AI疲れは本当にある。脳の中で何が起きているのか。

2024年ごろから、何かが変わりました。ある特定の認知的な消耗を訴える人の数が急増しました。バーンアウトとも情報過多とも少し違う、でもその2つの交点にあるようなものです。訴えは一貫しています。頭がいっぱいな感じ、自分で考えるのが難しい、曖昧さに耐えにくくなる、そしてAIツールに不快なくらい頼ってしまい、なぜか考えるのが楽になるどころか、むしろ難しくなるというものです。

これはテクノロジー嫌いでも、昔を懐かしむ気持ちでもありません。脳が情報を処理し、認知機能を保ち、いつでも使える支援にどう反応するかについて、私たちが知っていることを踏まえれば予測できる、実際の神経的な動きを反映しています。何が起きているのか、そしてそれにどう向き合えばいいのかについて、エビデンスが示すことを見ていきましょう。

新しい認知環境

2025年時点で、ほとんどの業界の知識労働者は、ChatGPT、Copilot、Gemini、Claude、そして何十もの専門ツールを含むAIツールと、1日に何度もやり取りしています。平均的なユーザーは、毎日何十回もプロンプトを送っています。AI生成コンテンツは今や、メールの下書き、会議の要約、コード、文書、検索結果のかなりの割合を占めています。

これは本当に新しい認知環境です。歴史上初めて、これまで継続的な努力を必要としていた認知的な作業のかなりの部分——下書き作成、要約、検索、計画、デバッグ——を、ほぼ瞬時に任せられるようになりました。問題は、それが時間とともに脳にどう影響するかです。

答えは、認知機能と認知負荷についてわかっていることを踏まえると、楽観的な見方（AIが人間の能力を広げる）よりも、悲観的な見方（AIが人間の能力を衰えさせる）よりもずっと複雑です。どちらも、考え方の種類によって、しかもそれぞれ異なる形で起きています。

AIツールが認知負荷を減らすどころか増やしてしまうことがある理由

直感的には、仕事をAIに任せれば認知負荷は下がると思えます。たしかに、その通りの面もあります。ですが、認知負荷理論（Sweller, 1988）では、内在的負荷（課題そのものの複雑さ）、外在的負荷（課題の示し方によって生じる認知的な負担）、学習関連負荷（理解やスキルを育てるための認知的努力）を区別しています。

AIツールは主に内在的負荷と関連負荷を減らします。つまり、本来なら手間がかかり、学びにつながる作業を引き受けてくれます。ですが、多くの場合、余計な負荷は増えます。AIの出力が正確かを確認したり、複数のAIが作った内容をまとまりのある形に組み立てたり、複数のツールをまたいで文脈を管理したり、何を任せて何を自分でやるかを判断したり、AIの処理を見守り続けたりする必要があるからです。こうした認知的な負担は、新しく生まれたもので、以前はありませんでした。

その結果、多くの人にとっては逆説です。成果は増えるのに、認知的な疲れも増えます。ひとつひとつの場面では楽に感じるのに、一日を通すとどっと疲れます。多くの人はこれを意思決定疲れと呼びます。小さな判断を延々と重ねると、いくつかの大きな判断と同じくらい疲れるように感じる、というものです。なぜそうなるのかは研究でも見解が分かれていますが、何時間も細かな判断を続けたあとに頭が疲れる感覚はよくあります。

AIを使った仕事では、細かな判断の回数が一気に増えます。この提案は採用する、これは見送る、この段落は直す、このプロンプトはもう一度投げる。どの判断もすぐ終わりますが、毎日の何百もの細かな判断が積み重なると、負担はかなり大きくなります。

自動化のパラドックスとスキルの衰え

人間工学やヒューマンファクター研究には、自動化のパラドックス、または自動化の皮肉（Bainbridge, 1983）と呼ばれる、よく知られた現象があります。自動化が日常的な作業を引き受けると、人間の操作者は、非日常的な状況に必要なスキルをあまり練習しなくなります。操縦の大半を自動操縦に頼るパイロットは、手動操縦の技術が落ちます。AIの診断ツールを使う放射線科医は、AIが何かを見逃したときに見つける率が下がることがあります。

同じ動きは、認知的な仕事にも当てはまります。文章を書くこと、問題を筋道立てて考えること、計画を立てること、創造的にまとめ上げることは、練習を通じて伸び、練習しなければ衰えるスキルです。AIが下書きや要約、構造化された推論を担うと、そうした認知の回路はあまり使われなくなります。心配なのは大げさなことではありません。人が考え方を忘れてしまうという意味ではありませんが、使い込んだスキルが少しずつ衰えることで、時間とともに認知能力や自信に実際の変化が起きます。

