「AIを使うと脳の活動が低下する」。
この見出し、見たことありませんか。SNSで拡散され、「ほら、AIは危険だ」という文脈で使われました。
前回のコラムで「考えなくなる構造」について書きましたが、今回はその裏側——脳の中で何が起きているのかを読み解きます。
結論を先に言うと、AIの使い方次第では脳の活動は低下します。
MITの実験が示したこと
2025年6月、MITメディアラボのKosmynaらが発表した研究[1]の概要です。
ボストンの大学生54人を3グループに分け、エッセイを書かせました。ChatGPTだけで書くグループ、Google検索で書くグループ、何も使わず自力で書くグループ。全員に脳波計（EEG）をつけて32領域の脳活動を記録。さらに第4セッションでは条件を入れ替え、AI組はAIなしで、自力組は初めてAIを使って書きました。
主な結果はこうです。
脳の接続性が、外部ツールの支援度合いに応じて段階的に弱くなっていた。 自力グループが最も強く広範なネットワークを示し、検索エンジンが中間、ChatGPTが最も弱い[1]。特に低下が顕著だったのは前頭-頭頂ネットワーク——情報の統合、矛盾の検出、比較判断を担う「深く考える」ための回路です。
ChatGPTグループはセッションを重ねるごとに手を抜くようになり、最後はほぼコピペでした。Kosmyna自身がTIME誌でこう述べています。「タスクは実行されました。でも基本的に、それは記憶ネットワークに統合されていませんでした」[3]。
そして条件を入れ替えた第4セッション。AI組がAIなしで書いたら、脳活動が回復しきらなかった。逆に、自力組が初めてAIを使ったら、脳の接続性が広範囲で再活性化した[1]。
ここから先は、この結果が何を意味するのか、掘り下げていきます。
衰えたのは「深く考える回路」だけです
まず押さえておくべきことがあります。「脳が衰えた」と聞くと脳全体がダメになったように聞こえますが、実際に低下が見られたのは特定の領域です。
前頭-頭頂ネットワークが担っているのは、情報を統合する、矛盾を見つける、複数の選択肢を比較して判断する——つまり「考える」の中でも一番しんどい部分です。単純な読み書きや記憶の呼び出しが衰えたわけではありません。
これ、ビジネスの現場に置き換えるとすごく分かりやすいです。
AIに資料を任せるとき、何がスキップされますか。構成を考える。根拠を吟味する。論理を組み立てる。「この数字で説得できるか」と悩む。まさにこの部分が、前頭-頭頂ネットワークの担当領域です。
つまり「AIに任せている間、脳のその部分が休んでいた」というのは、「構成も根拠も論理も全部AIにやってもらっていたから、自分の脳のその回路が動いていなかった」ということです。当たり前といえば当たり前なんですが、脳波データでそれが可視化されたのは初めてです。
逆に言えば、AIに任せない部分——ゴールの設定、判断基準の決定、最終的な意思決定——を自分でやっている限り、脳のこの回路は動き続けます。 問題はAIを使うこと自体ではなく、「どこまで」任せるかです。
依存は段階的に進む——これが一番怖い
MIT実験でもう1つ重要なのは、ChatGPTグループの行動変化が段階的だったことです。
最初はAIの出力を確認して手を加えていた。でもそれらしい出力が出るので、手を加える量が減った。手を加えなくても通るので、さらに減った。最後はコピペ。
この段階性がビジネスの現場で起きていることとぴったり重なります。
最初は「下書きだけ任せよう」と思っている。出てきたものがそれらしいので、修正が減る。修正しなくても上司から「よくまとまっているね」と言われる。次もそうする。気づいたら、自分で構成を考えるということ自体をしなくなっている。
しかもこの移行は本人に自覚がありません。なぜなら、毎回「それなりの資料」は出ているからです。品質が落ちているのではなく、「自分が考えた部分」と「AIが考えた部分」の比率が静かに変わっていく。外からも中からも見えにくい。
前回のコラムで「楽だからポン出しする段階から、自力では難しくなったからポン出しする段階に移行する」と書きましたが、MITの実験はこのプロセスを脳波レベルで裏づけています。
順番が大事——一番実用的な示唆
MIT実験の第4セッション（条件入れ替え）の結果が、この研究で最も実用的な示唆を含んでいると思います。
自力で考えた経験がある人がAIを使ったら、脳が活性化した。AIに頼っていた人がAIを外したら、脳が元に戻りきらなかった。
この非対称性が教えてくれるのは、順番が決定的に重要だということです。
まず自分で考える力を作る。その上でAIを使う。この順番なら、AIは思考のブースターになります。自分の知識とAIの出力を比較・統合する能動的なプロセスが走るので、むしろ脳は活性化する。
先にAIに頼って、考える力を作らないまま進む。この順番だと、AIは思考の代替品になります。比較する基準がないから、AIの出力をそのまま受け入れる受動的なモードに入る。
同じAIを使っていても、「考えた経験」があるかないかで、脳への効果が正反対になる。 これは現場のマネジメントにとって極めて重要な示唆です。
新卒社員に「とりあえずAIに聞いて」と言うのか、「まず自分で考えて、そのあとAIで確認して」と言うのか。この一言の違いが、3年後にまったく異なる結果を生みます。
使い方で脳への影響が逆転する
