Jagged Frontier — なぜ同じAIツールに賞賛と酷評が並ぶのか、そしてあなたの会社はどちらの声に従うべきか

ある画像生成エージェントについて調べていて、奇妙な光景に出会いました。

私が確認した時点では、Trustpilotの星1とProduct Huntの星5が、同じ製品に並んでいました。一方では「神ツール」「24時間働くデザインパートナー」と絶賛され、他方では「完全な詐欺」「金返せ」と罵倒されている。

これはレビューサイトの恒例風景と思うかもしれません。ただ私が気になったのは、賞賛と酷評の割合ではなく、それらがほぼ同じことについて語っているのに評価が真逆だという事実でした。

同じ機能、同じ出力品質、同じプロンプト感度に対して、片方は「期待を超えてくる」と言い、もう片方は「明確な指示と参考画像を渡したのに平均以下」と言う。

ツールが悪いのでしょうか。使い方が悪いのでしょうか。

どちらでもない、というのが本稿の結論です。

これは生成AI全体に通底する構造的な現象です。そしてこの構造を理解しないままツール選びをすると、企業は何度でも同じ失敗を繰り返します。レビューがあてにならず、PoCを繰り返してもどこに着地すべきか見えないという、いまの多くの組織が陥っている状況の正体は、ここにあります。

私はこの構造を、AIツールとの実務的なやりとりを重ねる中で少しずつ言語化してきました。そしてStanford、MIT、Harvard、Whartonの研究に加え、近年の実証実験、業界調査、プレプリントが、この構造を別々の角度から示し始めています。

本稿ではこの構造を、4つの概念で解き明かします。Jagged Frontier、認知の増幅器、コンテキスト伝達ロス、そして同質化リスク。

最後に、意思決定者として何を見るべきかを書きます。

第1章: 私が出会った最初の手がかり

きっかけは、ある画像生成エージェントのClaude用「スキル」を分析していたことでした。

Claudeには「スキル」という仕組みがあります。SKILL.mdというMarkdown形式の指示書と、必要に応じてPythonスクリプトを置いておくと、関連するタスクが来たときに自動でロードされ、Claudeがそのドメイン専門家として振る舞ってくれる仕組みです。

私が見ていたスキルは、ある画像/動画生成AIプラットフォームを、Claudeから呼べるようにする橋渡し層でした。中身を読むと、Claudeから渡せる主なパラメータは「プロンプト文字列」と「モード」と「スレッドID」の3つ。それだけです。

ここで違和感がありました。

Claudeとの対話には、長い文脈、過去の試行錯誤、ブランドの方向性、参考にしたい既存作品、避けたい表現、納期、媒体特性、といった情報が積み上がっています。それが「プロンプト文字列」に圧縮されて生成エージェント側に渡る。そして数十秒後、画像が返ってくる。

私はClaudeに聞きました。「お任せしたとしてその完成度はいかがなものなのでしょうか？ コンテキストをそんなにしっかり渡せるものなのですか?」

Claudeの答えは慎重でした。Trustpilotには星1の激しい声が並んでいて、Product Huntには絶賛が並んでいる。レビューの内容を精査すると、賞賛しているのは「単発の画像生成」「コンセプトアート」「SNS素材」など、出力に「らしさ」があれば成立する用途で使っている層でした。酷評しているのは、ブランド準拠、文字組の精度、既存ロゴの再現など、「正しさ」まで要求される用途で使った層でした。

このとき、私は仮説を口に出しました。

これは生成AI評価が二極化する根本原因を、一行で言い当てているのではないかと思いました。

そう思って、関連する研究・実証実験・業界調査を辿りました。すると、私の仮説の周辺で、過去2-3年に査読論文、ワーキングペーパー、RCT、業界レポート、プレプリントが相次いで出ていることがわかります。私の直感は、研究・実証実験・業界調査の中で、すでに別々の角度から観察され始めている現象でした。

順を追って見ていきます。

第2章: Jagged Frontier という概念

2023年9月、Boston Consulting Groupとハーバード、MIT、ペンシルベニア大学(Wharton)、ウォーリック大学の合同研究チームが、生成AIに関する実証研究としてはおそらく最も影響力のある論文を発表しました。

