【AIと人】情報は武器か、それともノイズか

はじめに

本連載は、生成AIコミュニティ「IKIGAI Lab.」のメンバーが、それぞれの専門領域で培ってきた知見を持ち寄り、技術・ビジネス・ガバナンスなどの多角的な視点から最新のAI動向をひも解いていきます。
トレンドや単一の正解を求めるのではない、現場の目線から半歩先の未来を見通すためのヒントを共有できればと思っています。

前回の記事【AIに何を任せ、どこで止めるか】Loop Engineeringから考える仕事の設計では、AIが仕事を分解し、自律的に実行する「Loop Engineering」の考え方を紹介しました。しかし、どれほどAIが高度にタスクを遂行できるようになっても、最後に「この案で進めよう」と決断するのは、やはり人間です。

そこで今回は、AIそのものではなく、「AIを使って意思決定する人間」に焦点を当ててみたいと思います。

情報が増えれば、判断はよくなるのか？

生成AIを使えば、市場分析、競合調査、リスク評価、過去事例、必要な情報は驚くほど短時間で集まります。少しでも気になる点があれば、「別の観点でも分析して」「反対意見も挙げて」「考えられるリスクをもっと洗い出して」と追加で質問すれば、数秒後にはさらに詳しいレポートが返ってきます。

「情報が増えれば、より良い判断ができる」

私たちは、ごく自然にそう考えます。ところが実際には、AIに相談すればするほど選択肢が増え、どの情報も重要に見えてしまい、かえって決断できなくなった、そんな経験はないでしょうか？

これは【Claudeが示す落とし穴】AIが賢くなるほど、人間の判断は怪しくなるという、AIの優秀さを前に人間が思考を放棄してしまい、AIの出す結論をうのみにしてしまうという「自動化バイアス」とは少し異なります。むしろその逆です。

より良い判断をするために、AIが提示した情報を真面目に読み込み、慎重に比較しようとする。その誠実な姿勢そのものが、結果として判断を難しくしてしまう場合があるのです。

実は、この現象を考える上で非常に示唆に富む研究があります。

2020年、米スティーブンス工科大学のMin Zheng氏らは、「追加された因果情報が、人間の意思決定にどのような影響を与えるのか」を調べました。その結果は、「情報は多いほど良い」という私たちの直感とは、少し異なるものでした。

今回はこの研究を手がかりに、生成AIが私たちの情報収集だけではなく、意思決定そのものを取り巻く環境をどのように変えつつあるのかを考えます。そして、AI時代に求められる新しいリテラシーとして、「情報を増やす力」ではなく「意思決定に必要な情報を設計する力」について考えてみたいと思います。

AIによって、人間は本当により良い意思決定ができるようになっているのでしょうか？

情報を増やすほど判断はよくなるとは限らない

「より多くの情報があれば、より良い判断ができる」

私たちは日常的に、この前提をほとんど疑うことなく受け入れています。ビジネスでも、「追加で調査する」「さらに裏付けを取る」「背景まで理解する」といった行動は、意思決定の質を高めるための当然のプロセスとして考えられています。

しかし、この直感に一石を投じる研究があります。

2020年、米スティーブンス工科大学のMin Zheng氏らの研究チームは、人が意思決定を行う際に与えられる「追加の因果情報(背景や理由)」がどのような影響を及ぼすかを調べる実験を行いました。

【参照】「How causal information affects decisions」(Springer Nature Link 2020/02/13)

ここでいう因果情報とは、「何が正しいか」という結論だけではなく、「なぜその結論になるのか」という背景や理由を説明する情報です。

研究では、知識を持たない被験者と一定の知識を持つ被験者をそれぞれ2つのグループに分け、一方には基本情報だけを、もう一方には詳細な因果情報を加えて意思決定を行ってもらいました。

その結果、対象領域について十分な知識を持たない人にとっては、因果情報は意思決定を助ける傾向が確認されました。

一方で、すでに一定の知識や経験を持つ人では、詳細な因果情報を追加されたグループの方が、意思決定の成績や判断への確信度(自信)が低下する傾向が確認されたのです。

表1：論文の結果から筆者作成

この結果は、「どのような情報が有効かは、受け手の知識や経験によって変わる」可能性を示しています。つまり重要なのは、情報量そのものではなく、受け手にとって有用な情報を、適切な粒度で提示することなのです。

