8月15日、The Decoderが「The "tragedy of the cognitive commons" explains how rational AI adoption could destroy entire professions' expertise」と題した記事を公開した。この記事では、AI導入によって個々の組織にとって合理的な意思決定が、職業全体の専門知識を破壊するという「認知コモンズの悲劇」について詳しく紹介されている。
「合理的なAI導入」がなぜ集合的な損失を生むのか
NATO特殊作戦大学のNolan Lovettが、学術誌「Human Resource Development Review」に発表した研究論文の核心はこうだ。企業がエントリーレベルのポジションをAIに置き換えると、効率化の恩恵は100%その企業が享受する。一方で専門知識が失われるコストは、同じ人材プールから採用する全組織に分散される。これはGarrett Hardinが1968年に提唱した「コモンズの悲劇」（共有地の悲劇）——個人にとって合理的な行動が集合的な損失を招く構造——の認知版だ。
コモンズの悲劇は、共有資源を個々の主体が自己利益に従って使い続けた結果、資源が枯渇するという古典的な問題だ。牧草地や漁場での過剰利用がその代表例として知られるが、Lovettはこの構造を「職業的専門知識」という共有資源に適用している。エントリーレベルの採用市場はまさに共有地であり、各社がコスト削減を優先してジュニア人材の採用を絞れば絞るほど、業界全体が依拠する専門家育成の「苗床」が失われていく。実際、米国ではAI普及が本格化した2022年以降、ソフトウェアエンジニアリングや財務分析といった分野でエントリーレベルの求人数が顕著に減少しているという報告が複数の採用データ企業から出ている。
熟練した専門家は突然出現するわけではない。エントリーレベルの業務を通じて、数年かけて徐々に難しい課題をこなし、失敗して学ぶというプロセスが必要だ。Lovettはそのプロセスが崩壊する経路を2つ挙げている。
- エントリーレベルのポジションそのものが消える。AIがジュニア社員向けの業務を処理してしまう。
- ポジションは存在しても、深い学習が起きない。AIの支援で生産性が上がった結果、本来なら数年かかる習熟が不要になり、深い専門知識が形成されるための認知負荷がかからない。
「認知コモンズ」崩壊の因果連鎖。AI導入は2つのメカニズムで専門性の継承を妨げる。| 画像: Lovett (2026)
「検証のつながり」が切れる
Lovettが「バリデーション・テザー（validation tether／検証のつながり）」と呼ぶ問題がここで浮上する。AIの出力を適切に監視できるのは、深い専門知識を持つ人間だけだ。しかしそのAI導入によって深い専門知識そのものが失われていく——という自己矛盾した構造である。
AIの出力に含まれる専門領域特有のエラーを見抜くには、表面的なチェックでは不十分だ。既存の研究でも、それが重大なミスを防ぎきれないことは示されている。さらに認知的な習慣の問題もある。AIの回答を常に正しいものとして扱い続けると、疑う反射神経が失われる。ジュニアワーカーが権威に異議を唱え、現実に照らして仮説を検証する訓練の場が、エントリーレベルのポジションと一緒に消えていく。
被害が表面化するのは10〜20年後
現在の労働市場にいる経験豊富な専門家の多くは、5〜20年前に訓練を受けた人材だ。2023年から始まったエントリーレベルのポジション削減の影響が完全に表れるのは、2030〜2045年になる可能性があるとLovettは論じる。
彼はこれを「ヒューマン・リザーブ・パラドックス（human reserve paradox）」と呼ぶ。危機管理やAIが対応しきれない状況のために深い専門知識を「備蓄」しておく必要があるが、個々の組織にそれを維持する経済的インセンティブはない。そしてパイプラインを通じて育ったとしても、AIのオーケストレーションに時間を費やしてきた人材は、独立した認知作業の経験が浅く、専門性が表層的になっているとLovettは指摘する。
リスクが高い職種と低い職種
このメカニズムが全職種に等しく影響するわけではない。ソフトウェアエンジニアリング、財務分析、リーガルリサーチはタスクの代替可能性が高く、規制が緩く、モジュール性が高いため、最も脆弱なカテゴリに位置づけられている。医学や工学は厳格な規制と職業団体の存在がある程度の保護になるが、免疫があるわけではない。
認知コストは研究でも裏付けられている
雇用への影響についてはデータが混在しているが、認知能力への影響については研究結果がより一致している。
- **MITの研究**：EEG計測で、短期間のAI使用でも神経接続が弱まることを確認。参加者の80%超が、自分がAI支援で書いた内容を思い出せなかった。
- Anthropicのソフトウェア開発者向け研究：AIを利用したグループはそうでないグループより知識テストで17%低いスコア。特にAIを「答えを出す機械」として使ったグループで損失が大きかった。説明を引き出すツールとして使ったグループは逆に学習効果があった。
- スイスの研究：666名を対象に、AI使用頻度と批判的思考力に強い負の相関。17〜25歳で影響が最も顕著。
- **中国の26,000人規模の研究**：宿題の成績は18%向上したが、試験成績は最大24%低下。この効果が完全に現れるまで約2年かかった。
研究が共通して示すのは、問題はAIを使うこと自体ではなく、使い方だという点だ。AIを思考の代替として使うと認知能力の低下が最も速い。一方、説明を引き出すツールとして使うと負の影響を大幅に抑えられる。
Lovettが提案する対策
Lovettはこの「悲劇」を不可避とはみなしていない。彼が提案するのは以下だ。
- AI抜きの学習環境の確保
- AI導入の段階的な導入設計
- AI参加前提ではない「人間のパフォーマンス基準」の設定
- 職業団体によるAIスキルと並行した専門知識の認定試験
- 訓練・教育を魅力的にするための政策
注目すべきは、AIの使用禁止や制限は提案に含まれていない点だ。あくまで「どう使うか」と「その前にどう学ぶか」の設計論として論を展開している。
詳細はThe "tragedy of the cognitive commons" explains how rational AI adoption could destroy entire professions' expertiseを参照していただきたい。
