私たちが確かめた、4つの研究 Four studies we verified

先に、正直な話を。このテーマを調べる過程で、私たち自身がAIの生成した実在しない論文を引用しそうになりました。著者名も年号も要旨も完璧に整っていたのに、どこを探しても存在しなかった。だからこの記事に載せる研究は、すべて元の論文に当たって確認したものだけです。 First, an honest note. While researching this topic, we ourselves nearly cited an AI-fabricated paper that does not exist — authors, year and abstract all perfectly formed, yet found nowhere. So every study below is one we checked against the original paper.

その体験そのものについては私たちの思想に書きました。ここでは、根拠となった研究そのものを順に見ていきます。 We wrote about that experience itself on our philosophy page. Here, we walk through the underlying studies one by one.

① AIは現場の力を底上げする──だが「決める」のは人間① AI lifts the floor — but humans still decide

研究でしたこと：コールセンターのオペレーター 5,179人を対象に、生成AIアシスタントの導入前後で生産性を比較した大規模な実証研究です。 What they did: a large field study of 5,179 call-center agents, comparing productivity before and after a generative-AI assistant was rolled out.

わかったこと：AI支援で処理件数は平均 +14%。とりわけ経験の浅いオペレーターほど伸びが大きく +34%。熟練者の暗黙知が、AIを通じてチーム全体に広がった形です。 What they found: AI support raised throughput by 14% on average — and by 34% for the least-experienced agents. The tacit know-how of top performers spread across the team through the AI.

Knacitにとっての意味：だからAIは使う。ただし伸びるのは「提案の質と速さ」であって、「何を選ぶか」は別。私たちはAIに提案までさせ、決定は人間の思考に残します。 What it means for us: so we use AI. But what improves is the quality and speed of suggestions — not the choice of what to do. We let AI suggest, and keep the decision in human hands.

出典：Brynjolfsson, Li & Raymond「Generative AI at Work」Quarterly Journal of Economics 2025（n = 5,179） Source: Brynjolfsson, Li & Raymond, "Generative AI at Work," Quarterly Journal of Economics 2025 (n = 5,179)
論文を確認する →View paper →

② 専門家ですら、AIの誤りに引きずられる② Even experts get pulled along by AI's mistakes

研究でしたこと：放射線科医27人に、マンモグラフィ50件の読影をしてもらう実験。AIが付けた「BI-RADS」評価を提示し、その評価がときに意図的に間違っている条件を混ぜました。27人は経験年数で3群に分けられています——経験2ヶ月未満が11人、約1年が11人、そして約10.8年のベテランが5人。 What they did: 27 radiologists read 50 mammograms while being shown an AI's "BI-RADS" rating — sometimes deliberately incorrect. The 27 were split by experience: 11 with under two months, 11 with about a year, and 5 veterans averaging 10.8 years.

わかったこと：AIが正しいときは、どの群も正答率8割前後を保ちました。しかしAIが誤った提案をすると——ベテラン5人でさえ 82.3% → 45.5%。そして経験の浅い群は 79.7% → 19.8% と、ほぼ崩壊しています。専門知識は、引きずられることを防いでくれませんでした。 What they found: when the AI was right, every group held around 80%. When it suggested the wrong call — even the 5 veterans fell from 82.3% to 45.5%, while the least experienced group collapsed from 79.7% to 19.8%. Expertise did not protect them from being swayed.

Knacitにとっての意味：これが「自動化バイアス」。人は自動システムを過信します。だから私たちは、AIの出力に必ず人間の検証ステップを物理的に挟む。賢い人ほど、確認を省きません。 What it means for us: this is automation bias — we over-trust automated systems. So we build a human verification step physically into the process. The sharper you are, the less you skip the check.

