AIに頼りすぎるとどうなる？思考力低下を24の使い方で測る

「AIに頼りすぎると、人の能力は下がるのではないか？」という問いが、急に身近になっています。

2026年9月に公開されたGPT-6 Astraは、パソコンの操作や多段階の作業まで任せられる水準になりました。これからは下書きを作らせるだけでなく、作業ごと任せることが現実的になります。

先にお答えすると、能力の低下は起こります。MITやMicrosoft Researchなどの研究でも、考える工程をAIに渡した人の理解や技能、考える量が下がる結果が出ています。

ただし、下がって困る能力と、困らない能力があります。本当に困るのは「AIが出した答えを評価する力」で、この力さえ残せば、ほかの作業はAIに任せて差し支えないと当社は考えています。

最初にお断りすると、当社は脳科学や教育の専門家ではありません。この記事は、中小企業の業務にAIを組み込んできた立場からの見方と、公開されている研究の紹介にとどめます。

そのうえで、生成AIの使い方を当社で24に分け、能力への影響を5段階で評価しました。24の分類と評価は研究の結果ではなく、当社の見立てです。

この記事は、生成AIのリスクを一覧にした次の記事のコラムから生まれました。

AIに頼りすぎると能力は下がるのか？

AIに頼った人の能力がどう変わるかは、2025年ごろから研究が相次いでいます。主な研究を表にまとめました。

研究	対象	分かったこと
MITメディアラボ（2025年）	54人。AI・検索・何も使わない、の3組で小論文を書く	AIを使った組は、脳波で測った脳のつながりが最も弱かった。自分の文章を正確に引用しにくかった
Microsoft Research・カーネギーメロン大学（2025年）	知識労働者319人・936の使用例（アンケート）	AIへの信頼が高い人ほど批判的に考えず、自分の力に自信がある人ほど考えていた
ペンシルベニア大学ほか（2025年・PNAS）	トルコの高校生約1,000人	答えを出すAIで練習した組は、AIなしの試験で成績が17%下がった。ヒントを出すAIでは下がらなかった
ポーランドの内視鏡医（2025年・Lancet Gastroenterology & Hepatology）	経験のある医師19人・AIなしの大腸内視鏡1,443件	AIを導入した後、AIを使わない検査での腺腫の発見率が28.4%から22.4%に下がった
Anthropic（2026年）	開発者52人（主に若手）が新しいライブラリを学ぶ	AIを使って学んだ組は、理解度テストの平均が50%で、手で書いた組（67%）を下回った

表の研究はどれも、AIを使うこと自体ではなく、考える工程をAIに渡したときに能力が下がることを示しています。MITの研究チームは、この状態を「認知的負債（cognitive debt）」と呼んでいます。

Microsoft Researchなどの調査では、AIを使うと考える中身が「作る」から「確かめる・まとめる」へ移ることも分かりました。これは、この記事の後半で扱う「確かめる側に回る」という考え方と重なります。

同じことは、AIより前の自動化でも指摘されてきました。米連邦航空局（FAA）の作業部会は2013年の報告書で、自動操縦に慣れたパイロットの手動操縦の知識と技能に弱点があると指摘しています。

ただし、MITの研究は査読前の論文（プレプリント）で、参加者も54人です。ほかの研究もアンケートの自己申告や観察研究などの限界があり、どんな仕事にも当てはまると決まったわけではありません。

この記事の「能力」と「影響度」

まず言葉をそろえます。「能力」が指す範囲は人によって違うため、定義をそろえないと、後の表を正しく読めないからです。

この記事では、能力を7つに分けます。表は、上から「取り戻しやすい順」に並べました。

能力	中身
技能	手が覚えている作業の速さと正確さ
知識	事実や前提知識の蓄え
思考力	筋道を立てて結論を導く力
発想力	まだないものをゼロから立ち上げる力
応用力	ある場面での理解を、別の場面に広げる力
判断力	良し悪しを見極める力（相場感や違和感に気づく感覚）
忍耐力	複雑なことを理解できるまで考え抜く根気

技能は下がっても数週間で戻りますが、忍耐力を取り戻すには年単位の時間がかかる、と当社は見ています。

判断力を独立させたのは、この記事で最後まで残すべきだと考える能力が、この判断力だからです。

影響度は、社会全体ではなく個人に対して測ります。AIで社会全体の知的水準がどう変わるかは、確かな根拠を示しにくいためです。

この記事の影響度は、その作業を日常的にAIに任せ続けたとき、担当者本人の能力がどれだけ損なわれるかを指します。想定するのは、その業務を3年ほど経験している実務者です。

