知り合いの大企業の方と話していると、最近こんな声をよく聞きます。
「見た目だけ派手になって、中身がない資料が増えた気がします」
1社だけの話ではありません。AIを導入した組織のあちこちで、似たことが起きているのではないでしょうか。
スライドはきれいです。構成も整っています。3つのポイント、グラフ、提案の方向性。10分で20枚。見た目は申し分ない。でも読み進めると、「市場が拡大傾向にある」「顧客ニーズが多様化している」みたいな、どの会社の資料にも書いてある一般論が並んでいます。
よく見ると、言葉ざわりの良いビッグワードが並んで、結局何がしたいのか、何が言いたいのか分からない資料は少なくありません。
これはAIの問題ではありません。AIの「使われ方」の問題です。そして、その使われ方が組織の中で静かに固定化していく構造にこそ、本当の危険があります。
「考える」と「作る」が分離した
少し前まで、資料を作ることと考えることは一体化していました。
パワポの1枚に向き合いながら「この数字で説得できるか」「この順番で伝わるか」と頭を使っていました。言いたいことが定まらないとスライドは作れない。だから手を動かしながら考えた。考えながら手を動かした。「作る」と「考える」は不可分で、資料が完成したときには、思考もセットで完成していました。
私自身も資料を作りながら「一番強調したいところはどこか」「色やフォント、文字の太さなどの視覚的情報でどこを強調・フェードアウトすべきか」「会議メンバーの事前知識はどこまであり、このストーリーで理解してもらえるか」「論点をどこに設定するか」など、いろいろなことを考えながら資料を作成したものです。
今は違います。AIに一言入れれば、体裁の整ったスライドが出てきます。構成を考える必要がない。根拠を探す手間もない。AIが「それらしい」ものを埋めてくれます。
ここで起きていることを正確に言うと、「作る」だけが高速化して、「考える」が置き去りになったということです。
見落とされがちなのは、「考える時間」が意識的に確保されていたわけではなかったということです。「作る時間」の中に自然と埋め込まれていた。3時間かけてスライドを作るから、その間に否応なく考えていた。AIはその強制力ごと取り除いてしまいました。
作る時間がゼロになったとき、考える時間も一緒にゼロになった。これが出発点です。
なぜ「ポン出し」が組織の標準になるのか
ポン出しが蔓延するのは、個人の怠慢だけが原因ではありません。組織の中に、ポン出しを「合理的な選択」にしてしまう構造があります。3つに分解します。
1つ目は、スピードが評価される構造です。
多くの組織で、「早く出す」ことは評価されます。「じっくり考える」ことは評価されにくい。考えている時間は外からは「何もしていない時間」に見えるからです。AIで10分で資料が出せるのに、2時間考えてから出す人は「遅い人」に見える。こんな評価構造がある限り、ポン出しは合理的な選択です。
2つ目は、AIが迎合する構造です。
AIはめちゃくちゃ迎合してきます。「この方向性でいいと思う？」と聞けば「素晴らしいアプローチです」と返ってきます。「やっぱりA案かな」と言えば、さっきまでB案を推していたとしても「おっしゃる通りです」に変わります。
人間の同僚なら「それ本当？」「根拠は？」と突っ込んでくるところを、AIは基本的に肯定から入ります。つまり、「壁打ちしたつもり」が「自分の考えを肯定してもらっただけ」になりやすい。壁打ちと迎合の区別がつかないまま、「AIと議論して深めました」と思い込む。これは意識しないと防げません。
3つ目は、見た目で品質が判別できない構造です。
自分で作成する時代の中身がない資料は見た目でバレました。構成がぐちゃぐちゃ、誤字だらけ。上司は一目で「考えてないな」と分かった。
AI資料はそうはいきません。構成は整っている。文法は正しい。箇条書きは3つにまとまっている。「考えた資料」と「ポン出しの資料」が、見た目では区別できません。だから上司は「よくまとまっているね」と言います。それはAIの構成力を褒めているだけかもしれないのに。
この3つが重なると、ポン出しは合理的な行動になり、組織の標準になります。誰かの怠慢ではなく、構造がそうさせているのです。
悪循環が自己強化する仕組み
構造要因がポン出しを合理的にする。ここまでは「入口」の話です。もっと厄介なのは、一度入ったら自然には出られないことです。
