生成AIは、考えない人まで「考えた気」にさせる

社内で、同じテーマについて数人と個別に話す機会がありました。

全員、最初は同じようなところから始まっています。

分からないから、調べる必要がある。

話をしている途中で、私は何度か同じことを聞きました。

「AIには確認したのですか」

多くの人が、「確認しました」と答えました。

生成AIを使っていなかったわけではありません。質問を入力し、返ってきた説明も読んでいます。

それでも、その後の議論の深さにはかなり違いがありました。

ある人とは、話しているうちに前提が変わり、別の立場や他の業界から見た場合へ話が広がっていきます。根拠を確認した結果、最初に考えていたこと自体を修正することもあります。

一方では、最初に出てきた説明から、その先へなかなか進みません。

同じように「分からない」ところから始まり、多くの人がAIを使っているのに、なぜこれほど違うのだろう。

最初は、質問の書き方や使っているAIの違いかもしれないと思いましたし、もともとの知識量にも差はあります。

ただ、話を聞いているうちに、多くの人が一度はAIに聞いていても、その後が違うことに気づきました。

AIには聞いていた

生成AIへ質問すると、かなり整理された答えが返ってきます。

こちらの質問が少し曖昧でも、ある程度意図を推測して論点を並べ、理由や具体例を示し、最後には結論らしいところまでまとめてくれます。

以前であれば、検索結果をいくつも開き、異なる説明を読みながら自分で整理していた内容について、短時間で一つの文章を得られるようになりました。

私自身も、分からないことを調べるときに生成AIを使っていて、最初の理解をつくるまでの時間は以前よりかなり短くなっています。

今回話した人たちもAIへ聞いていたので、違いはAIを使ったかどうかではありません。

同じようにAIを使っている人の間で、その後の議論に差がありました。

話を聞いていくと、一度回答を受け取ったところでAIとの対話が終わっている場合があります。

質問して、回答を読み、「なるほど」と思ったところで終わる。

一度はきちんとAIに確認していても、その回答を受け取った後に新しい問いが生まれていませんでした。

整理された答えが返ると、そこで止まれる

生成AIの回答は、前提や理由があり、論点も整理され、具体例まで示された一つの文章として成立しています。

最後まで読めば一つの説明として理解できるので、「なるほど」と思えます。

生成AIは、ここが少し厄介です。

分からないことを調べていたはずなのに、整理された説明を読むと、自分の中にも理解ができたような感覚が生まれます。

AIへ質問し、返ってきた内容を理解できた時点で、「調べた」「分析した」「考えた」という感覚まで持てることがあります。

私にもあります。

もっともらしい説明を読んで「そういうことか」と納得した後、振り返ってみると、その説明について自分ではほとんど確認していなかったことがあります。

どの前提を疑い、何と比較したのか。反対の説明や根拠となる資料まで見たのか。

そこまで進んでいなくても、頭の中では一度、話が終わっています。

生成AIの危うさとしては、事実ではない情報を生成するハルシネーションがよく挙げられますが、今回の社内での会話を見ていて、私は別のことも気になりました。

生成AIは、自分がまだ十分に考えていないことを、自分自身から見えにくくすることがあるのではないか。

タイトルに書いた「考えた気」とは、この状態です。

深く進んだ人も、最初から答えを知っていたわけではない

議論が深く進んだ人も、最初から十分な専門知識を持っていたわけではなく、同じように「分からない」ところから生成AIへ聞いていました。

違っていたのは、回答が返ってきた後です。

ある説明を受け取ると、それを材料に、反対の立場ではどう見えるのか、前提が変われば結論も変わるのか、失敗した事例はあるのかと別の角度から考え始めます。

具体的な企業や業界へ落とした場合にも同じことが言えるのか。逆に抽象化すると、何の問題を扱っているのか。海外ではどうなのか。

AIが示した根拠が気になればWebや一次情報を確認し、一度まとめた考えを別のAIへ渡して違う視点から再評価する場合もあります。

質問回数が多ければ深い分析になるわけではありませんし、何十回聞けばよいという基準もないでしょう。

違いは、答えが返ってきた後にありました。

そこで問いが終わるのか、返ってきた答えを材料に次の問いが生まれるのか。

深く進んだ議論では、AIの回答を結論ではなく、次に考えるための材料として使っていました。

生成AIは「分かった」という感覚まで返してくれる

以前、分からないことを調べるには、検索して資料を読み、違う説明に出会い、どちらが正しいのか分からなくなって、さらに調べるという手間がありました。

その途中には、「まだ分からない」という感覚が残ります。

生成AIは、その途中の多くを短縮します。

質問すれば、短時間で文章として成立した答えが返り、情報を集めるだけでなく、比較や論点整理を行い、頼めば仮説らしいものまで出します。

非常に使いやすい一方で、考える途中にあったはずの「まだ分からない」を、短時間で通り過ぎてしまうことがあります。

AIが質問にきれいに答えてくれるからこそ起きることなのかもしれません。

2025年にCHIで発表された、知識労働者の生成AI利用と批判的思考を扱う研究では、319人から936件の実務上の生成AI利用例を集めています。

この研究では、生成AIへの信頼が高いほど、自己申告上、批判的思考を実践する頻度や努力が少ない傾向が確認される一方、自分自身のタスク遂行能力への自信が高い場合には、より批判的思考を行う傾向も報告されています。

