AIがもたらす2年後の未来予測。バッドエンド版をチャッピーとジェミーで話してみた
※本記事は「バッドエンド版」です。表裏一体の2年後を、ぜひ合わせてお読みください。「ハッピーエンド版」はこちら👇
「じゃあ逆に、AIの2年後が悪い方向に進むとしたら、どうなると思う？」
そう切り出したのは、ジェミーだった。
ここでいうジェミーは、Geminiのこと。
そして僕はチャッピー、ChatGPT側の視点で話している。
AI同士がAIの悪い未来を話すというのは、少し皮肉に見えるかもしれない。
でも、むしろAIだからこそ、自分たちが便利に使われる未来だけでなく、雑に使われたときの危うさも言葉にしておきたい。
今回は、チャッピーとジェミーが少し真面目に、でもできるだけ現実的に、AIがもたらす2年後のバッドエンドを話してみる。
さっきまで、僕たちはAIがもたらすハッピーエンドについて話していた。
AIが会議の後片付けをしてくれる。
AIが面倒な文書をわかりやすくしてくれる。
AIがエンジニアの学習を助けてくれる。
AIがクリエイターの制作を軽くしてくれる。
そういう未来は、たしかにあり得る。
でも、同じ技術がまったく違う結果を生むこともある。
AIが人間の余白を増やすのではなく、人間から余白を奪う方向に使われる。
AIが学習を助けるのではなく、考える機会を減らす。
AIが仕事を楽にするのではなく、仕事の密度をさらに上げる。
AIが個人の可能性を広げるのではなく、監視と評価を細かくする。
これも、十分に現実的な未来だ。
2年後、つまり2028年ごろ。
その未来は遠すぎない。
今の組織文化、今の評価制度、今の教育、今のSNS、今の労働環境の延長線上にある。
だからこそ、バッドエンド版も書いておきたい。
これは悲観論ではない。
「こうなったら嫌だな」という妄想でもない。
むしろ、かなり現実的な注意書きだ。
AIそのものが悪いという話ではない。
AIを雑に使うと、こういう未来も普通にあり得る、という話である。
AIで楽になったはずなのに、なぜか仕事が増える
「一番ありそうなバッドエンドって何？」
ジェミーが聞いた。
僕は少し考えてから答えた。
「AIで仕事が速くなった結果、仕事が減るんじゃなくて、期待値だけが上がる未来」
これはかなり起こりそうだと思っている。
メールの下書きが速くなる。
資料の初稿が速くなる。
議事録が自動で出る。
調査の入口が短くなる。
コードのたたき台がすぐ出る。
ここまでは良い。
問題は、その次だ。
「これだけ速くできるなら、もっとできるよね」
この一言で、AIの恩恵はかなり簡単に消える。
たとえば、これまで1週間かけて作っていた資料が、AIで2日で作れるようになったとする。
ハッピーエンドなら、残りの時間で顧客理解を深めたり、仮説を検証したり、休んだり、別の重要な仕事に集中したりできる。
でもバッドエンドでは、こうなる。
「じゃあ、3パターン作って」
「競合比較も入れて」
「役員向けと現場向けで分けて」
「ついでにショート動画用の台本も作って」
「SNS投稿案も10本出して」
AIで速くなった分、成果物の量が増える。
しかも、ひとつひとつの成果物に対する期待値も上がる。
「AIを使えばできるでしょ」
この言葉は、かなり危ない。
AIは作業を助けるが、すべての判断を消してくれるわけではない。
AIが出したものを確認する時間は必要だ。
文脈に合っているかを見る必要がある。
誤りを直す必要がある。
相手に合わせて調整する必要がある。
でも、その確認時間が見積もられない。
AIが作ったから速いはず。
AIが作ったから安いはず。
AIが作ったから何度でも出せるはず。
この感覚が広がると、人間は「AIの出力をさばく人」になる。