論文名は「Navigating the Jagged Technological Frontier」。被験者はBCGの現役コンサルタント758名。彼らをランダムに「GPT-4使用可能」と「使用不可」のグループに分け、実務に近い18種類のタスクを与えた研究です。

結果は劇的でした。

「AIで対応可能なタスク(フロンティアの内側)」では、GPT-4使用組は生産性が12.2%向上、完了速度が25.1%向上、品質スコアが40%以上向上しました。これだけ聞けば、生成AIは万能の助っ人に見えます。

しかし論文の重要な発見は別のところにあります。

研究者たちは「AIが苦手なタスク(フロンティアの外側)」も用意していました。スプレッドシートと社内インタビューを組み合わせた、複雑で文脈依存の高い分析タスクです。このタスクでは、GPT-4使用組は正答率が19ポイント低かった。AIを使った方が、使わなかったグループより明確に成績が悪くなったのです。

この論文では、この境界を「Jagged Technological Frontier」、すなわちギザギザの技術的境界と呼びました。本稿では以後、これを簡略に「Jagged Frontier」と呼びます。生成AIが得意なタスクと苦手なタスクの間には、整然とした線ではなく、ギザギザの境界が走っている。しかも、その境界はモデルがアップデートされるたびに動きます。

ここから派生する厄介な真実があります。

境界の内側にいるか外側にいるかは、使ってみるまで分かりません。

そしてもう一つ。境界の内側で成功体験を積んだ人と、外側で失敗体験を積んだ人は、同じツールについて真逆の評価を持ちます。

これがレビューサイトで星1と星5が同居する第一の理由です。両者が嘘をついているわけでも、片方が無能なわけでもない。ただ、彼らはツールの違うゾーンを使っていただけです。

第3章: AIは認知の増幅器である

2023年4月、Stanfordの経済学者Erik BrynjolfssonとMIT Sloanの研究者2名が、National Bureau of Economic Researchワーキングペーパー31161を発表しました。タイトルは「Generative AI at Work」。

研究対象は、Fortune 500企業のカスタマーサポートエージェント5,179名。1年間の実データ、約300万件のチャット履歴を分析した、当時としては最大規模の実証研究です。

結果は、平均では生成AI導入により生産性が14%向上しました。ただ、その内訳が興味深いものでした。

• 新人・低スキル労働者: 34%生産性向上

• 熟練・高スキル労働者: ほぼ0%

この数字は印象的ですが、ここで一度立ち止まる必要があります。「ベテランに効かない」と単純化するのは早計です。

第一に、この研究の対象はカスタマーサポート業務に限定されています。AIが会話スクリプトを提案し、エージェントがそれを選んで返信する、という業務設計です。熟練者は既に最適な応答パターンを内面化しているので、AI提案が冗長になります。「0%」はこの業務領域に特有の現象である可能性が高いと考えています。

実際、他の領域では別の結果が出ています。GitHub Copilotの実証では、平均的には開発者の完了タスク数が増え、若手・経験の浅い開発者でとくに効果が大きいことが報告されています。一部の解説ではシニア開発者にも一定の効果が示されていますが、効果は経験層によって差があります。一方で2025年のMETR実験では、経験豊富なOSS開発者がAI使用で完了時間が増加しました。Stanford/MITは0%、Copilotは層によってプラス、METRはマイナス。業務領域や経験層によって結果は大きく変わるというのが、2025年時点の研究群から見えてくる姿です。

第二に、この研究では「熟練者がAIを使いこなす訓練を受けているか」までは測られていません。長年その業務に従事しているベテランと、AIを使いこなす訓練を受けたベテランは別物です。「熟練者にAIは効かない」のではなく、「熟練者がAIを学ばないと効かない」のかもしれません。

そう考えると、これらの研究が共通して示しているのは「ベテラン軽視」ではないと思います。AIの効果は、使い手の特性と業務領域とAI習熟度の組み合わせで大きく変動するという、もっと地味ですが重要な事実です。「誰が、どの業務で、どう使うか」が結果を分けます。

