AIが賢くなるほど、人間は「わかる」に還っていく 〜基礎・原理・原則の価値が高まり、学びが広がるしくみ
AIがコードを書き、さまざまな作業を自動化していく時代です。だとすれば、人間はもう深く学ぶ必要はないのではないか。そんな声をよく耳にします。ところが、私自身の実感はむしろ逆でした。AIを使って文章を書き、資料をつくるようになってから、私は以前より多くを学び、以前より広く物事を見るようになった気がするのです。
NVIDIAの創業者ジェンスン・フアン（Jensen Huang）氏も、AI時代に問われる力を「システム思考」という言葉で語り、「システム思考こそが、新しいコーディングだ」と述べています。個々の作業をこなすことより、全体をどう組み立てるかを考える力が問われる、という趣旨です。そして、その土台となる基礎や原理原則の理解は、これからむしろ重みを増していく。私はそう考えています。
ここでは、二つのことが同時に起きています。一つは、AIが進むほど基礎・原理・原則の価値が高まること。もう一つは、AIによって人間の学びがむしろ広がっていくこと。一見すると無関係なこの二つが、なぜ、どのようにつながっているのか。順を追って考えてみます。
仕事の重心が「作業」から「設計」へ移る
まず押さえておきたいのは、AIの登場によって、仕事の重心が動くということです。個々の作業を自分の手でこなすことから、作業全体のしくみを設計することへ。フアン氏の言う「システム思考」は、この移り変わりをよく言い表しています。
システム思考とは、単に視野を広く持つことではありません。何を実現したいのかという目的をまず定め、そのために必要な要素とその関係を整理し、全体が一つのしくみとして働くように組み立てる力です。どこに情報が足りないのか、どこで処理が滞っているのか。全体の性能を縛っている「ボトルネック」を見つけ、要素どうしが一つの目的へ向かって連携するように整える。それがシステム思考です。
つまり、AIが個々の作業を引き受けるほど、人間に残るのは「何を、どうつなぐか」を決める仕事になります。これが、以下の話の出発点です。
なぜ、基礎の価値が高まるのか
ここで一つの疑問が生まれます。AIが膨大な知識を持ち、作業までこなしてくれるのなら、人間はもう知識を蓄える必要はないのではないか。
答えは、はっきり「否」です。ただし、大切になる知識の種類が変わります。
知識には二つの層があると私は考えています。一つは「覚える知識」。用語、手順、書き方、事実の集まりです。もう一つは「わかる知識」。なぜそうなるのか、何と何がどうつながっているのかという、原理と構造の理解です。
この区別は、認知科学が古くから示してきたことでもあります。チー、フェルトビッチ、グレーザーの古典的な研究（1981年）では、物理の問題を分類させると、初学者は「ばね」「斜面」「滑車」といった見た目の特徴でグループ分けするのに対し、熟達者は「エネルギー保存」「運動量保存」といった、解法を支配する原理でまとめました。熟達とは、知識を多く覚えていることではなく、知識を原理でつなぎ、一つの構造として持っていることだったのです。表面がいくら整っていても、その奥の原理を掴んでいる人だけが、正しさを見抜ける。ここに、AI時代の急所があります。
AIが得意なのは、前者の「覚える知識」です。だからこそ、暗記の対象としての知識は、これからAIに置き換わっていきます。ところが、システムを設計し、AIの出した結果を検（あらた）めるには、後者の「わかる知識」がどうしても要ります。プロセッサー、メモリー、ネットワークがそれぞれ何をしているのかを理解していなければ、システムのどこが詰まっているのかを見抜くことはできません。原理がわからなければ、設計もレビューもできないのです。
とりわけ効いてくるのが、AIの出す答えの「もっともらしさ」です。ウォートン校のイーサン・モリック氏は、AIの能力にはムラがあり、ある課題では専門家並みにこなす一方、別の課題ではあっさり間違えることを、「ぎざぎざの最前線（jagged frontier）」と呼びました。やっかいなのは、その誤った答えが、いかにも正しそうに整って見えることです。だから、原理を理解していない人には、正しい答えと誤った答えを見分けられません。実際、ボストン・コンサルティング・グループの約750人を対象にした実験では、AIを使ったコンサルタントの多くが成績を大きく伸ばした一方、AIが苦手な課題では、AIを使った人のほうがかえって成績を落としました。もっともらしい誤りに、そのまま引きずられたのです。これを「流暢さの罠」と呼んでいます。整った答えほど、判断する側の基礎が問われます。
