AIはエンジニアを救うのか、それとも無能にするのか？話題の論文「How AI Impacts Skill Formation」を要約してみた件

こんにちは！株式会社SOZOの代表 一場です。！

最近界隈で話題になっていた、Anthropicの研究者らによる最新論文「How AI Impacts Skill Formation」をじっくり読んでみました。

「AIがあれば、未経験の技術もすぐに使いこなせる」という希望的観測に対し、この研究は「AIに頼るほど、その技術を監督・修正する能力が失われる」という残酷な因果関係を証明してしまいました。

論文の全容を詳しく紐解きながら、私たちがこれからのAI時代にどう生き残るべきか、考察してみたいと思います。

1. 実験の裏側：なぜ「Python Trio」だったのか？

研究チームは、実務経験のある52名のエンジニアを対象に、彼らが未経験であるPythonの非同期処理ライブラリ「Trio」を習得するプロセスを調査しました。

あえてTrioを選んだのは、それが「構造化並行性」という新しい概念を含み、Pythonに慣れた人でも「概念の理解」なしには正しく使えないからです。参加者は「AIあり」と「AIなし（検索とドキュメントのみ）」のグループにランダムに分けられ、制限時間内での課題達成を求められました。

2. 突きつけられた「3つの不都合な真実」

① スキル習得効率の「17%」ダウン

課題終了後、全員に「AIなし」でテストを行ったところ、AIグループのスコアは自力グループより平均17%も低い結果となりました。これは単なる点数の差ではなく、理解度に「2段階のグレード差」がついたことを意味します。

② 生産性は「微増」に留まった

最も意外なのは、「AIを使っても、作業時間はそれほど短縮されなかった」という点です。AIグループは、プロンプトの作成やAIとのやり取り、さらにAIが出した回答の確認に、合計で最大11分もの時間を費やしていました。結果として、自力でドキュメントを引くのと大差ない時間（AIあり23分 vs AIなし24.7分）を要していたのです。

③ 崩壊した「デバッグ能力」

クイズの分野別スコアを見ると、最も差が開いたのは「デバッグ（バグの特定と修正）」でした。自力グループがバグと格闘して深い知識を得た一方で、AIグループは「AIが書いたコードがなぜ動いているのか」をブラックボックスのまま放置してしまったからです。

3. 「エラー」こそが最強の教育カリキュラムだった

この論文の核心は、「エラーに直面し、それを自力で解決するプロセス」こそがスキル形成そのものであると指摘している点にあります。

• エラーの質の差: 自力グループは、ライブラリの本質に関わる重大なエラー（RuntimeWarningやTypeErrorなど）に何度もぶつかりました。
• 認知的な関与: これら本質的なエラーを自力で解決することで、非同期処理の仕組みが脳に刻まれます。対してAIグループは、AIが最初から動くコードを出してしまうため、「学びの宝庫」であるエラーを回避してしまったのです。

実際、参加者のフィードバックでも、AIグループからは「詳細を読まずに怠けてしまった」「理解に大きなギャップがある」という不安の声が上がった一方、自力グループからは「学ぶのが楽しかった」「深い理解が得られた」という充実感が多く報告されています。

4. 6つのAI活用パターン：あなたの使い方はどれ？

論文では、AIとの関わり方を6つの「ペルソナ」に分類しています。ここには、成長する人と退化する人の決定的な違いがあります。

❌ あなたを弱くする「低スコア」パターン

1. AI Delegation（丸投げ型）: 自分で考えずAIに書かせる。最速だが、中身は何も残らない。
2. Progressive AI Reliance（徐々に依存型）: 最初だけ自分でやり、難しくなるとすぐAIに頼る。結果、応用力がつかない。
3. Iterative AI Debugging（泥沼デバッグ型）: エラーが出るたびにAIに修正を依頼する。最も時間がかかる上に、正答率は24%と最低。自分でデバッグする力を完全に放棄した形です。

✅ 成長を止めない「高スコア」パターン

1. Conceptual Inquiry（概念的質問型）: コードは書かせず、概念の解説だけをAIに求める。実装はあくまで自分の手で行うため、最も効率的に地力がつく。
2. Generation-Then-Comprehension（生成後の猛省型）: AIにコードを書かせた後、「なぜこの関数なのか？」としつこく問い詰める。テストスコアは最高の86%を記録。
3. Hybrid Code-Explanation（解説セット型）: コード生成と同時に「設計意図」の解説をセットで求め、それを読み解く。

5. 私たちが向き合うべき「将来のリスク」

今、エンジニアの役割は「タスクの実行」から「AIの監督」へとシフトしています。 しかし、この論文が示したのは、「最初からAIに頼って学んだエンジニアには、AIを監督・修正する資格も能力も備わらない」という厳しい未来です。

AIがハルシネーション（もっともらしい嘘）を吐いたとき、それを一瞬で見抜く「眼力」は、泥臭い自力の試行錯誤の果てにしか手に入りません。

【最後に】だからこそ、弊社の研修は「3ヶ月間AI禁止」です

AIがどれほど進化しても、最後に品質を担保するのは「人間」です。そして、その人間に求められる「地力」は、AIという便利な義足を使っている間は、決して鍛えられることがありません。

そのため、弊社の研修では、最初の3ヶ月間、AIの使用を禁止しています。

• AIに聞けば数分で終わるエラーに、あえて丸一日かけて向き合う。
• 公式ドキュメントを読み込み、コードの一行一行が「なぜそう動くのか」を自分の言葉で説明できるようにする。
• 「脳への負荷」から逃げず、エンジニアとしての思考の筋肉を徹底的にいじめる。

この「時代遅れの遠回り」を3ヶ月間やり抜いた人は、その後のAI活用のスピードが、最初からAIを使っていた人とは比較にならないほど加速します。AIに依存するのではなく、圧倒的な知識でAIを従える側に回れるからです。

効率化という名の「スキルの切り売り」をやめ、一生モノの「思考する能力」を手に入れたい。そんな志を持つエンジニアからのご応募を、心よりお待ちしています！

出典： Shen, J. H., & Tamkin, A. (2026). How AI Impacts Skill Formation. Anthropic Safety Fellows Programの研究成果。