出典：Dratsch et al.「Automation Bias in Mammography: The Impact of AI BI-RADS Suggestions on Reader Performance」Radiology 2023（n = 27／うちベテラン群は5人）。ベテラン群が5人と少ない点は、この研究の限界として添えておきます。 Source: Dratsch et al., "Automation Bias in Mammography: The Impact of AI BI-RADS Suggestions on Reader Performance," Radiology 2023 (n = 27; the veteran group is just 5). We flag that small veteran group as a genuine limitation of this study.
論文を確認する →View paper →

③ AIに頼る人ほど、批判的思考のスコアが低い③ Heavier AI users score lower on critical thinking

研究でしたこと：666人を対象に、AIツールの利用頻度と批判的思考力の関係を調べた調査研究です。 What they did: a survey study of 666 people examining the link between how often they use AI tools and their critical-thinking ability.

わかったこと：AIツールを多用する人ほど、批判的思考のスコアが低いという負の相関。その背景には「認知オフロード」──考える労力をAIに肩代わりさせる傾向があると分析されています。 What they found: heavier AI users scored lower on critical thinking — a negative correlation, attributed to "cognitive offloading": handing the effort of thinking over to AI.

Knacitにとっての意味：ここは正直に言います——これは相関であって、因果の証明ではありません。「AIを使ったから考えられなくなった」とは、この研究からは言えない。それでも符号は無視できないので、私たちは人間が自力で考える時間を、仕組みとして残します。 What it means for us: to be straight with you — this is a correlation, not proof of causation. The study cannot tell us that using AI caused the decline. But the sign is not one to ignore, so we keep deliberate human thinking time built into the process.

出典：Gerlich「AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking」Societies 2025（n = 666） Source: Gerlich, "AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking," Societies 2025 (n = 666)
論文を確認する →View paper →

④ 「AIを信頼するほど、考える努力を手放す」④ "The more you trust AI, the less effort you spend thinking"

研究でしたこと：Carnegie Mellon大学とMicrosoft Researchが、知識労働者319人に、実務で生成AIを使った936の実例を挙げてもらい、そのときの批判的思考の働き方を調べました。本人の自己申告によるサーベイです（実験ではありません）。 What they did: Carnegie Mellon and Microsoft Research asked 319 knowledge workers for 936 first-hand examples of using generative AI at work, and examined how their critical thinking operated. It is a self-reported survey, not an experiment.

わかったこと：AIへの信頼が高い人ほど、自分で批判的に検討する努力を減らしたと答えています。逆に「自分の仕事だ」という当事者意識が高い人ほど、AIの出力をしっかり吟味していました。あくまで「本人がそう報告している」という結果です。 What they found: those with higher confidence in AI reported putting less effort into critical examination — while those with a stronger sense of ownership over the task reported scrutinising AI's output more closely. These are what people said about themselves, not measured performance.

Knacitにとっての意味：③とも重なる結論です。AIを「便利な他人の答え」にしないために、判断の当事者は最後まで人間であり続ける。診断のプロセスを、私たちはそう設計しています。 What it means for us: echoing ③. To stop AI becoming "someone else's convenient answer," the human stays the owner of the judgment to the end. That's how we design the diagnostic process.

出典：Lee et al.「The Impact of Generative AI on Critical Thinking」CHI 2025 — Carnegie Mellon × Microsoft Research（n = 319） Source: Lee et al., "The Impact of Generative AI on Critical Thinking," CHI 2025 — Carnegie Mellon × Microsoft Research (n = 319)
論文を確認する →View paper →

4本をつなぐと、ひとつの設計思想になるTogether, they form one design principle

AIは現場の力を底上げする（①）。けれど専門家ですら誤りに引きずられ（②）、よく頼る人ほど考える労力が落ちている、という符号も出ている（③④）。①②は実験、③④は相関と自己申告——強さは違いますが、指す向きは同じです。だからAIは使う。でも疑う。そして考え続ける。 AI lifts the floor (①). Yet even experts get pulled along by its errors (②), and heavier users show less thinking effort (③④). ①② are experiments; ③④ are correlational and self-reported — different strengths of evidence, but they point the same way. So: use AI, but question it, and keep thinking.

これが、Knacitが診断にAIを使いながら「AIに診させない」理由です。思想としてどう組み込んでいるかは、こちらに。 This is why Knacit uses AI in its diagnosis yet never lets AI do the diagnosing. How we build that into our philosophy is here.

私たちの思想を読むRead our philosophy