AIの答えを見て、少し違う方向から考えてみる。別の例を持ち出す。そもそも、この問いでよかったのかと立ち止まる。そうした時間は、完成した答えのどこにも名前が残らないかもしれない。
最後にうまくまとめたのがAIなら、成果はAIのものに見える。人間は途中で、あれこれ注文をつけていただけ。議事録を短くすると、だいたいそういうことになる。
けれど、その途中が探索の向きを変えていたらどうだろう。
前回のInside the Geek記事では、指揮型、共創型、追随型という協働の見方から、AIに仕事を任せながら人が判断できる関係を考えた。今回は、その関係を逆向きに眺めたい。人はAIから何を受け取るか。その隣に、人はAIの探索に何を返しているか、という問いを置く。
答えを探す、短いリレー
手がかりになるのは、Chenyi Liらによる2026年の研究「Human-AI Synergy Supports Collective Creative Search」だ。扱うのは、隠された英単語を探すゲーム。単語を一つ入力すると、正解との意味の近さが点数で返ってくる。正解へ近づく道は教わらない。点数を頼りに、次の言葉を考える。［1］
1ラウンドに10回推測し、それを10ラウンド続ける。次のラウンドへ渡されるのは、前のラウンドで最も点数の高かった単語とその点数だ。考えた理由も、迷った末のため息も渡らない。ずいぶん無口な引き継ぎである。
参加した人間は、米国在住で英語を母語とする503人。研究では、人が交代しながらつなぐ条件、一人で最後まで取り組む条件、AIだけの条件、そして人とAIが混ざる条件を比べた。主なAIはGemini 2.5 Flash。混成条件では、各ラウンドを人かAIへ無作為に割り当てる。
ここは想像を急がないほうがいい。人とAIが同じ机で相談したわけではない。人間の参加者は、AIの推測が含まれる可能性さえ知らされていなかった。「AIに寄り道を教えよう」と意気込んでいた人はいない。残された単語が、次の探索の足場になる。それだけの接点で、違いが生まれた。
伸びたのは、誰の成績か
各ラウンドの最高点を平均した成績は、人とAIの混成条件が最も高かった。ただし、最後まで独走したわけではない。人だけで交代する集団は後半に伸び、9〜10ラウンド目には混成条件に追いついている。混ぜればいつでも圧勝、というきれいな話にはならない。［1］
さらに面白いのは、混成の中身だ。混成条件のAIは、AIだけの場合よりよい成績を示した。効果量はd＝0.618。一方、混成条件の人間と、人だけで交代する条件の人間との成績差は、統計的に有意ではなかった（p＝.392）。
人とAIが一緒になると、人間一人ひとりがぐんと賢くなる。そんな読み方を、この結果は支えていない。むしろ目を向けたくなるのは、人間自身の点数には大きく表れないまま、AI側の成績が変わっていることだ。
もちろん、これだけで特定の一手がAIを救ったとは言えない。比べているのは条件ごとの結果であり、ある人の寄り道の功績を一つずつ採点した研究ではない。それでも、自分の得点だけを見ていたら見落とす関わり方がある、という問いが残る。
たくさん寄り道すれば、いいわけでもない
研究は、出てきた単語の多様性も調べている。指標は、各ゲームで推測された単語のうち、重複を除いた種類数が占める割合。その平均は、AIだけで0.37、人とAIの混成で0.58、一人の人間が通して取り組む条件で0.86だった。［1］
いちばん多くの種類を出した条件が、いちばん高い成績を取ったわけではない。混成はAIだけの場合より多様だが、人間だけの場合の多様さを丸ごと保っているわけでもない。探す範囲を広げることと、見つけた手がかりを掘り下げること。その間に、この実験の面白さがある。
著者らは、人の広い探索と、AIの絞り込んだ探索の補完関係として結果を解釈している。ただ、単語の種類が多いことは、そのまま発想の豊かさや有用さではない。見当違いの言葉を増やしても、この指標は上がる。道に迷った距離だけで、旅の価値は決まらない。
人の出したものが入力として引き継がれ、その先の振る舞いが違ってくる。その小さな事実の周りに、考える余地がある。
次に探す場所を、変えた人
ここからは、研究を読んで考えたことになる。
たとえば企画を検討するとき、AIが整えた案に、現場で引っかかった例を一つ返す。案そのものはまだよくならないかもしれない。けれど、その例があることで、次には別の利用者や別の状況を考えるようになる。完成案には採用されなくても、探す場所を変える材料にはなる。
私たちはこうした関与を、成果として見つけられるだろうか。答えの文章を書いた人、コードを仕上げた人、結論を出した人。その一歩手前で、考える方向を変えた人の仕事は、何として残るのだろう。
これは、人の思いつきをすべて大切に保存しよう、という提案ではない。どこへもつながらない脱線はある。逆に、効率よく収束することが必要な時間もある。だから、寄り道の回数を評価項目にしたら、たぶん寄り道の報告書が増える。欲しいのは、そこではない。
見たいのは、どんな入力を受けて、次の探索がどう変わったかだ。正解を言い当てたかとは別に、誰かの例や問い直しが、検討する範囲を広げたのか。あるいは、広がりすぎた探索を、有望な場所へ戻したのか。
実験では正解の単語があり、採点方法も固定されていた。仕事では、何をよい結果とするか自体を考え直すことがある。直列の引き継ぎと、何人もが同時に話す場も違う。この研究から、実務の創造性や人の能力が育つとまでは言えない。その隔たりを残したままでも、貢献を見る位置は少し動かせる。
AIの回答をよくするために、人が何を差し出しているのか。前回の記事にあった「判断する」という営みも、ここでは答えの採否を決めるだけにとどまらない。いま探している場所でよいのか、と問い直すことまで含めて考えたくなる。
答えを出した人だけでなく、次の人やAIの、探す方向を変えた人を、私たちは見ているだろうか。