何をAIに委ね、何を人間に残すのか――「全部AIに任せる」前に考えたい設計原則

前回の記事では、「全部AIに任せる」ことへの違和感と、人間が手放してはいけないものについて書きました。

AIがどれだけ整った答えを出しても、それが本当に「回る」のかを判断する感覚は、人間側に残しておく必要があるのではないか。そう考えたからです。

今回は、その続きです。

では、具体的に何をAIに委ね、何を人間に残せばよいのでしょうか。

その設計をどう考えるか、整理してみたいと思います。

１．まず、作業を分解して考える

AIに任せるかどうかを考えるとき、いきなり「この仕事をAIに任せてよいか」と考えると、話が粗くなります。

たとえば、「レポートを書く」という作業があります。一見すると、文章を書くことのように見えます。しかし実際には、もっと多くの工程に分かれています。

テーマを決める。
問いを立てる。
資料を探す。
資料を読む。
内容を比較する。
論点を整理する。
自分の立場を決める。
構成を考える。
下書きを書く。
推敲する。
引用を確認する。
最終的な文章として整える。

これらは、すべて同じ種類の作業ではありません。

資料を一覧表にする作業と、自分が何を問いたいのかを考える作業は違います。文章を読みやすく整える作業と、その主張を自分の考えとして引き受ける作業も違います。

だから大事なのは、「レポートをAIに書かせるかどうか」ではありません。

工程を分解したうえで、どこをAIに手伝わせるのか、どこで人間が立ち止まるのか、どこを往復しながら考えるのか。

そこを設計することなのだと思います。

２．AIに委ねてもよいもの

比較的AIに委ねやすいのは、整理・変換・候補出し・判断の前段階にあたる作業です。

長い文章の要点を抜き出す。
複数の資料の共通点と違いを表にする。
文章の言い換え案を出す。
構成案を作る。
誤字脱字をチェックする。
論点の抜けを指摘してもらう。

こうした作業は、AIが得意な領域です。

もちろん確認は必要ですが、これらをすべて人間が一から行う必要はありません。むしろAIに作業の一部を担ってもらうことで、人間はより重要な判断に時間を使えるようになります。

たとえば、10本の資料を読んで主張を一覧化する作業をAIに任せれば、人間はその表を見ながら「この分類は本当に妥当か」「ここに重要な違いが隠れていないか」と考えることができます。

この場合、AIは思考を奪っているのではありません。むしろ、思考のための足場を作っているとも言えます。

ただし、AIが作ったものをそのまま受け取らないことが重要です。AIに委ねてよいのは、あくまで判断の前段階としての作業です。その出力をどう読み、どう疑い、どう使うかは、人間側に残しておく必要があります。

