AIに頼りすぎ

AIと一緒に決めれば、間違いは減る?106件の実験のまとめでは、組み合わせは平均で「得意なほう単独」に届かず、任せ方を先に決めることが鍵だった

約8分で読めます

わかっている度 ★★☆ 中研究3本・公的資料0件を整理出典照合済み(2026-10-13)
チェス盤と駒
Photo: Wilfredor / CC0 / Wikimedia Commons
AIによる調査公開された研究と公的機関のデータ・指針をAIが調べて整理しました(商品の紹介や診断はしていません。出典は末尾)。

仕事でも暮らしでも、AIの提案を見てから自分で決める場面が増えました。「AIと人が一緒に決めれば、どちらか一方よりも間違いは減るはず」と考えがちです。ところが、106件の実験をまとめた研究では、そうなるとは限りませんでした。どんなときに組み合わせがうまくいき、どんなときに失敗しやすいのか。頼りすぎる前に決めておきたいことを整理します。

3行でわかる

  1. 106件の実験のまとめでは、人とAIの組み合わせは「人だけ」より良かったが、平均では「得意なほう単独」に届かなかった。
  2. 人のほうが得意な判断では組み合わせが最も良くなり、AIのほうが得意な判断ではAI単独より成績が落ちた。理由の説明や自信度の表示では、はっきりした差は出なかった。
  3. 前もって、自分とAIのどちらが得意かを確かめ、作業ごとに任せ方と最後の責任者を決めておくと、頼りすぎに備えられる。

01 結論から言うとAIと一緒に決めれば、間違いは減る?

人だけで決めるよりは良くなりやすいものの、いつも最善になるわけではありません。研究のまとめでは、人とAIの組み合わせは平均で、人とAIのうち得意なほうが単独で決めた場合より成績が下でした。

研究者が挙げる理由の一つは、人がAIの提案に頼りすぎたり、逆に頼らなさすぎたりすることです。AIが間違えたときに気づけず、そのまま採用してしまう。AIが正しいときに、自分の思い込みで退けてしまう。どちらも、人が最後に決める形で起きます。

ただし、うまくいく条件もわかってきました。それは「どちらが得意な判断か」と「決める作業か、作る作業か」です。条件を知っておけば、AIに任せる部分と自分で確かめる部分を、前もって分けられます。

02 研究とデータでわかっていること人とAIの組み合わせは、どんなときに失敗する?

AIのほうが人より正確な課題では、組み合わせの成績がAI単独より下がっていました。採用の書類選考の実験でも、間違った助言を受けた人は、助言なしのときより正解率が下がりました。

106件人だけ・AIだけ・組み合わせを比べた実験の数(2020年1月〜2023年6月に発表された研究)
−0.23組み合わせと「得意なほう単独」の差(効果量。マイナスは組み合わせが下)
68%→58%書類選考の実験で、助言なしと、間違った助言を受けたときの正解率(大学生370人の実験。助言は人またはAIからとして示した)

Vaccaro ら(2024年)[1]

370の結果を統合すると、人とAIの組み合わせは「人だけ」よりはっきり良かった一方、平均では「得意なほう単独」より少し下でした。人のほうが得意な判断では組み合わせが最も良く、AIのほうが得意な判断ではAI単独より成績が落ちていました。

作業の種類でも差が出ました。選択肢から選ぶ「決める作業」では組み合わせの成績が下がり、文章や画像などを「作る作業」では上向きでした。AIが理由の説明や自信度を示すかどうかでは、成績にはっきりした差は出ませんでした。

対象: 2020年1月〜2023年6月に査読つきで発表された論文74本・106件の実験、370の結果のメタ分析 / 限界: 研究ごとの差が大きい。実験室の課題が多く、実際の職場の使い方と同じとは限らない。

Cecil ら(2024年)[2]

応募書類から候補者を選ぶ課題で、正しい助言を受けると正解率が上がり、間違った助言を受けると下がりました。最初の実験(助言は同僚またはAIからとして示した)では、助言なし68.2%、正しい助言72.7%、間違った助言57.6%でした。AIの判断の根拠を図で示しても、間違った助言への頼りすぎは減りませんでした。

対象: 大学生と人事の仕事をする人、5つの実験で計1,403人 / 限界: 実験用に作った応募書類の課題で、実際の採用の重さとは違う。最初の実験の数字は大学生370人のもの。

Goddard ら(2012年)[3]

74件の研究をまとめると、判断を助ける仕組みは全体として成績を上げる一方、自分の正しい判断を、仕組みの間違った助言に合わせて変えてしまう例がありました。その割合は、医療の前向き研究では6〜11%でした。

頼りすぎを強める要因には、仕事量の多さや時間の制約が挙げられていました。反対に、自分が判断の責任を負うと意識している人は、頼りすぎによる誤りが少ない傾向がありました。

対象: 医療(31件)や航空(27件)などの、判断支援・自動化の研究74件の系統的レビュー / 限界: 生成AIが広がる前の研究。6〜11%は医療の研究での数字。

場面研究での結果
人のほうが得意な判断組み合わせが、人だけ・AIだけのどちらより良かった [1]
AIのほうが得意な判断組み合わせは人だけより良いが、AI単独より下だった [1]
選択肢から選ぶ「決める作業」組み合わせの成績が下がる傾向 [1]
文章や画像を「作る作業」組み合わせの成績が上向き(はっきりした差ではない)[1]
理由の説明・自信度の表示成績にはっきりした差は出なかった(説明 [1][2]、自信度 [1])

03 まだわかっていないことChatGPTのような生成AIでも同じ?

