AI に頼ると、人は育たないのか

頼ることと、学ぶこと

新人や若手に AI を使わせると、自分で考えなくなって育たないのではないか、という心配をよく目にします。

ただ、この心配は「AI に頼る」と「学ばない」をひとまとめにしています。AI に頼りながら学ぶ人もいるでしょう。AI を使わなくても学ばない人はいます。頼るかどうかと、学ぶかどうかは、本来は別々に決まることではないでしょうか。

今回は、この問いを研究と小さな計算で考えました。材料は学術研究に限っています。査読前（学術誌の審査をまだ通っていない）の論文は、そう断って使いました。

自分で答えを作ると、よく覚える

学びの研究には、古くから知られた現象があります。答えを読んだだけのときより、自分で作ったときのほうがよく覚えています。生成効果と呼ばれるものです（スラメッカとグラーフ、1978年）。

この見方に立つと、AI が学びを削るかどうかは、答えを作る部分を AI が肩代わりするかで決まりそうです。頼るかどうかではなく、どこで頼るかです。それを確かめた実験がいくつかあります。

使い方を研究者が決めた実験

トルコの高校で、生徒約1,000人を対象に、数学の授業で行った実験があります（バスタニほか、2025年）。クラスごとに、AI なし、そのままの GPT-4、ヒントだけを出して答えは明かさない GPT-4 に分けました。練習問題の成績は、AI なしの組と比べて、そのままの組で48%、ヒントの組で127%高くなりました。ところが AI を外して受けた試験では、そのままの組は AI なしの組より17%低かったのです。ヒントの組では、この差がおおむね消えています。論文によれば、そのままの組の生徒は GPT-4 に寄りかかって使おうとしていました（論文の言葉では松葉杖）。

ハーバード大学の物理の授業（194人）では、求められない限り答えを明かさず、一歩ずつ導くように作った AI の個別指導と、教室でのアクティブラーニング（学生が手を動かし、議論しながら進める授業）を比べました（ケスティンほか、2025年）。同じ学生が、単元を変えて両方を受けています。学びの伸びを真ん中の値（中央値）で比べると、AI の個別指導は教室の授業の2倍を超えていました。比べた相手は人の個別指導ではなく教室の授業で、一つの科目での結果です。

作文の課題で、書く途中の助けとして ChatGPT、人の専門家、チェックリストを使う組と、助けのない組を比べた実験もあります（ファンほか、2025年）。ChatGPT の組は作文の点が上がりました。けれど知識の伸びと、別の課題への応用では、人の専門家の組も含めて、4つの組のあいだに差がありません。自分の書いたものを見直す動きも、比べると少なめでした。

AI が答えを作る使い方では、AI を外したときの試験の点や理解は伸びていません。本人に考えさせる AI では、伸びが保たれるか、比べた相手を上回っていました。

使い方を本人が選ぶと

使い方を本人が選んだ実験もあります（シェンとタムキン、2026年、査読前）。AI を作って提供している会社 Anthropic 自身の研究プログラムで行われたもので、使ったことのない Python のライブラリを覚える開発者52人を、AI を使える組と使えない組に26人ずつ分けました。作業のあと、AI なしで理解度のテスト（27点満点）を受けると、AI を使えた組は4.15点低い結果になりました。満点の15%ほどにあたります。作業の速さには、はっきりした差が出ませんでした。

研究者たちは画面の録画から、AI を使えた組の使い方を分けています。コードを全部 AI に書かせた人、だんだん全部任せていった人、間違いを AI に直させた人の12人は、テストが平均40%未満でした。考え方だけを聞いた人、コードと一緒に説明を求めた人、コードを書かせたあとで中身を質問した人の12人は、平均65%以上でした。最後の型は、論文の言い方では、全部書かせた型とほとんど同じに見えて、自分の理解を AI で確かめた点だけが違います。

この記事では、前者のように答えを作らせてそのまま使い、確かめもしない使い方を「丸投げ」と呼びます。後者のように、考え方を聞くか、作らせた答えがなぜそうなるかを確かめる使い方は「考えながら頼る」です。答えを作る部分か、作られた答えを理解する部分の、少なくとも一方を本人がやっています。分かれ目はそこにありそうです。

