万人に配られた道具が生む使い方の格差

生成AIは、いま万人に配られつつある道具である。だが同じ道具を渡されても、使い方は人によって極端に異なる。格差を生むのは道具の性能差ではない。使う側の問いの設計力、業務知識、そして品質判断力である。本稿では「万人に配られた道具」という比喩から出発し、EU AI Act 第4条（AIリテラシー）が事業者に何を求めているかを一次情報で確認し、ISO 13485:2016の教育訓練（6.2）にどう組み込むかまでを整理する。

万人に同じものが配られる、という比喩

万人に同じものが配られる、と聞いて筆者がまず思い浮かべるのは、ベーシックインカムである。所得や就労の状況にかかわらず、すべての人に一律に現金を定期支給するという制度設計だ。

フィンランドやケニア、米国の一部の州で社会実験が行われてきたと報じられている。最低限の生活を保障し、機会の平等を後押ししようとする発想である。もっとも、その効果が社会実験で一様に確認されているわけではないことも、あわせて申し添えておく。

ここで筆者が比喩として注目したいのは、次の一点である。

これは筆者の見立てだ。配られた現金を自己投資や学びに回す人もいれば、漫然と使い切る人もいる。使い道は人それぞれで、必ずしも生産的に使われるとは限らない。

生成AIは「配られつつある道具」である

生成AIは、いま万人に配られつつあるベーシックインカムの道具に見える。核兵器は国家しか持てなかったが、生成AIは月額数十ドル規模で誰でも手に出来る方向に向かっている。

最先端の科学技術が、一般家庭にまで届こうとしているのだ。

だが同じ道具を渡されても、使い方は人によって極端に異なる。筆者はかねてから「AIとハサミは使いよう」と申し上げてきた。まさにそこである。

低活用と高活用――同じ道具で何が変わるか

それ自体は無駄ではない。壁打ちも検索代替も、確かに役に立つ。だが、それはAIの本来の能力のごく一部しか引き出していない。配られた資源を漫然と消費するか、自己投資に回すかの違いと、構図はまったく同じだ。

格差を決めるのは、道具ではなく使い手である

ここで強調しておきたいのは、格差を生むのは道具の性能差ではない、ということである。

ベンチマークでどのモデルが何点を取ったという話と、その道具が業務で役立つかは、必ずしも比例しない。格差を決めるのは、使う側の、問いの設計力と、業務知識と、品質判断力である。同じプロンプトを渡しても、受け取る答えの活かし方は使い手によって大きく異なる。

筆者自身も例外ではない。だが少なくとも筆者は、出力を徹底的にレビューし、納得がいかなければ容赦なく差し戻すよう努めている。

要求水準を上げなければ、AIはそれ以上を追わない

逆に言えば、要求水準を上げない使い方をすれば、AIはその場ではそれ以上の品質を追わない。

生成AIには、対話のその場で利用者が満足しそうな方向に応答を寄せる迎合性（sycophancy）という性質があり、これも品質を左右する要因の一つだからである。この性質は学術的にも観察されており、AI提案に対する人間の評価が結果に与える影響や、過度な依存（overreliance）の測定と緩和を扱った研究が蓄積されつつある。

レビューできない領域にAIを使ってはならない

ここにこそ、リスクベースドアプローチの発想が生きる。

レビューできない領域にAIを使った瞬間、品質はそこで止まる。自分がレビューできる範囲を超えた作業を任せれば、出力の良し悪しを判定できないまま通してしまう。

これは誰の力量が高い低いという話ではない。誰にでも起こりうる構造的な問題である。であればこそ、利用者は自らの守備範囲と、任せてよい範囲とを冷静に見極めねばならない。

経験のない試験や設計を「AIがやってくれるから」と引き受けるのは、危うい賭けである。レビューできない領域では、高性能なAIはむしろ危険な道具にもなりうるのだ。

この「誰が最終責任を負うのか」という問題については「AIは副操縦士、あなたは機長」「誰が檻に入るのか」で詳しく論じている。また、外部のAIサービスに業務データを渡す際のリスクについては「AIベンダーリスク」を、AIの出力を鵜呑みにした事例については「27年前のバグの話」を参照されたい。

EU AI Act 第4条――AIリテラシーは事業者の責務である

「リテラシーの差が格差を生む」という本稿の見立ては、実は規制の世界でも共有されている。EUのAI法（Regulation (EU) 2024/1689）は、第4条でAIリテラシー（AI literacy）を正面から規定した。

注目すべきは適用時期である。AI法は段階的に適用されるが、第4条（AIリテラシー）は2025年2月2日から適用が開始された。すなわち、高リスクAIシステムに関する重い義務群よりも先に、「従業員のAIリテラシーを確保せよ」という要求が動き出しているのである。

いずれにせよ、規制の方向性は明確である。AIリテラシーは「個人の心がけ」ではなく「事業者が確保すべきもの」として制度に組み込まれた――この事実の重みは、改正の前後で変わらない。

教育訓練（ISO 13485 6.2）に、どう組み込むか

では、AIリテラシーを自社のQMSにどう落とし込むか。ISO 13485:2016の6.2（人的資源）は、製品品質に影響する業務を行う要員について、必要な力量を明確にし、教育訓練等の処置を講じ、その処置の有効性を評価することを求めている。AIリテラシーは、この枠組みにそのまま乗る。

1. 職務ごとにAI利用の範囲を定義する「誰が、どの業務で、どのAIを使ってよいか」を職務記述に落とす。使ってはならない領域（レビュー不能な領域）も明記する。
2. 必要な力量を具体的に書く「AIを使える」ではなく、「当該分野の出力の誤りを検出できる」「モデルの限界事項を説明できる」「機密情報の入力可否を判断できる」といった観察可能な行動で書く。力量の構成要素は「力量の4要素」で整理している。
3. 教育と訓練を区別するAIの原理・限界・リスクを理解させるのは教育、自社の承認済みツールで実際に手を動かさせるのは訓練である。両者の違いは「教育と訓練は違う」で述べたとおりである。
4. 有効性を評価する受講記録ではなく、実際の成果物の品質で評価する。AI出力をレビューさせ、誤りの検出率を見るのが最も直接的である。
5. 記録を残す教育訓練記録は、規制当局に対して「事業者としてリテラシー確保の措置を講じた」ことを示す唯一の証拠となる。

競争優位は、AIそのものではなく、AIを使いこなす人と組織に宿る

今後の競争優位は、AIそのものにではなく、AIを使いこなす人と組織にこそ宿る。これが筆者の確信である。

万人に同じ道具が配られたいま、問われているのは道具の性能ではない。問われているのは、それを使う筆者たち自身のリテラシーなのである。