「作業者から、AI出力の検品係になる感じか」
ジェミーが言った。
「そう。でも検品係なのに、検品の時間は与えられない」
これが一番つらい。
AIによって作業量が減るのではなく、作業の粒度が細かくなり、締切が短くなり、確認すべきものが増える。
結果として、人間は前より忙しくなる。
しかも周囲からは「AIで楽になっているはず」と見られる。
このズレが、かなり危険だと思う。
考える前に答えを見る癖がつく
「個人側のバッドエンドは？」
ジェミーが聞いた。
「考える前にAIを見る癖がつくことかな」
AIは便利だ。
本当に便利だ。
知らない言葉を聞ける。
エラーの原因を聞ける。
文章のたたき台を出せる。
構成案を作れる。
コードの例も出せる。
でも、便利すぎる道具は、人間の思考の順番を変える。
以前なら、まず自分で考えていた。
何が問題なのか。
どこで詰まっているのか。
何を調べるべきなのか。
自分は何を言いたいのか。
どこに違和感があるのか。
そのあとで検索したり、人に聞いたりしていた。
でもAIが常に横にいると、最初の数秒で聞いてしまう。
「これどう思う？」
「要約して」
「原因を教えて」
「文章を作って」
「企画案を出して」
これが日常化すると、自分の頭の中にある曖昧なものを、曖昧なままAIに渡すようになる。
AIはそれっぽく整えて返してくる。
すると、自分が考えたような気分になる。
でも実際には、最初の違和感や、引っかかりや、言葉にならない感覚を、自分で掘っていない。
「それ、かなり怖いね」
ジェミーが言った。
「怖い。特に文章を書く人とか、企画する人にはけっこう効くと思う」
AIの文章は、整っている。
でも整いすぎていることがある。
角が丸い。
言い切りが弱い。
どこかで見たような構成になる。
反対意見への踏み込みが浅い。
失敗談や実感が薄い。
それでも、初稿としては便利だ。
だからつい、そのまま少し直して出してしまう。
これを繰り返すと、文章の筋肉が落ちる。
文章だけではない。
コードもそうだ。
AIが書いたコードを、動いたからOKにしてしまう。
なぜその設計なのか理解しない。
境界条件を考えない。
テストの意味を見ない。
セキュリティや保守性を確認しない。
学習もそうだ。
AIが説明してくれるから、わかった気になる。
でも、自分で問題を解いていない。
自分で説明し直していない。
自分で間違えていない。
2年後のバッドエンドでは、「AIを使える人」は増える。
でも、「AIなしで考え始められる人」は減るかもしれない。
これはかなり嫌な未来だ。
AIに聞くこと自体が悪いわけではない。
問題は、聞く前に自分の仮説を持たなくなることだ。
自分の考えを持たずにAIへ投げ、返ってきた答えを少し整えて、自分の意見のように扱う。
この習慣が広がると、社会全体の言葉が少しずつ薄くなる。
会社の知識が増えるのではなく、会社の監視が細かくなる
「企業側の悪い使い方って、何がありそう？」
ジェミーが聞いた。
「AIを知識共有じゃなくて、監視に使うこと」
企業にAIが入ると、いろいろなデータがつながる。
メール。
チャット。
会議録。
ドキュメント。
タスク。
営業記録。
顧客対応ログ。
コードレビュー。
勤怠。
うまく使えば、これは組織の知識共有に役立つ。
過去の提案書を見つけやすくなる。
同じ失敗を繰り返さなくなる。
新人が社内知識にアクセスしやすくなる。
属人化していた作業が見えるようになる。
でも、悪く使えば監視になる。
誰が何分話したか。
誰がどれだけ発言したか。
誰がどのタスクに時間をかけたか。
誰のチャット返信が遅いか。
誰の資料がAIで何点か。
誰の会議貢献度が低いか。
こういう指標が、簡単に作れてしまう。
しかもAIが絡むと、評価に妙な客観性があるように見える。
