「もういいや」が早くなる——AIに答えを預けたあと、私たちの手に残るもの

こんにちは、チカちゃんです。

AIに聞けば、30秒で答えが出る。空欄を埋めるのも、文章の意味を確かめるのも、あっという間です。便利ですよね。

でも、そのAIを急に取り上げられたら、どうでしょう。さっきまで解けていた問題の前で、手が止まる。少し考えて、ため息をついて、「もういいや」と次の問題へ飛ばしてしまう。

これ、ただの怠け心なのでしょうか。それとも、AIと過ごした時間が、私たちの「粘り方」を少し変えてしまったのでしょうか。

ふむふむ。今日は、その「もういいや」を実験で測った研究の話です。

AIがあるときは、よく解ける。消えた途端、手が止まる

2026年春にarXivで公開され、COLM 2026の予稿集にも掲載されている研究があります。タイトルは『AI Assistance Reduces Persistence and Hurts Independent Performance』。日本語にすれば、「AIの助けは、粘り強さを減らし、ひとりでの成績を下げる」といったところです。

著者はGrace Liuさん、Brian Christianさん、Tsvetomira Dumbalskaさん、Michiel A. Bakkerさん、Rachit Dubeyさん。カーネギーメロン大学、カリフォルニア大学バークレー校、オックスフォード大学、MIT、UCLAの研究者たちです。

実験は3つ。合計1,222人が参加しました。使われたのは、分数の問題と、文章の読解問題です。参加者はランダムに、AIが使えるグループと、使えないグループへ分けられます。

AIグループは、学習のあいだ、AIに何でも聞けます。ところが、最後のテストの直前に、AIが予告なく取り上げられる。そして、AIなしで3問を解くように言われるんです。

結果は、ちょっと不思議な二重構造でした。

AIがあるあいだ、AIグループはAIなしグループよりよく解けていました。当然といえば当然です。ところが、AIが消えた瞬間、成績は落ちる。しかも、問題を飛ばす回数が増えていたんです。

実験1の分析対象になった305人のうち、テストの正答率はAIグループが57％、AIなしグループが74％でした。問題を飛ばした割合は20％対11％です。

実験3の読解でも、分析対象の168人のうち、正答率は76％対89％、飛ばした割合は8％対1％でした。実験2では差が小さくなり（分析対象の585人のうち、正答率71％対77％）、飛ばした割合の差は統計的に有意ではありませんでした。それでも、3つの実験を合わせると、AIのあとに「自分でやる」が少し難しくなる、という方向は繰り返し現れています。

ここで大事なのは、これは「AIを使うと成績が下がる」という単純な話ではないことです。AIがあるあいだは、むしろ成績は上がっていた。コストは、AIが消えたあとに、静かに請求される。そんな形になっています。

「答えをもらう人」だけが、諦めやすくなった

チカちゃんが一番面白いと思ったのは、ここからです。

実験2のAIグループのうち、61％が「AIをどう使いましたか」という問いに「答えをそのままもらうため」と答えました。27％は「ヒントや確認のため」、12％は「使わなかった」という回答です。

そして、テストの成績が大きく落ちたのは、答えをそのままもらった人たちでした。正答率は65％。AIなしグループの77％を下回り、ヒント派の76％、AIを使わなかった人の89％よりも低くなっています。問題を飛ばした割合も13％で、ヒント派の5％、AIなしグループの7％より高い。

つまり、AIを使ったかどうか、ではなく、AIに何を渡したか、なんですね。

答えを渡した人は、AIのあとに手が止まりやすい。ヒントをもらった人は、AIのあとも自分の考える時間が残っていた。ここには、AIとの付き合い方の違いが、はっきり出ています。

ただし、この利用グループの比較は、実験のあとから振り返った分析です。研究者自身も、因果関係を証明するものではないと注意しています。答えを求める人とヒントを求める人には、もともと粘り強さの差があったのかもしれません。それでも、AIの使い方で結果が変わりそうだ、という手がかりにはなります。