学生を対象にした別の実験では、AI を使えたこと自体の効果は見えませんでした（レーマンほか、2025年、査読前）。探索的な分析では、解答を作らせる使い方だと、扱える話題は増えても一つずつの理解が浅くなりました。説明を求める使い方では、理解が深まっています。もともとの知識が多い学生と少ない学生の差は、AI で広がりました。

ただ、ここでの使い方は本人が選んだものです。もともと学ぶのが上手な人が、考えながら頼る使い方を選んだのかもしれません。型ごとの人数も2〜7人にとどまります。選び方だけでどれだけ差が出うるかは、あとで計算で見ます。

計算で置いてみる

小さな計算を作りました。メンバーは毎日2件、手の止まる問題にぶつかり、はじめは半分を自分で解けます。解けない問題はリーダーに教わり、1件教わるごとに、まだ解けない分の0.4%が解けるようになる、とします。リーダーが手助けに使えるのは1日3時間で、1件にかかるのは30分です。手助けは自分の作業の合間にするので、待ち始めから数えると1件に1時間20分ほどかかり、問題は偶然の間隔で来るので、重なれば待ちができます。メンバーが教わるまで待つ時間を平均半日以内に収められる、いちばん多い人数を「リーダー1人が見られる人数」と呼ぶことにします。

ここに AI を入れます。解けない問題のうち60%を、リーダーでなく AI に聞きます。考えながら頼れば教わるときと同じだけ学び、丸投げすれば学ばない、と置きました。バスタニほかで、ヒントだけを出す AI の組が、AI を外した試験で AI なしの組とほとんど差がなかったことに合わせた置き方です。この置き方なら、考えながら頼る限り、AI に聞く割合をいくら増やしても育ち方は AI なしと同じになります。計算で見るのは、そこから先、チームとリーダーに何が起きるかです。もう一つ、この計算は、リーダーに教わればいつも学ぶと置いています。実際には、人に教わるときも答えだけ受け取れば学ばないはずで、さきのファンほかでも、人の専門家の組の知識の伸びは、助けのない組と変わりませんでした。丸投げは AI に限った話ではありません。

1年（働く日で250日）たつと、AI を使わないメンバーは、自分で解ける割合が50%から75%まで上がりました（図1の左）。考えながら頼るメンバーも75%で、線は重なります。丸投げするメンバーが自分で解ける割合は、AI に聞く割合が30%なら71%、60%なら64%、90%なら55%でした。聞く割合が60%のとき、半分の人が丸投げするチームの平均は約70%でした。図1の灰色の線と、右の右端の2本は、あとの節で説明します。

リーダーは、AI が答えられる問題では楽になります。考えながら頼るチームなら、1人で22人見られる計算です。けれど AI では答えられない問題ばかりになると、解けない問題は全部リーダーに来ます。そのとき見られる人数は、メンバーがどれだけ育ったかで決まります。AI なしのチームと考えながら頼るチームは8人、半分の人が丸投げするチームは7人、全員が丸投げのチームは6人でした（図1の右）。

頼り方は、もう一つある

ここまでの「頼る」は、自分で解けない問題を AI に聞くことでした。もう一つ、自分で解ける問題まで AI に回す頼り方があります。

ポーランドの4つの施設で、大腸の内視鏡検査に AI を入れる前と後を比べた研究があります（ブジンほか、2025年）。AI はポリープを見つける手助けをするもので、使うかどうかは検査の日付で無作為に決められていました。AI を使わない検査で腺腫（大腸にできる、がんのもとになることがあるできもの）が見つかる割合は、AI が入る前の3か月の28.4%から、入ったあとの3か月には22.4%に下がっています。前と後を比べただけの観察なので、AI が原因とまでは言えません。論文は、医師の検査の振る舞いが悪い方に変わったのかもしれない、と読んでいます。自動化が進むほど、たまに人が自分でやるときの技能が足りなくなる、という古くからの指摘（ベインブリッジ、1983年）と同じ向きです。

