AIに任せていい脳の仕事、任せてはいけない仕事

このサイトを作った動機がここにある。AIに任せると楽になる作業と、 任せると自分のほうが痩せていく作業は、たぶん違う。 どこに線を引くのか。手がかりは、検索エンジンが普及した時代の研究にすでにある。

「あとで調べられる」と思った瞬間、脳は覚えるのをやめる

グーグル効果の実験はこうだ。 参加者に事実を入力させ、片方には「このファイルは保存される」、 もう片方には「消去される」と伝える。すると、保存されると聞いた人は内容を覚えていなかった。 その代わり、どのフォルダに入れたかはよく覚えていた。

脳は、中身ではなく在り処を覚える方向へ切り替わっていた。 これ自体は賢い戦略だ。人間はずっと、記憶を人や本に分散して持ってきた。 問題は、切り替えが自動で、無自覚に起きることにある。 「これは自分で覚えておきたい」と思っていても、外に置けると分かった時点で手は緩む。

しかも、調べた直後は自分が賢くなったと感じる

さらに厄介な向きの効果もある。 検索は内側の知識の見積もりを膨らませる。 何かを検索した参加者は、そのあとまったく無関係な話題についてまで 「自分は説明できる」と評価した。 検索に失敗した条件でも効果は残り、同じ情報をただ読ませた条件では弱かった。 効いているのは情報ではなく、自分で調べにいく行為のほうだ。

つまり2つが同時に起きている。覚えなくなり、覚えた気になる。 そして道具が対話形式で説明まで返してくるようになれば、 この錯覚はさらに強くなるはずだ。返ってくる文章が自分の質問に合わせて書かれているぶん、 自分で考えたことのように感じられる。

道具は、使わなくても削っている

もう一段まずいのがブレイン・ドレインだ。 スマホは、見なくても、触らなくても、机の上にあるだけで作業記憶の成績を下げた。 別室に置いた条件がいちばん良かった。しかも本人は影響を感じていない。

無視するには力が要り、その力は本来の作業から引かれている。 AIの窓を開いたまま考えごとをするのは、これと同じ構図になりうる。 考える時間と、聞く時間を、物理的に分ける理由がここにある。

楽になった分、「分かった感じ」だけが増える

要約させると理解が速くなった気がする。だが 説明深度の錯覚は、 「分かっている」という感覚が、説明を求められた瞬間に崩れることを示した。 見慣れることと、使えることは違う。

そしてダニング・クルーガー効果が示すとおり、 下手さを見抜く力と、上手くやる力は同じ力だ。 AIの出力の良し悪しを判断するには、自分がその領域をある程度できる必要がある。 できないまま任せると、判断できないまま受け取ることになる。

これがいちばん静かに進む劣化だ。手応えは上がり、実力は下がる。しかも本人には見えない。

外に出せない工程がある

ではどこを自分でやるのか。記憶研究の答えははっきりしている。

テスト効果が示したのは、 定着を作っているのが思い出す工程そのものだということだ。 読むことでも、要約を読むことでもない。何も見ずに引き出す動作が、記憶を強くしている。 この工程は代行できない。代わりに思い出してもらっても、自分の中には何も残らない。

同じく処理水準は、 覚えるときに意味を考えたかどうかで残り方が決まると示した。 AIが整えた文章をなぞるのは、意味に触れる工程を飛ばしやすい。

だから線引きの第一原則はこうなる。 材料集めと整形は任せていい。思い出す工程と、意味を考える工程は自分でやる。

人間の側に残る仕事：構造で写す

任せないほうがいい、というだけでは後ろ向きだ。人間側に何が残るのか。

一つは類推だ。構造マッピング理論は、 良い「たとえ」が表面の似ているところではなく、関係の構造を写していると示した。 原子と太陽系が似ているのは、見た目ではなく「中心の周りを回る」という関係が同じだからだ。

これは分野をまたぐときにしか起きない。 自分が持っている領域が二つ以上あって初めて、構造の一致に気づける。 一つの領域を深くやるのと同じくらい、離れた領域を持つことに値打ちが出てくる。

人間の側に残る仕事：遠い連想

遠隔連想は、創造性を 「遠く離れた考えを結びつける力」として定義した。 近い連想は誰でも同じ答えに着く。差がつくのは、連想の裾野の遠いところだ。

そして裾野は、自分が実際に触れたものでできている。 検索で足りるものばかりに触れていると、裾野は広がらない。 遠回りして仕入れた雑多な知識が、ここで効いてくる。

人間の側に残る仕事：ぼんやりする時間

マインドワンダリングと創造的インキュベーションの実験は、 難しい課題のあとに単純作業を挟んだ群が、休憩や継続よりも良いひらめきを出したことを示した。 何もしない休憩ではなく、頭が半分空いている作業がいい。

つまり、皿を洗う時間や歩く時間は、生産性の敵ではなく工程の一部だ。 その時間まで動画や生成AIで埋めると、埋めた分だけ出力が落ちる可能性がある。

そもそも脳は、検索機ではない

もう一段引いた話をする。 予測処理は、脳を 「入力を受け取って処理する装置」ではなく「絶えず予測を立て、外れた分だけ更新する装置」として描く。 見えている世界は、感覚そのものではなく脳の予想の産物だ。

この見方に立つと、人間の強みが少しはっきりする。 情報を溜めることでも、速く引き出すことでもない。 曖昧な状況で賭けの予測を立て、外れたときに自分のモデルを直すことだ。 外れる経験を外注すると、モデルは更新されない。

ついでに言えば、自分がなぜそう判断したかの説明は たいてい後づけなので、 「AIに聞いたほうが自分より説明が上手い」のは当たり前でもある。 説明の上手さと、判断の質は別のものだ。

線の引き方

任せていいもの。

• 情報を集める、下訳を作る、形式を整える
• 自分がすでにできることの、繰り返しの部分
• 選択肢を並べる（ただし反対側も同じ手間で出させる）

自分でやるもの。

• 思い出す。 学んだことは、何も見ずに一度書き出す
• 意味を考える。 「これは何のためか」「無かったら何が困るか」に自分で答える
• 判断の理由を、その場で自分の言葉で書く
• 外れる。 予測して、外して、直す経験を手放さない
• 離れた領域を持つ。 構造の一致に気づけるのは、複数を知っている人だけ
• ぼんやりする時間を空けておく

道具が強くなるほど、手応えと実力のズレは広がる。 だから測り方だけは自分で持っておいたほうがいい—— 説明できるか、書けるか、外して直せるか。 測れるものは、痩せない。