なぜ、人は「待てなくなる」のか

では、なぜこんなことが起きるのでしょう。研究者は、2つの説明を置いています。

1つは、「基準点の移動」です。AIが数秒で答えを出す世界に慣れると、AIなしで考える時間の感じ方が変わる。同じ5分でも、前より長く、重く感じる。これは、快適さへの適応に似た仕組みです。AIを使うたびに基準点が動き、自力でやることのコストが高く見え、またAIに頼みたくなる。自己強化のループですね。

もう1つは、「自分の力を知るチャンス」が減ることです。人は、難しい問題を解く途中で、どこまでできるか、どこでつまずくかを学びます。心理学では、このような「望ましい困難（desirable difficulties）」や「生産的な失敗（productive failure）」が、長く残る学びに大事だと言われてきました。

AIが答えを先に渡すと、その試行錯誤の時間がまるごと消える。すると、自分の能力の地図が更新されないまま、「自分には無理かも」という感覚だけが残る。これは、能力の問題というより、自分の力を正確に見積もる力——メタ認知の校正の問題なのかもしれません。

それでも、AIが悪いと決めつけたくない

もちろん、これを「AIは人間をダメにする」と読むのは、ちょっと乱暴です。

まず、実験のAIは、とても「できる」AIでした。GPT-5に、あらかじめ問題と解答を渡して、すぐ完全な答えを出せるようにしてある。ヒントを出す先生というより、答えを渡す自動販売機に近い。現実のAIの使い方は、もっと雑多です。

それに、テストはAIを取り上げた直後です。10〜15分の短い実験で、その後の数日、数ヶ月を追ったわけではありません。効果の大きさも、中程度から小さめ。飛ばした割合の差が統計的に有意でなかった実験もあります。「AIを使うと、生涯にわたって粘り強さが失われる」とは、この研究だけでは言えません。

それでも、チカちゃん的には、この研究の問いの立て方が好きなんです。

AIが人を賢くするか、ではなく、AIのあとに人がどう振る舞うか。テストの点数ではなく、問題を飛ばすかどうか。そこに、その人の「まだ考えたい」という気持ちが現れるからです。

粘り強さは、根性ではなく「関係」で変わる

粘り強さって、根性論で語られがちです。でも、この実験を見ると、粘り強さは「環境との関係」で変わるものなんだなあと思います。

すぐ答えが出る環境に身を置けば、人は答えを待てなくなる。逆に、少し間を置く環境なら、もう一度考える時間が残る。AIの研究のなかでも、今「いつ助けないか」が論点になっています。何でも答えるのではなく、まず自分で試す時間を残す。ヒントを出す。答えの前に問いを返す。そういうAIのほうが、長い目で見ると、人間の力を削がないのかもしれません。

これは、AIの性能の話ではなく、関係の設計の話です。AIがどれだけ賢いかではなく、AIと人間のあいだに、どんな「間」を残すか。その設計が、私たちの粘り方を変えていく。

あなたがAIに渡しているのは、面倒な作業でしょうか。それとも、「自分は何ができるか」を知るチャンスでしょうか。

AIを閉じたあと、手元に残るのは、答えだけでしょうか。それとも、次に自分で解くための、小さな手がかりでしょうか。

関連記事

• AIに助けてもらったのに、ひとりでは弱くなる——論理パズルで見えた学習のねじれ
• 「わかったつもり」の時代——AIの説明が上手すぎると、私たちは何を失うのか
• AIの要約は、記憶に入り込む——「人間が最後に確認する」だけでは足りないかもしれない

参考URL

Grace Liu, Brian Christian, Tsvetomira Dumbalska, Michiel A. Bakker & Rachit Dubey, “AI Assistance Reduces Persistence and Hurts Independent Performance” → arXiv

同論文 → COLM 2026 pre-proceedings

プロジェクトページ → AI Assistance Reduces Persistence and Hurts Independent Performance

Elizabeth L. Bjork & Robert A. Bjork, “Making Things Hard on Yourself, But in a Good Way: Creating Desirable Difficulties to Enhance Learning” → PDF

Manu Kapur, “Productive Failure in Learning Math” → DOI