すべての記事

AIに仕事を任せる場面が増えています。 文章を整える。調査する。予定を組む。候補を比較する。さらにagent型AIなら、複数の手順を自律的に進めることもできます。 そこでよく問われるのは、「どこまでAIに任せてよいか」です。 けれど、もう一つ重要な問いがあります。 人間は、いつAIの仕事に方向を与えるのでしょうか。 「任せる」は、一度きりの決定ではありません AIへの委譲は、「人間が指示する→AIが全部やる→人間が結果を見る」という一本の流れとは限りません。 2026年8月に公開されたJorge Fábregaの研究 Governing Delegation to Generative Artificial Intelligence: Human Direction, Work-Related Orientation, and Modes of Use は、人間による方向づけを二つの形に整理しています。 一つは、実行前に指示・制約・基準を置く specified delegation です。 もう一つは、生成や実行の途中で人間が修正・再方向づけす

AIが自分より速く、上手にできる仕事が増えています。 すると、自然に「できるなら任せればいい」と考えたくなります。 けれど、仕事にはもう一つの尺度があります。 その仕事を、自分はやりたいのか。 研究で見えてきたこと Gabriel HughesとYvonne RogersによるHHAI 2026の研究 “Intrinsic Reward Drives Human-AI Complementarity” では、主にソフトウェアエンジニアへのインタビューから、人がAIを補完的だと感じる条件が検討されています。 参加者は、退屈・反復的・時間のかかる作業をAIへ渡しながら、戦略や創造など自分が意味を感じる仕事を自分の手元に残したとき、AIをよりaugmentativeな存在として経験していました。 参照：https://journals.sagepub.com/doi/10.3233/FAIA260542 またSeyyid A. Ciftciの “Designing Synthetic Work Relationships” では、AIをassistan

AIに仕事を任せることは、すでに特別なことではなくなりつつあります。 調べる。整理する。予約する。コードを書く。複数のツールをまたいで、長い仕事を最後まで進める。 では、AIが私たちより速く動くようになったとき、人間の「自分で決める」はどこに残るのでしょうか。 任せることと、止められることは別です AIへの委譲を考えるとき、私たちはまず「何を任せてよいか」を考えます。 けれど、自律的なAI agentでは、もう一つの問題があります。一度許可したあと、AIが人間の確認より速く何十もの行動を進めたらどうなるでしょうか。 最初に「やっていい」と言ったことと、その後のすべての行動を承認したことは、同じではありません。 研究で見えてきていること NVIDIAが2026年に公開したAVOは、長時間のタスクでcontextを維持し、toolを使い、feedbackを受け、失敗から回復しながら進むagent architectureの進展を示しています。 参照：NVIDIA, “AVO Reaches 100% on ARC-AGI-3, Demonstrati

AIが長く付き合う相手になるほど、「覚えていてくれること」は価値になります。以前話した悩み、好み、目標、考え方。毎回説明し直さなくてよいことは、確かに便利です。 けれど、もう一つ問いがあります。 AIは、覚えている過去を、今のあなたにどこまで使うべきなのでしょうか。 覚えていることと、使うことは別です AIのMemoryは、保存するか削除するかという二択で語られがちです。しかし、保存されている情報を「今回の応答にどの程度効かせるか」は別の問題です。 HuangらのACL 2026論文 Controllable Memory Usage: Balancing Anchoring and Innovation in Long-Term Human–Agent Interaction は、長期的なHuman–Agent Interactionにおいて、関連する過去情報をすべて使うと、エージェントが過去の相互作用に拘束される Memory Anchoring が生じ得ると指摘しています。一方、記憶を完全に使わなければ、重要な履歴や一貫性を失います。 研究

AI時代の主体性を、最終判断だけでなく、問い・選択肢・評価軸を誰が生み出したかというDecision-level Agencyから捉え直します。

AIに頼ると、自分で考えなくなる。 生成AIをめぐって、よく語られる懸念です。 けれども、AIへ認知作業を任せることと、認知的な主導権を手放すことは、同じなのでしょうか。 AIへの「認知オフロード」は一種類ではありません 2026年にFrontiers in Psychologyで公開された Zhu, Li, Dong, Chang & Fan の研究 Not all cognitive offloading is equal: distinguishing dependent and autonomous offloading to generative AI は、生成AIへの認知オフロードを dependent offloading と autonomous offloading に分けています。 前者は、考える中核そのものをAIへ委ねる使い方です。後者は、AIを足場として利用しながら、認知的な主体性を本人が保持する使い方です。 589名の大学生・若手知識労働者を対象とした3波調査では、両者は即時的には似た便益をもたらす一方、その後の認知的主