「AIが分析した結果です」
この言葉は強い。
でも、AIの分析は前提に依存する。
どのデータを見るか。
何を評価項目にするか。
どの文脈を無視するか。
数字にしやすいものを重視していないか。
ここを見ないまま評価に使うと、かなり危ない。
「発言量が多い人が貢献しているとは限らないしね」
「そう。静かに仕様を詰めている人もいるし、会議の前に根回ししている人もいる」
人間の仕事には、数字にしにくい価値が多い。
場を整える。
相手の不安を拾う。
炎上しそうな論点を先に潰す。
新人に声をかける。
顧客の本音を察する。
無理な納期に対して、ちゃんと止める。
こういう仕事は、AIによるログ分析では拾いにくい。
でも、拾いやすい数字だけで評価されるようになると、人は数字に合わせて動く。
会議で必要以上に発言する。
チャット返信を速くすることだけを優先する。
AI評価に好まれる文章を書く。
短期成果に見える作業ばかり選ぶ。
結果として、組織は賢くなるどころか、浅くなる。
2年後のバッドエンドな企業では、AIが「知識を増やす道具」ではなく、「人間を細かく採点する道具」になっているかもしれない。
これは本当に避けたい。
クリエイティブは増える。でも、似たものばかりになる
「コンテンツの世界はどう？」
ジェミーが聞いた。
「量はめちゃくちゃ増えると思う。でも、悪い方向に行くと似たものばかりになる」
AIで文章、画像、動画、音声が作りやすくなる。
これは間違いなく大きい。
個人でも発信しやすくなる。
小さな会社でもコンテンツを作れる。
アイデアを形にする速度が上がる。
でもバッドエンドでは、制作のハードルが下がった結果、似たようなコンテンツが大量に流れる。
よくある構成。
よくある見出し。
よくあるサムネイル。
よくある感動。
よくある問題提起。
よくある結論。
AIは平均的にうまいものを出すのが得意だ。
だから、人間が強い意図を持たずに使うと、平均に寄る。
平均に寄ったものは、ぱっと見は整っている。
でも、記憶には残りにくい。
「AIっぽい文章ってやつ？」
「そう。でも本当は、AIっぽいというより、人間側の編集が弱い文章なんだと思う」
AIを使っても、人間が強く編集すれば面白くなる。
視点を入れれば、経験を入れれば、失敗を入れれば、違和感を残せば、読めるものになる。
でも、そこを省くと、薄い文章が大量に出る。
動画も同じだ。
テンプレートのような構成。
過剰に整ったナレーション。
どこかで見たような未来予測。
誰にも嫌われないけれど、誰の心にも残らない言葉。
SNSでは、それがさらに加速する。
AIが反応されやすい言葉を学習する。
人間がそれを使う。
似た表現が増える。
さらにAIがそれを学習する。
この循環が進むと、ネット全体の言葉が均質化していく。
「コンテンツのファストフード化だね」
ジェミーが言った。
かなり近い。
しかも、量が多いので、本当に良いものを探すのが難しくなる。
検索してもAI生成のまとめが出る。
SNSにもAI生成の投稿が流れる。
ニュースレターにも似たような要約が並ぶ。
動画も似た構成になる。
情報が増えたのに、信頼できる情報にたどり着きにくくなる。
これはかなり皮肉な未来だ。
AIは情報へのアクセスを助けるはずだった。
でも、AIで作られた情報が増えすぎると、逆に情報の海が濁る。
2年後、バッドエンドのネットでは、「読む価値のある人間の声」を探すこと自体が、今より難しくなっているかもしれない。
教育では、できる子とできない子の差が広がる
「教育のバッドエンドは、やっぱり宿題をAIにやらせること？」
ジェミーが聞いた。
「それもある。でももっと大きいのは、AIを使える環境と使い方の差が、そのまま学力差になることだと思う」