計算でも、解ける問題のうち AI に回した分は練習にならず、自分で解ける割合が少しずつ減る、としました。考えながら頼っていても、回した分だけ伸びは鈍ります（図1の灰色の線）。回す割合が大きいと、リーダーが見られる人数も減りました（図1の右の、右端の2本）。減る速さは、内視鏡の研究の下がり方に大まかに合わせただけで、測った値ではありません。言えるのは向きまでです。こちらの頼り方では、頼るかどうかと学ぶかどうかが、別々には決まりません。

平均で見ると、頼るほど育たないように見える

「AI をよく使う人ほど力が落ちている」という話があります。計算では、これがどう見えるでしょうか。

全員が考えながら頼るなら、AI に聞く割合を増やしても平均は75%のままで、線は平らです（図2の左）。半分の人が丸投げするチームでは、聞く割合が増えるほど平均が下がります。平均で見える「頼るほど育たない」は、丸投げする人が混ざっていることから出てきます。

使い方を本人が選ぶと、考えながら頼った人と丸投げした人の差は、使い方そのものの効き目より大きく見えます。たとえば、ここまでの計算の1.5倍の速さで学ぶ人と、0.5倍の人が同じ人数いて、速い人の4分の1、遅い人の4分の3が丸投げを選ぶと置きます。1年後に、考えながら頼った人と丸投げした人をそのまま比べると、差は15.7ポイント（自分で解ける割合の、パーセントどうしの差）です。同じ人が使い方だけを変えたときの差、つまり使い方そのものの効き目は9.8ポイントです。丸投げでも同じだけ学べる場合、言いかえれば使い方がまったく効かない場合でも、そのまま比べれば6.7ポイントの差が見えました（このとき効き目は0。図2の右）。シェンとタムキンの実験で見えた、使い方ごとの差も、そのまま使い方の効き目とは読めません。

丸投げに見えて、学んでいた例

大手のソフトウェア会社で、顧客対応の担当者5,172人のデータを調べた研究があります（ブリニョルフソンほか、2025年）。AI が入ってからの対応には、1,636人が当たっていました。担当者は、AI が出す返答の案を見ながら客とやり取りします。ときどき AI のシステムが止まり、案が出ない時間がありました。

その時間の1件の対応の速さを、AI が入る前と比べています。使い始めて1か月ほどで止まったときは、入る前とあまり変わりませんでした。3か月使ったあとに止まったときは、速くなっていました。最初から AI の案によく従っていた人は、止まっている間も速くなり、案から外れがちだった人には、長く使っても変化が見られませんでした。

AI の案にそのまま従うのは、丸投げに見えます。計算で置いた「丸投げは学ばない」とは逆の結果です。ただ著者たちは、案を実際に使ってみて、客がどう反応するかを自分の目で見たことが学びになった、と読んでいます。作られた答えを試し、結果を確かめていたのなら、この記事の言い方では、考えながら頼るほうに近いことになります。

ただし、システムが止まった時間は無作為に起きたとは限らず、著者たちも推定のぶれが大きいと書いています。測ったのは対応の速さだけで、案にどれだけ従うかも担当者が自分で選んでいました。

PMO にできること

新人や若手に AI を使わせるかどうかより、何を本人に残すかを決めるほうが効きそうです。残すのは、答えを作る部分か、作られた答えを理解して確かめる部分です。AI には、ヒントや考え方の説明を求めてもらいます。答えを作らせたなら、なぜそうなるかを聞きます。ここまでの実験で点が保たれた使い方は、どれもこの形でした。

もう一つは、自分で解ける仕事まで AI に回していないかです。こちらは、使い方を工夫しても、自分でやる力が衰えます。ときどき AI なしでやってみる、といった形で練習の場を残しておきます。

見るべきは、AI を使う割合ではなく、作られた答えを本人が説明できるかです。これはリーダーに聞いたときも同じで、答えだけ渡して終われば、AI に丸投げしたのと変わりません。レビューで「なぜこうしたか」を本人の言葉で聞けば、確かめられます。使う割合だけを数えると、考えながら頼る人と丸投げする人が同じに見えてしまいます。