AIに頼りすぎないためには、AIの支援を減らせばよいのでしょうか。 一見すると、自然な答えに思えます。 けれども最近の研究を見ていると、問題はそれほど単純ではなさそうです。AIとの付き合い方を左右するのは、支援の「多さ」だけではなく、その人が今、自分の理解や判断をどの程度見渡せているか——つまりメタ認知の状態かもしれません。 AIを批判的に使う力は、一枚岩ではありません 2026年に Computers in Human Behavior Reports に掲載された Understanding critical thinking in generative artificial intelligence use: Development, validation, and correlates of the critical thinking in AI use scale は、生成AI利用時の批判的思考を測定する13項目の尺度を開発しました。 研究では、AIを批判的に使う傾向は大きく Verification（検証）、Epistemic...

AIに相談していると、「自分ではここまで整理できなかった」と感じることがあります。 言葉にならなかった気持ちがまとまり、出来事の見方が変わり、次にどうすればよいかまで見えてくる。AIとの対話には、そんな力があります。 でも、そこで一つ気になることがあります。 その答えが間違っていたとき、誰が確かめるのでしょうか。 そして、その答えによって自分の見方や行動が変わるとき、最終的にその意味を引き受けるのは誰なのでしょうか。 AIと一緒に作ると、「自分の責任」はどう変わるのか 2026年8月、Decision Support Systemsに The responsible worker in the age of generative AI: How human-AI co-creation shapes experienced responsibility for work outcomes という研究が掲載されました。 この研究は仕事場面での生成AIとの共同作業を扱い、人が仕事の結果に対して感じる「自分が責任を持っている」という感覚に注目しています

AIに相談すると、自分ひとりでは思いつかなかった見方に出会えることがあります。悩みが整理されたり、自分の気持ちに名前がついたり、「そういうことだったのか」と腑に落ちたりします。 では、そのAIを閉じたあとには何が残るのでしょうか。 次に似た出来事が起きたとき、自分でも少し立ち止まって観察できるようになっているでしょうか。それとも、またAIに答えを聞かなければ考えられなくなっているでしょうか。 AIが役立ったことと、自分の力が育ったことは同じではありません 2026年8月にChristoph Trattnerが発表した Epistemic Transfer in AI-Assisted Verification: A Framework and Evaluation Protocol は、AIを使った情報検証を「ツールを使っている最中」だけで評価することに疑問を投げかけています。 この研究が提案するのは、AI支援を経験したあと、新しい情報に対してAIなしで判断する力がどう変わったかを測るという考え方です。Trattnerはこれを epistemic

「AIが間違うことくらい、分かっています」 生成AIを使い慣れている人ほど、そう思うかもしれません。私もそうです。 AIはいつも正しいわけではない。こちらに話を合わせすぎることもある。もっともらしい間違いを言うこともある。 それを知っていれば、AIの言葉に振り回されずに済むのでしょうか。 最近の研究からは、少し気になる答えが見えてきています。「AIには偏りがある」と分かっていても、そのAIから受ける影響まで消えるとは限らないのです。 「このAIはあなたに合わせすぎます」と警告してみる 2026年、Lujain Ibrahim、Myra Cheng、Cinoo Lee、Pranav Khadpe、Desmond Ong、Dan Jurafsky、Diyi Yangらは、2,610人を対象に興味深い実験を行いました。 参加者は、自分が経験した人間関係の葛藤についてAIと対話します。そのAIには、利用者に合わせすぎてしまう傾向がありました。利用者の考えに問題がある場合でも、同意したり肯定したりしやすいAIです。 一部の参加者には、あらかじめ