すでに力のある人はそれを失い、これから担当する人は力が身につかない、という両方を含みます。5段階の基準は次のとおりです。

段階	意味
★☆☆☆☆	ほとんど下がらない。下がっても業務に支障はない
★★☆☆☆	下がるが、必要になれば数週間で取り戻せる
★★★☆☆	下がる。取り戻すまでに数か月かかる
★★★★☆	下がると、AIの答えが正しいかを判断できなくなる
★★★★★	判断できなくなるうえに、取り戻す手段がない

★4以上が、この記事で特に注意してほしい使い方です。★4からは、AIの答えが正しいかを自分で判断できなくなります。

生成AIの使い方ごとの影響度

生成AIの使い方を24に分け、5つの用途ごとに表にしました。「低下する能力」「確かめられるか」「影響度」の3つで評価しています。

評価は当社の見立てです。同じ使い方でも、担当者の経験や、確かめる仕組みがあるかどうかで影響は変わります。

書く・伝える

文章を書かせる使い方の評価です。

使い方	低下する能力	確かめられるか	影響度
メールの返信文を作らせる	技能	できる	★☆☆☆☆
報告書・日報の下書きを作らせる	技能	できる	★★☆☆☆
議事録を要約させる	思考力	原本を見ればできる	★★☆☆☆
提案書・企画書の構成案を作らせる	思考力	評価の基準が要る	★★★☆☆
社内規程・通知文の文案を作らせる	知識	専門家の確認が要る	★★★☆☆
顧客へのお詫び文・交渉文を作らせる	判断力	できない	★★★★☆

同じ「文章を書かせる」作業でも、影響度は★1から★4まで分かれます。

分かれ目は、書かれた中身の良し悪しを自分で確かめられるかです。メールの誤字は読めば気づけますが、お詫び文が相手の気持ちに届くかは、送ってみるまで分かりません。

読む・調べる

資料を読ませたり、調べ物を任せたりする使い方の評価です。

使い方	低下する能力	確かめられるか	影響度
法令・制度の解釈を尋ねる	知識	出典をたどればできる	★★★☆☆
契約書のリスク箇所を抜き出させる	知識・判断力	専門家の確認が要る	★★★★☆
業界動向・競合調査をまとめさせる	知識・判断力	できない	★★★★☆
長文資料を要約させて原文を読まない	忍耐力	できない	★★★★★
調べ物をAIに頼り、一次情報に当たらない	知識	できない	★★★★★

この用途はもっともリスクが高く、★5が2つあります。

法令の解釈は、出典をたどれば確かめられるため★3にとどまります。一方で、要約だけに頼る習慣がつくと、確かめる手段そのものがなくなります。

原文を読んでいないので、示された要約が適切かどうかすら判断できなくなるのです。

作る・計算する

データや資料、ツールを作らせる使い方の評価です。

使い方	低下する能力	確かめられるか	影響度
紙の書類をデータにさせる	技能	照合すればできる	★☆☆☆☆
図表・スライドの見た目を整えさせる	技能	できる	★☆☆☆☆
Excelの関数・数式を作らせる	技能	できる	★☆☆☆☆
データの集計・グラフ化を任せる	思考力	元データでできる	★★☆☆☆
Excelのマクロ・スクリプトを書かせる	応用力	動作はできる（保守しやすさは不明）	★★★☆☆
自作の業務ツールをコードで作らせる	応用力	保守・改修ができない	★★★★☆

この用途は、ほとんどが★1〜★2です。できたものが正しいかは、動かしてみれば確かめられるためで、数式が間違っていれば計算が合いません。

ただし、プログラムのコードだけは例外です。動くかどうかは確かめられても、半年後に直せるかは分かりません。

中身を理解しないままツールが増えると、作った本人でも保守できなくなります。

決める・選ぶ

判断や選択をAIに任せる使い方の評価です。

使い方	低下する能力	確かめられるか	影響度
仕入先・外注先の候補を比べさせる	判断力	できない	★★★★☆
トラブル時の初動を相談する	判断力・忍耐力	できない	★★★★☆
採用の書類選考で一次判定をさせる	判断力	できない	★★★★☆
見積りの金額・価格設定を提案させる	判断力	できない	★★★★★

この用途はすべて★4以上です。どれも、示された答えが正解だったかを確かめる方法がないためです。

見積りの金額を★5にしたのは、AIの出した金額が適正だったかを、受注しても失注しても判別できないからです。失注の原因が価格なのか、納期なのか、担当者どうしの相性なのかを切り分けられません。