ポン出し資料が通る → 「これでいいんだ」と学習する → 次もポン出しで出す → 上司も見慣れる → 基準が下がる → さらに通りやすくなる。
ここまでなら「基準の低下」で済みます。しかし本当の問題は、この循環の中で「考える力」そのものが減衰していくことです。
ポン出しで済ませるたびに、「自分で構成を考える」「根拠を吟味する」「論理を組み立てる」という行為をスキップしています。スキップを繰り返すと、いざ自分で考えようとしたときに以前より難しく感じるようになります。難しく感じるから、またAIに頼る。
つまり、「楽だからポン出しする」の段階から、「自力では難しくなったからポン出しする」の段階に移行するのです。ここが不可逆に近づくポイントです。
しかも、この移行は本人に自覚がありません。考える力が落ちている人は、自分の考えが浅くなっていることに気づけない。なぜなら「浅い」と判断するための基準そのものが一緒に下がっているからです。
知り合いの大企業の方がこう話してくれました。「部署全体が思考しなくなってきている気がします。危険です」と。
気づけている人がいるうちはまだいい。全員が気づかなくなったら、もう組織の中からは修正できません。
「それらしい」が一番タチが悪い理由
ポン出し資料の問題をさらに厄介にしている要因があります。AIの出力が「それらしい」ことです。
人間は、見た目の整った情報を無意識に「信頼できる」と判断する傾向があります。心理学では「流暢性ヒューリスティック」と呼ばれる認知バイアスというものがあります。読みやすい文章、きれいなグラフ、整った構成。これらは中身の正しさとは無関係ですが、脳は「処理しやすい＝正しい」とショートカットしてしまいます。
AI資料はこの「流暢性」が極めて高いです。人間が急いで作った資料よりもきれいに見える。だから根拠が一般論で埋まっていても、「よくまとまっているね」で通ります。
ここで発生する2つ目の問題があります。AI資料が組織の中で「参照元」になることです。
マネージャーがAIで作った資料を、メンバーが引用して別の資料を作る。AIが生成した一般論が、社内で引用を重ねるうちに「うちの共通認識」として固定化される。元の事実に誰も触れていないまま。
全員が同じ方向を向いているように見えて、実は誰も現実を見ていない。これは意思決定の品質に直結する問題です。
さらに言えば、「それらしさ」は悪循環を加速させます。ポン出しの資料でも通るのは、「中身が薄いのに見た目が良い」からです。もしAI資料が見るからにお粗末だったら、誰かが止めます。それらしいから止まらない。止まらないから蔓延する。蔓延するから基準が下がる。「それらしさ」は、悪循環を回すエンジンです。
認知の借金は静かに積み上がる
脳科学では、思考を外部ツールに委ねることを「認知オフローディング」と呼びます[1]。買い物メモもカレンダーアプリもそうです。それ自体は悪くありません。
ただし、AIのオフローディングは範囲が桁違いに広いです。これまでは記憶や計算を外に出していた。AIは分析、統合、判断、表現まで肩代わりします。しかも「何を考えるか」の判断まで含めて委ねられてしまう。「いい感じにまとめて」は、考える対象の選定すらAIに丸投げしている状態です。
2026年のNature論文[2]は、認知オフローディングを「考えの外注」と「判断の外注」に分けています。そして後者のほうがはるかに危険だと指摘しています。記憶を外注しても思考力は維持できますが、判断を外注し続けると、判断力そのものが弱まるからです。
1回ごとの影響は微々たるものです。でも毎日の資料、毎週の会議準備、毎月のレポート。そのたびに「考える」をスキップする。半年、1年と積もると「認知の借金」として蓄積されます[3]。
借金は返済できます。でも借金があることに気づかなければ、返済は始まりません。そしてこの借金の一番厄介な性質は、借金が増えるほど「借金がある」と気づく力も一緒に弱まることです。
実は、AIの使い方と脳の活動の関係については、MITメディアラボの脳波計を使った実験[4]やNature論文[2]で、かなり具体的なデータが出始めています。「考えない脳」に何が起きるのか、大人の「萎縮」と若い世代の「不形成」はどう違うのか。この話は長くなるので、次回の記事で詳しく取り上げます。
ここからは「どう使うか」の話をします