そして、別の角度からもう一つ興味深い研究があります。

2025年のMETR実験では、結果の数字以上に重要な発見がありました。経験豊富なOSS開発者は、AIを使った場合に客観的には完了時間が増えた。つまり遅くなった。ところが本人たちは「AIで速くなった」と感じていた。主観と客観が逆方向に乖離したのです。なお、この実験は初期2025年のAIツールでの結果であり、METR自身も後続のアップデートで「初期2026年のツールでは結果が変わる可能性がある」と注意を添えていますが、それでも「主観と客観のズレ」という発見そのものは重要です。

この発見は、AI評価の二極化のもう一つの側面を示しています。「速くなった気がする」「すごい気がする」という主観的体験が、客観成果と切り離されて評価を作っている可能性があります。レビューサイトで絶賛している人が、実際に成果を出しているとは限りません。逆もまた然りで、不満を持っている人が客観的には成果を出していることもあるはずです。

2025年にarXivに公開されたプレプリント「AI as Cognitive Amplifier」は、こうした諸研究を踏まえたポジションペーパーとして、AI利用を三層に整理しています。500名以上の専門職トレーニングからの現場観察と既存研究を統合した整理であり、統制実験そのものではありません。それでも、整理の枠組みとして本稿でも参照する価値があると感じています。

• レベル1: 受動的受容(AIの出力をそのまま受け入れる)

• レベル2: 反復協働(対話を通じて磨き上げる)

• レベル3: 認知的指揮(AIを自分の思考プロセスに統合する)

そして論文の中核となる主張は、こうまとめられます。AIはツールではなく、認知の増幅器である。入力の質が低ければ出力の質も低い。経験者と新人で「同じツールを使っても」性能差が拡大する。タスクが複雑になるほど、この差は広がる。

ただし、ここで重要な但し書きが要ります。「経験者であること」と「AI使用が上手であること」は別の能力です。業務経験はAIへの入力の質を高めますが、それを引き出してAIに渡す技術、AIの出力を真贋判定する目、対話を通じて出力を磨く忍耐は、別途習得する必要があります。

入力するもの×AIの能力＝出力、という乗算の関係です。だから、入力するものの質と、入力する技術の両方が問われる。前者は業務経験で身につき、後者はAI経験で身につく。両方を持つ人が、AIで最大の成果を出します。

これが評価二極化の構造的な核です。

第4章: コンテキスト伝達ロスの構造

ここで、私自身がClaudeとの対話の中で言語化した仮説に戻ります。

冒頭で述べた画像生成エージェントを調べる中で、私はClaudeに「コンテキストをそんなにしっかり渡せるものなのですか?」と聞きました。そこから議論を重ねていく中で、私は次のような構造を見出しました。

ここから提示するのは、厳密な計測値ではなく、構造を捉えるための便宜的な数字です。あくまで比喩として読んでください。重要なのは絶対値ではなく、最後に出てくる比率の方です。

プロが頭に持つ情報量を、仮に100とします。これは経験豊富なクリエイターやマーケターが、案件を始める時点で頭の中に持っている情報の総量です。ターゲットの解像度、ブランドの過去、競合の動向、媒体特性、納期と予算、クライアントの政治、デザインの流行、自分の美意識、避けたい類型、参照したい既存作品。

これらすべてを言語化できるわけではありません。文字に書き起こせる量を、仮に30としましょう。残りは暗黙知として頭に残ります。

文字に書き起こした30のうち、プロンプトに収まるのはさらに少ない。文字数の制約、構造の制約、AIが解釈しやすい記述形式。実質的にプロンプトに入る量を、仮に15とします。

そしてAIがそのプロンプトを解釈して意図を汲み取るとき、さらに損失があります。AIは確率的に最も近い解釈を選ぶ。プロが意図した含意のすべては伝わらない。実質的な解釈量を、仮に10とします。

