生成 AI が書いた下書きを、一字も直さずに次の工程へ回すことは、仕事では珍しくない。変わらないでいることも、選択なのか?選択である。変える道がある限り、元のままにすることも選んだことになる。そして人は、初めから決まっている設定に流されやすい。しなかったことの害を軽く見る癖もある。

01変える道がある限り、元のままにすることも選択になる

フランスの哲学者サルトルは1945年の講演で、人はいつでも選べるが、選ばないこともまた選択だと述べた。選ばずにいれば責任から逃れられる、という考えを退ける言葉である。

行動経済学は、この言葉と重なる現象を数字で示してきた。1988年、経済学者の Samuelson と Zeckhauser は、人が元のままの案を偏って選ぶことを示した。その後、年金や臓器提供の制度でも、同じ偏りが大きな差として測られている。

生成 AI の下書きを直さずに通すことも、この選択の一つだ。直す道があった以上、通した下書きは、通した人が選んだものになる。だから、変えないと決めるときにも、変えるときと同じように理由を一度確かめる。

02元のままを偏って選ぶ傾向は、1988年に現状維持バイアスと名付けられた

Samuelson と Zeckhauser は1988年の論文で、教科書の問題と現実の決定の違いを指摘した。現実の決定の多くには、「元のまま」という案が入っている。二人は実験で、人がその案を偏って選ぶことを示し、この傾向を現状維持バイアスと名付けた。

この分野には、似た名前の傾向が三つある。本文で扱うのは主に一つ目だが、残りの二つも後の節で出てくる。

①

現状維持バイアス

元のままの案を、ほかの案より偏って選ぶ傾向。

②

既定値の効果

何もしなければそうなる設定が、そのまま結果になりやすいこと。

③

不作為バイアス

したことによる害より、しなかったことによる害を軽く見る傾向。

図 1 元のままが選ばれるまでの順序
多くの人変える道がある案が二つ以上一つは元のまま既定値や前例変えるか決める元のままに偏る1988年に測定多くの人変える道がある案が二つ以上一つは元のまま既定値や前例変えるか決める元のままに偏る1988年に測定
元のままの案があるだけで、人はそれを偏って選ぶ。選ばないつもりでも、選択はすでに起きている。

図の三つ目の箱で、人は変えるかどうかを決める。このとき多くの人は、案の中身から見込まれるより多く元のままに寄る。選ばないつもりでいても、元のままの案を選んだことになる。

この発見は、2021年に追試された。Xiao らの研究班は1988年の場面を作り直し、4つの場面のうち3つで同じ傾向を強く確かめた。残る1つの場面では、強い裏付けは得られなかった。元のままに寄る傾向は、どの場面でも同じ強さで出るわけではない。

03既定値の効き目は、年金の加入率でも臓器提供の同意でも測られた

制度の中では、元のままの案は「既定値」として置かれる。何もしなければそうなる、という設定のことだ。既定値がどれほど効くかを、実際の職場で測った研究がある。

Madrian と Shea は2000年の論文で、米国のある企業の確定拠出年金 401(k) を調べた。自分で申し出て入る方式の下で採用された社員は、勤続3〜15か月の時点で加入率が37%だった。既定で加入し、申し出れば抜けられる方式の下で採用された社員は、86%だった。比べたのは採用の時期が違う二つの集団で、同じ人の前後ではない。

臓器提供でも、同じ向きの差が出た。Johnson と Goldstein は2003年、オンラインの実験の結果を報告した。既定を「提供する」に置くと、同意の割合は、既定を「提供しない」に置いた場合の約2倍になった。測ったのは同意の割合で、実際に提供された数ではない。

見るところ自分で申し出て入る方式既定で入り、申し出て抜ける方式
401(k)の加入率(勤続3〜15か月)37%86%
臓器提供の同意(オンライン実験)低い約2倍
何もしない人の結果入らない入る

二つの研究の結果を並べると、何もしない人の行き先は、既定値を置いた側が決めていることが分かる。年金の制度も臓器提供の制度も、中身は同じだった。主に違ったのは、何もしない人をどちらの側に置くかである。年金の比較は採用の時期が違う集団どうしなので、違いがそれだけだったとは言えない。

生成 AI の下書きを直さずに通す場面にも、元のままという案がある。AI が出した文面が、そのまま最終の形になる道だ。たとえば、生成 AI で下書きした資材を、審査で一字も直さずに通す場合である。ただし、AI の下書きで既定値の効き目を直接測った研究を、私は見つけていない。私に言えるのは、この場面にも「元のまま」という案がある、ということだけだ。

04人は、したことの害より、しなかったことの害を軽く見る

既定値が変わる前と後に採用された社員で、年金の加入率は37%と86%に分かれた。人はなぜ、既定値からこれほど動かないのか。心理学と経済学の研究から、理由が三つ挙がっている。