この話について、言えないこと

• 計算の値と置き方は、どれも私が置いたものです。値は、1日2件の問題、はじめは半分を自分で解けること、1件教わるごとの伸び、AI に聞く割合、減る速さ、学ぶ速さの個人差と使い方の選び方です。置き方は、リーダーに教わればいつも学ぶ、考えながら頼れば教わるのと同じだけ学ぶ、丸投げは学ばない、としました。丸投げで実際にどれだけ学ぶかは分かっていません。減る速さは内視鏡の研究に大まかに合わせただけで、測ったものではありません

• リーダーが見られる人数は、整数に切り下げた値です。8人、7人、6人の1人の差は、境目の刻みにすぎないことがあります

• 取り上げた実験は、ほとんどが1回か数回の授業や作業で測った、短い期間の結果です。相手は学生か、新しいことを覚えている最中の人です。使い方を割り付けて、職場で何か月もかけて比べた研究は見つかりませんでした。観察ではブリニョルフソンほかがあり、測ったのは対応の速さです

• シェンとタムキン、レーマンほかは査読前です。シェンとタムキンは、AI を作っている会社の研究プログラムによるものです

• ChatGPT で学習の成績が大きく上がるとした2025年のメタ分析（多くの研究の結果を合わせた分析）は撤回されたので、使っていません。脳波を測った査読前の研究や、ある時点で一度だけ聞いた調査から AI の使い方と力の関係を見た研究も使っていません

• 論文の本文まで読んで数字を確かめたのは、バスタニほか、ケスティンほか、ファンほか、シェンとタムキン、ブリニョルフソンほか（雑誌に載る前の2024年11月の版）です。ほかは要旨と、著者や掲載誌などの情報までしか読めていません

おわりに

AI に頼ると、人は育たないのでしょうか。解けない問題を AI に聞くことについては、そうとは限りません。答えを作る部分か、作られた答えを理解して確かめる部分を本人がやっていれば、AI を外したときの点は保たれます。研究は、その向きでした。計算は、そう置いたときにチームとリーダーに何が起きるかを見たものです。顧客対応の研究のように、丸投げに見える使い方で学んでいた例もあります。どこまでが丸投げなのかは、まだはっきりしていません。

解ける問題まで AI に回すことは、話が別です。使い方をどう工夫しても、その分の練習は消えます。分かれ目は、頼るかどうかではなく、どこで頼るかでした。

参考

• Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779. https://doi.org/10.1016/0005-1098(83)90046-8

• Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. https://doi.org/10.1073/pnas.2422633122

• Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044

• Budzyń, K., Romańczyk, M., Kitala, D., Kołodziej, P., Bugajski, M., Adami, H. O., Blom, J., Buszkiewicz, M., Halvorsen, N., Hassan, C., Romańczyk, T., Holme, Ø., Jarus, K., Fielding, S., Kunar, M., Pellise, M., Pilonis, N., Kamiński, M. F., Kalager, M., Bretthauer, M., & Mori, Y. (2025). Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: A multicentre, observational study. The Lancet Gastroenterology & Hepatology, 10(10), 896–903. https://doi.org/10.1016/S2468-1253(25)00133-5

• Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., & Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489–530. https://doi.org/10.1111/bjet.13544

• Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, 17458. https://doi.org/10.1038/s41598-025-97652-6

• Lehmann, M., Cornelius, P. B., & Sting, F. J. (2025). AI meets the classroom: When do large language models harm learning? arXiv:2409.09047. https://arxiv.org/abs/2409.09047

• Shen, J. H., & Tamkin, A. (2026). How AI impacts skill formation. arXiv:2601.20245. https://arxiv.org/abs/2601.20245

• Slamecka, N. J., & Graf, P. (1978). The generation effect: Delineation of a phenomenon. Journal of Experimental Psychology: Human Learning and Memory, 4(6), 592–604. https://doi.org/10.1037/0278-7393.4.6.592