結果として、プロが持っていた情報のうちAIに届くのは10%程度に過ぎません。

一方、ライト層はどうでしょうか。

ライト層が頭に持つ情報量を、仮に20としましょう。「いい感じのバナーがほしい」「お洒落な雰囲気で」「カフェっぽい色合いで」。本人の頭の中はこの程度の解像度しかありません。

ところがライト層は、この20を言語化することにそれほど苦労しません。仮に15は出せる。プロンプトにも15は収まる。AIが解釈するときも、シンプルな指示なので仮に12は伝わる。

ライト層は持っていた情報の60%程度が伝わります。

絶対量はプロの方が圧倒的に大きい。ですが「自分が意図したものがAIに伝わった割合」で見ると、プロは10%、ライト層は60%。

満足度を決めるのは絶対量ではなく、「自分の意図が反映されたか」という割合のほうです。だから、

• プロほど「9割が捨てられている」と感じて不満を持つ

• ライト層ほど「ほぼ全部伝わっている」と感じて満足する

数字はあくまで便宜的なものですが、構造としては成立すると考えています。評価が二極化するのは、ツールの問題ではなく、コンテキスト伝達ロスの比率が、使い手の解像度によって逆転するという構造の問題なのです。

この構造と整合する独立した調査結果もあります。

Figmaが2025年に発表したAIレポートでは、AIツールへの満足度は開発者82%、デザイナー69%でした。さらに「AIが仕事の品質を高める」と答えた割合では、開発者が67〜68%前後、デザイナーが54%。満足度でも品質改善の認識でも、開発者のほうがAIを高く評価していることがわかります。

この差は、私の解釈では、開発者とデザイナーがAIに渡すコンテキストの違いとも関係しているように見えます。開発者はAIを「すでに決まった解の実装を加速するため」に使う場面が多く、デザイナーは「解そのものを生み出すため」に使う場面が多い。前者は伝達すべきコンテキストが少なく、後者は多い。だからコンテキスト伝達ロスの影響が、後者により大きく出るのだと考えています。

そして特化型ツール、すなわち汎用AIから別の生成サービスを呼び出す橋渡し層では、この問題がさらに悪化しやすいと感じています。少なくともClaude側から見える連携が「プロンプト文字列を渡して結果を受け取る」構造に近い場合、汎用AIが本来できる対話の往復による意図の補完が効きません。一発勝負に近くなり、伝達ロスがさらに拡大します。

汎用AIで満足できるプロが、特化ツールで満足できなくなる現象には、こういう構造的理由があると考えています。

第5章: 同質化リスク — 使い手次第で顕在化する

2025年に初稿が公開され、2026年版で改訂されたarXivプレプリントで、MIT SloanのSinan AralとJohns HopkinsのHarang Juが、Pairitという実験プラットフォームを使って2,234名の参加者で実験を行いました。被験者は「人間×人間」のペアか「人間×AI」のペアに振り分けられ、ある政策研究所のための広告を作る。合計11,024本の広告が制作され、X(旧Twitter)で実際に配信され、約493万インプレッションを獲得した実験です。

結果は2つの面で興味深いものでした。

第一に、人間×AIチームは1人あたり50%多くの広告を生産し、テキスト品質でも人間×人間チームを上回りました。一方で、画像品質では人間×人間チームのほうが高く、Xでの配信パフォーマンス全体は大きくは変わりませんでした。「AIで全部勝てる」のではなく、AIが効く領域とそうでない領域が、同じ実験の中で同時に観察された形です。これは第2章のJagged Frontierと整合しています。

第二に、人間×AIチームの出力は「同質化(diversity collapse)」を示した。生み出された広告どうしが、互いに似通っていた。多様性が崩壊したのです。

この発見は、企業のAI導入にとって深刻な意味を持つように見えます。ただ、ここでも単純な結論に飛びつかない方がいい。

「AIを使うと必ず同質化する」と読むと誤解します。実態はもう少し条件付きで、AIを浅く使った場合に同質化が起きる、というのが正確な読み方だと思います。

同質化が起きる構造を分解すると、おそらくこうなります。

第一に、生成AIは確率的に「最も平均的な解」を選びがちです。プロンプトが抽象的で「いい感じに」「お洒落に」程度しか渡していないと、AIは学習データの中央値に近い出力を返します。複数人が同じように抽象プロンプトを使うと、それぞれの出力が中央値に収束します。

