AIを使うほど、アイデアが似てくる構造
目次
生成AIを使うと、個人の創造性は上がります。
文章の質は上がる。アイデアの数も増える。ここまでは間違いない。ところが、チーム全体で見ると奇妙なことが起きています。
全員のアウトプットが、似てくる。
脳科学者の池谷裕二さんは『生成AIと脳』の中で、この現象を明確に指摘しています。AIを使って作られたコンテンツは、AIを使わずに作られたものと比べて、内容が似通ってしまう傾向がある。個人の創造性は上がっても、集団の多様性は下がる。
これ、直感に反しませんか。
便利なツールを全員が使ったら、全員の成果物が均質化していく。私もこの話を知るまで、「AIを使えばチーム全体のアウトプットの質が底上げされる」とだけ考えていました。底上げはされるんです。ただ、底上げの代償として「バラつき」が消えていく。
なぜ「みんな同じ答え」になるのか
この現象の背景には、構造的な理由があります。
生成AIは、大量のデータから「最もありそうな回答」を生成する仕組みです。統計的に妥当な答えを返す。だから質が安定している。ただ、裏を返せば、それは「平均的に正しい答え」に収束するということでもあります。
たとえば、10人のマーケティング担当者に「新商品のキャッチコピーを考えて」と頼んだとします。AIなしなら、10人10色の案が出てくる。経験、感性、好みがバラバラだからです。
ところがAIを使うと、全員が似たトーン、似た構造、似た表現のコピーを持ってきます。なぜかというと、同じ学習データから導かれた「統計的に最適な回答」のバリエーションは、思ったほど広くないからです。
牛尾剛さんは『世界一流エンジニアの思考法』の中で、AI時代に「専門性」が個人の強みになると指摘しています。AIでは代替できない独自の知見、独自の経験。ここが核心です。AIが出す「平均的に正しい答え」ではなく、その人にしか出せない「偏った答え」にこそ価値がある。
「底上げ」と「均質化」は表裏一体
もう少し構造を掘り下げます。
池谷さんの書籍で紹介されている研究では、スキルの高くない人がAIを使うと、作品の質が大幅に向上することがわかっています。小説執筆の実験で、もともとスキルの低い書き手がAIを使うと、完成度が明らかに上がった。
これは素晴らしいことです。誰もがある程度のクオリティでアウトプットを出せるようになる。
ただ、ここに罠がある。
スキルの低い人はAIのおかげで「上」に引き上げられる。一方、もともとスキルの高い人のアウトプットは、AIを使ってもそこまで変わらない。結果として、全体が「AI的な平均値」に収束します。上と下の差が縮まるということは、多様性が減るということです。
佐野大樹さんは『生成AIスキルとしての言語学』の中で、生成AIは対話者の背景や目的を「察してくれる」わけではないと指摘しています。AIは状況設定を明示的に伝えなければ、デフォルトの応答パターンに戻る。つまり、使い手が自分の文脈を言語化しなければ、誰が使っても同じような出力になるのは当然なんです。
「個性」はAIの外側にある
では、どうすればAIを使いながらも多様性を保てるのか。
ヒントは、佐野さんの言う「コンテクスト」にあります。SFL（選択体系機能言語学）では、コミュニケーションの状況を「フィールド（何について話すか）」「テナー（誰とどんな関係で話すか）」「モード（どんな手段で話すか）」の3つの軸で捉えます。
ここがポイントです。AIに「キャッチコピーを考えて」と指示を出す前に、自分だけのコンテクストを設定する。
「うちの顧客は60代の女性が多くて、健康不安からではなく”孫と一緒に楽しみたい”というモチベーションで商品を選ぶ」
こういう具体的な文脈を与えると、AIの出力は大きく変わります。同じAIを使っていても、入力するコンテクストが違えば、出力も違う。
つまり、AIの出力を差別化するのは、AIのスキルではなく、使う側の「自分の仕事に対する解像度」です。自分の顧客を深く知っているか。自分の領域で独自の経験を積んでいるか。その解像度がAIへのインプットを変え、結果として、アウトプットの個性を生み出します。
牛尾さんが言う「専門性」とは、まさにこのことです。AIが代替できない「偏り」を持つこと。その偏りがあるからこそ、AIを通しても均質化しない。
明日から変えられること
誤解：AIに「良い感じに作って」と頼めば、差別化されたアウトプットが出る 実際には、曖昧な指示からは「平均的な回答」しか出ません。AIに渡す前に、自分の視点・自分の文脈を2-3行で書き出す。「誰に向けて」「何を伝えたいのか」「なぜそれが重要なのか」。この前処理が、アウトプットの個性を決めます。
誤解：チーム全員がAIを使えば、チーム全体の生産性が上がる 生産性は上がります。ただし、全員が同じ使い方をすると「考えの多様性」が消えます。チームでAIを使うときは、あえてメンバーごとにプロンプトの切り口を変える。Aさんは顧客視点、Bさんは技術視点、Cさんは財務視点。異なるコンテクストを入れることで、AIを使っても多角的なアウトプットが生まれます。
誤解：AIの出力をそのまま使えば効率的 効率はいい。ただし、「その人らしさ」がゼロになります。AIの出力を下書きとして受け取り、自分の経験や具体例を3割ほど書き足す。この「3割の手作業」が、均質化から抜け出すための最小コストです。
おわりに
AIは個人を賢くする。ただし、全員を同じ方向に賢くする。
多様性は「平均から外れること」で生まれます。だからこそ、AIを使う時代には、自分だけの偏り──専門性、経験、視点──を意識的に持ち込むことが、これまで以上に大事になります。
この記事で参考にした本
『生成AIと脳』池谷裕二 AIが個人の創造性を高める一方で集団の多様性を減少させるという、AI活用の構造的な問題を脳科学者の視点から指摘している一冊。
『世界一流エンジニアの思考法』牛尾剛 AI時代に個人の「専門性」こそが代替不可能な価値になるという主張。AIに依存しない強みの作り方を、実体験をもとに解説している。
『生成AIスキルとしての言語学』佐野大樹 AIとの対話における「コンテクスト設定」の重要性を言語学の視点から体系化。プロンプトの質が出力を根本的に変えることを実例で示している。
合わせて読みたい
なぜAI時代に「不完全さ」が武器になるのか AIが完璧な回答を出す時代だからこそ、人間の「不完全さ」に価値が生まれる。本記事と合わせて読むと、均質化に対抗する人間固有の強みがより深く理解できます。
なぜ良いアイデアが生まれないのか──「人間中心」と「前提を疑う」が突破口を開く AIに頼る前に「良い問い」を立てることの重要性を扱った記事。AIの均質化問題の根本にある「問いの質」について考えるきっかけになります。
AIで仕事が速くなった。余裕は増えなかった。 AI活用の「光と影」を正面から扱った記事。効率化の裏で何が失われるのかを考える視点は、本記事の「多様性の喪失」というテーマと地続きです。