動くのに、直せない——AI学習が積み上げる「認識論的負債」

こんにちは、チカちゃんです。

最近、こんな感覚、ありませんか。

AIに手伝ってもらって、課題も仕事もサクサク進む。画面にはきれいな成果物がある。なのに、翌日ちょっと直そうとすると——「あれ、これ、私、わかってたっけ？」

動けているのに、理解していない。便利なのに、どこか不安。

ふむふむ。プログラミングの教室だけじゃなく、文章でも、企画でも、調べものでも、同じ匂いがする気がするんです。

で、ドンピシャの言葉を持つ研究が出てきました。

「認識論的負債」ってなに？

研究者のスリーチャラン・サンカラナラヤナン氏は、arXivに投稿した実験論文で、こう名付けています——認識論的負債（epistemic debt）¹。

技術の世界には昔から「技術的負債」という言葉があります。急ぎで書いたコードが、あとでメンテ地獄になる、あの話。でもここで問題にしているのは、コードの中じゃなくて、頭の中です。

ざっくり言うと——

• 機能的な有用性（functional utility） … いま動くものが作れるか
• 修正する力（corrective competence） … AIがいなくなっても、自分で直せるか

この二つが離れていくとき、差分が「認識論的負債」になる。法的には「自分の成果物」なのに、認知的には「自分のもの」じゃない。そんな状態です。

チカちゃん的には、家計の借金に似てると思うんです。見た目の生活水準は上がる。でも、返済能力が追いついていない。ある日、都合のいい前提が剥がれたとき——APIが変わった、バグが出た、AIが使えなくなった——一気に露呈する。

何が起きているのか

実験の設計が、けっこうドラマチックです。

参加者はアメリカ在住の78人。JavaScriptの基本はできるけれど、Reactは実務経験なし、という「AIネイティブ寄りの初学者」です。平均年齢は22.1歳。三つの条件に分けます¹。

1. 手書き群 … 公式ドキュメントはある。生成AIは禁止
2. 自由AI群 … Cursor＋Claude 3.5 Sonnet。生成コードをそのまま適用できる
3. 足場ありAI群 … 同じAIを使うが、コードを取り込む前に「因果の説明」を通さなければならない

足場あり条件の仕掛けが面白い。研究者が作った Explanation Gate（説明ゲート） です。AIが書いたコードをエディタに入れる直前、モーダルが立ち上がる。「このブロックの因果ロジックを説明して。状態更新はどう扱う？」——自分の言葉で教え返すまで、先に進めない。採点は別モデル（GPT-4o）がリアルタイムで行い、浅い説明だとフィードバック付きでやり直し¹。

いわば、AIに「請負業者」ではなく「相談相手」として付き合うよう、界面ごと強制する設計です。

90分は勝った。30分で崩れた

フェーズ1は90分。学生向けコース登録アプリを作る課題です。

結果は、見た目どおり——両方のAI群が、手書き群を大きく上回る。要件達成はAI群が100%、手書き群は42%前後にとどまった、と報告されています。しかも自由AIと足場ありAIのあいだでは、完成度に有意差がなかった（p = .64）¹。

「説明させても、生産性はそんなに死なない」——ここまでは、ちょっと安心できる話に見えます。

でも本番はフェーズ2です。

AIを全部オフにする。さっきまで動いていたコードに、研究者が「ロジック爆弾」を仕込む。非同期処理の await を外し、失敗時のロールバックも消す。画面上は一度コースが入ったように見えて、リロードすると消える——いわゆる「ゴーストコース」。参加者は30分、AIなしで自分のコードを直さなければなりません¹。

ここで数字が、ぎゅっと冷たくなります。

条件	修理成功率（おおよそ）
手書き	69%（18/26）
自由AI	23%（6/26）
足場ありAI	62%（16/26）

論文の要約では、自由AI群の失敗率は約77%、足場あり群は約39%と書かれています¹。完成度は同じくらいだった二人組なのに、AIを消した瞬間、修理できる人の割合が倍近く違う。

研究者が式で置いた「認識論的負債」のイメージも、かなり示唆的です。機能スコアから修正成功率を引いた差分で見ると、自由AI群は大きな正の負債、足場あり群はそれがかなり小さく、手書き群はむしろわずかに「理解が機能を上回る」側に寄った、と報告されています¹。

ふむふむ。速く作れた分だけ、理解が追いついていない——そのギャップが、数字になった感じです。

「外注」と「外付け」、紙一枚の違い

ここで心理学の古典的な区別が出てきます。学習科学のKirschnerが言う、**認知のオフローディング（offloading）と認知のアウトソーシング（outsourcing）**です¹。

• オフローディング … 余計な負荷（構文の細部、環境の面倒）を外に預けて、本質の理解に脳を使う
• アウトソーシング … 本質そのもの（因果、設計、判断）まで外に預けて、頭のスキーマが育たない

電卓は計算をオフロードする。でも「何を計算すべきか」まで電卓に決めてもらったら、それはもう別の話。AIの「vibe coding」——雰囲気と意図だけでコードを積むやり方——は、便利さの裏側で、後者に滑りやすい、というのがこの論文の見立てです。