これは、単に手書きにあまり慣れていないだけ、という話とは違います。文章を書くこと――実際に自分で組み立てて書くことで、口述したり編集したりすることではありません――は、ワーキングメモリ、概念の整理、内省的な思考を使います。AIの出力を見直したり編集したりするだけでは、その働きは十分には再現されません。文章を組み立てる認知的な作業は生成的で、編集する認知的な作業は評価的です。どちらにも価値はあり、代わりにはなりません。

注意が分断される層

認知負荷やスキルの衰えとは別に、AIツールは、もともと割り込みだらけの環境に、注意の分断をさらに重ねます。あらゆるチャット画面、コーディング支援ツール、ライティングツールは、割り込みのきっかけになりえます。生成するための問い、確認する結果、さらに詰めるためのやり取りです。

前頭前野は、持続的注意と実行機能をつかさどりますが、人間が起こした割り込みとAIが起こした割り込みを区別しません。タスク切り替えのコストに関する研究（Rubinstein et al., 2001）は、タスクを切り替えることが、たとえ短時間でも、一日を通して積み重なる認知的な負担を生むことを示しています。もともと注意が分断されている職場環境に複数のAIツールを加えると、多くの人がその疲れの原因に気づかないまま、状況はさらに悪化します。

皮肉なのは、AIツールはたいてい、認知的な負担を減らすために導入されることです。でも、新しいツール、新しい画面、新しい判断ポイントが増えると、少なくともそれらが十分に組み込まれて、意識して考えなくても扱えるようになるまでは、全体の認知負荷は減るどころか増えることがよくあります。

実際にどうするか

減らすことと肩代わりさせることを区別する。 すべてのAI支援が同じ認知的な影響を持つわけではありません。ほんとうに価値の低い作業（書式整え、定型文、繰り返しの検索）をAIに任せるなら、スキルを大きく損なわずに負担を減らせます。今後も保ちたい思考の力、つまり複雑な文章、筋道立てた分析、創造的な問題解決にAIを使うと、負担は減っても、身につけた力は失われやすくなります。どの用途がどちらに当たるのかを意識して見極めることが、出発点です。

AIに頼らず考える時間を守ろう。 AIに任せることで失われやすい認知スキルこそ、いちばん残す価値があります。自力で考える力、まとまった文章を書き続ける力、複雑な計画を立てる力です。これらを、AIの助けなしに、決めた時間だけ、意味のある課題で意識的に練習するのは、テクノロジー嫌いではありません。ロボット手術の道具が使える時代でも、外科医が手技を練習するのと同じ考え方です。

実際に使うAIツールの数を減らす。 5種類の異なるAIインターフェースを管理する負担は、1つをうまく選んで使うより大きいのです。AIツールが増えすぎると、アプリや通知が増えすぎたときと同じように、注意が分断されます。ひとつにまとめることで、余計な認知負荷を減らせます。

一般的なデジタルウェルネスと同じ考え方を当てはめる。 AIの使いすぎは、Unwireが向き合っているより大きな問題の一つの形です。つまり、与える以上に求めてくる認知環境、補われないまま消耗させる注意の分断、そして切り離すのが不可能に思える、いつでも使える刺激です。対策は一貫しています。使わない時間をはっきり決めること、周囲のAIとのやり取りを抑える環境を整えること、そして脳が常に何かに向けられないように、きちんと回復する時間を取ることです。

長期的な視点

知識労働にAIが組み込まれていく流れは、もう元には戻らないでしょう。問題は、人が、最大限に引きつけて最小限の手間で使わせるよう設計された環境をどう乗りこなすか、そしてそれが日単位ではなく年単位で認知の健康にどう影響するかです。

より広いデジタルウェルネスの研究が示しているのは、ハイテク環境を最もうまく使いこなす人は、ツールを最も多く使う人でも、最も少なく使う人でもなく、自分の注意が向く条件を意識的にコントロールしている人だということです。いつ対応できるか、いつできないか、何を外に任せ、何を守るかを、自分で決めている人です。

その意識的な姿勢を、単にスマホがあふれた環境よりも、AIであふれた環境で保つのはさらに難しいです。けれど、根本の原則——独立して考える力を守ること、ほんとうの休息で脳の基準状態を取り戻すこと、環境に反応するのではなく自分で環境を設計すること——は変わりません。

Sources

1. Sweller, J. (1988). Cognitive load during problem solving: effects on learning. Cognitive Science, 12(2), 257–285.
2. Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779.
3. Rubinstein, J.S., et al. (2001). Executive control of cognitive processes in task switching. Journal of Experimental Psychology: Human Perception and Performance, 27(4), 763–797.
4. Wiehler, A., et al. (2022). A neuro-metabolic account of why daylong cognitive work alters the control of economic decisions. Current Biology, 32(16), 3564–3575.
5. Baumeister, R.F., et al. (1998). Ego depletion: is the active self a limited resource? Journal of Personality and Social Psychology, 74(5), 1252–1265.

この内容をどう調査・確認するか