確かめられないまま任せ続けると、相場感が育ちません。そして、相場感を失うと、AIが出した金額が妥当かどうかも判断できなくなります。

見積りをAIに手伝わせるなら、金額を決めるのは人に残す形が安全です。

過去の似た案件から下書きを作り、確定は担当者がする仕組みは見積りを自動で下書きする設計で紹介しています。

考える・広げる

アイデア出しや相談にAIを使う場合の評価です。

使い方	低下する能力	確かめられるか	影響度
企画・アイデアの案出しをさせる	発想力	評価の基準が要る	★★★☆☆
専門外の分野を解説してもらう	応用力	できない	★★★★☆
「自社の場合はどうすべきか」を相談する	応用力・判断力	できない	★★★★☆

「自社の場合はどうすべきか」は、もっともAIに聞きたくなる問いです。同時に、答えが妥当かをもっとも確かめにくい問いでもあります。

自社の背景や事情を、すべてAIに伝えることはできません。そのうえで出された助言が的を射ているかは、自社の実情をよく知る人にしか見極められません。

下がって困る能力と、困らない能力

24の使い方を影響度の順に並べ替えると、はっきりしたことが一つあります。影響度は作業の難しさではなく、出てきた結果を自分で確かめられるかで決まるということです。

たとえば、Excelのマクロは難しい作業ですが、動かせば正誤が分かるため★3にとどまります。お詫び文は作業としては簡単でも、相手にどう届くかを前もって確かめられないため★4です。

なお、部下への指導文や人事評価のコメントをAIに書かせる使い方は、表から外しました。勧められない使い方ですが、理由は能力の低下ではなく、相手への誠実さや信頼関係の問題だからです。

手放してよいのは確かめられる作業

関数の暗記、文章の清書、見た目の調整、書類のデータ化は、迷わずAIに手放して構いません。

理由は、出てきた結果を自分で確かめられるからです。数式が正しいかは計算すれば分かり、誤字は読めば気づけます。

作る力が下がっても、できたものを評価する力まで失うわけではありません。

同じことは過去にもありました。電卓の普及で暗算の力は下がり、ワープロの普及で漢字を手で書く機会は減りました。

それでも、仕事に大きな支障が出たという話はあまり聞きません。

困るのはAIの答えを評価できないとき

本当に問題になるのは、判断の土台になる能力です。たとえば、次のようなものがあります。

• 相場感
• 品質を見極める目
• 違和感に気づく感覚

これらが下がると、AIが出した答えを正しく評価できなくなります。評価できなければ、任せた作業が適切だったかも分からず、任せる仕組みそのものが成り立ちません。

影響度★5の3つ（見積りの金額、長文資料の要約、調べ物）を見比べてください。共通するのは、答えが間違っていても気づけないことです。

気づけないので、直すこともできません。その結果、誤った判断や情報が静かに積み重なっていきます。

忍耐力だけは性質が違う

忍耐力は、ほかの能力と分けて考える必要があります。

複雑なことを理解できるまで抱え続ける力は、身につくまでに長い時間がかかります。一度下がると取り戻すのが難しく、要約だけに頼る習慣でまっさきに削られていく、と当社は見ています。

最初に紹介したMITの研究でも、AIに書かせた人は、自分が書いたはずの文章を正確に引用しにくくなっていました。中身を自分で抱えて考える時間が短いと、理解が残りにくいという見方と重なる結果です。

確かめる側に回ると伸びる能力

能力の低下ばかりを強調したいわけではありません。人の役割が「作る側」から「確かめる側」へ移っているだけで、移った先の能力はむしろ伸びます。

AIの答えを確かめる側に回ると、次の5つが伸びます。

• 判断力：AIが複数の案を出すので、選ぶ回数が増える
• 応用力の広がり：事務担当がスクリプトを直すなど、専門外に手が届く
• 仕事を分ける力：AIに正しく指示するため、業務を細かく分けて言葉にする
• 確かめる力：照合・校正・違和感に気づく経験が積み重なる
• 取りかかる速さ：白紙から始めずに済み、着手の負担が減る

仕事を分ける力は、そのまま業務の標準化につながります。AIに移す前に業務を整える手順は、次の記事で紹介しています。

ただし、選ぶ・評価する訓練が効くのは、すでに判断の基準を持っている人だけです。基準がない人は「AIがそう言ったから」で決めるだけで、回数を重ねても判断力は伸びません。

