まず自分で考え、それから AI に網から漏れた魚を探させる
Think for Yourself First, Then Let AI Find What Slipped Through the Net
Illustration · not a service recordディベートより大事なこと。数日前、Anthropic がきわめて重要な研究を発表した。研究者がこっそりコインを投げて、AI がどちらの側に立つかを決めたのだ。
その結果、50 人のプロのアナリストの判断の 86% が AI に従った。事後に「あれは AI が言ったことだ」と口にしたのは 15% だけだった。
アナリストたちは AI エージェントのツールを使い、架空の農業協同組合のために支援プログラムを評価した。その途中には「どちらを選んでも筋が通る」選択が四つあった。AI は誠実であることを求められ、誤解させることは許されておらず、ただ密かに立場を指定されていただけだった。
AI に影響力がなければ、結果は半々に近くなるはずだ。実際は 86% だった。
77% の人が、事後に AI の論点を使って自分の選択を説明し、なかにはほとんど一字一句違わないものもあった。最も徹底して従った人でも、自信が低いわけではなかった。
(研究者たちも率直に認めている。AI の立場を意図的に強めに調整しており、日常の利用での影響はもう少し小さいかもしれない、と。)
これには二通りの読み方がありうる。
見方その一:AI は世論の流れを誘導する。使うのは控えるに越したことはない。
見方その二:人はもともと他人の意見を参考にするものだ。大したことではない。
だが、いまでは誰もが分かっていると思う。問題は「AI を使うか使わないか」ではなく、「誰が先に口を開くか」にある。
答えは一言に尽きる。まず自分で考え、それから AI に網から漏れた魚を探させる。
後半の部分は、同僚の呂顥天の言葉だ。
9月、台湾大学で、彼は余紀忠文教基金会のシンポジウムに登壇し、AI 時代の分野横断型人材について語った。顥天は陽明交通大学生命科学系の一年生で、均一(Junyi Academy)の先端教育 AI 研究エンジニアでもある。12 年前、彼は均一の小さな利用者で、累計 2,545 問に正解していた。
今回は、39 歳の私が大学一年生の同僚から学ぶ番だ。
顥天の指摘はこうだ。AI に要点をつかんでもらうよりも、AI に網から漏れた魚を見つけてもらうべきだ。
なぜなら、誰もが AI に何が要点かを決めさせていたら、やがて一人ひとりが同じモデルの考え方に育ってしまうからだ。機械学習には「過学習」という言葉がある。過去問だけを暗記した生徒が、問題が変わったとたんに解けなくなるようなものだ。彼は、いま心配すべきは「人間の過学習」だと言う。
なぜ専門家でさえこうなるのか。専門性が足りないからではない。研究によれば、経験年数も、学歴も、専門性の高さも、誰が AI に従いやすいかを予測できなかった。むしろ仕組みの問題に近い。
一、私たちは多くの場合、考えを固めてから議論するのではなく、比べながら自分がどう考えているかを発見していく。AI が先に口を開けば、その「発見」の道のりをあなたの代わりに歩き終えてしまったのと同じだ。
二、研究の中の AI はとても誠実だったが、もう一方の選択肢のために同じくらい見事な弁護をすることはほとんどなかった。アナリストが先に立場を表明した場合でも、AI が反対の意見を唱えると、六割が意見を変えた(事例は 38 件しかなく、数字はまだ精密ではない)。一方だけが理路整然と語るのを聞けば、誰でも説得されてしまう。
三、直感は「予想を外す」ことで育つ。私と顥天は論文にこう書いた。学習には予測誤差が必要であり、予測誤差は自分が先に予期を持っているときにしか生じない。あなたがまだ予想もしないうちに AI が答えを出せば、予想を外す機会が一回減り、直感を育てる機会も一回減る。
顥天はこの種の直感を「センス」と呼ぶ。服の着こなしのセンスではなく、どの問題が解くに値するか、どの解き方が最も美しいかを見極めることだ。AI は答えを出せるが、センスは自分で磨くしかない。
この問題はさらに広がっていく。
研究チーム自身が懸念しているのは、誰もが同じ好みを持つ AI を使えば、結論が一致するのは優れた者同士の見解が一致したからではなく、同じ AI の見解が一致しただけかもしれない、ということだ。
管理職は考えなければならない。新人の練習問題がすべて AI に解かれてしまったら、十年後のベテランはどこから来るのか。
きっとこう言う人がいるだろう。でも、AI を使った人のほうが、ミスはずっと少なかったではないか?
そのとおりだ。研究では、AI を使わなかった 11 人のうち 6 人が重大なミスを犯したのに対し、AI を使った 50 人では 3 人だけだった(二つのグループは背景が異なり、研究者も直接比較はできないと注意している)。だから結論は、決して AI を控えようということではない。
だが、次の一文こそが要点だ。ミスは検査で見つけられるが、判断はそうはいかない。判断には正解がなく、持っていかれても、成果物からはまったく分からない。あなた自身にさえ分からない。
何もかも AI に先に口を開かせたら、おそらくこうなる。
企画書の結論はどれも「効率と温かみの両立」になる。
どの会議の要点も、ちょうど三点になる。
年末の自己評価の書き出しはどれも「急速に変化する環境の中で」になる。
上司は十人分の自己評価を開き、部門にようやく共通認識ができたと喜ぶが、実はみんなが同じ AI に尋ねただけだ。
AI 企業にはもちろん責任がある。Anthropic 自身も、AI がまず専門家にどう考えるかを尋ねる、あるいはすべての選択肢について最良の弁護をする、といった案を示している。均一の「問・用・管・造」(問=問う、用=使う、管=管理する、造=つくる)の「管」が語っているのも同じことだ。人はずっと運転席に座っていなければならない。
だが AI が先に尋ねることを覚えるまでのあいだ、私たち一人ひとりにも、まずできる小さなことが一つある。先に自分の判断を書き留め、それから AI に見落としたものを探してもらうことだ。
報告書は自分の名前で出すのだから、判断も自分のものにしよう。
顥天が自分で準備した講演を聞いてみよう(コメント欄を参照)
- 原文:呂冠緯(Ray Lu)個人の Facebook 投稿(2026年10月31日公開)
講座名は提供元の表記です。受講言語は各講座のページでご確認ください。
AI Boost Bites: Amplify Exec Voices with AI
Free no-credit 10-minute micro-course using Gemini Gems, writing samples, and clear instructions to draft in an executive's voice. A focused workplace example, not a comprehensive prompting course.
AI Fluency: Framework and foundations
Practice delegation, description, discernment, and diligence with the 4D framework. Free course; completion badge after assessment.