AIで作った資料なのに、質問されて答えられなかった。研究では、AIを使うと「わかったつもり」になりやすく、次は自分の言葉で説明し直すのが手がかり

約9分で読めます

わかっている度 ★★☆ 中研究6本・公的資料0件を整理出典照合済み（2026-10-11）

机の上のノートとペン — Photo: www.Pixel.la Free Stock Photos / 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）。

AIに手伝ってもらって、見た目の整った資料ができた。ところが会議で「この数字の根拠は？」「なぜこの案なの？」と聞かれ、言葉に詰まった。恥ずかしさと一緒に「自分は考える力が落ちたのでは」と不安になった人もいるかもしれません。研究では、AIや検索で得た答えを自分の理解と取り違えやすく、しかも本人は気づきにくいことがわかっています。直後にできる対応と、次の資料での使い方を順にまとめます。

3行でわかる

答えに手が届くと、人は「自分がわかっている」と感じやすくなります。ネット検索の9つの実験で確かめられ、AIでも同じことが起きうると指摘されています。
高校生約1,000人の実験では、AIを自由に使った生徒は、使わなかった生徒より練習の成績が48%高かった一方、AIなしの試験では17%低く、本人はそれに気づいていませんでした。
直後は「確認して回答します」と期限つきで返し、資料を見ずに要点を説明し直します。次からは骨組みを先に自分で書き、AIの提案を採用・変更・却下した理由を残します。

01 結論から言うとAIで作った資料を説明できないのはなぜ？

資料が「手元にある」ことと、中身を「自分で説明できる」ことは別だからです。研究では、答えに手が届く状態だと、人は自分の理解を高く見積もりやすく、AIでもそれが起きうると指摘されています。

人はもともと、ものごとの仕組みを、実際より深く理解していると感じやすいことが知られています。心理学では「説明の深さの錯覚」と呼ばれます [2]。ふだんは困りませんが、「なぜ？」と聞かれて人に説明する場面では、その差が表に出やすくなります。

AIで作った資料では、この錯覚が起きやすい条件がそろいます。文章は整っていて、数字も並んでいます。読み返すと「わかる」と感じます。ただ、読んでわかることと、何も見ずに理由を言えることは違います。会議の質問は、まさに後者を求めます。

ですから、1回答えられなかったからといって、考える力そのものが落ちたとまでは言えません。資料の中身を自分の頭で組み立て直す機会が少なかった、と考えるほうが研究に沿っています。

02 研究とデータでわかっていることAIを使うと、自分の理解を見誤りやすい？

学生と若手社会人を対象にした研究では、AIに答えを任せる使い方ほど、その場の成績は良くても、AIなしの力は伸びにくく、本人もそれに気づきにくい傾向がありました。

9件ネット検索のあと、自分の知識を高く見積もるようになった実験の数（2015年発表）

48%AIを自由に使えた練習問題で、使わなかった生徒より高かった成績の割合（トルコの高校生、2023〜24年度）

17%同じ生徒が、AIなしで受けた試験で、使わなかった生徒より低かった成績の割合

589人AIの使い方と、その後の考える力の自己評価を3回調べた人数（大学生と若手社会人、2026年発表）

Fisher, Goddu, Keil（2015）[1]

ネットで説明を検索すると、人は「情報に手が届くこと」と「自分がわかっていること」を取り違え、自分の知識を高く見積もるようになった。

対象: 9つの実験／限界: 調べたのはネット検索で、生成AIではない。

Bastani ら（2025）[3]

数学の練習でGPT-4を自由に使えた生徒は、練習の成績が48%上がった。しかしAIなしの試験では、使わなかった生徒より17%低かった。AIに答えを聞いて写す使い方が目立ち、生徒は自分の学びが減ったとは感じていなかった。

対象: トルコの高校1校、9〜11年生の約1,000人のランダム化比較試験／限界: 数学1教科・1校の結果。答えの代わりに先生が用意したヒントを出すよう設計したAIでは、試験の成績の低下はほぼ見られなかった。

Zhu ら（2026）[4]

考える中心部分をAIに任せる使い方と、AIを足場にして自分で考える使い方は、どちらもその場では同じくらい役立つと感じられていた。しかし任せる使い方のほうが、その後の考える力の自己評価が低い傾向と結びついていた。

対象: 大学生と若手の知識労働者589人に、時期をずらして3回調査／限界: 考える力は本人の自己評価で、実際の成績ではない。

Chen（2026）[5]

英語の作文の授業で8週間、AIへの任せ方に上限を設け、AIの提案を「採用・変更・却下」した理由を書かせた。このクラスは、AIを自由に使ったクラスより、最後のAIなしの作文で論の深さなどの点数が高い傾向だった。