AIが変えたのは「情報収集」ではなく「意思決定の環境」

では、この研究は2026年の生成AIを活用する際に、どのような示唆を与えてくれるのでしょうか？

生成AIというテクノロジーの登場によって、AIが私たちの「情報収集」の効率を上げただけでなく、本質的には、私たちの意思決定を取り巻く環境そのものを変えてしまいました。

生成AIが普及する以前も、追加の情報を集めることはできましたが、多くの時間と労力を必要としました。しかし、生成AIはこの前提を大きく変えました。

AIへ追加で問いかけるだけで、ありとあらゆる懸念点、別の解釈、詳細な因果関係のテキストが得られるようになり、極めて低コストで「もっと情報を足す」ことができてしまうのです。

この環境の変化は、必要以上に情報を集め続けやすい状況を生み出しています。生成AIが悪いわけではありません。むしろ生成AIは、情報収集を劇的に効率化しました。しかし、その便利さゆえに、「もう少し調べてから決めよう」という誘惑もまた強くなりました。

前の章で説明した研究結果が示すように、すでに一定の知識を持つ領域では、追加の因果情報が判断を改善するとは限りません。生成AIは、このような状況を、以前よりもはるかに起こりやすくしたと言えるのです。

AI時代に求められるのは「情報収集力」ではなく「意思決定に必要な情報を設計する力」

では、この情報収集の罠を避けながら、生成AIを本当の意味で決断の支援として活用するには、どうすれば良いでしょうか。

これまで生成AIの活用では、「どうすれば、より多くの情報を引き出せるか」が大きなテーマでした。しかし、前の章で紹介した研究と「情報追加コストの消失」を重ね合わせると、一つの問いが浮かびます。それは、「意思決定に本当に必要な情報を、AIからどのように引き出すべきか？」です。

手がかりは、Zheng氏らの研究にあります。有効な情報は、受け手の知識や経験によって変わるため、不慣れな領域では背景や因果関係まで丁寧に説明してもらうことが大きな助けになります。一方で自分が十分な経験を持つ領域では、同じように詳細な情報を足し続けることが、かえって判断を鈍らせかねません。

つまり、まず問うべきは「もっと情報はないか」ではなく、「今は、情報を足すべき局面か、絞るべき局面か」です。そして後者であれば、AIに闇雲に多くを求めるのではなく、すでに集めた情報を「意思決定に使える形」へと整理してもらう。

例えば、「この企画について、私が最終判断をするために本当に重要な論点を3つに整理してください」あるいは、「背景説明は必要ありません。意思決定を左右する要素だけを優先順位順に整理してください」と依頼するだけでも、生成AIの役割は大きく変わります。

これは、単に情報を減らすことが目的ではありません。意思決定という目的に合わせて、情報の粒度を設計することが目的です。重要なのは「どれだけ情報を集めたか」ではなく、「意思決定に役立つ情報をどれだけ選び出せたか」です。

生成AIは、情報を集める能力では人間をはるかに上回ります。だからこそ人間が担うべき役割は、AIにより多くの情報を求めることではなく、意思決定に必要な情報を、適切な粒度で提示してもらうように設計することです。

おわりに

この課題は、決して新しいものではありません。

ノーベル経済学賞受賞者のHerbert A. Simonは、1971年の論文で「情報が豊かになるほど、人間の注意は貧しくなる(A wealth of information creates a poverty of attention)」と述べました。

【参照】「Herbert A. Simon 1916–2001 American economist, political scientist, and computer scientist」(Oxford Reference 2017)

これは、情報そのものではなく、人間の注意こそが希少な資源になることを示した言葉です。半世紀以上前の指摘ですが、生成AIによって情報をほぼ無限に得られるようになった現在、その意味はますます重みを増しています。

生成AIは、私たちを情報不足から解放してくれました。しかし同時に、「どの情報に注意を向けるべきか」という新しい課題も生み出しました。

生成AI時代に問われるのは、情報を集める力だけではありません。自分の意思決定にとって本当に有用な情報を設計する力なのです。