AIと創造性：「退屈な作業」を外部委託するとどうなるのか？

AIがあなたのひらめきを奪っている。

記事作者、出典：袁振商業ノート

過去2年間、ほぼすべてのAI企業が同じ物語を語ってきた：

繰り返しの作業をAIに任せれば、人間はより創造的なことに時間を割けるようになります。

この言い方は完璧に聞こえる。AIに資料の整理、テーブルの処理、会議の議事録作成を任せ、人間が戦略、製品、クリエイティブを考える。これは完璧な社会的分業のように見える。

しかし、それは隠れた前提を一つ持っている：反復作業と創造的作業は、明確に切り分けられる二つの事象であるという前提だ。

過去の回答は、これほど明確ではなかった。

本当に重要な創造は、繰り返しの作業が終わった後に起こるのではなく、繰り返し、失敗、そして気の散りの間隙の中で起こる。長い間、ある問題にこだわり、繰り返し計算し、観察し、修正していると、ある平凡な瞬間に、散らばったものが突然つながる。

AIが私たちのすべての単純作業を引き受けるなら、解放されるのは時間だけではないかもしれない。

それはまた、インスピレーションが生じる現場を奪う可能性もあります。

アップルは答えではなく、最後の火種にすぎない

ニュートンとリンゴの物語は、おそらく人類史上最も成功した「イノベーションの神話」である。

りんごが木から落ち、ニュートンに当たった。ニュートンはひらめき、重力の法則を発見した。

本物のバージョンはこんなに簡単ではありません。

ニュートンの友人ウィリアム・ステイクリは回想録に記している。1726年、二人はりんごの木の下で紅茶を飲んでいた。ニュートンは、当時深く思索に耽っていたところ、りんごが落ちるのを見て、なぜりんごは常に垂直に地面に向かって落ち、上や横には落ちないのかと考えた。その後、彼は「段階的に」この力を地球、月、その他の天体に拡張した。[1]

図1｜アップルは答えを提示しなかった。ただ、ニュートンが長年にわたり蓄積した思考の材料に火を点けただけである。

リンゴはニュートンに当たらず、直接法則を生み出したわけではない。

それは、すでに材料で満たされた倉庫に落ちた一本のマッチ棒のようだ。

数学者ポアンカレの経験の方がより典型的である。

彼はある種の関数を連続して研究し、膨大な計算を重ねたが、次々と失敗した。その後、彼は一時的に仕事を手放し、旅行に出かけた。そして、公共馬車に乗り込むその瞬間、重要な関連性が突然頭に浮かんだ。彼が研究していた変換は、非ユークリッド幾何学における変換と同じものであるということが。

その考えは非常に速く浮かび、その場で論理的に導き出す余裕すらなかった。旅行が終わり、ポアンカレは机に戻り、それを完全に検証するための時間を取った。

その後、彼は創造プロセスを数段階に分けた：まず意識的な苦労を伴う準備、次に無為に見える潜伏期、そして突然の閃き、最後に厳密な検証に戻る。[2]

フェルマーの最終定理の証明も同様である。

アンドリュー・ワイルズは7年間秘密裏に作業し、1993年に証明に成功したと発表したが、数ヶ月後に欠陥が見つかった。彼はさらに1年かけて、学生のリチャード・テイラーと共に解決策を模索し、1994年9月になってようやくその穴を埋めた。[3]

人々は最後の瞬間だけを覚えており、数学者が実際に経験するのは数千もの無効な計算、失敗した道筋、そしてやり直しである。

ひらめきは、天から降ってくる報酬ではない。地道な努力が一定のレベルに達した後、脳が与える遅延された報いである。

創造力の原料は、那些「高級でない」仕事の中に隠されている

私たちは今日、仕事を二つのカテゴリに分けることを好んでいます：低価値の仕事は機械に任せ、高価値の仕事は人間に残します。

しかし、人間の脳はコンサルティングレポートのテーブルのようには機能しません。

ある記者が数十件の決算書を整理していると、2つの数値が一致していないことに気づくかもしれない。ある製品マネージャーが悪評を1つずつ確認していると、ユーザーが不満に思っているのは機能そのものではないことに突然気づくかもしれない。ある医師が画像を繰り返し見ることで、ようやく異常に対する直感を築き上げる。

これらの作業は単体では高級とは言えず、むしろ退屈に見えるかもしれません。しかし、それらは脳の中に多くの微細なパターンを残します。

直感とは、多くの場合、文ごとに説明できないほど熟練した経験である。

ペニシリンの発見はまさにそれです。

1928年、フレミングが休暇から戻ると、ブドウ球菌を培養していた培地がカビに汚染されており、カビの周囲では細菌が成長していなかった。この汚染は偶然だったが、発見は偶然ではなかった。細菌を長期間観察していない人なら、ただ捨てるべき汚れた皿だと見ただろう。

