっと前のポッドキャストでも話したかもしれないんですけど
ちょっと現実的じゃないかなと思っています。そもそも無理かなと思っています。
前例えていると電卓という素晴らしい便利なものがあるのに関わらず電卓を使わずに仕事をするのかみたいな話をしたと思うんですが
AIを使うなというのは非常に難しいと今の現状非常に便利なのでとにかく仕方ないのでとにかく使いましょうというところはまず言えるかなというふうに思います。
代わりにやらないといけないのはちゃんと理解しているかを確認する理解力を上げるためにも同じくらいAIを使おうということかなと思っていて
さっき直前に紹介したアンソロピックのやつみたいにブラインドスポットパスですね
アンノンアンノーズを教えてみたいなことを聞くとかクイズを出すみたいなことをやってやりましょうということですね。
もう一つ恐ろしいのはAIを使いこなしている人ほどAIが出してきた答えを信頼するという結果が分かりましたねって話をしたと思うんですがこういうことも起きますということがあるので
このポートキャストを聞いている人はどっちかというとAIを使いこなしている派の人だと思うんですがそういう人ほどちゃんと意識して
これって本当に自分が分かっているんだろうかということをやって自分の知識レベルを上げて賢いフェーブル5みたいなモデルをより賢く使いこなすと
自分の知識レベルを上げるということを意識的にめちゃめちゃ意識してやらないといけないということがあるという話ですね
あともう一つ言えるのはこの話は個人の話だと思うんですが会社として人材を規制する新人のオンボーディングをするという時に
じゃあこういうことを意識してアンノンズがあるからやっていきましょうねと言ってもなかなかその問題に気づけていないという人も少ないかなというふうに思いますし
私がこれに気づいたのもようやくポッドキャストをしばらくやっててようやく今頃気づいたことになるのでなかなか意識するのは難しいというふうに考えると
ある程度強制的にやらせる必要があるかなというふうに思っておりましてその一つの会がこれも途中で話したヒントを教えてくれるAIですね
ヒントを教えてくれるAIっていうのはそのヒントを使った上で実習するとスクワが使ってない人にも上がります
かつAIがない状態でも使ってない人と比べて成績同じでしたよねみたいなのを紹介したと思うんですが
まさにこれがAI自体の勉強の仕方かなというふうに思っていて答えを教えてもらっちゃうともう全部自分の頭の中に記憶が残らないので
ヒントを教えてもらうとこの観点はどう思いますかとAIに聞いてもらう逆に聞いてもらうみたいなことにすることによって
自分で苦労してもがいて答えを見つけるということをやる環境を作ってあげるところが大事かなというふうに思っています
かつ全部が全部それでやれっていうのは現実的ではないですしすべての業務でこのAIチューターみたいなのを作るのは育成する側としても難しいと思うので
その新しく入った人は何かしらの業務のプロフェッショナルとして入っているわけですよね
例えばエンジニアであればエンジニアリングをすることコードを書くことそれからプロダクトを作っていくことが仕事なので
そこの領域においてはこのチューターみたいなのを作ってあげてそれでやってくださいというふうに言うと
一方でそれ以外の領域例えば何でしょうね事務処理をするみたいなところはもう別にいいと
AIどんどん使ってやってくれというふうに使い分けるように指示をする環境を作ってあげるということが大事かなというふうに思っております
あともう一つ是非付け加えて言いたいのはこの生産性がどうかとかAIを使うとアホになるのかとか
AI時代における人生の楽しみとフロー理論
AIをどうやって使いこなすのかみたいな話以前に何でしょうね
AIを盲信してしまって何も知識がない状態で人生過ごしてそこで終わるのはそもそも楽しいんですかっていう問いかなというふうに思っておりまして
それはある意味真面目に考えないといけないかなと思っております
私たちって仕事をするために生きてる仕事もやりがい生きがいではもちろん私もあるんですけれども
それをして一生を終えるのが本当に幸せかっていうとそうではないかなと思っていて
自分の人生の物語を作って死ぬ時にいい人生だったなって思うことが最終的なゴールなんじゃないかなというふうに思うんですが
それをするためにAIをうまく使うっていうことを本質的に考えないといけないかなというふうに思っています
よく言われる話で言うとイケア効果っていうのがあるんですけどこれは何かというと
買ってきた家具じゃなくて自分がイケアみたいに組み立てた家具の方が高く評価する人間は高く評価するというのがありますと
これもAIに置き換えられると思うんですが僕らAIがない時代でエンジニアリングをやっていたので