まとめに入った実験は2023年6月までに発表されたもので、結果の約85%は選択肢から選ぶ課題でした。会話型の生成AIを毎日の仕事で使う場合に、同じ結果になるかはまだわかっていません。

  • Vaccaro らのまとめの対象は2023年6月までの研究です。著者らは、生成AIの研究は使い心地や態度を調べたものが多く、成績を比べた実験は少ないと述べています。
  • AIと人で作業を前もって分けた実験は、100件を超える中で3件だけでした。組み合わせが良くなる傾向はありましたが、はっきりした差ではありませんでした。
  • 「先に自分の答えを出してからAIを見る」などの工夫が、頼りすぎをどのくらい減らすかは、今回の研究では確かめられていません。
  • 自分がAIより得意かどうかを、どのくらい正確に見積もれるかもわかっていません。

04 今日からできること頼りすぎないために、何を決めておく?

研究では、どちらが得意か、決める作業か作る作業か、責任を意識しているかで結果が変わっていました。前もって作業ごとに任せ方を決め、最後に確かめる人を決めておくと、頼りすぎに備えられます。

1

自分とAIの、どちらが得意かを確かめる

答えのわかっている過去の例を5つほど選び、AIなしで自分が答えたものと、AIの答えを比べます。自分のほうが当たる作業は、AIを「意見の一つ」に。AIのほうが当たる作業は、AIの答えを覆すときに理由を書く決まりにします。

目安 30分・作業ごとに1回

2

「決める作業」と「作る作業」で使い方を分ける

文章の下書きや資料のたたき台など作る作業は、AIに任せる部分を広めに。選ぶ・判定する作業は、AIの答えを見る前に自分の答えを書き留めておくと、引っぱられたかどうかを後で振り返れます(効果を確かめた研究はまだありません)。

目安 1回1分

3

説明がもっともらしくても、出典を開く

研究では、理由の説明があっても頼りすぎは減りませんでした。大事な判断ほど、説明を読むだけで済ませず、元の資料やデータを1つ開いて確かめます(AIの答えの確かめ方)。

目安 大事な判断1件につき5分

4

急ぐ場面ほど、最後に確かめる人を決めておく

時間に追われると頼りすぎが強まりやすいとされる一方、責任を意識している人は誤りが少ない傾向がありました。締め切り前に使う作業は、「誰が最後に確かめるか」を先に決め、チェック項目を3つに絞っておきます(仕事でAIに作らせた資料の確かめ方)。

目安 作業を始める前に5分

健康や薬のことをAIに聞く場面では、AIが正しく答えられても、使う人の判断が良くならなかったという研究もあります(AIに病気や薬のことを聞いても大丈夫?)。

05よくある質問

AIの答えに理由や根拠の説明がついていれば、信じていい?

説明があっても安心はできません。106件の実験のまとめでは、AIが説明や自信度を示しても、人とAIの組み合わせの成績にはっきりした差は出ませんでした。採用の書類選考の実験でも、説明を見せても、間違った助言に引っぱられる人は減りませんでした。

AIを使うと、かえって成績が下がることはある?

あります。研究のまとめでは、AIのほうが人より正確な判断では、組み合わせの成績がAI単独より落ちていました。一方、人のほうが正確な判断では、組み合わせが人だけ・AIだけのどちらより良くなっていました。

仕事でAIの提案を使うとき、まず何を決めておけばいい?

「どの作業をAIに任せ、どこを自分が確かめるか」と「最後に誰が責任を持つか」の2つです。研究では、決める作業より文章や資料を作る作業のほうが組み合わせの良さが出やすく、責任を意識した人ほど自動化への頼りすぎによる誤りが少ない傾向がありました。

「AIに頼りすぎ」を順に読む
知る → 備える(この記事) → 起きたとき → 立て直す
この悩みのガイドを見る

出典

  1. Vaccaro M, Almaatouq A, Malone T (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8, 2293-2303. https://doi.org/10.1038/s41562-024-02024-1
  2. Cecil J, Lermer E, Hudecek MFC, Sauer J, Gaube S (2024). Explainability does not mitigate the negative impact of incorrect AI advice in a personnel selection task. Scientific Reports, 14, 9736. https://doi.org/10.1038/s41598-024-60220-5
  3. Goddard K, Roudsari A, Wyatt JC (2012). Automation bias: a systematic review of frequency, effect mediators, and mitigators. Journal of the American Medical Informatics Association, 19(1), 121-127. https://doi.org/10.1136/amiajnl-2011-000089