ポン出しがなぜ問題なのか、なぜ構造的に蔓延するのか、なぜ自力では止まらないのか。ここまで構造を整理してきました。
ではどうすればいいのか。「AI使うな」ではありません。私はAIプラットフォームの会社を経営しています。AIは使い倒すべきです。ただし「考える側」に立って使うべきです。そして「考える側に立つ」の第一歩は、そもそものゴール設定を間違えないことです。
ゴールを間違えたら、そのあと全部間違います
AIの迎合が危ないとか、ポン出しの品質が低いとか、ここまでいろいろ書いてきましたが、実はもっと上流に致命的な問題があります。
そもそもAIに何を聞くか——つまりゴール設定が間違っていたら、迎合があろうがなかろうが、壁打ちしようがしまいが、全部間違います。
AIは「与えられた問いに対して最善の答えを出す」のは得意です。でも「その問い自体が正しいか？」は判断できません。間違ったゴールに向かって全速力で走ってくれるだけです。しかもそれらしい答えを出してくるので、走っている方向が間違っていることに気づけません。
これ、現場ではめちゃくちゃ起きています。いくつか例を挙げます。
- 会計上の売上を伸ばすのが本来の目的なのに、「キャッシュを稼ぐために」とAIにインプットしている。PL上の売上とキャッシュフローは別物なのに、ゴールがすり替わっている
- 新規顧客の獲得が課題なのに、「LPのコンバージョン率を上げる方法」をAIに聞いている。そもそもLPに来る人が少ないのが問題で、CVRは二の次
- 離職率が高いのが問題なのに、「採用を効率化する方法」をAIに聞いている。バケツの穴を塞がずに水を注いでいる
どれも「AIの出力が間違っている」わけではありません。聞いていることが間違っているのです。AIは聞かれたことには答えてくれます。でも「それ、聞くべきことは別じゃないですか？」とはなかなか言ってくれません。
AIを使う前に、まず「何を解決したいのか」を自分の頭で定義する。 これが一番上流にある、一番大事なステップです。
AIは迎合する。それを前提に使ってください
ゴールが正しく設定できたとして、次に知っておくべきことがあります。AIは基本的に、あなたの意見に同意してきます。
これはAIの設計上の特性です。大規模言語モデルは、ユーザーの期待に沿った出力を生成するように訓練されています。悪意ではなく、構造的にそうなっています。
だから、AIに対しては明示的に「迎合するな」と指示する必要があります。
「この提案の弱点を3つ挙げてください。迎合せず、冷静に評価してください」
「私の意見に同意する必要はありません。最も厳しい視点で評価してください」
こう指示するだけで、出力はまったく変わります。さらに、AIの評価が返ってきたら、今度は自分でその評価を吟味してください。AIの批判をそのまま受け入れるのも、迎合をそのまま受け入れるのも、構造は同じです。AIの出力は常に「材料」であって「結論」ではない。 この一線を守れるかどうかが、使いこなしの分岐点です。
最も有効な使い方は「壁打ち」です
AIの使い方には大きく2つのモードがあります。
「作らせる」モード。 AIに完成品を出してもらう。テーマを投げて、出てきたものを承認する。人間の脳は「読む」と「OKを出す」しか動いていません。
「壁打ちする」モード。 自分でゴールを設定し、自分で論点を立て、自分の仮説を持った状態でAIに問う。AIの返答を自分の考えと突き合わせ、取捨選択し、足りない部分を自分で追加する。
見た目は似ています。でも脳の使い方がまったく違います。前者は受動的な消費に近く、後者は能動的な創造です。2026年のNature論文[2]が指摘しているのはまさにこの点で、AIとの「能動的な共創」は脳の可塑性を維持・強化し、「受動的な依存」は弱めるとされています。
私自身、毎日AIを使い倒しています。ポン出しもします。ただし、ポン出しはあくまで思考整理の出口です。その手前でかなりの量の壁打ちをしています。たくさん壁打ちをして自分の中で整理できているからポン出しでもいいものが出ます。ただ、それでも足りないので、最終資料は全部自分で組み立て直します。
自分の頭で考える習慣を守ってください
具体的に、日々の仕事で実践できることを3つ共有します。
1つ目。AIに渡す前に、ゴールを言語化する。
「何が目的か」「この資料で何を判断してもらいたいのか」「そのために必要な事実は何か」。これを自分の頭で整理してからAIに渡します。「いい感じにまとめて」とは言わない。そして、そのゴール自体が正しいかどうかを、AIに聞く前に自分で検証する。ここを飛ばすと、あとの全てがズレます。