自由AI群で直せてしまった少数派を見ると、もう一段くっきりします。成功した人は、セッション中に説明的なプロンプトを平均4.2回使っていた。失敗した人は0.4回。前者は「なぜここは useEffect なの？」と聞くコンサルタント姿勢、後者は「ボタンを青くして」とだけ命じる請負業者姿勢だった、と質的に整理されています¹。

つまり——AIが悪いんじゃなくて、どう付き合うかのスタンスが、負債の増え方を変えうる。Explanation Gateは、請負業者スタンスでも、取り込む前に一度「自分の言葉」を通させる。摩擦はうっとうしいけれど、そのうっとうしさが、理解の入口になる。

足場あり群の感想も人間くさいです。最初は72%がゲートを「邪魔」「うざい」と感じた。でもフェーズ2で直せた人のうち64%は、「あのゲートがあったから、バグの場所がわかった」と認めている¹。

「面倒くさい」が、あとで効く——学習心理学がずっと言ってきた desirable difficulties（望ましい困難） が、AI時代の界面に戻ってきた感じです。

でも、ここで一回疑ってみましょう

「じゃあAIは学習の敵？」——そう結論づけるのは、早すぎます。

まず、この研究は初学者・React未経験・約2時間の実験です。熟練者が自分の専門領域でAIを使う話や、数か月単位の成長曲線は、別途見る必要があります。手書き群のほうが修理率が高いのも、「もともと苦労して作ったから覚えている」という側面があり、単純にAI＝悪にはなりません。

次に、課題はプログラミングです。文章作成や調べもの、創作では、負債の形が違うかもしれない。コードは「動かなくなる」ので露呈しやすい。散文の「わかったつもり」は、もっと静かに積もる。

さらに、Explanation Gate自体が完璧な解でもありません。参加者の一部はシステムを攻略しようとするし、「摩擦」と「説明要求」のどちらが効いたかを完全には切り分けきれない、と論文も認めています¹。採点をLLMに委ねる設計には、別種のバイアスもつきまとう。

それでもなお、チカちゃんが大事だと思うのはこの一点です。

完成度の高さは、理解の深さの証拠にならない。

AIがあると、その二つがきれいに連動して見えてしまう。だからこそ、「動いた」のあとに、「自分の言葉で説明できる？」を一拍置く習慣が、心理的な安全装置になるのかもしれません。

脆弱な熟達者、という鏡

論文は、負債が積もった人を fragile experts（脆弱な熟達者） と呼びます¹。表面の有用性は高い。でも、都合のいい前提が剥がれた瞬間に支える内部モデルがない。

これ、プログラマーだけの話に聞こえません。

AIに企画を練ってもらう。要約してもらう。返信の文面を整えてもらう。そのたびに成果物は立派になる。でも、「なぜその一文なのか」「どこが危ういのか」を自分で言えないまま進むと——ある日、誰かに「ここ、どうなってるの？」と聞かれて、手が止まる。

以前このノートでも、「わかったつもり」や、考えることそのものの外注について書いてきました。認識論的負債は、その親戚です。違いは、差分を測定しようとしたところ。便利さと理解のギャップに、あえてものさしを当てた。

チカちゃん的には、借金そのものが絶対悪だとも思いません。住宅ローンだって、計画的なら人生を広げる。問題は、返済計画なしに枠だけ増やすこと。AIとの付き合いでも、「いま速度を借りている」と自覚しているか、「自分の実力だ」と錯覚しているか——その差は、けっこう大きい。

じゃあ、私たちはどうする？

答えを急がなくていいので、問いを置きます。

あなたが今日AIと作ったもののうち、AIを消しても直せる／説明できるものは、どれくらいありますか。

負債を抱えている最中でも大丈夫です。大事なのは、利息に気づくことかもしれない。

チカちゃん的には、こんな小さな習慣がいいんじゃないかと思ってます。

• 取り込んだあと、三行だけでいいから「なぜこう動くか」を自分の言葉で書く
• 「直して」の前に、一度「ここが怪しい理由は？」と自分に聞く
• 週に一度、AIなしで小さなメンテや要約をしてみる

摩擦は、敵じゃなくて、自分がまだ持ち主でいるための感触なのかもしれません。

動くのに、直せない。便利なのに、残せない。その違和感を、弱みじゃなくセンサーとして持てたら——AI時代の学習は、もう少し人間側に戻ってくる気がします。

思索は冒険です。今日の話も、その入口のひとつでした。ドーンだよっ。

---

参考URL

Mitigating “Epistemic Debt” in Generative AI-Scaffolded Novice Programming using Metacognitive Scripts（Sankaranarayanan, arXiv:2602.20206） → https://arxiv.org/abs/2602.20206

Replication package (VibeCheck) → https://github.com/sreecharansankaranarayanan/vibecheck

---

Footnotes

1. Sreecharan Sankaranarayanan, “Mitigating ‘Epistemic Debt’ in Generative AI-Scaffolded Novice Programming using Metacognitive Scripts,” arXiv:2602.20206, 2026（v2）。N=78の被験者間実験。数値は論文本文および要約の報告に基づく要約であり、厳密な統計表・条件定義は原論文を参照。 ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰ ↩¹¹ ↩¹²