ChatGPTで学ぶと、知識は付くのに応用力が付きにくい理由

同じ8日間、同じテーマを学んでも、ChatGPTで学んだ人だけ「応用が利かない」側に寄った。原因は、AIが賢すぎたからじゃない。

ジョージア工科大学らの研究チームが、ChatGPTとGoogle検索（AI要約なし）で「栄養と食事計画」を8日間学ばせ、効果を比べた実験がある（ledge.ai、2026年7月閲覧）。総合成績には差が出なかった。ただ、批判的思考や知識の応用を問う設問では、Google検索で学んだ側のほうが成績が良かった。

差がついたのは、覚えた知識の量じゃない。情報を自分で吟味した回数だ。ここが、AIを仕事に配り始めた会社にとって、静かに効いてくる。

差が出たのは知識量じゃなく「吟味した回数」

まず、この実験は「AIは学習に向かない」とは言っていない。そこは押さえておきたい。

研究チームが挙げた要因は2つ。ChatGPTは情報の取捨選択を自動でやってくれるぶん、使う人が「どれが正しいか」を自分で選ぶ機会を減らす。もう一つ、原理より先に完成品（この実験なら献立案）を出す傾向がある。

答えがきれいに出てくると、人はそれを吟味せずに受け取る。逆に、検索で複数のリンクを開いて見比べるあの作業は、めんどうだけど「どれを信じるか」を毎回判断させられる。総合点は同じでも、応用力で差がついたのは、この判断の回数の差だと読める。

検索の「見比べる手間」が、隠れた訓練だった

ここで一つ、見落とされがちな逆説がある。非効率だと思っていた手間のほうが、学びになっていた。

検索は不便だ。関係ないページも開くし、矛盾する情報にもぶつかる。でも、その矛盾を前にして「どっちが妥当か」を自分で決める。この小さな判断の積み重ねが、後で応用が利くかどうかを分けていた。

AIは、この手間をまるごと肩代わりしてくれる。便利さの正体は「あなたが判断しなくてよくなること」だ。だから使うほど速くなる。ただし、判断の回数が減るぶん、その筋肉は動かなくなる。速さと引き換えに、静かに手放しているものがある。

AIで学ぶなら、答えを1個で終わらせない

じゃあ学習にAIを使うのは損か。そうじゃない。使い方を1つ変えるだけでいい。

答えを1つ受け取って、そこで止めない。返ってきた答えに、自分から2つ足す。

「その根拠は？」と「反対意見は？」。

この一手間で、AIに肩代わりさせていた「吟味する回数」を、自分の側に取り戻せる。完成品を丸のみするのではなく、完成品を起点に自分で崩して組み直す。問いの立て方が学びの質を決める、という話は前にも書いた（AIに「何を聞けばいいか分からない」が、いちばんの課題）。答えを引き出す問いだけでなく、答えを疑う問いも要る、ということだ。

チームにAIを配るときの、静かなリスク

個人の学び方の話に見えて、これは会社の話でもある。むしろこっちが本題だ。

チームにAIを配ると、一人ひとりの作業は速くなる。同時に、現場が「根拠を自分で確かめる回数」も減っていく。数カ月単位でじわじわ進むので、気づきにくい。データの扱いやハルシネーション（AIがもっともらしい嘘を出すこと）ほど話題にならないが、放っておくと現場の判断力そのものが痩せる。

対策は難しくない。AIを配るときに「どの工程は必ず人が根拠を確認するか」を先に決めておく。全部を人が見る必要はない。ここだけは人が締める、という関所を業務のなかに置く。AIの下書きに人が最後に手を入れる構造を残す、という以前の論点とも繋がる（AIに任せた仕事から、自社にノウハウが残らない理由）。

自分たちが導入支援で、ツールの納品より使い方の設計に時間をかけているのも、ここが理由の一つだ。速くするだけの設計と、速くしても現場の判断力を残す設計は、別物だ。

次にAIに何かを教わるときは、返ってきた答えの下に、もう2行だけ打ってみてほしい。「根拠は？」「反対意見は？」。この2行が、便利さと引き換えに手放しかけているものを、こちら側に戻してくれる。

---

参考: ジョージア工科大学らの研究チームによる、ChatGPTとGoogle検索の学習効果比較実験（ledge.ai、2026年7月閲覧）。参加者数が少ない点など、研究チーム自身が留保を付けている。