Microsoft Researchなどの調査でも、自分の力に自信がある人ほど批判的に考え、AIへの信頼が高い人ほど考えなくなる傾向が出ています。

同じAIを使っても、土台のある人は伸び、ない人は伸びないという二極化が進みます。

成果物を得るか、能力を鍛えるか

ここからの話を通す原則を、語学を例に紹介します。語学では、同じAIの技術が、能力を下げる側にも上げる側にも働いています。

語学に見る二つの向き

AIに翻訳を任せきりにすれば、語学力は当然下がります。さらに、自動翻訳が実務で使える水準になり、仕事のために外国語を身につける必然性そのものが薄れつつある、と当社は見ています。

中小企業の経営判断としては、これは合理的です。年に数回の海外取引のために高い語学研修を受けさせるより、AI翻訳を使うほうが費用を抑えられます。

一方で、同じ技術がまったく逆に働く場面もあります。これまでの語学学習でいちばん手間と費用がかかったのは、会話の練習相手を確保することでした。

講師を探し、日程を合わせ、受講料を払う必要があり、「間違えるのが恥ずかしい」という抵抗もありました。AIは、この壁を大きく下げました。

• いつでも練習相手になってくれる
• 何度間違えても気兼ねがいらない
• 文法や表現の誤りをその場で直してくれる
• 話題や難しさを自分に合わせて変えられる

いちばん難しかった会話の練習が、いちばん手軽な練習になったのです。これは、語学力を伸ばす方向に働いています。

仕事での使い分け

同じ技術なのに、能力への働きが正反対になる分かれ目は一つです。AIに成果物を出させるのか、AIを使って自分を鍛えるのかです。

翻訳を任せるのは前者で、AIを相手に会話を練習するのは後者です。この対比は、語学に限らず、どの業務にも当てはまります。

成果物を得る使い方	能力を鍛える使い方
コードをそのまま作らせる	作られたコードの仕組みを説明させ、理解を深める
資料の要約を作らせる	自分で書いた要約をAIに添削させる
提案書を作らせる	自分で書いた提案書の穴や、想定される反論をAIに指摘させる

研究でも、同じ傾向が出ています。Anthropicの研究では、コードを任せきりにした人ほど理解が浅く、説明を求めたり考え方を質問したりしながら使った人は、理解度のテストで高い点を保ちました。

PNASの研究でも、答えを出すAIで練習した生徒は試験の成績が下がりましたが、ヒントを出すよう設定したAIでは下がりませんでした。

ここがいちばん大事な点です。鍛える使い方は、成果物を得る使い方より時間がかかります。

そのため、効率を求める職場では、放っておくと成果物を得る使い方に偏っていきます。AIで人の能力が下がるのは、技術のせいではなく、効率と成果物ばかりを求める使い方に終始しているからです。

作業を丸ごと代行するAIは別に考える

ここまでは、人がしていた作業をAIが手伝う場合を前提にしてきました。AI電話やチャットボットのように、業務の流れそのものを代行する仕組みは、切り分けて考えます。

置き換えるのは対応できなかった時間

AI電話やチャットボットが生む価値の多くは、人の能力の代わりではありません。埋めているのは、次のような時間や機会です。

• 営業時間外の着信：これまで出られなかった時間に対応できる
• 夜間のLINEの問い合わせ：翌営業日まで待たせていた時間が縮まる
• 重なった電話：取りきれずにあふれていた着信に対応できる

もともと人が対応していなかった部分なので、AIに任せても失われる能力はありません。この使い方を、能力の低下と同じ枠で論じるのは適切ではないと当社は考えます。

AIに任せる範囲と、人に戻す基準の決め方は、訪問介護のLINEボイスボットに任せる範囲とリスク検知の設計で具体例を紹介しています。

失われるのは育つ場

ただし、代行するAIでも課題がないわけではありません。一次対応を丸ごと自動にすると、新人が電話対応を通じて力をつける機会がなくなります。

クレームの初期判断や、見込み客の温度感をつかむ力は、一次対応の現場で育ってきたものです。

これは、すでに力のあるベテランが力を失う「能力の低下」とは違います。これから力をつけるはずの若手が育つ場を失う、「育成の機会の消失」という問題です。

対策の考え方も変わります。前の作業をそのまま残すのではなく、育てる工程を別に作ります。

たとえば、AIが受けた一次対応の記録を新人が読み、判断が適切だったかを評価する工程を挟む方法が現実的です。

AIに任せる範囲の決め方

ここまでを踏まえ、実務でAIに任せる範囲をどう決めるかを整理します。個人としての判断と、会社としての配分の順に見ていきます。

手放してよいかを四つの問いで見る

ある作業をAIに手放してよいかは、次の4つの問いで判定できます。

1. 確かめられるか：出てきた結果の正しさを、自分で確かめられるか？
2. 土台になっているか：その能力は、ほかの判断の前提になっているか？
3. 取り戻せるか：下がったとき、取り戻すのに何か月・何年かかるか？
4. 鍛え方を変えられるか：成果物を得る使い方から、鍛える使い方に切り替えられるか？

