何が起きたか
NATO特殊作戦大学のNolan Lovett氏が、人材開発分野の学術誌Human Resource Development Reviewに論文を発表しました。主張はシンプルです。AI導入は個社にとって合理的だが、その合理的判断の積み重ねが、職業全体で共有されている専門性の蓄積——氏の言う「認知コモンズ（cognitive commons）」——を枯らす、というものです。
構造は共有地の悲劇と同じです。ある企業がエントリーレベルの職を1つAIに置き換えれば、効率化の利益は100%その企業に入ります。しかし「次の熟練者が育たなくなる」というコストは、同じ人材プールから採用する競合他社、取引先、業界全体に薄く広がります。誰も負担していないので、誰も止めません。
なぜ重要か：熟練は「回り道」でしか作れない
熟練者は、エントリーレベルの職で数年を過ごし、少しずつ難しい仕事を任され、失敗し、それを自力で直す過程を経てはじめて生まれます。Lovett氏は、この更新プロセスを壊す経路を2つ挙げます。
1つはエントリー職そのものの消滅。もう1つはより見えにくく、厄介です。AIの支援を受けた新人が、かつては何年もかかった生産性水準に短期間で到達してしまうため、深い知識を作るはずだった認知的な負荷が発生しない。数字の上では即戦力ですが、中身が伴っていない、という状態です。
「検証テザー」と「人的予備のパラドックス」
ここから派生するのが「validation tether（検証の命綱）」問題です。AIの出力を監督する能力は、AIの利用によって摩耗しつつある深い専門知識に依存しています。もっともらしく見えるAIの出力に紛れた領域固有の誤りは、表層的なチェックでは捕まえられません。しかもAIの回答を日常的に信頼して扱う人は、疑う反射そのものを失っていきます。新人が権威に異議を唱え、主張を検証する訓練を積んでいた場も、従来型のエントリー職と一緒に消えつつあります。
2つ目が「Human Reserve Paradox（人的予備のパラドックス）」です。組織は検証・危機対応・AIの手に負えない状況に備えて、深い専門性を予備として抱えておく必要がある。しかし単独でその予備を維持するだけの経済的インセンティブを持つ組織は存在しない。だから誰も維持せず、必要になったときには市場のどこにも存在しない、という帰結になります。
タイムラグが判断を狂わせる
この問題の厄介さはタイミングにあります。いま現場を支えている熟練者は5〜20年前に訓練を受けた人たちで、彼らはまだ機能します。エントリー職の削減は2023年から始まりましたが、その影響が完全に表面化するのは2030年から2045年の間だとLovett氏は見ます。つまり今後数年は「AIを入れても品質は落ちていない」という観測結果が出続け、それが導入をさらに加速させます。
脆弱性が最も高いカテゴリに置かれたのは、ソフトウェアエンジニアリング、財務分析、法務リサーチです。タスクの代替可能性が高く、規制が緩く、業務のモジュール性が強いという条件が揃っています。医療とエンジニアリングは、厳しい規制要件と強い職能団体によってある程度守られますが、無傷ではありません。
データは何を示しているか
労働市場側の証拠はまだら模様です。2025年夏の研究では、AIの影響を受ける職種で雇用が減少し、特に若年層で顕著だった一方、同じ分野の経験者の雇用は横ばいか増加していました。研究者はこれを、AIが置き換えているのは体系化された知識であり、実務経験は需要が残るためだと説明しています。Federal Reserve Boardの研究ではChatGPT登場以降プログラミング職の伸びがほぼ半減しましたが、因果関係は証明できず、金融引き締めやコロナ期の過剰採用の反動も要因たりえます。2026年1月の研究は、AI影響職種の雇用危機がChatGPT公開より前に始まっていたと指摘しました。2026年3月のAnthropicの研究は、労働市場全体への測定可能な影響はないとしつつ、AI露出度の高い職種では22〜25歳の若年層で就職率が0.5ポイント低下したと報告しています。
認知能力側の証拠のほうが一貫しています。MITのEEG（脳波）計測では短時間のAI利用でも神経結合が弱まり、参加者の80%超が自分がAIの支援で書いた文章の内容を思い出せませんでした。Anthropicがソフトウェア開発者を対象に行った研究では、AIを使えた参加者の知識テスト成績が17%低く、損失が最も大きかったのはAIを「答えを出す機械」としてだけ使った層でした。逆に説明を求める使い方をした層は有意に学習していました。スイスの666人を対象にした研究はAI利用と批判的思考の強い負の相関を示し、17〜25歳で最も顕著でした。Anthropicによれば、学生自身が学習プロセスを飛ばしすぎる「brain rot（脳の腐敗）」を懸念しています。中国の学生では宿題の成績が18%改善する一方、試験の成績は最大24%低下し、効果が完全に現れるまでに約2年かかりました。
提案に「AI禁止」は含まれない
Lovett氏の処方箋は規制ではありません。AIを使わない学習環境の確保、AIの段階的導入、AIを入れる前に人間だけの performance の基準値を取ること、職能団体がAIス���ルと並んで領域固有の能力を資格試験で測ること、政策側が訓練・教育を魅力的にすること——利用の禁止や制限は提案に含まれていません。研究群が示すのは、AI利用の「量」より「使い方」だという点です。思考の代替として使えば認知能力は最も速く失われ、説明のためのツールとして狙って使えば負の効果は大きく減らせます。
出典: The Decoder
💼 事業会社視点：これは自社にどう効くか
日本企業にとって最も刺さるのは、脆弱性最上位に挙げられたソフトウェアエンジニアリング・財務分析・法務リサーチが、そのままSIer・受託開発・コーポレート部門の主戦場だという点です。受託開発は「若手を現場で数年回して単価を上げる」モデルそのものが利益源でした。新人がAI支援で早期に見かけの生産性に到達すると、単価は上がるのに、5年後にレビューできる人間が社内にいない。Anthropicの研究で成績が17%低かったのがAIを答えの機械として使った層だった点は、そのまま社内のAI利用ルールに落とせます。SaaSやECでも、障害対応や不正検知のように「AIが破綻した瞬間」に効くのは深い専門性で、Lovett氏が言う人的予備を単独で抱える経済合理性は自社にもありません。
打ち手は3つです。第一に、AI導入前に人間だけの品質・所要時間のベースラインを測っておくこと。取っていない企業は劣化を検知できません。第二に、ジュニアの育成期間だけAIを使わない、または「答えではなく説明を求める」使い方に限定する領域を意図的に残すこと。第三に、検証できる人材の維持コストを個社で抱えず、業界団体の資格や共同育成に乗せる交渉を今のうちに始めることです。効果が出るのが2030〜2045年である以上、今後数年の業績指標はこの判断を何も教えてくれません。