非常にもがき苦しんで自分で作ったコードプロダクトっていうのはとても思い入れがありますよねと
なので一生懸命作った1ヶ月作ったものがいやごめんちょっとそのプロジェクトなしになったわって言われるとめちゃめちゃ落ち込むんですよね
もうなんか仕事やめてやろうかと思うぐらい落ち込む経験をしたことはいっぱいいると思うんですけど
まあそれぐらい思い入れがありますと一方でこのAI時代Viveコーディングで1日2日でパッと作りましたってものが
いやごめんそれちょっと作んなくてよくなったわって言われてもあそうですかってなると思うんですよね
でもそれってなんか幸せなのかなというふうに考えて以前みたいに一生懸命作ったものが伸びてくれれば嬉しいし
それがポシャったらすごく悲しいしみたいな方が人間味があって楽しいなというふうに思っております
もう一つは不老理論っていうのがあるんですけどこれは簡単に何かというと人間の楽しさっていうのは挑戦プレッシャーとスキルの釣り合いだというふうな話ですね
要はめちゃめちゃ高い要求ででも自分のスキルが全然追いついてないと
新入社員に対して部門長みたいな要求をするっていうのは全然楽しくないですよねと
一方で逆に部門長みたいな人に部長みたいな人に対して新人がやるような要求をするっていうのはそれはそれでつまらないですよねというのがありますよねという状態で
その良いバランスこの斜めの線のところが楽しいというコンフォーゾーゾーン不老に入るゾーンだというふうに定義しますというのがこの不老理論なんですけれども
AIによってどういうことが起きるかというとこの能力が止まっていない挑戦ができるようになりましたよねっていうのがありますよねと
エンジニアでいうとコードを書けないけど書けるようになったからそれで何かプロダクトを作って挑戦をするみたいなことができるようになりましたよねというのが起きましたと
これによって何が起きているかというとエンジニアが今まで自分でコードをうーんって書いてましたよねと
これは挑戦とスキルが釣り合った状態だから不老状態に入っていてフォーカスしていて楽しいという状況だったと思うんですが
これがAIでコードを書くことによって難しさがギュッと減っちゃったのでこのコンフォーゾーンに入らなくなっちゃったんですよね
なのでつまらないというふうにエンジニアは最近思っているというところがあるのでこの難しさを取り戻してあげないといけないですよね
だからさっきアンソロピックの記事を紹介したみたいにAIが書いたコードをそのまま取り込むんじゃなくて
これってどういう意図で書いたんだろうと理解するとかあとは自分が分かってない領域をさらに開拓していく
私で言うとフロントエンドはまだあまり理解できていないのでフロントエンドを理解しに行くとか
あとはAIにクイズを出させて分かってないことを潰していくみたいなあえて苦労するもがきにいく
分かんないところを潰していくっていうところをやっていかないとそもそも人生としてつまらないというところがあるかなという話ですね
結局はAIで仕事を効率化するのも大事なんですけど自分の人生を生きることが一番大事ですよねというふうに考えると
それって何かというとこれAIに支持してAIが出てきた答えをそのまま右から左にパスする人生ってつまらないかなと思っていて
自分なりの仕事でもいいしプライベートでもいいと思うんですけど自分なりの意思とか意図とか解釈とか工夫を凝らして
それを積み重ねて物語を作っていくのが人間なんじゃないかなというふうに思うと
AIが導き出した答えっていうのはさっき言った通り物語ないですよねというところがあるので
AIが作ってきたものをもう全部受け入れると認知的な考算をするんじゃなくて
AIが出てきたものも理解し使いつつそれってどういう意味なんだろうとか根本を理解しにいって
それを自分の物語として語れるようにしていくっていうところが最終的には人生楽しいし
それが結局今まで話した通り生産性も上がっていくし
AIが賢くなればなるほどより必要な知識になっていくという話を最後にちょっとさせていただきました
結論と番組紹介
ということで今回はAIを使うとアホになるのかという話をしてみました
結論としてはアホにはならないただしAIに降参しない人に限りますというのが私のお考えでございました
ということで最後に番組を紹介させてください
この番組Devlog FMはYouTube, Apple Podcast, Spotifyなどで配信しております
ご感想リクエストなどもしございましたらハッシュタグDevlog FMでつぶやいていただくか
コメント欄よりいただけますと幸いです
またサブスクライブチャンネル登録も是非よろしくお願い致します
それでは次回の配信でお会いしましょうご視聴ありがとうございました