2026年1月にNature npj Artificial Intelligenceに掲載された論文[4]が、MITの結果を理論的に補強しています。
この論文の核心はシンプルです。AIとの関わり方には2つのモードがあり、脳への影響が正反対だ。
受動的依存——AIに任せて、出力を承認する。脳の可塑性（経験に応じて配線を変える能力）を弱めます。
能動的共創——自分で考え、AIに問い、出力を自分の判断で取捨選択する。脳の可塑性を維持し、場合によっては強化します。
「use it or lose it（使わなければ失う）」という原則は脳科学では広く知られていますが、AIの文脈で重要なのは何を「use」するかの定義です。AIを「使っている」だけでは脳は動きません。AIの出力に対して自分で判断することが「use」です。
MITの実験結果はこの枚組みと整合的です。自力組がAIを使ったとき（能動的共創に近い）は脳が活性化し、ChatGPT組（受動的依存）は低下した。同じ道具でも、使い方次第で脳への影響が真逆になる。 この知見は、組織のAI活用方針を考えるうえで決定的に重要です。
萎縮と不形成——ここが一番重要な話です
ここまでの話は「AIの使い方に気をつけましょう」で済みます。しかし、2026年3月にPsychology Todayに掲載されたTimothy Cookの記事[5]は、もう一段深い問題を提起しています。
Cookはこう書いています。「1年間、認知オフローディングを単一の現象として扱ってきたが、もうそうは考えていない。同じ行動の裏に、根本的に異なる2つの出来事が隠れている」。
大人がAIに思考を委ねるのは「萎縮（atrophy）」です。
一度作った思考の筋肉が、使わないことで衰える。大人には「自分で考えた経験」のストックがあります。AIが何かを省略したり単純化しすぎたりしたとき、「あれ、これ違うな」と気づける。それは過去に自分で考えた経験が基準になっているからです。萎縮しても、また鍛えれば回復できます。
若い世代がAIに思考を委ねるのは「不形成（foreclosure）」です。
考えるための神経回路がまだ形成途上の段階で、その形成プロセス自体をスキップしてしまう。AIが出してきた結論を「そういうものか」と受け入れるしかない。比較するための「自分で考えた経験」がないから。
萎縮した筋肉は鍛え直せます。存在しない筋肉は鍛え直せません。
Gerlichの2025年の研究[6]は、666名を対象にAI使用頻度と批判的思考力の関係を調べています。特に17〜25歳で負の相関が顕著でした。46歳以上は逆にAI依存度が低く、批判的思考スコアが高い。
Cookはこの年齢差をこう読み解いています。46歳以上はAIが普及する前に思考の回路を作り終えていた。若い世代は回路を作っている途中でAIに出会った。大人は「すでに持っているスキルをオフロードした」。若い世代は「まだ学んでいないスキルをオフロードした」。 行動は同じでも、起きていることの性質が根本的に違います。
ShenとTamkinの2026年の研究[7]も同じ構造を示しています。プログラミングの学習をAIに委託した開発者（大人。既にプログラミング経験あり）でさえ、概念理解テストで17%低いスコアでした。動くコードは書ける。でもなぜ動くかを理解していない。これが「すでに経験がある大人」の結果です。経験がない段階でAIに委託したら、理解のベースライン自体が存在しないことになります。
働く上でどのような影響があるか
ここまでの研究は学生や開発者が対象でした。では、普通のオフィスではどうでしょうか。
たとえば、ある部署で新しいプロジェクトが始まったとします。過去に似た案件がなく、AIに聞いても一般論しか返ってこない。「市場調査をして、競合分析をして、提案書にまとめましょう」程度の回答です。自社の商流、取引先との力関係、社内の意思決定ルート。こうした固有の文脈を踏まえて方針を立てるには、自分の頭でゼロから考えるしかありません。
ここで差が出ます。
過去に「自分で構成を考えて、根拠を集めて、論理を組み立てる」経験を積んできた人は、しんどいけれど手が動きます。回路があるからです。一方、その経験なしにAIのポン出しで仕事を回してきた人は、何から手をつけていいか分からない。回路がないから。これは能力の問題ではなく、経験の蓄積の問題です。
そしてこれが萎縮と不形成の分かれ目になります。ベテランが一時的にAIに頼りすぎて鈍っているなら、萎縮です。意識すれば戻せます。でも若手が「自分で考える」プロセスそのものを一度も経験していないなら、不形成に近い。戻す先がありません。
年齢の問題ではないんです。「考える経験を積んだか」の問題です。 20代でも、考えてからAIを使えば回路は作られます。40代でも、考えることを完全にやめれば萎縮します。問題は年齢ではなく、順番と習慣です。
組織として何をすべきか
ここまでの脳科学の知見を、組織のAI活用方針に落とし込みます。
「考える経験」を先に積ませる仕組みを作る
MITの実験が示した最も重要な示唆は、考えた経験がある人がAIを使うと脳が活性化するということです。
つまり「AI活用研修」の前に「自分で考える経験」が必要です。新卒研修で最初にAIの使い方を教えるのは、順番が逆かもしれません。
入社後の最初の数ヶ月は、資料作成をAIなしで経験させる。自分で構成を考え、根拠を探し、論理を組み立てる。回路ができてからAIを渡せば、AIは思考のブースターとして機能します。
