AIを使うほど、判断力が落ちる人がいる理由
AIは能力を「増幅」しない。「分岐」させる。
2025年以降、エンジニアの仕事にAIが深く入り込んだ。コード生成、設計案の壁打ち、ドキュメント作成。日常の大半にAIが関与するようになった。
そして、興味深い現象が起きている。
AIを日常的に使っているエンジニアの中で、判断力が明らかに先鋭化している人と、判断力が目に見えて低下している人に分かれ始めている。 少なくとも、私の周囲ではそう見える。
同じツールを使っているのに、結果が逆方向に分岐する。これはAI側の性能差では説明がつかない。使う側の構造の差によって起きている現象だ。
本稿では、この分岐がなぜ発生するのかを構造的に分析し、自分がどちら側にいるかを判定するための基準を提示する。
AIの処理構造をまず確認する
分岐の構造を理解するには、AIが「何をやっている装置か」を正確に把握しておく必要がある。
LLM（大規模言語モデル）の処理は、本質的に差分抽出とパターンマッチだ。
- 入力テキストから「何が問われているか」を抽出する（差分検出）
- 学習済みパターンの中から「最も確率の高い出力」を選択する（パターンマッチ）
- 結果を返す
つまり、AIは「どう書くか（How）」を高速に生成する装置である。
一方、AIが構造的にできないことがある。
これらはいずれも、AIの入力には含まれていない情報——プロジェクトの背景、ビジネス上の制約、技術的負債の文脈、ユーザーの意図——に基づく判断であり、AIの処理構造の外側にある。
ここまでは多くのエンジニアが理解している。問題は、この理解が実際の使い方に反映されているかどうかだ。
先鋭化する人の構造
AIを使って判断力が上がっている人には、共通する処理パターンがある。
彼らは「Why/Whether」を自分の中に保持したまま、「How」だけをAIに委託している。
具体的にはこういう使い方だ。
- 設計方針は自分で決め、実装パターンの候補出しをAIにやらせる
- AIの出力を「下書き」として受け取り、文脈との整合性を自分で検証する
- AIの提案に対して「なぜこれではダメか」を言語化できる
この構造が何をもたらすか。
Howの生産コストが激減するので、Why/Whetherに使える時間と認知リソースが増える。
以前は実装に8時間かかっていたものが2時間で終わるなら、残り6時間は「そもそもこの機能は必要か」「この設計は3ヶ月後にスケールするか」「ユーザーが本当に求めていることは何か」を考える時間に変わる。
判断の頻度と密度が上がり、判断力が先鋭化する。
AIは、Why/Whetherを持っている人の判断力を加速する装置として機能する。
判断力が低下する人の構造
逆のパターンも構造的に説明できる。
彼らは「Why/Whether」を持たないまま、「How」も含めてAIに委託している。
具体的にはこういう使い方だ。
- 要求をそのままAIに投げ、返ってきた出力をそのまま使う
- 「AIがそう言っているから」を根拠にする
- AIの出力に対して「なぜこれではダメか」を問わない
この構造が何をもたらすか。判断する機会そのものが消失する。
ここで「使わない筋肉は退化する」という言い方をしたくなるが、それは比喩だ。正確に言う。
判断は、差分処理である。「現状」と「あるべき姿」の差を検出し、その差に対して意味を割り当て、行動の方向を決める。この一連の処理は、実行されることで精度が維持される。
AIに丸投げすると、この差分処理が発生しない。出力を検証しないなら、「現状」と「あるべき姿」を比較する機会がない。差分処理が実行されない状態が続けば、その処理の精度は維持されない。
さらに厄介なのは、本人がこの劣化に気づきにくいことだ。なぜなら、出力の品質はAIによって維持されている。成果物は「それらしく」見える。しかし、その成果物がなぜそうなっているか、本当にそれでいいかを検証する能力は、静かに失われていく。
AIは、Why/Whetherを持たない人の判断力を奪う装置として機能する。
分岐点はどこにあるか
ここまでの分析から、分岐の条件は明確になる。
| 先鋭化する人 | 低下する人 | |
|---|---|---|
| Why/Whetherの有無 | 自分の中に保持している | ない、または言語化されていない |
| AIへの委託範囲 | Howのみ委託 | Why/WhetherもHowも委託 |
| 出力の扱い | 下書きとして検証する | 完成品として採用する |
| 判断の頻度 | 増加（Why/Whetherに集中できるため） | 減少（差分処理の機会が消失するため） |
| 時間経過による変化 | 判断力が先鋭化 | 判断精度が低下 |
分岐点は、AIの使い方ではなく、AIを使う前に「Why/Whether」を持っているかどうかにある。
自己診断：あなたはどちら側か
以下の問いに答えてみてほしい。
Q1. 直近でAIに生成させたコードについて、「なぜその実装を採用したか」を第三者に説明できるか？
説明できるなら、Why/Whetherを保持したままAIを使っている。説明できないなら、AIの出力をそのまま採用しており、差分処理が発生していない。
Q2. AIの出力を「これではダメだ」と却下した経験が、直近1週間にあるか？
却下したことがあるなら、あなたは検証を行っている。一度も却下していないなら、2つの可能性がある。AIの出力が完璧だったか、あなたが検証していないかだ。前者は統計的にありえない。
Q3. AIを使い始めてから、「考える時間」は増えたか、減ったか？
増えたなら、Howの委託によってWhy/Whetherへの集中が実現している。減ったなら、AIの出力をそのまま使うことで差分処理全体を省略している可能性がある。
構造的な対策
判断力の低下を防ぐための対策は、AIの使い方のテクニックではなく、AIを使う前の準備にある。
1. AIに投げる前に「Why/Whether」を一行書く
プロンプトの前に、自分用のメモとして「なぜこれを作るのか」「そもそもこれを作るべきか」を一行だけ書く。これだけで、AIの出力を検証する基準が生まれる。基準がなければ検証は不可能だ。
2. AIの出力に対して「なぜこれでいいのか」を一文で言語化する
出力を採用する前に、「これでいい理由」を一文で書く。書けないなら、差分処理を経ずに採用しようとしている。
3. 定期的にAIなしで判断する時間を確保する
差分処理は、実行することでしか精度が維持されない。AIが代行しない領域を、意識的に残す。
まとめ
AIは中立な装置だ。賢くもしなければ、愚かにもしない。
ただし、使う人間の処理構造によって、結果を逆方向に分岐させる。
- 「Why/Whether」を持つ人には、Howを加速することで判断力を先鋭化させる
- 「Why/Whether」を持たない人からは、差分処理の機会を奪うことで判断精度を低下させる
これはAIの問題ではない。使う側の構造の問題だ。
そして、この分岐は静かに進行する。成果物の見た目はどちらも「それらしい」からだ。差が可視化されるのは、AIが使えない場面——障害対応、未知の技術選定、ステークホルダーとの交渉——に直面したときだ。
そのとき、6ヶ月間Why/Whetherを鍛え続けた人と、6ヶ月間Why/Whetherを放棄してきた人の差は、取り返しがつかないほど開いている。
AIを使う前に、問え。「自分はなぜこれをやるのか。そもそもやるべきか。」
その問いが、分岐の方向を決める。
Discussion