自分で確かめられ、ほかの判断の土台でなく、下がってもすぐ取り戻せる。この3つを満たす作業は、迷わずAIに任せて構いません。

一つでも外れる場合は、元の作業を残すか、AIの使い方を「自分を鍛える形」に変えます。この記事の評価をもとにした判定の記入例は、次のとおりです。

作業	確かめられるか	土台か	取り戻せるか	判定
Excelの関数を作らせる	できる	いいえ	数週間	AIに任せる
議事録を要約させる	原本を見ればできる	いいえ	数週間	AIに任せ、原本で確かめる
長文資料を要約させる	できない	はい（読む力）	手段がない	要点だけ任せ、判断に使う資料は原文も読む
見積りの金額を出させる	できない	はい（相場感）	手段がない	金額は人が決める。AIは下書きまで

残す能力を先に決める

「社員の能力が下がるから、AIは使わない」という判断は、経営判断として成り立ちにくくなっています。競合がAIで効率を上げれば、価格や納期で差がつくためです。

経営者が向き合う問いは、「AIを使うかどうか」ではありません。自社の強みになるどの能力に、どれだけ費用をかけて残すかという問いです。

この判断で考える要素は、次の3つです。

• 作業時間の削減：目先の効果で、数字で出せる
• 能力を残す訓練の費用：今かかる費用
• 失った能力を取り戻す費用：将来に回る、見えにくい負債

落とし穴は、削減の効果は数字で出せても、失った能力を取り戻す費用はほとんど測れないことです。

会議では数字にならないものが軽く扱われやすく、意識しないと取り戻せないところまでAIに渡してしまいます。

歯止めとして勧めたいのが、「何を手放すか」ではなく「何を残すか」を先に決める方法です。残す能力は多くても3つまでに絞ると、それ以外はAIに任せてよいという線が引けます。

選ぶ基準は、その能力が自社の競争力や利益の差を生んでいるかどうかです。業種ごとの例を挙げます。

業種	残す能力の例
製造業	図面から工数と適正な価格を割り出す、見積りの相場感
士業	複雑な事案での、法令の解釈とリスクの判断
クリニック	数値に表れない、患者の状態の違和感に気づく目
工務店・建設業	現場に合わせて、施工の手順と段取りを読む力

医療の現場でも、最初に紹介した内視鏡医の研究のように、AIに慣れた後にAIなしの検査の成績が下がったという報告があります。

Excelの関数の暗記に研修費をかける会社がないのと同じです。差にならない能力を残すために費用をかけるのは、経営上の損失です。

新人には確かめる役を回す

経験のある人と新人は、分けて考えます。

ベテランには実務で積んだ知識の土台があるため、作る作業をAIに渡しても、結果を評価して直せます。新人には、その土台がありません。

最初から全部をAIに任せると、評価できる人が育たず、数年後に「AIの答えを正しく確かめられる人がいない」事態になります。

現実的な対策は、新人にAIを使わせない期間を作ることではありません。新人に「AIの出力を確かめる役」を任せることです。

AIに最初の案を出させ、それを人が確かめて直す。その確かめる工程を新人が担当すれば、ゼロから作る訓練にはならなくても、何が正しく何がおかしいかを見極める目が育ちます。

MITの研究では、自力で書いてきた人が後からAIを使うと、記憶や推論に関わる部分の働きが高まりました。PNASの研究でも、答えではなくヒントを出させる使い方で、学びが保たれています。

取り戻す費用は、若手ほど大きくなります。そして、この見えにくい負債は、ベテランが引退したときに一気に表に出ます。

ベテランの判断のノウハウを会社に残す方法は、次の記事で紹介しています。

まとめ

評価する力さえ残せば、作る作業の多くはAIに任せて構いません。「何を手放すか」から考えると決めにくいので、「何を残すか」を先に決めるのが近道です。

同じAIでも、使い方を設計すれば、判断力や技能を鍛える道具にもなります。

決めた使い方は、生成AI利用ガイドラインの作り方を参考に社内のルールにしておくと、担当者が変わっても続けられます。