大学で授業をしていて、今年から明らかに学生の理解度の質が下がっているのを感じます。理由は、みんなAIを使って出力しているから。
例えば、AIを使ってプレゼン資料を作ったりしてるんですよね。すると、いざプレゼンとなったときに、資料に書いてある漢字が読めなかったりします。さらには、質問した時に自分の資料に書いてあることの意味すら分かっていなかったりします。
以前であれば、確かに資料の質は劣るかもしれないけれど、自分で入力した内容なので漢字が読めないとか意味を理解していないとかは流石になかったです。
AIがつくったものだと、「自分が作成したものを自分で理解できていないので、説明ができない」ということが起こるんですね。こんなことは今までなかったので、衝撃的でした。
AI時代になり、今まで想像できなかったようなことが教育現場で起きています。これから益々こういったことが、教育のみならず企業の中でも起きてくるのではないかと思います。
— 渋谷修太 | 起業と新潟と高専とアルビ (@shibushuta) April 20, 2026
AIの台頭、学生の漢字が読めないってマジ？心理学・経済学・統計学の視点から深掘りしてみた！
最近、教育現場でちょっとした驚きのニュースが飛び込んできています。起業家であり大学講師でもある渋谷修太さんが指摘されているのですが、なんとAIを使ってプレゼン資料を作成した学生が、その資料に書かれている漢字すら読めない、内容の意味も説明できないという事態が多発しているそうです。これは、AIが生成したものをそのまま鵜呑みにして、自分の頭で理解するプロセスをすっ飛ばしてアウトプットしてしまった結果だと言います。AIの進化は目覚ましいものがありますが、それが思わぬ形で学習の本質を揺るがしているのかもしれません。
「いやいや、それは単に学生のやる気がないだけでしょ？」と思われるかもしれません。でも、渋谷さんはそこにもう一歩踏み込んで、「AIの方が自分より優れたものを作れる」という学生の謙虚さや、AIへの信頼が根底にあると分析しています。つまり、学生たちは悪気があって手を抜いているのではなく、純粋に「より質の高い成果」を求めた結果、AIの力を借りた、と。そして、その「質の高い成果」を声に出して説明したり、質疑応答したりするプレゼンテーションという場で、初めて自分の理解が追いついていないことが露呈してしまった、というわけです。レポート提出のような、個人の理解度を直接問われにくい形式だったら、この問題は水面下でスルーされてしまう可能性も十分に考えられます。
この問題、実は教育現場だけに留まらないんです。企業でも似たようなことが起きているという話は、多々耳にします。内容をしっかり検証せずに提出された資料や、AIが生成したものをそのまま使ってしまった結果、誤字脱字や不適切な表現が発覚し、結局やり直しになった、なんてケースも少なくないそうです。AIの能力を過信して、その「無責任な利用」が続くと、個人の思考力や表現力が低下するだけでなく、ひいては組織全体の、さらには国の競争力低下に繋がるのではないか、という懸念も、決して大げさな話ではないでしょう。
でも、ここで希望の光が見えてくるんです。渋谷さんは、このAI利用による「失敗経験」こそが、学生たちの成長にとって非常に有益であると力説されています。AIの出力をそのまま使うことの危うさを肌で感じ、それを指摘された後に「じゃあ、どうすればいいんだろう？」と、自分で考え、ブラッシュアップしていく。その結果、以前にも増して質の高いプレゼンができるようになった、という学生さんの経験談も紹介されています。人間というのは、やはり「失敗から学ぶ」生き物です。特に若い世代は、吸収が早く、早期に失敗を経験することで、その原因を深く理解し、軌道修正を行うことができます。AIとの関わり方における「失敗と軌道修正」のサイクルを早く回すことができれば、それはもう、飛躍的な成長に繋がるはずなんです。
教育現場が、この「AI活用による失敗を経験する場所」として機能することの重要性も、渋谷さんは強調されています。社会に出た後での失敗は、時に取り返しがつかないこともあります。だからこそ、学生のうちにAI活用における失敗を経験し、それを乗り越えるプロセスを踏むことが、社会に出てからの大きな差を生む、というわけです。
具体的にどのようなフィードバックが効果的だったかというと、「AIの出力をそのまま使わない」「内容が劣っていても自分で理解できる範囲のものを発表する」「発表練習をしっかり行う」といった、一見すると当たり前のような、しかし本質的な指導だったそうです。学生たちの熱意と、教員とのチームワークによって、授業の質が向上していく様子は、教員としてこれ以上ないやりがいを感じさせるものだったのでしょう。