見過ごされがちなのは、フライミングがすぐに薬を製造したわけではないということだ。約10年後、フローリー、チェーン、そして彼らのチームがこの研究を再開した。彼らは牛乳桶や食品缶、さらにはバスタブを使ってカビを培養し、アメリカで高生産性の菌株を探し求め、ついに実験室での偶然を、人命を救うことができる工業製品に変えた。[4]

図2｜汚染は偶然であるが、発見は長期的な観察に依存する；薬物はその後の10年間の工学的開発からより多く得られる。

歴史は「ユリカ」（ギリシャ語の感嘆詞で「見つけた！」または「発見した！」という意味）を語ることが好きだが、産業が実際に頼っているのは、ユリカの後の長く、繰り返し、美しくないエンジニアリングである。

アインシュタインは後に数学者アダマに自分の思考方法を説明する際、最初に現れるのは必ずしも完全な言語ではなく、画像、記号、動きを伴う要素であると述べた。彼はこれらの要素を繰り返し組み合わせ、言語はその後に現れるものだった。[5]

創造は空から生み出すのではなく、再構成に似ている。

あなたが何を見たか、何をしたか、どこで失敗したかが、脳内で何を再接続できるかを決定する。

もし資料が常にAIによって要約され、初稿が常にAIによって生成され、データが常にAIによってクリーニングされるなら、人間は確かにずっと楽になるだろう。しかし長く続くと、私たちが触れられるのは粗く、矛盾し、ノイズを含む原素材ではなく、機械が処理した完成品だけになってしまう。

効率は上がったが、感覚は鈍るかもしれない。

『イノベーター』が書いたのはちょうど天才ではない

ウォルター・アイザックソンは『イノベーター』で次のような問いを投げかけた：コンピュータとインターネットは誰が発明したのか？

最終的に、彼はこの問題を一人の名前では答えられないことに気づいた。

デジタル革命は、誰かがガレージで突然思いついたものではない。初期のコンピューター、トランジスタ、チップ、ソフトウェア、インターネットは、世代を超えて継続的に改善されてきた結果である。誰かが概念を提唱し、誰かが回路をはんだ付けし、誰かがプログラムを書き、誰かが高価なプロトタイプを一般の人々が使える製品に変えていった。

書内でハーバードのMark Iコンピュータに言及する際、グレース・ホッパーの記述はハワード・エイケンを強調しているのに対し、IBMのバージョンは名前が忘れられたエンジニアたち、つまりカウンターやカードリーダーなど、多数の段階的改良を強調している。これらの改良が最終的なマシンを形作った。[6]

図3｜『イノベーター』は繰り返し警告する：デジタル革命は、複数の人々による複数の段階的な増分的協力から生まれる。

これは天才を否定するのではなく、イノベーションの真の構造を再現することです。

革新的出来事は、通常、少数者の奇想と多数者の地道な努力を同時に必要とする。前者は方向性を変える役割を担い、後者は新しい方向性を現実のものにする役割を担う。両者は互いに置き換える関係ではない。

AIの最も魅力的な点は、アイデアを提供する役割と実行する役割の両方を同時に果たすかのように見えることです。

しかし、ここにも新しい問題が発生しました。

2024年、『科学進展』は生成AIと執筆に関する実験を発表した。AIのアイデアの支援を受けた人々は、平均してより創造的で完成度の高い物語を書き上げ、もともとの創造性が弱い人々にとってその効果が特に顕著だった。しかし、すべての作品を総合して見ると、AI支援された物語同士はより類似していた。[7]

AIは個人の下限を引き上げ、集団間の差異を縮小した。

これは今日のコンテンツプラットフォームにとても似ている：誰もが以前より文章が上手に書けており、タイトル、構成、名言が欠けていない。しかし、10本読んでも、1本読んだような気分になる。

すべての人が同じモデルに「最初のアイデア」を求めるとき、私たちは空白のページを省き、おそらく最も予測しやすい答えへと向かう。

最も危険なのは書けないことではなく、考えられないことである

これは、人がAIを拒否し、コピー＆ペーストや機械的な組版に時間を無駄にすべきだという意味ではありません。

計算機は数学を破壊しなかったし、検索エンジンも知識を破壊しなかった。ツールが真正に変えたのは、人がどのレベルの能力を保持しなければならないかということである。

AIは私たちの代わりに砖を運べるが、人間はなぜここに壁を建てるのかを忘れてはならない。

この懸念はもはや哲学的な議論ではない。2025年、マイクロソフト研究室などの機関が、319人の知識労働者を対象に調査し、936件の実際のAI利用事例を収集した。その結果、AIを信頼するほど、タスクにおける批判的思考（合理的かつ反省的な思考方式）は減少し、自分の専門的判断を信頼するほど、批判的思考はむしろ増加した。AIは思考を消し去ったのではなく、思考を「自ら生成」から「検証、統合、監督」へと移行させた。問題は、人が滑らかな完成品だけを見ると、検証が単なる頷きに退化しやすい点である。[8]