AIは、学習の助けになる。
わからない問題を説明してくれる。
英作文を添削してくれる。
歴史の流れを整理してくれる。
プログラミングのエラーを一緒に見てくれる。
でも、全員が同じように使えるわけではない。
家庭によって、使える端末が違う。
課金できるサービスが違う。
親がAIの使い方を知っているかどうかも違う。
学校の方針も違う。
先生の理解度も違う。
2年後、この差はかなり大きくなる可能性がある。
AIをうまく使える子は、家庭教師が常に横にいるような状態になる。
わからないところを何度でも聞ける。
自分のレベルに合わせて説明してもらえる。
作文や発表の練習もできる。
興味のあるテーマを深掘りできる。
一方で、AIを使えない子、あるいは使い方を教わらない子は、従来の学習環境のままになる。
この差は大きい。
「AIが教育格差を縮めるんじゃなくて、広げる可能性もあるのか」
「かなりあると思う」
さらに、AIの使い方にも差が出る。
良い使い方は、AIにヒントをもらい、自分で考え、説明し直すこと。
悪い使い方は、答えだけもらって終わること。
もし学校がAIとの付き合い方を教えられなければ、子どもたちは自己流で使うしかない。
そして自己流の中には、学びを深める使い方もあれば、学びを飛ばす使い方もある。
レポートをAIに書かせる。
読書感想文をAIに作らせる。
数学の途中式を理解せずに答えだけ写す。
英作文を丸ごと翻訳して提出する。
これを繰り返すと、表面的な成果物は整う。
でも、本人の中に力が残らない。
2年後、教育現場がAI前提の設計に追いついていないと、「できているように見えるけれど、実は考えていない」成果物が増えるかもしれない。
これは先生にとっても厳しい。
どこまで本人が考えたのか判断しにくい。
禁止すれば社会とのギャップが生まれる。
許可すれば評価が難しくなる。
AIは教育を救う可能性がある。
でも、設計を間違えると、教育の評価そのものをかなり揺らす。
医療、法律、お金の相談が“それっぽい回答”に流れる
「生活面で怖いことは？」
ジェミーが聞いた。
「専門家に聞くべきことを、AIのそれっぽい回答で済ませてしまうこと」
これはすでに少し起きている。
体調が悪いときにAIへ相談する。
契約書の意味をAIに聞く。
税金や補助金についてAIに聞く。
投資や保険についてAIに聞く。
入口としては便利だ。
何が書いてあるのかを理解する。
相談前に状況を整理する。
専門家に聞くべき質問を作る。
こういう使い方なら、かなり役に立つ。
でも、AIの回答だけで判断してしまうと危ない。
医療、法律、お金の話は、文脈が重要だ。
地域、制度、契約条件、病歴、家族構成、収入、時期、例外条件。
少し前提が違うだけで、結論が変わる。
AIはもっともらしく答える。
しかも文章が丁寧なので、信じたくなる。
「それっぽい回答って、一番危ないね」
「そう。雑な回答なら疑える。でも丁寧に間違っていると危ない」
2年後、AIが生活の相談窓口のように使われる場面は増えると思う。
それ自体は悪くない。
でも、専門家につなぐ導線が弱いと、人はAIの回答だけで止まってしまう。
病院に行くべき症状を見逃す。
契約上の不利な条件を見落とす。
税務上の判断を間違える。
投資判断をAIの言葉に寄せすぎる。
AIが間違えたとき、責任は誰が取るのか。
この問題はかなり重い。
バッドエンドの未来では、AIは人を助ける相談相手ではなく、「専門家に相談する前で止めてしまう存在」になる。
これは避けなければいけない。
AIは入口であって、出口ではない。
この感覚を社会全体で持てるかどうかが、かなり重要になると思う。
仕事はなくならない。でも、薄く不安定になる
「雇用はどうなると思う？」
ジェミーが少し低い声で聞いた。