第二に、使い手がAIの出力を真贋判定できないと、AIが返した「それっぽいもの」をそのまま採用してしまう。これは前章で見た「認知の増幅器」の裏返しで、レベル1(受動的受容)で使うと同質化が加速します。

第三に、使い手がAIに自分の文脈や個性を渡せないと、AIは自分の中央値で埋める。逆に、自分のスタイル、過去の作品、避けたい表現、独自の論点を渡せる使い手は、AIの中央値を自分の側に引き寄せることができます。

つまり同質化リスクは「AI使用」ではなく「AI使用の浅さ」が引き起こすものです。

私自身、Claudeとの対話で出力を作るとき、出力が他人と同質化しているとは感じません。なぜなら、私は自分の問題意識、思考の枠組み、ものの見方をClaudeに渡しているからです。Claudeはそれを増幅して返す。前章のCyborg型の使い方をしていれば、出力には使い手の個性が反映されます。

問題は、組織全体で全社員にAIを使わせたとき、Cyborg的に使える人材ばかりではないという現実です。多くの社員は受動的受容に近い使い方をする。その結果として、組織アウトプット全体としては同質化が観察される。これがJu & Aralの実験で起きていたことだと考えています。

Otis College of Art and Designが2026年4月に発表した調査も、似た構造を示しています。カリフォルニアのクリエイティブ産業を調査した報告書は、インタビューから見えるAI活用のパターンを、次のように要約しています。

「AIが使われるのは、明確に定義された活動、出力が検証可能で、時間節約が明確で、品質が期待に合致する場面である」

そして、あるVFX会社のオーナーは、注目度の高いテレビ制作でのAI使用についてこう表現しました。

「15人のアーティストが、ワークステーションでAIを修正している」

人間がAIを直す。AIが人間を解放するのではなく、人間がAIの後処理に追われる。これは多くの現場で起きている、表に出ない真実です。ただしこれも、AIを真贋判定でき修正できる人材が現場にいるからこそ起きている事態でもあります。修正できる人材がいなければ、後処理されないまま品質劣化した出力が世に出る。これはさらに悪い。

意思決定者にとっての示唆は、こうなります。

「AIを使うか使わないか」「全社展開するかしないか」という二元論で議論するのは、論点を取り違えています。問うべきは「自社の使い手はAIを真贋判定し、意図を渡し、修正できる人材か」です。それができる組織は、AIで個性を増幅できる。できない組織は、AIで個性を失う。

特に、ブランドの独自性を武器にする中小企業にとって、ここは見落としやすく致命的なポイントだと思います。「AIで効率化」という言葉だけで進めると、3年後に「全社員の成果物が判別不能になっている」事態を招きます。逆に、使い手の真贋判定能力を育てた組織は、AIを個性の増幅器に変えられます。

第6章: 意思決定者として何を見るべきか

ここまでの議論をまとめると、AI評価の二極化は次の構造から生まれています。

1. Jagged Frontier — タスクがAIの得意ゾーンか苦手ゾーンかで結果が真逆になる

2. 認知の増幅器 — 入力の質が出力の質を決めるため、使い手の解像度で成果が比例分散する

3. コンテキスト伝達ロス — 高解像度な使い手ほど「9割が捨てられる」体験になる

4. 同質化リスク — AIを浅く使う組織で顕在化する

では意思決定者は、何を見るべきでしょうか。

A. 自社の使い手が「らしさ層」か「正しさ層」か

社内でAIを使う人々が、出力に「らしさ」があれば満足する層なのか、「正しさ」まで要求する層なのかを、まず見極めます。

「らしさ層」が使うなら、Lovartのような特化型エージェントは強力な味方になります。彼らの解像度に対して、ツールは十分にコンテキストを汲んでくれます。

「正しさ層」が使うなら、特化型ツールは満足度が低い。彼らに必要なのは、対話の往復でコンテキストを補える汎用AI、もしくはAIを「下書き生成器」として使い、最終仕上げは人間の専門家が行う設計です。

