AI時代の人材育成、若手の研修を厚くする前に決めること

AI時代の人材育成で最初に決めるべきは、若手の研修予算を増やすかどうかではない。もっともらしい答えを却下する判断が誰の手元で劣化しているかを検知する仕組みを、誰に・どの頻度で回すかである。国内の議論は「若手の下積み業務がAIに奪われ、若手が育たなくなる」という一方向の問題設定でほぼ固まっており、処方も「自分の案を先に出させてからAIの出力をレビューさせる」のように若手側への介入に集まる。だが海外の元記事を並べると、劣化は若手と経験者の両方で起きていて、しかも原因が逆である。原因が逆なら、同じ研修を厚くしても片方にしか効かない。本稿はこの一点に絞る。

AIを使うと若手の判断力は本当に落ちるのか

数字から入る。Anthropicが新しいPythonライブラリを学ぶ開発者52人（大半がジュニア）を対象に行った研究では、AI支援を受けたグループのその後のクイズの正答率が50%、手でコードを書いたグループが67%だった。そして両グループの差が最も大きく開いたのはデバッグ、つまりモデルが間違っているときにそれを捕まえる技能である（AI 活用でジュニア開発者は育たなくなるのか——スコア 67%→50% 低下の実験データが迫る評価制度の見直しで扱った）。

この数字の読み方には注意が要る。測っているのは学習後のクイズの点数であって、業務のアウトプット量ではない。被験者52人は小規模で、この研究を紹介したEveryのAshwin Sharma自身が、小さな研究であり、AIは人の学習を助けることもあると留保をつけている。だから「AIを使うと若手は育たない」という断定の根拠にはならない。

それでも経営が読み落とせないのは、差が最大だった技能がデバッグだったという一点だ。本稿の読みでは、デバッグの技能はコードの知識の量だけでなく、出てきた答えを疑って突き返した回数にも左右される。AI支援下ではその回数が減りうる。つまりこの実験が指しているのは知識の欠落というより、却下の経験の欠落ではないか。ただし研究自体はその因果を示していない。

Sharmaが同じ記事で並べているのが、その却下の力がどう効くかの実例だ。彼は数学者Terence TaoとChatGPTの会話を、87年間解かれていなかったヤコビアン予想にFableが出した反例について読んだ。盗んで自分のAI利用に使えるような精巧なプロンプトが並んでいるはずだと半ば期待していたが、実際にあったのは数学の専門用語が詰まった短く正確な問いと、筋の通らない推論をモデルに突き返す往復だった。Taoのプロンプトを一語一句コピーしても、彼がやったことは再現できない。再現できないのはプロンプトの差ではなく、返ってきた答えを評価できるかどうかの差だからだ。

“Without that expertise, you don’t know whether the answer coming back to you is correct or confidently delivered gibberish.”

（その専門性がなければ、返ってきた答えが正しいのか、それとも自信ありげに語られたデタラメなのか、判断のしようがない。出典: Every by Ashwin Sharma、2026-07-26）

劣化しているのは若手だけなのか

結論を先に置く。元記事のうちこの問題に最も踏み込んでいるものは、逆のことを言っている。

EveryのメールアシスタントCoraのゼネラルマネージャーであるKieran Klaassenは、自分の判断力が落ちた実感を書いた記事の末尾で、最も危険にさらされているのは経験者の側だと書く。

“Experienced people are the most exposed here—junior engineers run into unfamiliar things constantly, but if you already know a lot, ‘I know this’ is always available as an excuse.”

（ここで最も危険にさらされているのは経験を積んだ人間である。若手のエンジニアは未知のものに絶えずぶつかるが、すでに多くを知っていれば、「これは知っている」という言い訳が常に手元にある。出典: Every by Kieran Klaassen、2026-09-08）

これは実験ではなく、本人の実感から出た主張である。ただしKlaassenが引く研究は、同じ方向を指している。Margaret Mitchell・Avijit Ghosh・Samir Passiの3氏は最近の論文で既存の証拠を整理し、AIエージェントを長く使い続けると、人間による監督が前提にしている警戒心・批判的思考・ドメインの技能が測定可能なかたちで損なわれるという一貫したパターンを見出した。現象自体は新しくない。1983年、自動化された工場や発電所のオペレーターを研究していた安全性の研究者が、これを「自動化の皮肉（irony of automation）」と呼んでいる。自動化が高性能になるほど、人間側の技能は落ちる。エージェントはその進行を速めただけだ。