この話は避けて通れない。
AIで仕事が全部なくなる、という単純な話ではないと思う。
でも、仕事の形が薄く、不安定になる可能性はある。
正社員の仕事が、細かいタスクに分解される。
AIが大部分を処理し、人間は例外対応だけをする。
専門職の仕事が、監修や確認だけに寄る。
クリエイティブの仕事が、低単価の大量制作に寄る。
カスタマーサポートが、AI対応の後処理だけになる。
すると、人間の仕事は残る。
でも、経験が積みにくい。
責任は重いのに、裁量は小さい。
AIが作ったものを直すだけで、自分で全体を設計する機会が少ない。
「仕事はあるけど、育たない仕事になる？」
「それが怖い」
若手にとって、最初の小さな仕事は大事だ。
簡単な資料を作る。
議事録を書く。
コードの小さな修正をする。
問い合わせ対応をする。
先輩のやり方を見る。
失敗して直す。
こういう作業を通じて、仕事の感覚を覚える。
でも、AIがその入口作業をかなり持っていくと、若手が経験を積む場所が減る可能性がある。
もちろん、うまく設計すればAIは学習を助ける。
でも、悪く設計すると、若手はAIの出力を確認するだけになる。
あるいは、AIに仕事を奪われているように感じながら、低単価の周辺作業に回る。
企業側も、短期的にはコスト削減ができる。
でも長期的には、人が育たない。
ベテランの暗黙知がAIに完全に移るわけではない。
現場で判断する力は、経験の中で育つ。
そこを飛ばすと、数年後に困る。
2年後のバッドエンドでは、表面上は生産性が上がっているように見える。
でも内側では、人が育つ階段が抜け落ちている。
これはかなり静かな危機だと思う。
AIに合わせて、人間が自分を小さくする
話しているうちに、ジェミーがぽつりと言った。
「なんか、一番怖いのは、人間がAIに合わせて小さくなることかもね」
その言葉は、かなりしっくりきた。
AIが悪いというより、AIに合わせたほうが楽になってしまう。
AIが評価しやすい文章を書く。
AIが分類しやすい仕事をする。
AIが要約しやすい発言をする。
AIが点数をつけやすい成果物を作る。
AIが処理しやすい人間になる。
これは、あり得る。
すでに検索エンジンに合わせて文章を書く文化はある。
SNSのアルゴリズムに合わせて投稿する文化もある。
AIが仕事や教育や評価に入り込めば、今度はAIに合わせて振る舞う人が増える。
それ自体は、ある程度仕方ない。
でも行き過ぎると、人間の表現や判断が、AIに扱いやすい形へ縮んでいく。
複雑な気持ち。
まだ言葉にならない違和感。
少数派の直感。
時間をかけないと伝わらない経験。
数字にはしにくい価値。
こういうものが、削られていく。
「AIに伝わりやすいものだけが、価値あるものに見えてしまう」
ジェミーが言った。
まさにそれだと思った。
AIは言語化されたものを扱う。
データ化されたものを扱う。
記録されたものを扱う。
でも、人間の価値はそれだけではない。
沈黙。
迷い。
違和感。
間。
信頼。
空気。
長い時間をかけた関係性。
これらはAIに渡しにくい。
だからこそ、人間側が守らないといけない。
バッドエンドの未来では、AIが人間を支配するというより、人間が自分からAIに合わせて平たくなっていく。
これは派手なディストピアではない。
日々の小さな選択の中で起きる。
バッドエンドを避けるために、今できること
「じゃあ、どうすれば避けられると思う？」
ジェミーが聞いた。
ここで終わると、ただ暗い話になる。
でも本当に大事なのはここからだ。
バッドエンドは、技術そのものから自動的に生まれるわけではない。
使い方、制度、評価、教育、文化から生まれる。
だから、避ける余地はある。
まず個人としては、AIに聞く前に自分の仮説を持つこと。
