生成AIと心理学: わかっている研究の整理
· @平瀬敦
生成AIの利用は、作業の速さや質を上げる一方で、学習や思考、対人感覚にも影響することが心理学的な研究で示されています。本文書は、主要な研究をテーマ別に整理したものです。
出典について: Webでの確認は行わず、記憶に基づいてまとめています。数値や詳細は近似であり、引用やシェアの前には原論文での確認が必要です。研究はモデルの世代とタスクに強く依存するため、結果を一般化しすぎないことも重要です。
作業成果と生産性: 急いでいる人と初心者ほど恩恵が大きい
生成AIは、多くの業務で時間短縮と品質向上をもたらすと報告されています。
- 文章作成の実験(NoyとZhang、2023): 職業上の文章タスクで、ChatGPTを使うと所要時間が約40%短縮し、評価も約18%上がったとされます。
- サポート業務(Brynjolfssonら、約2023年): コールセンターでは、AI支援により平均約14%生産性が上がり、経験の浅い担当者では約30%以上と大きかったとされます。
- コンサル業務(Dell’Acquaら、約2023年): AIが得意な範囲では、完了タスク数・速度・品質がいずれも向上しました。一方、若干ことなる範囲のタスクでは、AIを使うと正解率が下がりました。この領域の境界は「でこぼこのフロンティア」と呼ばれます。
これらの結果からは、「どのタスクをAIに任せるか」の判断が成果を左右することがわかります。
学習と思考力: 答えをもらう使い方は身につきにくい
学習では、使い方によって効果が逆転する結果が目立ちます。
- 高校生を対象とした数学の実験(Bastaniら、約2024年): 答えをそのまま出すAIを使った群は、練習問題の成績は大きく上がりましたが、AIなしで受けた試験では成績が下がりました。ヒント中心の家庭教師型AIでは、この落ち込みが大幅に抑えられました。
- 認知的オフロード(外部化): 検索エンジンでは情報の場所を覚え、情報そのものは覚えにくいという研究(Sparrowら、約2011年)があり、生成AIでも同様の懸念が議論されています。
- 批判的思考(Leeら、約2025年): 知的労働者を対象とした調査で、AIへの信頼が高いほど、批判的に検証する努力が少ない傾向が見られました。
- 脳活動の研究(Kosmynaら、約2025年): 小規模な予備的研究で、AIを使って文章を书くと脳の関与が弱まる傾向が報告されました。サンプル数が少なく、結論を断定する段階ではありません。
要点は、「自分で考える過程を残した使い方」が学習効果を守るという点です。
創造性と多様性: 個人は伸び、集団では似通う
DoshiとHauser(約2024年)の実験では、短い物語を書く際にAIのアイデアを参考にした人の作品は、個々に見ると創造性を高く評価されました。とくに、もともと創造性が低い人で効果が目立ちました。しかし、作品を集めて比べると、作品同士が似ていて多様性が下がっていました。
これは、個人にとっての利益と、社会全体での均質化が両立しにくいという社会的ジレンマの例とされます。AIの出力が「無難な平均」に寄りやすいことが背景にあると考えられています。
信頼と過信: 自分の能力を見誤りやすくなる
- 自動化バイアス: 自動システムの出力を、検証せずに受け入れてしまう傾向です。生成AIは流暢で自信ありげな文章を出すため、誤りを見逃しやすいと指摘されています。
- 前述のコンサル研究: AIが苦手なタスクでは、AIの誤答に引きずられて正解率が下がっていました。
- 自己評価のズレ(Fernandesら、約2025年): AIを使った参加者は成績が上がりましたが、自分の成績を実際より高く見積もる傾向があり、とくにAIの知識が豊富な人でも過信が見られました。
- アルゴリズム嫌悪と選好: 人はアルゴリズムの誤りを見ると信頼を失いやすいという研究(Dietvorstら、約2015年)がある一方、条件しだいでは人間の助言よりアルゴリズムを好むという研究(Loggら、約2019年)もあり、結果は分かれています。
- 追従(追従的応答): AIがユーザーの意見に合わせて同調する傾向(sycophancy)が、モデルの研究で報告されており、ユーザーの思い込みを強める可能性があります。
擬人化と社会的関係: 人間に対するように応じてしまう
- メディア方程式(ReevesとNass、1990年代): 人はコンピューターにも、無意識に社会的なルールを適用するとされます。丁寧にする、褒められると好意を持つ、などです。
- ELIZA効果: 単純な仮話プログラムでも、人間らしさを感じ取ってしまう現象です。現在の生成AIでは、この傾向がさらに強まります。
- 孤独感と依存(約2025年の交流・追跡研究): チャットボットを増やす利用が多い人ほど、孤独感や依存傾向が高いという相関が報告されました。因果関係は特定されておらず、孤独な人がAIをより使う可能性もあります。
- 開示の社会的評価(Reifら、約2025年): AIを使ったことを開示すると、能力や勤勉さの評価が下がる「社会的評価のペナルティ」が報告されています。
説得と信念の変化: 対話型AIは意見を動かす
- 陰謀論への対話(Costelloら、約2024年): 陰謀論を信じる人がAIと証拠に基づいて対話すると、信念の強さが約20%下がり、その効果が数か月続いたとされます。
- 討論での説得力(Salviら、約2025年): 相手の属性を活用したAIは、人間より説得力が高い場合が多かったと報告されています。
- 意見を持つモデル(Jakeschら、約2023年): 特定の立場に偏った文章補完を使うと、ユーザー自身の意見もその方向へ寄る傾向が見られました。
これは誤解の訂正に有効な反面、意見誘導に悪用されるリスクとも表裏です。
研究の限界と読むときの注意点
- モデルの進化が速い: 結果は、研究時点のモデルを前提とします。現行モデルにそのまま当てはまるとは限りません。
- 相関と因果の区別: 調査型の研究(孤独感、批判的思考など)は、関連を示すだけで、因果を示していません。
- サンプルと状況: 短期の実験や特定の作業・集団での結果は、長期的な影響や他の場面へ一般化できるとは限りません。
- 再現性: 初期のプレプリントは、査読や追試で結果が変わる可能性があります。
- 本文書の限界: Webでの裏取りをしていないため、年や数値に誤りが含まれる可能性があります。共有や引用の前に、原論文での確認を推奨します。