若手側の根拠は52人の実験で、経験者側で測定にかかっているのは長期利用による劣化という一般的な方向までであり、経験者のほうが危ういという向きは実務者一人の主張である。証拠の重さは揃わない。それでも、同じ「判断力の劣化」が別の経路で起きているとは読める。若手の側では、却下の経験が積まれないまま時間が過ぎる。経験者の側では、却下できる判断をすでに持っているのに、確認する機会を自分で省く。「これは知っている」が成立してしまうからだ。前者は蓄積の不足であり、後者は起動の不足である。

ここから経営の決め事が一つ出る。研修を厚くすれば前者には効く。だが後者には何も効かない。そして自分の組織の設計判断と障害対応を実質的に握っているのは、後者の層である。国内の議論が若手の育成に処方を集めているあいだ、検知の対象から外れているのは経験者の側だ。

専門性がスキルとして複製できるなら、育成の何が残るのか

先に言い切る。到達水準は複製できるが、到達する過程で身についた判断は複製されない。Everyは編集長Kate Leeの3万件を超える編集履歴から、校閲エージェント「KateBench」を作った。CEOのDan Shipperは長年これを狙っていたが、モデルの性能が追いつかず、GPT-5.6の登場で実用になった。いま同社のライターは、人間のKateのレビューに回す前に原稿をKateBenchに通す。Kateが提案を受け入れ・修正・却下した判断はGoogle Docsの変更履歴として残り、Codexがスキルを書き換えるので精度が積み上がる。Shipperの言い方は、育成の論点を正面から突いている。あの水準の校閲は不思議なほど難しく特殊で、彼女だけがあの水準でこなせたが、もうそうではない、と（トップ人材の専門性は AI で複製できるのか ― 編集履歴3万件から校閲エージェントを作った Every の実践）。

これは育成の観点では二つの意味を持つ。一つは、これまで若手が何年もかけて近づいていた水準の仕上がりを、誰でも初日から得られるということ。もう一つは、その水準へ近づく過程で副産物として身についていたもの——なぜその修正が正しいと言えるのかという判断——が、もう自動では手に入らないということだ。

その副産物の正体は、Klaassenが書いた障害の顛末がそのまま示している。顧客から、すでに送信したメールがCoraに完全に削除されたという報告が入った。監査ログには複数の削除が記録され、そのうち一件は送信ボタンを押した数秒後だった。原因は、クリーンアップ処理の一部を大幅に高速化した変更が、何カ月も潜んでいたバグを露出させたことだった。Coraが作った下書きを顧客が開いて編集しGmailから送ったため、クリーンアップ処理は対象がもう下書きでないことを知る手段を持たなかった。

最初に出てきた修正案は二つで、どちらももっともらしく、どちらも間違っていた。削除の前に30秒待つ。Cora自身が送信した場合は削除を飛ばす。前者はGmailのタイミングについての当て推量にすぎず、後者は顧客がGmailから送った今回のケースでは参照すべき信号が存在しない。Klaassenが通した規則は推測をしないものだった。何かを削除する前に、それがまだ下書きかどうかをGmailに直接問い合わせる。Gmailが確信を持って答えられないなら、何も削除しない。この規則を投入した数時間後に同じ危険な条件が再発し、今度はガードが処理を拒んだ（AI 時代、技術者の判断力をどう守るか——自動化が奪う「思考の深さ」）。

ここで重要なのは、誤った二つの案がどちらももっともらしく見えたことだ。却下できたのは、処理がどこから始まってどこへ行くかの経路を事前に持っていたからである。この判断は、出力を読んで良し悪しを感じ取る作業からは育たない。