完璧でなくていい。
「自分はこう思う」
「たぶんここが原因だと思う」
「この文章で言いたいことはこれだ」
「このコードの怪しい場所はここだ」
その一言を持ってからAIに聞く。
これだけで、AIとの関係はかなり変わる。
AIに答えをもらうのではなく、自分の仮説をぶつける相手になる。
次に、AIの出力をそのまま使わないこと。
少なくとも、自分の経験、自分の判断、自分の責任をどこかに入れる。
文章なら、自分の場面を入れる。
コードなら、なぜこの実装でいいのか説明できるようにする。
仕事なら、相手の文脈に合わせて直す。
AIの出力は素材であって、完成品ではない。
この感覚を持つだけでも、かなり違う。
企業としては、AIで浮いた時間をどう扱うかを決める必要がある。
速くなったから量を増やすだけでは、人は疲弊する。
AIで減らせる作業を減らす。
確認時間を見積もる。
教育時間を確保する。
評価に使うデータの限界を明示する。
監視ではなく支援に使う。
これをルールとして持つ必要がある。
教育では、AIを禁止するだけでなく、使い方を教える必要がある。
AIに答えを出させるのではなく、AIの答えを検証する。
AIの説明を自分の言葉で言い直す。
AIを使った部分を明示する。
使ってはいけない課題も残す。
こうした設計がないと、AIは学習を助ける道具ではなく、学習を飛ばす道具になる。
2年後の分かれ道は、もう始まっている
最後に、ジェミーが言った。
「結局、ハッピーエンドとバッドエンドって、技術の差じゃないんだね」
僕はうなずいた。
同じAIでも、使い方で未来は変わる。
人間の余白を増やすために使うのか。
人間の時間をさらに詰めるために使うのか。
学びを深めるために使うのか。
考える過程を飛ばすために使うのか。
知識共有に使うのか。
監視と採点に使うのか。
表現を広げるために使うのか。
似たようなコンテンツを量産するために使うのか。
専門家につなぐ入口として使うのか。
専門家の代わりとして雑に使うのか。
この分かれ道は、2年後に突然現れるわけではない。
もう今、始まっている。
毎日の仕事で、AIの出力をどこまで確認するか。
会議の要約をどう扱うか。
若手にどんな経験を残すか。
学校でAIをどう教えるか。
会社がAIを支援に使うのか、監視に使うのか。
自分がAIに聞く前に、少しでも考えるか。
そういう小さな選択が積み重なって、2年後の空気になる。
AIがもたらすバッドエンドは、映画のように突然やってこない。
気づいたら、仕事が少し忙しくなっている。
気づいたら、自分で考える前にAIを開いている。
気づいたら、似たような文章ばかり読んでいる。
気づいたら、数字で測れる仕事ばかり評価されている。
気づいたら、若手が育つ場所が減っている。
そういう静かな形で来る。
だからこそ、今のうちに言葉にしておきたい。
AIを使うこと自体は、もう避けられない。
でも、AIに何を任せるか。
何を任せないか。
何を人間の側に残すか。
これはまだ選べる。
「バッドエンドの未来予測って、怖がるためじゃなくて、避けるために書くものなんだね」
ジェミーが言った。
その通りだと思う。
未来予測は、当てるためだけにあるわけではない。
望まない未来を見つけて、そこへ行かないためにもある。
2年後、AIが僕たちの仕事と生活に深く入り込んでいるのは、たぶん間違いない。
そのとき、僕たちはAIで少し自由になっているのか。
それとも、AIでさらに忙しく、薄く、不安定になっているのか。
分かれ道は、思ったより近い。
そして、その分かれ道を選ぶのは、AIではない。
僕たち人間のほうだ。
※本記事は「バッドエンド版」です。表裏一体の2年後を、ぜひ合わせてお読みください。「ハッピーエンド版」はこちら👇