一方で、渋谷さんはAIを「インプット」においては積極的に活用することで、学習効率が劇的に向上する可能性についても言及されています。例えば、英単語学習において、AIに例文を大量に生成させたり、自分のレベルに合わせた単語リストを作成させたりすることで、学習がより効率的かつ効果的に進むという例は、まさにその象徴と言えるでしょう。AIとの付き合い方として、アウトプットにおける注意点と、インプットにおける積極的な活用という、二つの側面からのアプローチをバランス良く行うことが、これからの時代を生きる私たち、そして学生たちにとって、非常に重要になってくるのだと示唆されています。
■AIと学習の進化論：認知科学からのアプローチ
AIが生成した文章をそのまま使ってしまうことで、漢字が読めない、内容が理解できない、といった事態は、認知科学の観点から見ると、非常に興味深い現象と言えます。人間の学習プロセスは、単に情報をインプットするだけでなく、それを自分の既存の知識体系と結びつけ、意味づけを行い、そして能動的にアウトプットする、という複雑なメカニズムによって成り立っています。
このプロセスにおいて、AIは強力な「外部化された記憶」や「高速な情報処理ツール」として機能します。しかし、学生がAIの出力をそのまま利用してしまう場合、この「意味づけ」や「能動的なアウトプット」という、学習において最も重要なプロセスがスキップされてしまうのです。これは、認知心理学でいうところの「表層的処理」に留まり、「深層的処理」へと進まない状態と言えます。深層的処理とは、情報の表面的な特徴だけでなく、その意味や文脈、他の情報との関連性を理解しようとする、より高度な認知活動を指します。AIによるレポート作成は、この深層的処理を経ずに、表層的な情報（AIが生成したテキスト）をそのまま出力してしまうため、結果として理解度が伴わない、ということになるわけです。
さらに、これは「認知負荷理論」とも関連が深いです。認知負荷理論では、学習者のワーキングメモリ（一時的な情報保持・処理能力）には限界があるとされています。AIは、情報収集や文章作成といった、本来であれば学習者が多くの認知負荷をかけて行うべき作業を肩代わりしてくれます。しかし、その結果、学習者が本来取り組むべき「内容の理解」や「情報の再構成」といった、より本質的な学習活動に割くべき認知リソースが削減されてしまう、あるいは、AIが生成した情報をそのまま受け入れるだけで、自身の思考プロセスが活性化されない、という問題が生じるのです。
■AI時代における「習熟」の再定義：経済学的な視点
AIの台頭は、経済学的な意味での「スキル」や「習熟」の概念にも変化を迫っています。従来、「習熟」とは、特定のタスクを高い精度で、かつ効率的にこなせる能力を指していました。例えば、プレゼンテーション資料の作成であれば、デザインセンス、構成力、情報収集能力、そしてそれを分かりやすく表現する文章力などが評価されてきました。
しかし、AIがこれらのタスクの多くを代替できるようになると、単に「資料を作成できる」というスキルだけでは、その価値が低下してしまいます。経済学でいうところの「希少性」が失われてしまうわけです。では、AI時代における「価値あるスキル」とは何でしょうか？それは、AIを「使いこなす」能力、AIの出力を「評価・検証する」能力、そしてAIでは代替できない、より高度な「創造性」「批判的思考力」「問題解決能力」などでしょう。
渋谷さんの指摘にある、AIの出力をそのまま使って漢字が読めない、という学生の例は、まさにAI時代における「スキルの陳腐化」を如実に示しています。AIに依存しすぎた結果、基礎的なスキルすら習得できなくなってしまう、というのは、将来的な労働市場における競争力の低下に繋がります。これは、経済学でいうところの「人的資本」の毀損とも言えます。人的資本とは、個人が持つ知識、スキル、能力などの総体であり、経済成長の源泉ともなり得ます。AI時代においては、この人的資本をいかに高め、AIとの協働によってその価値を最大化できるかが、個人の、そして国家の競争力の鍵となるでしょう。
■統計学が教えてくれる「AIの信頼性」：データに基づく判断の重要性
AIの出力を鵜呑みにすることの危険性は、統計学的な観点からも説明できます。AI、特に大規模言語モデル（LLM）は、膨大なデータセットに基づいて学習されており、その生成する情報は確率論に基づいた「最もらしい」回答です。しかし、それは必ずしも「真実」や「正確」であるとは限りません。
統計学では、「サンプリングバイアス」や「過学習」といった概念があります。AIの学習データに偏りがあれば、その出力も偏ったものになります。また、AIが学習データに過剰に適合しすぎると、現実世界で起こりうる多様な状況に対応できず、誤った判断を下す可能性があります。例えば、AIが生成した文章に、統計的に稀なケースや、文脈にそぐわない誤った情報が含まれている場合、それをそのまま信じてしまうと、重大な誤解や問題を引き起こしかねません。