同じ非対称は、AIが難問を解く領域にも現れている。OpenAIのAstraは数学と理論計算機科学の10の未解決問題を解き、重大な突破だという評価がおおむね一致した。Noah Smithはそこから人間の役割を、解を見つける側からAIが出した解を理解する側へ移すと整理する。一般に解を見つけるより解を理解するほうが易しいからだ。ただし同じ記事で彼はこうも書いている。高校生がボタンを押してリーマン予想を解けたとしても、出てきた出力はその高校生にとってはただの意味不明な記号列である（AI が未解決問題を解く時代、エース人材の評価基準はどう変わるか — 「英雄の時代」の終わり）。

ボタンを押すことは無料になった。出力を理解することは無料になっていない。そして理解する力は、ボタンを押すことからは手に入らない。これが、AI時代の人材育成で若手の側に残る工程の正体である。

今期の育成投資の配分をどう変えるか

決めることは一つに絞れる。判断の劣化を検知する手当てを、若手と経験者に別の形で、誰がどの頻度で回すかを割り当てることだ。

研修の予算を増やす話ではない。Klaassenが自分に課している手当ては、読まずにマージした差分を開き直して分からなかった箇所を記録する、差分ではなく処理の経路を聞く、コードが示さない設計の理由（過去の障害など）を聞く、といった道具も予算も要らない4つの習慣である。経営にとっての要点は、中身よりも4つ目の扱い方にある。モデルに自分を試験させるが、その合否をマージの条件にはしない。可否はテストに任せ、小テストは自分に何が足りないかを見つけるためだけに使う。検知は品質ゲートではなく、学習項目の棚卸しとして設計されている（4つの詳細はAI 時代、技術者の判断力をどう守るか——自動化が奪う「思考の深さ」にある）。

注意すべきは、この4つがすべて本人の自発性を前提に書かれていることだ。Klaassen自身、学びたいという気持ちの代わりになるものはないと書いている。自発性に任せると、経験者の側では「これは知っている」が勝つ。だから回す対象と頻度を割り当てるところだけが、経営の仕事になる。

配分の実務は3手で足りる。第一に、対象を2種類に分ける。蓄積が足りない層には、AIの出力を却下する機会そのものを業務に組み込む。レビューの出し手に回す、障害の原因の切り分けを担当させる、といった配置の問題であり、研修の枠ではない。第二に、経験者には、避け続けてきた領域を測れる形に書き換えさせる。Klaassenはこれを、「バックエンドに強くなる」ではなく「このリクエストがどこで時間を使っているかを見つけて50ミリ秒削る」と書き換えることだと説明している。書き換えたときに抵抗を感じること自体が、どこに穴があるかの情報になる。第三に、どの等級に何を期待するかを一本化する。利用の有無を測る話ではなく、等級ごとに期待値を分けないという話である。Netflixは、AI活用力（AI fluency）を等級ごとに期待値が変わるスキルではなく、全レベル共通の期待値として捉えているとされる。CPTOのElizabeth Stoneが人を見るときに最も重視するスキルとして挙がっているのはシステム思考である（いずれもポッドキャストの告知文に論点として挙がっているだけで、中身は確認できていない。AI 活用力は等級別のスキルか、全レベル共通の期待値か——Netflix の CPTO が語る人材要件）。等級別に分けた瞬間、経験者の側が検知の対象から外れる。全レベル共通の期待値として置くことが、劣化を見逃さないための構造になる。

なお、評価軸そのものをどう更新するかはAI時代の人事評価制度、何を変えて何を変えないかで扱っている。本稿が扱ったのは評価ではなく、評価に載せる前の検知の工程である。業務単位で品質の劣化を測る仕組みの作り方はAIモデルの評価基準の作り方、ベンチマーク56点のモデルが業務で勝つと合わせて読める。

まとめ: 研修を足す前に、誰の判断を測るかを決める

AI時代の人材育成の議論は、若手が育たないという一方向の心配に寄りすぎている。52人の実験が示したのは、AI支援を受けた開発者（大半がジュニア）でクイズの点が17ポイント低く、差が最も大きかったのがデバッグだったという限定的な事実だ。一方で、同じ劣化が経験者の側ではより見えにくい形で進む。若手は却下した経験が積まれず、経験者は確認する機会を自分で省く。前者は配置と研修で埋まる。後者は、測る仕組みを割り当てない限り埋まらない。経営が今期決めるべきは、育成予算の配分比率ではなく、判断の劣化を誰に対して定期的に測るか、その一点だ。