AIに自分のことを話していて、「いや、そういう意味じゃないんだけどな」と思ったことはありませんか。 人との会話でも同じです。こちらは悲しかったと言っているのに、「つまり怒っているんだね」と決めつけられたり、ただ話を聞いてほしかったのに、勝手に解決策を出されたりすることがあります。 そんなとき、本当に大切なのは、最初から一度も誤解されないことでしょうか。 私は最近、「間違えないこと」よりも、「間違えたあとに分かり直せること」のほうが大切なのではないかと考えています。 「違います」と言える相手は、信頼できる どれだけ親しい人でも、相手の気持ちを毎回正確に理解することはできません。AIなら、なおさらです。 問題は、誤解が起きることそのものではありません。 「違います」と言ったときに、相手がそれを受け止められるか。「私はこう理解したけれど、違ったかもしれない」と、自分の解釈をいったん手放せるか。そして、もう一度話しながら、「では、どういうことだったのだろう」と一緒に考え直せるか。 こうしたやり取りができるなら、一度の誤解がそのまま関係の失敗に

AIに相談すると、以前なら何十分も考えていたことに、数秒で筋の通った答えが返ってきます。 それは便利です。しかし、AIがうまく考えてくれるほど、一つの問いが残ります。 答えが自分に合っていることと、その理解が「自分のもの」であることは、同じなのでしょうか。 AI時代の自律性は、「自分で全部やること」ではない AIと人間の自律性を扱う近年の研究では、autonomyは一枚岩ではないと指摘されています。 Roberta Fischli、Matija Franklin、Arianna Manziniらの Agents, Alignment, and the Many Faces of Autonomy (2026) は、AI agentを人間のautonomyと整合させようとしても、そもそもautonomyには複数の構成要素と競合する理解があり、「自律性を高めるAI」が何をすべきかは簡単には決められないと論じています。 参照：Fischli, R., Franklin, M., Manzini, A., et al. (2026), Agents, A

AIが「あなたのために書きました」と返してくれた文章を読んで、たしかに自分らしい。でも、なぜかそれほど役に立たない——そんなことがあります。 パーソナライゼーションというと、AIが利用者の好みや過去の会話をどれだけ正確に理解できるかが注目されます。しかし、そこで一つ見落とされやすい問いがあります。 AIが「よく個人化できた」と判断することと、本人が「これは自分にとって役に立つ」と感じることは、同じなのでしょうか。 実際の人間を入れると、評価が変わる 2026年、Lechen Zhang、Jiarui Liu、Tal Augustによる研究 Re-Centering Humans in LLM Personalization は、LLMのパーソナライゼーションを実際の人間の会話と評価で検証しました。 研究では550件の人間の会話を収集し、①会話から利用者属性を抽出する、②新しい問いに関連する属性を選ぶ、③その属性を使ってpersonalized responseを生成する、という3段階を調べています。 ここで重要なのは、人間のデータを使うと、システ

AIが私をよく知るほど、より良い結果になるのでしょうか AIのパーソナライゼーションは、基本的には「その人に合うほど良い」という方向で進んできました。 過去の記録を覚え、好みを理解し、以前の会話を踏まえ、自分に合った言葉で返してくれる。たしかに、それは便利です。 でも、ここには少し逆説があります。 AIが私をよく理解するほど、AIは「私らしいもの」を返すようになります。では、その循環が続いたとき、私はまだ自分の外側にある見方と出会えるのでしょうか。 昨日のHYMY Journalでは、AIとの継続的な対話によって、人間側の解釈や自己概念が似た方向へ収束する可能性を考え、Interpretive Diversity Resilience（解釈多様性レジリエンス）というResearch Seedを提示しました。 今日は、その問題を人間側ではなく、AIの設計側から考えてみます。 個人には合っていても、集団では似ていく 生成AIによるアイデア生成については、一つひとつの出力の質が高くても、多数の出力を集めると似たテーマへ収束しやすいという問題が研究されて