３．人間に残すべきもの

では、人間に残すべきものは何でしょうか。

私は、少なくとも三つあると思っています。

第一に、何を問うかを決めることです。

AIは、与えられた問いに答えることは得意です。しかし、「そもそも何を問うべきか」は、人間の関心や経験、違和感から生まれます。

なぜこれが気になるのか。
なぜこの問題を放っておけないのか。
なぜこのテーマを自分が考える必要があるのか。

こうした問いの出発点は、簡単には外注できません。

第二に、違和感を持つことです。

AIは、非常に整った答えを出します。しかし、整っていることと正しいことは違います。読みやすいことと、成立していることも違います。

「なんか違う」
「ここは飛躍している」
「この説明では現場では回らない」
「元の文献では、こんなことまでは言っていないのではないか」

こうした違和感は、人間側に残しておく必要があります。

第三に、判断の責任を引き受けることです。

AIが出した文章を使う。AIが整理した資料をもとに発言する。AIが作った分析結果をもとに結論を述べる。

そのとき、最終的にそれを使うのは人間です。

「AIがそう言ったから」では済まない場面があります。

レポートでも、仕事でも、研究でも、教育でも、最後に問われるのは、その出力を自分がどう引き受けたのかです。

問いを立てること。
違和感を持つこと。
判断を引き受けること。

この三つを手放してしまうと、AIを使っているようで、実はAIに使われている状態に近づいてしまうのだと思います。

４．中間にあるものは、往復しながら考える

ただし、実際の作業は、「AIに任せてよいもの」と「人間に残すべきもの」にきれいに二分できるわけではありません。

多くの作業は、その中間にあります。

たとえば、文献を読むことです。

AIに要約してもらうことはできます。NotebookLMのようなツールを使えば、複数の資料を読み込ませて、要点や論点を整理してもらうこともできます。

しかし、それだけで「読んだ」と言えるかというと、少し違う気がします。

AIの要約を読む。
気になる表現に出会う。
元の文献に戻る。
該当箇所を確認する。
もう一度AIに問い直す。
自分の理解と照らし合わせる。

この往復の中で、理解が深まっていきます。

文章を書くことも同じです。

AIに下書きを作ってもらうことはできます。しかし、その下書きを読んで、「これは自分の言葉ではない」「ここは言い過ぎている」「この表現なら伝わる」と調整していく過程があります。

コードを書かせることも、分析を手伝わせることも同じです。

AIにコードを書かせることはできます。しかし、そのコードが何をしているのか、結果が何を意味するのか、そもそもその分析方法でよいのかは、人間が確認しなければなりません。

つまり、中間にある作業では、AIに任せるか、人間がやるかではなく、AIと人間がどう往復するかが重要になります。

AIの出力を見て終わりにするのではなく、そこから元の資料、元のデータ、自分の経験、自分の問いへ戻っていく。

この往復があるかどうかで、AI活用の意味は大きく変わるのだと思います。

５．大学教育では「使ったか」より「どこで判断したか」を問う

この話は、大学教育にもそのまま関わってきます。

学生がAIを使ってレポートを書く。

これは、すでに現実として起きています。

そのとき、「AIを使ったかどうか」だけを問うても、あまり深い議論にはなりません。

もちろん、授業や課題のルールとして、使用可否を明示することは必要です。しかし、本当に大事なのは、その先です。

どの工程でAIを使ったのか。
AIに何を頼んだのか。
AIの出力を見て、どこを採用し、どこを修正したのか。
元の文献に戻って確認したのか。
最終的に、何を自分の判断として引き受けたのか。

こうしたことを問う必要があります。

たとえば、同じようにAIを使ったレポートでも、内容は大きく違います。

一つは、AIにテーマから本文までほぼ丸ごと作らせたもの。

もう一つは、自分で問いを立て、文献を読み、AIに比較表や下書きを作らせながら、違和感のある部分を元の資料に戻って確認し、自分の判断で書き直したもの。

どちらも「AIを使った」と言えば、同じです。

しかし、学びの質はまったく違います。

だから、これからの大学教育では、「AIを使ったかどうか」ではなく、「AIを使いながら、何を考えたのか」を見えるようにする必要があります。

つまり、評価すべきなのは、AIを使った事実そのものではなく、AIとの関わりの中で学生がどのように判断を働かせたか、なのだと思います。

６．委ね方を設計する力は、往復の中で育つ

ここまで考えると、AI時代の設計原則は、意外とシンプルです。

作業を分解する。
AIに委ねられる部分を見極める。
人間が残すべき判断を明確にする。

ただし、その境界線は固定ではありません。

AIの性能が上がれば、委ねられる作業は増えていきます。以前は人間がやらなければならなかったことも、数年後にはAIがかなり高い水準でできるようになるかもしれません。

だからこそ、境界線は一度引いて終わりではありません。何度も引き直す必要があります。

正直に言って、この作業は面倒です。全部AIに任せた方が楽かもしれません。

しかし、ここを手放してしまうと、自分が何を考え、何を判断し、何を引き受けたのかが分からなくなっていきます。

AI時代に問われるのは、AIを拒む力ではなく、委ね方を設計する力です。

便利な風を受けながらも、舵をどこに向けるのかは、人間が決めなければなりません。

ただ、その力は、AIから距離を置くだけでは育たないのだと思います。

AIが出してきた答えに違和感を持つ。
元の文献に戻る。
自分の経験と照らし合わせる。
もう一度問い直す。
「本当にこれで回るのか」と考える。

その地道な往復の中でしか、何を任せ、何を残すのかを判断する感覚は育たないのではないでしょうか。

AIが速く進めてくれる時代に、人間が守るべきものは、遅く確かめる力なのかもしれません。

全部AIに任せられる時代だからこそ、私たちは、その往復の中でしか育たない感覚を、手放してはいけないのだと思います。