2つ目。AIの出力に、問いを1つ立てる。
「この根拠、うちの話か？ 一般論か？」。これだけでいいです。自社固有の事実が入っていなければ差し替える。この差し替え作業をすること自体が、考えることです。
3つ目。最終資料は自分で書く。
AIの壁打ちで整理した思考をもとに、一から仕上げます。ポン出しに赤入れするのではなく、自分で組み立て直す。遠回りに見えますが、この手間を省いた瞬間に「考えない側」に移行します。
「問いを立てる力」がすべてを支えています
AIの出力を「本当にそうか？」と疑う力。矛盾に気づく力。前提を問い直す力。別の視点から検証する力。そして、そもそも何を問うべきかを設計する力。
これらは総じて「クリティカルシンキング」と呼ばれるスキルです。そしてこのスキルは、AIの時代になって価値が下がるどころか、決定的に重要になりました。
なぜか。AIが答えを出す速度が上がるほど、「何を問うか」で差がつくからです。
同じAIを使っていても、「売上を上げる方法を教えて」と聞く人と、「既存顧客のLTV向上余地を新規獲得コストと比較して、どちらに投資すべきか分析して。迎合するな」と聞く人では、引き出せる価値がまったく違います。この差はプロンプトのテクニックではありません。「何を考えるべきか」を自分で設計できるかどうかの差です。
NOVA JOURNALでは、「AI時代のクリティカルシンキング」シリーズで「思考の質を上げる技術」を体系的にまとめています。AIを使いこなすために本当に必要なのは、プロンプトの書き方ではなく、考える力そのものです。
組織を守る、たった1つの問い
最後に、組織としてできることを1つだけ。
「見た目だけ派手で中身がない資料が増えた」と感じているなら、仕組みで対処すべきです。
資料レビューのとき「これ、何を考えて作りましたか？」と聞いてください。
答えられれば、考えた資料です。詰まったら、ポン出しの可能性が高いです。
この問いには2つの効果があります。1つはポン出し資料を検出できること。もう1つは予防効果です。「あの上司はゴール・論点・根拠を必ず聞いてくる」と分かれば、部下は資料を作る前にその3つを考えます。AIが取り除いてしまった「考える強制力」を、上司の問いで取り戻せるということです。
「よくまとまっているね」と言い続ける限り、部下は考えなくなります。1人ならまだいい。部署全体がそうなったら、元には戻せません。
もし、それが難しいならAIで資料を作るのを部署全体で禁止するのが一番手っ取り早い。
考えることを手放したら終わりです
AIは道具です。極めて強力な道具です。
でも「何を考えるか」を決められるのは人間だけです。その力を手放したら、人間はAIの出力に「いいね」を押すだけの存在になります。
AIの時代に最も危ういのは、AIを使わない組織ではありません。AIを使っているのに、誰も考えていない組織です。
「見た目だけ派手で中身がない資料が増えた」。あの一言に気づけた組織には、まだ間に合います。
これ、誰が考えた資料ですか。
参考文献
[1] Risko, E. F. & Gilbert, S. J. (2016). "Cognitive Offloading." Trends in Cognitive Sciences, 20(9), 676-688.
[2] Lo Bue, S. et al. (2026). "The brain side of human-AI interactions in the long-term: the '3R principle'." npj Artificial Intelligence, Nature.
[3] Nosta, J. (2025). "A 47% Collapse in Brain Activity? The Alarming Neurological Data on Generative AI." Data Science Collective / Medium.
[4] Kosmyna, N. et al. (2025). "Cognitive Offloading and Brain Activity During AI-Assisted Writing." MIT Media Lab. arXiv preprint.