学生がAIの出力をそのままプレゼン資料に使うというのは、まさにこの「統計的な信頼性の欠如」を無視した行為と言えます。AIが提示する情報は、あくまで「可能性の高い情報」であり、それを鵜呑みにするのではなく、自分でその情報の「妥当性」を検証するプロセスこそが重要です。これは、統計学における「仮説検定」の考え方にも通じます。AIの出力を一つの仮説として捉え、それを自らの知識や他の情報源を用いて検証し、真偽を判断する。この「統計的リテラシー」とも言える能力が、AI時代にはますます重要になってくるでしょう。
■「失敗」という名の成長エンジン：心理学と教育学の交差点
渋谷さんが強調されている「AI活用による失敗経験の有益性」は、心理学や教育学の分野で長年研究されてきた「学習理論」と深く結びついています。
まず、「内発的動機づけ」という心理学の概念があります。これは、外的な報酬や罰ではなく、活動そのものへの興味や楽しさ、達成感など、内面から湧き上がる動機づけのことです。AIの出力をそのまま使って失敗し、それを指摘された学生が、自ら「どうすればもっと良いものが作れるか」と考え、試行錯誤するプロセスは、まさに内発的動機づけが働いている状態と言えます。失敗という「痛い経験」は、学習者にとって強い「問題意識」を生み出し、その問題を解決しようとする意欲を高めます。
また、教育学における「構成主義」の考え方とも一致します。構成主義では、学習者は受動的に知識を受け取るのではなく、自らの経験や既存の知識に基づいて、能動的に知識を「構築」していくと考えます。AIの出力をそのまま受け取るだけでは、知識の構築は進みません。しかし、失敗を経験し、それを乗り越えるために自分で考え、行動するプロセスは、まさに学習者自身が知識を主体的に構築していく過程そのものなのです。
さらに、「メタ認知」の重要性も指摘できます。メタ認知とは、自分の認知プロセスを客観的に把握し、制御する能力のことです。AIの出力をそのまま使って失敗した学生は、「なぜ失敗したのか」「どうすれば改善できるのか」と、自身の学習プロセスを振り返る機会を得ます。これは、メタ認知能力の向上に繋がり、将来的な学習効率を高めることに貢献します。
■AIとの共存：インプットとアウトプットの最適化戦略
AIとの付き合い方として、渋谷さんが示唆されている「インプットでの積極活用」と「アウトプットでの注意点」という両面からのアプローチは、AI時代を生き抜くための戦略として非常に重要です。
インプットにおけるAIの活用は、まさに「学習の民主化」とも言えるでしょう。これまで専門知識が必要だったり、膨大な時間と労力がかかったりした学習プロセスを、AIが効率化してくれます。例えば、語学学習におけるAIの活用は、個々の学習者のレベルや目標に合わせたパーソナライズされた学習体験を提供し、学習効果を最大化する可能性を秘めています。これは、経済学でいうところの「情報非対称性の解消」や「生産性の向上」にも繋がる現象と言えます。
一方、アウトプットにおけるAIの利用には、細心の注意が必要です。AIはあくまで「ツール」であり、その利用者が「主体」でなければなりません。AIの生成物をそのまま使うことは、自身の思考力や創造性を低下させるリスクを伴います。ここは、心理学でいうところの「自己効力感」の維持・向上という観点からも重要です。自分で考え、試行錯誤し、アウトプットを創り出す経験こそが、学習者の「自分ならできる」という感覚、すなわち自己効力感を高め、さらなる学習意欲に繋がるからです。
■未来への提言：AIリテラシー教育の重要性
渋谷さんの指摘は、私たち教育関係者、そして社会全体に対して、AIリテラシー教育の重要性を強く訴えかけていると言えます。AIを単なる「便利な道具」としてではなく、「共に学び、共に創造するパートナー」として捉え、その特性を理解し、最大限に活用していくための教育が不可欠です。
具体的には、以下のような教育の推進が考えられます。
AIの仕組みや限界についての基本的な理解を促す教育。
AIが生成した情報の「真偽」「妥当性」を検証する能力を養う教育。
AIを「補助ツール」として活用し、自身の創造性や批判的思考力を高める方法を学ぶ教育。
AIとの倫理的な関わり方や、著作権、プライバシーなどの問題についての教育。
これらの教育を通じて、学生たちはAIの能力を過信することなく、その限界を理解し、自らの手でより質の高い成果を生み出す力を身につけることができるでしょう。そして、AIを効果的に活用することで、学習効率を飛躍的に向上させ、将来の社会で活躍するための基盤を築くことができるはずです。AIの進化は止まりません。私たちも、AIと共に進化していくための準備を怠ってはならないのです。