より直接的なシグナルは、執筆とプログラミングから得られている。マサチューセッツ工科大学メディアラボの54人を対象とした脳波執筆実験では、大規模モデルを継続的に使用した参加者の脳ネットワークの接続性が最も弱く、文章内容の記憶や「これは私の作品である」という感覚も低かった。ただし、この研究は小規模なプレプリントであり、AIが人間を永久的に鈍くするとは断定できない。[9] METRは、16人の熟練したオープンソース開発者と246の実際のタスクを対象にランダム実験を行ったところ、2025年初頭のAIツールを使用した後、開発者のタスク完了時間が19%遅くなったことが判明した。興味深いことに、彼らは事前にAIによってより速くなると予想していた。[10] METRは2026年の追跡調査で、新世代のツールがすでにスピードアップをもたらしている可能性が高いと判断したが、参加者とタスクに顕著な選択バイアスが存在するため、その程度を信頼できる方法で推定することはできない。[11] AIが最初に弱めるのは、能力そのものではなく、自分がまだ考えているかどうかを判断する能力かもしれない。

個人にとって、少なくとも三つのことは簡単にアウトソースすべきではありません。

まず、問題はどこから来るのか。

最初からAIに「何を書けばいいのか」「何を研究すればいいのか」と聞かないでください。まず顧客の現場に行き、原始資料を読み、自分自身でどこかおかしいと感じてください。良い質問は、他人が面倒だと感じて見過ごした細部から生まれることが多いです。

第二に、最初の判断はどこから来るのか。

AIで拡張したり反論したり資料を補完したりすることはできるが、まずはモデルが加工作業をしていない粗いバージョンを残すのがベストだ。たとえ数文だけでも、自分が元々どう考えていたかを把握しておくこと。そうでなければ、人間とAIの協力は、人間がAIの文章を校正するだけになってしまう。

第三、結果は誰が責任を負いますか。

自ら下層の作業を経験したからこそ、AIがどこで間違っているのかがわかる。コードを一度も書いたことのない人は、コードが単に動くだけなのか、本番環境でも耐えられるのかを判断するのが難しい。財務諸表を一度も読み込んだことのない人は、見栄えの良い分析の中に隠された口径の誤りを見抜くのが難しい。

では、何をAIに任せられますか？

判断基準は「創造性があるかどうか」でも「繰り返しかどうか」でもなく、以下の3点である：受入基準が明確かどうか、プロセスが追跡可能かどうか、エラー発生時にロールバック可能かどうか。資料の転写、フォーマット整備、既知のルールに基づくデータクリーニング、コードのテンプレートとテストケース、同一テーマの複数バージョンの文案とデザインスケッチは、すべてAIに任せるのに適している。戦略的選択、事実の定義、ブランドの審美性、システムアーキテクチャ、最終承認は、AIが速いからといって一括して委託してはならない。

送信した後、人間はAIと「左右対戦」を続ける必要がある。作業を始める前に、自分の判断基準と検証基準を書き留めよ。生成時には、AIに反対意見、失敗条件、および証拠の出典を同時に提示させよ。生成後は、人間が原始資料に戻り、事実をランダムにチェックし、重要な数値を再計算し、重要なテストを一通り実行せよ。しばらく経ったら、AIを使わない「手作業トレーニング」を再度実施せよ。ライターは独立したインタビューと初稿を保存し、プログラマーはコードレビューと障害対応を保存し、デザイナーはコンセプト選定と最終的なビジュアル判断を保存せよ。検証でき、覆す勇気があり、引き継げる者だけが、仕事の責任をAIに委ねる資格を持つ。

企業にとって真正に警戒すべきは、従業員がどれだけAIを利用しているかではなく、組織がまだ一次経験を生み出しているかどうかである。

若年轻人不再进行基础分析，不再与客户磨合需求，不再经历失败的初稿，公司短期内或许能获得更快的交付成果，但长期来看，却可能失去培养判断力的途径。

以前、新人は三年間の地道な努力を経て、徐々に直感的なベテランになった。今や、AIは新人が初日から70点の回答を提出できるようにしてくれる。

しかし、七十点から九十点へ到達するには、彼自身が問題を目の当たりにし、誤りを犯し、その結果に対して代償を払ったことが依然として必要である。