もう一段、深いところにも触れておきます。原理原則とは、いわば無数の個別の事例から絞り出された「圧縮されたエッセンス」です。それは分野を越えて持ち運べる「普遍」であり、AIが蓄えているのは、まさにこの普遍の膨大な集積です。けれども、目の前の具体的な状況、例えば、この顧客、この案件、この制約にそれを当てはめ、通用するかどうかを判断するのは、人間の仕事として残っています。普遍を個別へ橋渡しするには、その原理を「わかって」いなければならない。 AIが普遍を安く供給してくれるからこそ、それを使いこなす側の理解が、かえって強く問われるのです。
だから、基礎がいらなくなるのではありません。基礎の役割が、「暗記の対象」から「判断の土台」へと変わる。役割が重くなるからこそ、重要性が増すのです。
AIによって、学びはむしろ広がる
ここまでは「基礎が要る」という、いわば守りの話でした。ここからは、もっと積極的な話をします。AIは、人間の学びを狭めるどころか、広げてくれる。私自身が、それを経験しています。
そのメカニズムは、三つに整理できると思います。
第一に、問うコストが劇的に下がりました。 かつては、専門外のことを一つ理解するにも、本を探し、人に尋ね、時間をかける必要がありました。いまは、知りたいことをその場で問い、自分の理解度に合わせて説明してもらい、腑に落ちなければさらに掘り下げられます。学びと自分との間にあった摩擦が、ほとんど消えたのです。
第二に、「設計して、検める」という営みそのものが、学びの場になります。 これが一番大きいと感じています。AIに仕事を任せるには、まず問題を自分の言葉で明確にしなければなりません。曖昧なままでは、まともな指示にならない。問いを立てるという行為が、自分の理解を否応なく鍛えます。そして返ってきた結果を検めるには、良し悪しを判断する目が要る。この「問いを立て、結果を判断する」往復こそが、学びそのものなのです。
先ほどのモリック氏は、AIがあふれる環境で人間の専門性が果たす役割を、「どんな問いを立てるべきかがわかること」と「AIの出力の誤りに気づけること」に整理しています。問いを立て、誤りに気づく、この二つは、まさに設計と検証の中身にほかなりません。そして、繰り返すほど鍛えられていきます。
私は記事を書くとき、材料整理、引用整理、論点設計、アウトライン、執筆、校閲、全文統合、最終点検と、工程を分け、それぞれにAIの役割を与えています。自分の弱い分野をAIに任せ、その結果を検証するたびに、私はその分野を少しずつ学んでいます。任せることは、学ばない理由にはなりません。むしろ、任せて検めることが、学ぶ機会になっているのです。
第三に、分野の境目を越えやすくなりました。 これから特に価値を生むのは、複数の分野が交わる領域だといわれます。かつては、別の分野に踏み込むのに膨大な固定費、つまり、何年もの学習時間がかかりました。いまは、隣の分野の要点を素早く借りてきて、自分の領域とつなぐことができます。視野が広がるのは、このためです。
好循環・AIが進化すると、人間も進化する
この三つが合わさると、一つの好循環が生まれます。
より賢いAIを使いこなすには、より良い問いを立て、より的確に判断しなければなりません。より良い問いと的確な判断には、より広く深い理解が要ります。そして、その理解は、AIと組んで設計し、検めるという営みを通じて育っていく。
つまり、AIが賢くなる。すると人間により多くが求められる。同時に、その求めに応える力が、AIと組む営みのなかで人間に育つ。人間が伸びる。だからこそ、さらに大きなことをAIに委ねられるようになる。この輪が、回り続けるのです。
