認知的オフロードとは?AIで宿題の点だけ上がった2.6万人研究

2026年8月22日2026年9月4日

AIに聞けばコードはすぐ書けるのに、レビューで「なぜこう書いたの」と聞かれると言葉に詰まる。そんな不安を感じていませんか。

その正体は「認知的オフロード」かもしれません。考える作業を外に預けてしまい、成果物だけが手元に残っている状態のことです。

この記事では、2万6千人の学生を追った研究の数字と、AIを使いながら実力も伸ばすための線引きをお伝えします。

結論を先に言います。AIに預けていいのは「作業」であって「判断」ではありません。この線を引けるかどうかで、1年後の差が決まります。

認知的オフロードとは?考える手間を外に預けること

認知的オフロードとは、本来は自分の頭でやる記憶や思考を、道具や他人に肩がわりさせることです。心理学の言葉で、オフロードは「荷降ろし」を意味します。

なぜこんな仕組みが必要なのか。人が一度に頭にとどめておける情報は、驚くほど少ないからです。だから人は昔から、紙やメモや電卓に荷物を降ろしてきました。

身近な例がカーナビです。案内どおりに曲がれば、初めての道でも目的地には着きます。ただ、何度通っても道は覚えません。ナビが「どこで曲がるか」という判断を引き受けているからです。

つまり認知的オフロードそのものは悪ではありません。問題になるのは、まだ自分の身についていないことまで預けてしまったときです。

認知的オフロードの代償:2万6千人の研究が示した数字

AIへの認知的オフロードには、はっきりした代償があります。目の前の成果は上がるのに、実力をはかる場面では下がるのです。

2026年8月、イギリスの経済誌エコノミストが、ストックホルム大学と香港大学の研究チームによる調査を紹介しました。中国のある地域で、中学生と高校生2万6千人あまりを2022年9月から2025年6月まで追った大規模な調査です。

結果は、次のように分かれました。

生成AIを使った生徒の宿題の点数は、約18%上がった
ところが半年後の試験の点数は、使わなかった生徒にくらべ約20%下がった
進学のための試験では、18%から24%の低下が確認された
宿題にかけた時間は、1回あたり平均64分から45分に減っていた

点数が上がった科目と下がった科目が別だった、という話ではありません。同じ生徒たちの中で、宿題の点と試験の点が反対を向いたのです。

宿題の点が上がったことは、AIが役に立っていた証拠でもあります。ただ、その18%は本人の実力ではなかった。研究の数字はそれを示しています。

なぜ認知的オフロードで力がつかないのか

力がつかない理由は、理解した感覚だけが先に手に入ってしまうからです。研究チームはこれを「見せかけのなめらかさ」と表現しています。

人が何かを覚えるのは、読んだ瞬間ではありません。思い出そうとして、うまく出てこなくて、もがいた時間に覚えます。この「引っかかり」が記憶をつくります。

筋トレでたとえてみます。フォークリフトを使えば、重い荷物はいくらでも持ち上がります。荷物は運び終わります。でも、あなたの腕は太くなりません。負荷を機械が受け取ったからです。

先ほどの研究で、宿題の時間が64分から45分に減っていた点は見のがせません。消えた19分は、無駄な時間ではなく、悩んでいた時間だった可能性が高いのです。

認知的オフロードでは、成果物と一緒に「もがく時間」まで外に出てしまいます。ここが、電卓を使うのとは決定的にちがうところです。

新社会人エンジニアに認知的オフロードが起きやすい理由

入社して1年目から3年目は、認知的オフロードがもっとも起きやすい時期です。理由は3つ重なります。

締め切りがあり、動くものを早く出すよう求められる
まだ自分の中に「こう書くべき」という判断の型がない
AIの答えが正しいかどうかを見わける材料が少ない

実例があります。あるQiitaの記事では、新人が1週間で1000行のコードを提出しました。ところが「なぜこう書いたのか」と聞かれると、「AIがそう言ったから」としか答えられなかったそうです。

この新人は、さぼっていたわけではありません。むしろ量を出しています。それでも、書いた本人の中に判断が1つも残っていませんでした。

先ほどの研究で、成績上位の生徒ほど影響が大きかったという結果とも重なります。まじめに量をこなす人ほど、気づかないうちに預けすぎてしまうのです。

認知的オフロードを防ぐAIとの付き合い方

対策はAIを断つことではありません。「何を預けて、何を預けないか」を自分で決めることです。

さきほどのQiitaの記事では、禁止をやめて仕組みに変えています。技術ごとに自分のランクを決め、ランクが低いうちはAIに実装そのものを書かせない。AIの役目は調べもの、説明、レビュー、方針の提示までにとどめる、という運用です。

会社の仕組みがなくても、1人で始められることが3つあります。

先に自分の答えを書く:雑でいいので方針を1行メモしてから、AIに聞く。ずれた所が学びになる
答えを閉じて書き直す:もらったコードを一度閉じ、何も見ずに書いてみる。書けない所が理解できていない所
3つの問いに答える:「なぜこの書き方か」「どこを壊すと動かなくなるか」「人に説明できるか」。1つでも詰まったら、まだ自分のものではない

聞き方を変えるのも有効です。「このコードを書いて」ではなく「私の方針の穴を指摘して」と頼む。判断の主導権を手元に残したまま、AIの速さは受け取れます。

預けるのは、調べもの、書き写し、決まりきった変換まで。判断と、判断の理由は自分で持つ。この線引きが認知的オフロードへの答えになります。

AWS資格8つを取った筆者の「AIに預けるもの・預けないもの」

筆者はAWS認定を8つ保有していますが、後半の資格はAIが普及してからの取得です。そのため「AIに聞けばすぐ答えが出る時代に、暗記型の勉強に意味はあるのか」という新人の疑問は、体感としてよく分かります。筆者の結論は本文の研究結果と同じで、預けてよいのは作業、預けてはいけないのは判断(と、その手前の思い出す努力)です。

具体的には、資格勉強で筆者はこう線を引いています。

預けてよい: 解説文の言い換え(「この解説を運用現場の例で言い直して」)、関連用語の整理、間違いノートの清書
預けない: 問題を解く前に答えを聞くこと。まず自分で選び、理由を書いてから答え合わせする。この「思い出して選ぶ」工程が、研究でいう頭に残る負荷そのもの
仕上げの自己テスト: 「このサービスをAIなしで3分説明できるか」。説明できなければ、それは理解ではなくオフロードで進んだ範囲

仕事でも同じで、筆者はAIが出した構成案や設定値を、一度自分の言葉で「なぜこれでよいのか」を書いてから採用するようにしています。時間にして数分の遠回りですが、レビューで「なぜ?」と聞かれて詰まらない自分を作るのは、結局この数分の積み重ねです。点数や成果物は借りられても、次の仕事に持ち越せる力は借りられません。