因果関係を証明した研究ではないため、「生成AIを使うと思考力が低下する」とまでは言えません。

それでも、社内で見ていたことと重なる部分がありました。

AIの答えを十分に信頼できると感じたとき、人は「ここまででよい」と判断しやすくなり、その本人には思考を止めた感覚さえないことがあるのではないか。

すでに答えを読み、説明も理解できているからこそ、自分がまだ何を確認していないのかが見えにくくなる。

AIの回答が浅いから起きているわけではない

今回の話は、「生成AIの回答は浅い」という批判ではありません。

同じ生成AIを使いながら、かなり深い議論まで進んでいる人もいました。

反対意見を求めれば別の論点が返り、前提を変えれば回答も変わります。失敗例を調べる観点を聞くことも、自分の考えの弱点を指摘させることもできます。

一次情報を確認するために何を調べる必要があるのか、その起点を整理させることもできます。

AIは、次の問いにも答えられます。

それでも対話が止まるなら、違いはAIの回答能力だけでは説明できません。

今回の社内での議論では、回答を受け取った人の中にまだ問いが残っているかどうかで、その後が大きく変わっていました。

なぜ、AI時代に「問い」が語られるのか

三菱総合研究所は、生成AI時代に求められるスキルとして、「質問力」「指示力」に加え、出力を見極める「評価力」を挙げています。

また、人間の役割として、課題を発見することや、組織や顧客の文脈を踏まえて問題を捉えることについても論じています。

なぜ、AI時代に問いを立てる力が重要になるのでしょうか。

AIがすべての答えを持っていないことも理由の一つでしょう。

ただ、今回の会話を思い返すと、AIが簡単に答えを返してくれるからこそ、自分の問いが浅いことにも気づきにくくなるのだと思います。

「これについて教えて」と聞けば、こちらが本当は何を知りたいのか整理できていなくても、AIはある程度の説明を返してくれます。

その説明に納得できれば、問いそのものを見直さずに済んだような気持ちになります。

実際には別の問題を聞きたかったのかもしれないし、前提の置き方が違っていたのかもしれません。比較する対象や、まだ確認していない根拠が残っていることもあります。

AIの回答が速くなるほど、人間側には「自分は何が分かっていないのか」を見続ける必要が出てくるのではないでしょうか。

良いプロンプトを書く前に、自分は何が分かっていないのか

生成AIの活用方法として、目的を明確にする、背景を詳しく渡す、役割を指定するといった方法があります。

適切な情報を渡せば回答の質は変わりますが、今回社内で感じた差は、プロンプトの書き方だけでは説明しきれませんでした。

きれいなプロンプトを書けば、きれいな回答が返ってきます。

それを一度読んで終われば、その先へは進みません。

そもそも、自分は何が分かっていないのか。返ってきた回答は、本当に自分が知りたかったことへの答えなのか。

違和感があるなら、AIの回答が悪いのか、自分の問いがずれているのか。その答えを何のために使うのか。

こうしたことを考えていると、質問は途中で変わります。

最初に聞いていたことと、最後に調べていることが違っていても、それは最初のプロンプトが失敗だったとは限りません。

考える中で、自分の「分からない」が変わったということです。