対象: 中国の大学生168人（6クラス）／限界: クラス単位の割り当てで差の確かさは十分でなく、上限と理由を書く課題のどちらが効いたかは分けられない。

科学研究の分野でも、AIの道具に頼ることで「実際より多くを理解していると思い込む」錯覚が起きうると、Nature誌の論考が指摘しています [6]。こちらは実験ではなく、考え方の整理です。

03 まだわかっていないこと職場の資料づくりでも同じことが言える？

まだはっきりしません。研究の多くは学生の学習が対象で、職場の資料づくりや会議での説明を直接調べた研究は、ほとんど見つかりませんでした。

働く人がAIで資料を作ったとき、説明する力がどのくらい変わるかを測った研究は、まだ見当たりません。
「わかったつもり」の研究の多くはネット検索が対象です。生成AIで同じ程度に起きるかは、確かめられている途中です。
AIの提案に理由を書き残す方法の効果は、1つの授業での結果で、差の確かさも十分ではありません。
何回くらい自分で説明し直せば、会議で答えられるようになるかの目安は、研究からは出ていません。

04 今日からできること答えられなかった後、まず何をすればいい？

その場で取りつくろわず、期限を決めて回答し直すことです。そのうえで、資料を見ずに要点を説明できるか確かめ、次の資料では骨組みを自分で先に書きます。

「確認して、いつまでに回答します」と返す

答えられなかった質問を、その日のうちにメモに書き出します。推測で答えるより、確かめてから回答するほうが信頼を保てます。ミスを出してしまったときの立て直しはAIの間違いを仕事で出して、信頼を失ったも参考になります。

目安当日中に書き出し、回答は約束した期限までに

数字と主張を、出典まで戻って確かめる

聞かれた数字や結論が、どの資料のどこに書いてあるかを開いて確認します。AIの文章には、もっともらしい誤りが混ざることがあります。確かめ方は仕事でAIに作らせた文章や資料、そのまま出して大丈夫？にまとめています。

目安質問1つにつき10〜20分

資料を閉じて、要点を3文で説明してみる

「何を提案するか」「なぜそう言えるか」「弱いところはどこか」を、何も見ずに書くか声に出します。詰まったところが、まだ自分の理解になっていない部分です。

目安 1回5分。回答の前に1回

次の資料は、骨組みを自分で書いてからAIに頼む

結論と理由の見出しだけ先に手で書きます。AIの提案は、採用・変更・却下したものと理由を一言ずつ残します。白紙から書く練習はAIなしだと、考えたり書いたりする手が止まるでも扱っています。

目安骨組み10分、理由のメモは提案1つにつき1行

05よくある質問

会議で答えられなかったのは、AIのせいで考える力が落ちたから？

そうとは限りません。研究が示しているのは、AIや検索で得た答えを、自分の理解と取り違えやすいということです。1回答えられなかったことで、考える力そのものが落ちたとは言えません。資料の中身を自分で説明する機会が少なかった、と考えるほうが研究に沿っています。

「AIで作りました」と正直に言ったほうがいい？

職場にAIの使い方のルールがあれば、それに従います。聞かれていないのに言う必要があるかは、職場の決まりや相手との関係しだいです。大事なのは、AIを使ったかどうかより、資料の中身に自分が責任を持って答えられることです。

もうAIで資料を作らないほうがいい？

やめる必要はありません。研究では、AIを使うかどうかより、使い方で差が出ていました。骨組みを自分で先に書く、AIの提案を採用・変更・却下した理由を書き残す、といった使い方なら、自分の理解を保ちながら使えます。

出典

Fisher M, Goddu MK, Keil FC (2015). Searching for explanations: How the Internet inflates estimates of internal knowledge. Journal of Experimental Psychology: General, 144(3), 674-687. https://doi.org/10.1037/xge0000070
Rozenblit L, Keil F (2002). The misunderstood limits of folk science: an illusion of explanatory depth. Cognitive Science, 26(5), 521-562. https://doi.org/10.1207/s15516709cog2605_1
Bastani H, Bastani O, Sungu A, Ge H, Kabakcı Ö, Mariman R (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. https://doi.org/10.1073/pnas.2422633122
Zhu Q, Li X, Dong Y, Chang P, Fan M (2026). Not all cognitive offloading is equal: distinguishing dependent and autonomous offloading to generative AI. Frontiers in Psychology, 17, 1878629. https://doi.org/10.3389/fpsyg.2026.1878629
Chen X (2026). Layer-sensitive cognitive offloading in generative AI-assisted writing: supported performance and independent no-AI outcomes. Frontiers in Psychology, 17, 1906199. https://doi.org/10.3389/fpsyg.2026.1906199
Messeri L, Crockett MJ (2024). Artificial intelligence and illusions of understanding in scientific research. Nature, 627, 49-58. https://doi.org/10.1038/s41586-024-07146-0