B. レビューはどちらの層の声か見極める

ツール選定でレビューを参考にするなら、そのレビュー投稿者が「らしさ層」か「正しさ層」かを読み取る必要があります。

Product Huntで絶賛している人が「ブランディング素人で、初めての名刺デザインに使った」なら、その満足度はあなたの組織にそのまま当てはまりません。Trustpilotで星1をつけている人が「20年のグラフィックデザイナー」なら、その不満はあなたの組織のシニア人材も同じく感じる可能性が高い。

レビューを見るとき、点数ではなく投稿者の解像度を見ること。これだけで判断精度が大きく上がります。

C. AIは「分業相手」として使う場面と「思考の伴走者」として使う場面を区別する

BCG実験の中で観察された、AI使用者の2つの行動パターンがあります。「Centaur(馬人)型」と「Cyborg(サイボーグ)型」です。

Centaur型は、人間とAIで仕事を分業します。「ここまでは私、ここからはAI」と切り分ける。私の整理では、Centaur型は比較的導入しやすく、新人・低スキル者にも機能しやすい使い方です。

Cyborg型は、人間とAIが一体化して仕事を進めます。タスクをサブタスクに分解し、それぞれをAIに任せたり自分でやったりを細かく切り替える。タスクを分解し、AI出力を評価し、必要に応じて自分で修正できる人ほど使いこなしやすい使い方です。したがって、熟練者や判断基準を持つ人材に向きやすい使い方だと考えています。

組織でAIを導入するとき、どちらの使い方を推奨するかを明示することが効きます。曖昧なまま「AIを使え」と言うと、新人はCentaur的に使い、熟練者はCyborg的に使おうとして衝突します。

D. 同質化リスクは「AIを使う」ことではなく「AIを浅く使う」ことから生まれる

全社員にAIを使わせるなら、使い手の真贋判定能力を育てる仕組みを同時に入れる必要があります。

具体的には、AI出力をそのまま採用させない運用、複数のAIモデルを使い分けて視点を多様化する、最終仕上げに人間レビューを必須化する、社内の独自データやスタイルガイドをAIに与えて出力を自社の側に引き寄せる、といった工夫です。

そして、もう一段深く設計するなら、「AIに真贋判定して修正できる人材」を組織内に育てることに投資します。これは技術研修ではありません。自分の意図を言語化する訓練であり、AIの出力を批評する訓練であり、出力を修正する訓練です。Cyborg型の使い手を意図的に育てる、という発想です。

「AIで効率化」というスローガンだけで進めると、3年後に「全社員の成果物が判別不能になっている」事態を招きます。逆に、真贋判定能力を育てた組織は、AIを個性の増幅器に変えられます。同じAI導入が、組織の人材設計次第で、全く逆の方向に作用する。これがAI戦略の本質だと思います。

結びに

ここまで書いてきた構造は、何ヶ月もかけて温められた論考ではありません。ある画像生成エージェントを調べていて、Claudeとふと交わした対話の中で言語化が進んだ仮説です。

私はClaudeに「コンテキストをそんなにしっかり渡せるものなのですか?」と聞き、Claudeは「正直なところ、渡せません」と答えました。その答えから始まった対話が、Stanford、MIT、Harvard、Whartonの実証研究を辿る旅になり、本稿になりました。

このプロセスそのものが、本稿のテーマを体現していると思います。

私はAIを「実行者」として使ったのではありません。「対話相手」として、自分の仮説を磨くために使いました。Claudeが優秀なのではなく、Claudeとの対話の中で、私の側の解像度が引き上げられていった結果として、こうした構造が言語化されたのだと思います。これがCyborg型の使い方の一例です。

ただし、ここで正直に告白しておきたいことがあります。

本稿の初稿は、もっと荒いものでした。「Stanford/MITの研究によれば、ベテランへのAI効果はほぼ0%」と断定的に書いていました。コンテキスト伝達ロスの数字を「100→30→15→10」と、まるで何かの研究データのように書いていました。「AIを使うと同質化する」と、論文を額面通り紹介していました。