「判断の外注」と「作業の外注」を区別する
Nature論文[4]はもう1つ重要な区分を示しています。認知のオフローディング（記憶や計算の外注）と、意志のオフローディング（判断の外注）は別物で、後者のほうがはるかに危険だと。
議事録の文字起こし、データの整形、定型文の下書き。これらは作業の外注であり、思考力を損ないません。
「この案件どう進めればいい？」「提案書作って」「方針を考えて」。これらは判断の外注です。1回ごとの影響は小さくても、毎日繰り返せば半年で累積します。判断を外注し続けると、判断力そのものが弱まる。
「AIにどこまで任せていいか」の線引きを、チーム内で明文化してください。「何でもAIに聞いていい」は自由に見えて、若手の思考回路の形成を妨げるリスクがあります。
「確認してOK」をやめて「手を入れる」を標準にする
MITの実験で、ChatGPTグループの脳活動が低かったのは「AIの出力を読んで承認するだけ」だったからです。読むだけでは、前頭-頭頂ネットワークは動きません。
脳が動くのは、自分の判断で修正するときです。「この根拠は弱い。差し替えよう」「この構成は違う。入れ替えよう」。修正するには「何が正しいか」の基準を自分の中に持っている必要があります。修正の判断そのものが、脳を動かすプロセスです。
資料レビューで「AIの出力に対して、自分で何を変えましたか？」と聞いてください。「特に変えていません」が続くなら、受動的依存のモードに入っています。
資料は自分で作るのがオススメ
脳の可塑性は活動に依存します。完全にAIに委ねる生活が続くと、脳は「考えなくていいモード」に適応します。
適応を防ぐには、AIなしで考える時間を定期的に入れるしかありません。筋トレと同じです。毎日走らなくても、週に数回走れば筋力は維持されます。完全にやめたら落ちます。
個人的なオススメは、資料の構成を作るのは良いですが、本当に大事な資料は、最後は自分の手で全て作り直すことです。 作っている間に時間をかけて頭の中や論理構造、ストーリーを整理することができるので、「あれ？おかしいぞ」と気づくことができます。
相手のリテラシー、前提となる隠れた文脈など、AIにインプットしていないコンテキストがどこかにあり、AIの答えが適切ではないことが多いです。
作った資料をAIに投げて壁打ちしてアドバイスをもらうと、そこからは自分で考えた内容とAIの提案の差分をどう吸収するのが良いか”判断”するのはあなたになるので、脳を使うようになります。
AIは脳の敵ではありません
最後に。
ここまでの話を「AIは怖い」と受け取らないでほしいんです。
MITの実験が示したのは、「AIが脳を衰えさせる」ではなく「受動的な使い方が脳を休ませる」です。能動的に使えば、むしろ脳は活性化する。前回のコラムとも通じますが、問題はAIという道具ではなく、使い方の設計です。
AIの時代に本当に必要なのは、AIを避けることではなく、AIを使いながら脳を動かし続ける技術です。問いを立てる力、根拠を吟味する力、前提を疑う力。これらが、AIを味方にする本当の武器です。
次にAIに何かを頼むとき、1秒だけ立ち止まってみてください。
今、自分の脳は動いていますか。
参考文献
[1] Kosmyna, N. et al. (2025). "Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task." MIT Media Lab. arXiv:2506.08872.
[2] Nosta, J. (2025). "A 47% Collapse in Brain Activity? The Alarming Neurological Data on Generative AI." Data Science Collective / Medium.
[3] Chow, A. R. (2025). "ChatGPT's Impact On Our Brains According to an MIT Study." TIME, November 13, 2025.
[4] Lo Bue, S. et al. (2026). "The brain side of human-AI interactions in the long-term: the '3R principle'." npj Artificial Intelligence, Nature. https://doi.org/10.1038/s44387-025-00063-1
[5] Cook, T. (2026). "Adults Lose Skills to AI. Children Never Build Them." Psychology Today, March 22, 2026.
[6] Gerlich, M. (2025). "AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking." Societies, 15(1), 6. https://doi.org/10.3390/soc15010006
[7] Shen, J. H. & Tamkin, A. (2026). "Do AI coding assistants help or hinder learning?" Stanford University preprint.