安岡正篤は、知を「知識・見識・胆識」の三段に分けました。何を知っているかという知識はAIが引き受け、それをどう判断するかという見識に人間との境界線が走り、引き受けて動くという胆識は人間に残ります。AIが知識を安く手渡してくれるおかげで、私たちは見識を磨くことに時間を使えるようになった。そして「設計して、検める」往復は、まさに見識を鍛える鍛冶場です。AIの進化は、人間を「知識」から「見識」へと押し上げていく。これが、学びが広がるということの正体だと、私は考えています。
ただし、一つの条件がある
ここには、重要な条件が一つあります。
この好循環は、自動では回りません。回るのは、人間が「設計して、検証する」役を、自ら引き受けたときだけです。そして近年の研究は、その逆の道、つまり判断を手放したときに何が起きるかを、はっきりと示し始めています。
スイス・ビジネススクールのゲーリッヒ氏が666人を対象に行った研究（2025年）では、AIツールを頻繁に使う人ほど批判的思考のスコアが低い傾向が見られ、その関係を「認知的オフローディング（考えることの外部委託）」が媒介していました。とりわけ若い層でこの傾向が強く、一方で、教育を通じて土台を築いている人ほど影響を受けにくい、という結果も出ています。
マイクロソフトの研究者らが三百十九人の知識労働者を調べた研究（2025年）は、さらに示唆に富みます。AIの能力を信頼している人ほど、自分では考えなくなる。逆に、自分自身の力に自信のある人ほど、AIの出力を批判的に吟味していたのです。土台を持つ人ほど、AIに使われるのではなく、AIを使う側に回れる。別の実験でも、精度の高いAIを与えられた担当者ほど注意を怠り、かえって腕を鈍らせたことが報告されています。記憶や判断を道具に預けるほど、自分の力が細っていく危うさ自体は、AIに始まったことではありません。
これらが指し示すのは、一つのことです。同じ道具が、向き合い方しだいで、学びを広げもし、萎ませもする。楽をするために任せて判断まで手放すのか、伸びるために任せて自分で検めるのか。その選択が、分かれ道になるのです。
還ることと、広がることは、一つのこと
こうして見ると、冒頭に掲げた二つのこと、すなわち基礎の価値が高まることと、学びが広がることは、実は同じ現象を裏表から見たものだと分かります。
AIが「普遍」を引き受けてくれるからこそ、人間はそれを判断の土台として深く「わかる」必要があり（基礎への回帰）、その、わかろうとする営みそのものが、新しい学びを次々と開いていく（学びの拡大）。還ることと、広がることは、一つのことなのです。
AIは、人間から考える機会を奪う道具にも、人間の学びを遠くまで押し広げる道具にもなります。どちらになるかを決めるのは、AIの性能ではありません。私たちが「設計して、検める」側に立ち続けられるかどうかです。基礎に還るほど、学びは広がる。その入り口に、私たちはいま立っているのだと思います。
今、「AIをどう使うか」という段階は終わり、「AIと共にどう変わるか」が問われる時代へと、世終は大きく変わりつつあります。変化はAIだけではありません。ITの潮流もまた、「レガシーIT」から「モダンIT」へと構造的な転換期を迎えています。
営業職であれエンジニア職であれ、新入社員や若手がこの「現実」を知らないまま現場に出ればどうなるでしょうか。お客様との会話は噛み合わず、信頼を得ることは難しいでしょう。その結果、せっかくの才能を持ちながら、仕事への自信を失ってしまうことになりかねません。
そのような不幸なミスマッチを少しでも減らしたい！この研修は、そんな想いから始まりました。
今年で10年目を迎えますが、これまでの経験を土台に、変化の速いIT常識の全体像を、基礎・基本やビジネスとの関連性とともに分かりやすく紐解きます。さらに、ITプロフェッショナルとしてどう役割を果たし、どう学び続けるべきか、AI時代に即した「すぐに使える実践ノウハウ」も解説します。
お客様の言葉が理解できる。社内の議論についていける。そして何より、仕事が楽しくなる。そんな「確かな自信」を、本研修を通じて手にしていただければと願っています。
>> 詳しくはこちら
新入社員のための１日研修 「最新のITトレンド」
新入社員のための１日研修 「IT営業のプロセスと実践スキル」
IT営業の役割や仕事の進め方を学び、磨くべきスキルを考えます。また、AIを武器に、先輩にも負けない営業力を磨く方法についても解説します。