その初稿に対して、私自身が違和感を持ち、Claudeに指摘を返しました。

「ベテラン0%は、業務領域の差や、ベテランがAIをちゃんと学んでいるかどうかの差もありそうだ」 「数字は実際わからないので、仮に30としよう、のほうがいい」 「同質化も、AIをちゃんと理解せずに使っているからではないか。真贋判定し、意図を伝え、修正できるかの問題ではないか」

Claudeは「鋭い指摘です。論文を信じすぎていました」と認め、各章を書き直しました。その結果が、いま読んでいただいた本稿です。

このプロセスは、本稿の主題そのものです。一次研究の権威に寄りかかった初稿は、レベル1(受動的受容)で書かれていました。私が違和感を言語化して指摘を返した瞬間、対話はレベル2(反復協働)に上がり、論考の精度が上がりました。

AIは認知の増幅器であり、入力の質が出力の質を決める。私が問いを立て、Claudeが答えを返し、その答えに私が違和感を返し、Claudeが修正する。この往復の中で、私とClaude、双方の解像度が同時に上がっていきました。

これは、AIをツールとして使うのではなく、思考の伴走者として使うことの効果です。一人で考えるよりも、AIに丸投げするよりも、対話で磨く方が、論考は深まります。ただしそのためには、AIの出力に違和感を持ち、それを言語化して返す力が要る。これがCyborg型のAI協働で問われる、本当のスキルだと思います。

本稿のテーマは生成AI評価の二極化ですが、もう一段メタな視点で言えば、AIをどう位置づけるかという経営判断の問題でもあります。

ツール選定は技術選定ではなく、経営判断です。レビューサイトの星の数では決まりません。自社の人材構成、業務特性、ブランド戦略を踏まえて、どのAIをどの場面で、どう使わせるかを設計することが、本来の意思決定の中身です。そして、その先で「使い手の真贋判定能力をどう育てるか」を考えることが、3年後・5年後の競争力を決めます。

ここまで読んでくださった方は、もう気づいていると思います。問うべきは「AIを使うか・使わないか」ではなく、「自社の使い手は、AIを真贋判定し、意図を渡し、修正できるか」でした。

その問いを、自社の具体的な業務に当てて整理する場として、90分の業務診断を用意しています。優先業務の上位2〜3、30日のゴール、90日のロードマップまでを、その場で一緒に確定します。社外秘・個人情報は不要です（固有名詞は伏せたままで構いません）。終了後48時間以内に、1枚のサマリーをお渡しします。

「PoCが点在して標準化できない」「現場で止まっている」「品質や責任の不安で社内合意が取れない」——本稿で言語化した構造を、自社の言葉に翻訳したい方は、こちらからどうぞ。

▶ AI業務診断＆90日ロードマップ（90分）
https://www.narumitakayoshi.com/offers/okdoaqzx/checkout

次に読むと良い記事

• エージェントAIはスポーツカーになった。便利さより先に、ブレーキを設計しよう。
• あなたのメールボックスを、AIは全部は見ていない

参考にした研究・調査

• Brynjolfsson, E., Li, D., & Raymond, L. (2023). "Generative AI at Work." NBER Working Paper No. 31161.(査読版はQuarterly Journal of Economics, 2025)

• Dell'Acqua, F., et al. (2023). "Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality." Harvard Business School Working Paper / SSRN.

• Ju, H., & Aral, S. (2026). "Collaborating with AI Agents: A Field Experiment on Teamwork, Productivity, and Performance." arXiv:2503.18238v3. First posted 2025.

• An, T. (2025). "AI as Cognitive Amplifier: Rethinking Human Judgment in the Age of Generative AI." arXiv:2512.10961.(ポジションペーパー)

• METR (2025). "Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity."(2026年に追加アップデートあり)

• Figma (2025). "2025 AI Report."

• Otis College of Art and Design × Westwood Economics (2026). "Creative Disruption: AI and California's Creative Economy: 2022–2025."