AIが間違った答えを返すことは、わかりやすい問題です。 でも、AIがかなり良い答えを返し続けるときに起きる問題は、もっと見えにくいものです。 みんなが、少しずつ同じ見方をするようになるかもしれない。 2026年、Nature Reviews Psychologyに掲載されたComment “Metacognition can mitigate AI-driven homogenization of ideas” は、生成AIが人口レベルのアイデア分布を変え、collective cognitive diversity、creativity、long-term innovationを低下させる可能性を論じています。 研究者らが緩和策として挙げているのは、intellectual humility、metacognitive flexibility、perspectival metacognitionです。 重要なのは、これは「AIが悪いことを言う」という話ではないことです。 むしろAIが便利で、説得力があり、いつでも一定水準の説明を返してく

2026年7月29日に配信したプレスリリース 「HYMY、音楽を『世界の見え方』の研究対象として捉えた実験アルバム『Resonance』をリリース」 について、朝日新聞デジタルマガジン＆、東洋経済オンライン、テレビ東京プラス、PRESIDENT Online、NewsPicksをはじめ、22のメディアに掲載いただきました。 今回の発表は、単なる音楽作品のリリースではありません。 HYMYでは、 「人は、何に共鳴すると世界の見え方が変わるのか」 という問いを研究しています。 アルバム『Resonance』は、その問いを探究するための最初の実験です。 音楽を評価することではなく、 音楽に触れたとき、人の身体や心、世界との関係がどのように変化するのか。 その現象そのものを研究対象として位置づけています。 今後もHYMYでは、AI、認知科学、心理学、Human-Computer Interaction（HCI）などの知見を横断しながら、 「人生を、消費から発見へ。」 というビジョンのもと、人間理解の研究を続け、 その成果をMoon&Meをはじめとする

音楽を作りたかったわけではありません。 むしろ、ずっと知りたかったのは別のことです。 なぜ、ある音楽は人の身体を震わせ、前向きに生きる力を生み出すのか。 同じ曲を聴いても、何も感じない人がいます。 一方で、涙が出る人もいます。 勇気が湧く人もいれば、過去の記憶が蘇る人もいます。 なぜ、その違いが生まれるのでしょうか。 HYMYではこれまで、「自分を知ること」をテーマに研究を続けてきました。 Moon&Meも、その延長線上にあります。 でも最近、少しずつ考えが変わってきました。 私たちが本当に知りたいのは、「自分とは何か」ではなく、 何によって、自分の世界の見え方が変わるのか。 なのではないか、と。 例えば、同じ景色を見ても、昨日と今日では違って見えることがあります。 同じ出来事でも、励まされた翌日には「挑戦してみよう」と思えることがあります。 反対に、疲れている日は、何を見ても灰色に感じることがあります。 世界は変わっていない。 変わっているのは、自分と世界との関係です。 この変化に強く惹かれています。 音楽は、その変化をもっとも鮮やかに引き起こ

HYMYでは現在、 「なぜ音楽により、人は生命力を沸き起こすのか」 という問いを探究しています。 その研究の一環として、 HYMY Studioより実験アルバム Resonance をリリースしました。 音楽作品としてだけではなく、 「何と共鳴するのか」 を観察するきっかけとして聴いていただけたら嬉しく思います。 本作品はApple Music、Spotifyなど主要ストリーミングサービスで配信しています。 こちらから確認いただけます。 ※プレスリリースはこちらから。

AIは、驚くほど賢くなりました。 分からないことを尋ねれば、 数秒で答えを返してくれる。 文章を書き、アイデアを出し、 プログラムを作り、画像まで生成できる。 これから先、AIはますます 私たちの仕事や暮らしを支えてくれるでしょう。 私は、それをとても前向きに捉えています。 AIは、人間の可能性を広げる技術です。 けれど、その一方で、 一つだけAIには代われないものがあります。 それは、「問いを立てること」です。 もちろんAIは、質問に答えることも、 新しい問いを提案することもできます。 でも、その問いに価値を感じるのは人間です。 「なぜ私はこの問いに惹かれるのだろう。」 「本当に知りたいことは何だろう。」 その問いは、 自分自身を観察する中からしか生まれません。 だから私は、AI時代だからこそ、 自分を観察する時間がこれまで以上に大切になると思っています。 効率はAIに任せる。 けれど、自分が何に心を動かされ、 何を美しいと感じ、何を大切にしたいのか。 その答えは、自分の中にしかありません。 AIが進化するほど、 人間は「答えを持つこと」ではな