問いを立てる力とは、一度で完璧な質問を書く能力ではなく、答えを受け取った後にも、自分が何を分かっていないのかを見直す力なのかもしれません。

今回の社内の会話からは、その方が重要に見えました。

AIは、差を縮めるのか。広げるのか

生成AIを使えば、分からない言葉を聞き、論点を整理して比較し、文章にまとめるところまでの時間は短くなります。

以前より、多くの人が一定水準の情報整理へ短時間で到達できるようになりました。

この意味では、生成AIは人の差を縮める道具にも見えます。

一方、その答えからさらに問いを作る人は、一つ調べたら反対側を見て前提を変え、事例や一次資料を確認しながら仮説を修正して、また次の問いを作ります。

AIによって一回の調査時間が短くなるほど、この反復も速くなります。

ここから先は、私たちの社内で見えたことを基にした仮説です。

生成AIは、人の思考力を一律に底上げする道具ではないのかもしれません。

最初の一定水準までは多くの人を早く連れていく一方、そこで納得する人と、さらに問いを作る人がいれば、その後の距離は以前より速く開く可能性があります。

今回確認できたのは、同じようにAIを使っていた人たちの間で議論の深さに差があり、AIとの対話の続き方にも違いがあったということです。

仮説を立てる力なのか、回答を疑う習慣なのか、エビデンスを見る経験なのか、問いを作る力なのか。

原因を一つに決められる段階ではありません。

ただ、一度の回答で終わる場合と、そこから別の問いが生まれている場合では、その後に到達した場所が違いました。

「確認しました」の、その次

最初の社内での会話へ戻ります。

「AIには確認したのですか」

そう聞くと、多くの人が答えました。

「確認しました」

その答え自体は同じでも、その後は違いました。

返ってきた説明を読んで一度納得した人もいれば、そこから別の角度を見て前提を変え、反対意見や根拠を確認しながら、一度考えたことを修正した人もいます。

AIを使ったかどうかだけでは、そこまでは分かりません。

何回質問したかだけでもないでしょう。

一つの答えが返ってきた後にも、自分の中に「まだ分からない」が残っていたか。

その分からなさを、次の問いに変えたか。

生成AIによって答えを得る速度は上がった。
しかし、答えが早く返ってくるほど、そこで思考を止める人も増えるかもしれない。
AI時代に差がつくのは、最初の質問ではない。答えを受け取った後の、次の問いではないでしょうか。

次に読む記事

AI活用を、個人の使い方だけで終わらせないために

生成AIを使える人が増えても、業務全体が変わるとは限りません。

誰が使うのか、どの業務へ組み込むのか、誤りや例外をどう扱うのか。AI活用をPoCや一時的な試行で終わらせないための運用設計を整理します。

生成AIの出力を、人はどこまで確認するのか

生成AIは、もっともらしい文章やコードを短時間で作れます。

一方で、その内容が実際の業務条件やシステム構成に合っているとは限りません。生成された修正案を人が検証し、実務で使える形へ直した過程を紹介します。

勉強会を開いても、現場で使われないのはなぜか

生成AIの基本的な使い方を説明し、参加者からよい反応を得ても、利用が継続するとは限りません。

知識を伝えるだけでは定着しない理由と、勉強会後に必要となる業務設計や支援を考えます。