一つ目は、Ritov と Baron が1990年に示した癖だ。二人は被験者に、架空の子どもに予防接種を受けさせるかを尋ねた。接種そのもので死ぬ危険が、病気で死ぬ危険より小さくても、接種をためらう人が多かった。接種による死は、親が「した」ことの結果になる。病気による死は、親が「しなかった」ことの結果になる。人は、後者の害を軽く見る。

図 2 既定値が人を動かさない三つの力
既定値が置かれるしない害を軽く見るRitov と Baron変える手間を避ける惰性勧めと受け取る既定値が置かれるしない害を軽く見るRitov と Baron変える手間を避ける惰性勧めと受け取る
三つの力は別々の研究で示された。どれが主に効くかは場面ごとに違い、この図では順位を付けない。

二つ目と三つ目の理由は、年金の研究から出てくる。Madrian と Shea は、社員が既定に残る理由として、変える手間を避ける惰性を挙げた。社員が既定値を、会社からの勧めと受け取っている点も挙げた。二人の論文の題が「勧めの力」になっているのは、このためだ。

三つの力は、別々の研究で示された。どの力が強く効くかは場面ごとに違うはずで、私は順位を付けない。三つに共通するのは、どれも人が元のままにとどまる理由になることである。

05生成 AI を信頼する人ほど、出力を確かめる考えが少なかった

人はしなかったことの害を軽く見て、既定値に残りやすい。では、生成 AI の出力を前にした人は、どれだけ中身を確かめているのか。この点を数で調べた調査が一つある。

カーネギーメロン大学と Microsoft Research の Lee らは2025年、知識労働者319人にアンケートで尋ねた。対象は、仕事で生成 AI を使った936の事例である。結果は二つの向きに分かれた。生成 AI への信頼が高い人ほど、批判的に考えることが少なかった。自分の力への自信が高い人ほど、批判的に考えることが多かった。

この調査は、本人の申告にもとづいている。この調査で分かるのは、信頼の高さと考えの少なさが一緒に見られたことまでだ。信頼のせいで確かめが減ったとまでは言えない。確かめるのが面倒な人ほど、AI を信頼しやすいという逆の向きもありうる。

年金や接種の研究では、人は動かないほうへ傾いた。信頼の高い人ほど批判的に考えることが少なかったこの調査の結果も、同じ向きにある。ただし、この調査は文面を直したかどうかを測っていない。信頼する人ほど直さずに通しやすいかは、ここからは推測にとどまる。

06変えない判断にも、変える判断と同じだけ理由が要る

生成 AI を信頼する人ほど、確かめる考えが少なかった。ここまでの研究から、元のままを選ぶ判断と既定値を置く判断について、三つのことが言える。

①

変えないことも選択

前例や AI の下書きを通したことも、自分の判断として説明できるようにする。

②

既定値を置く側が決める

型や前例を用意する人は、それが多くの人の最終形になる前提で作る。

③

信頼が高い人ほど確かめが少ない

AI の下書きを通す前に、変えた場合と比べる手順を一つ置く。

まず、変えないことも、選んだ判断として残る。サルトルは選ばないことも選択だと述べ、Samuelson と Zeckhauser は元のままが偏って選ばれると測った。前例や AI の下書きを通した人は、なぜ通したかを自分の言葉で説明できるようにしておく。

次に、既定値を置く人は、多くの人の結果を先に決めている。401(k) では37%と86%の差が出て、臓器提供では同意が約2倍になった。文書の型や前例を用意する人は、それがそのまま最終の形になる人が多い、と考えて作る。

最後に、生成 AI を信頼する人ほど、確かめる考えが少なかった。319人の調査は関連しか示していないが、向きははっきりしていた。AI の下書きを通す前に、一か所でも変えた場合と比べてみる手順を置く。

図 3 下書きを元のまま通す前の順序
変えないなら元のままの案を見るAIの下書きや前例変えた場合と比べる変えない理由を書く一文でよい選んだと記録する変えないなら元のままの案を見るAIの下書きや前例変えた場合と比べる変えない理由を書く一文でよい選んだと記録する
元のままも案の一つとして比べ、変えないなら理由を残す。この手順の効き目はまだ測られていない。

この手順は、元のままを案の一つとして扱うためのものだ。変えないと決めたら、その理由を一文で書き、自分が選んだと記録に残す。

07理由を書けば既定値の力が弱まるかは、まだ測られていない

変えない理由を書くという手順は、ここまでの研究から私が引き出したものだ。その効き目は、まだ誰も測っていない。

確かめた研究が示したのは、既定値が効くことと、しなかった害を軽く見る癖があることまでだ。理由を書き出すと既定値の力が弱まるかを測った研究を、私は見つけていない。2021年の追試でも、4つの場面のうち1つでは、1988年の結果が強く再現されなかった。元のままに寄る力の強さは、場面によって変わる。

生成 AI の下書きが既定値になる場面は、仕事で生成 AI を使う人が増えれば、それだけ増える。文書を一から書く人より、AI の下書きを見直す人のほうが多い職場も出てくるだろう。そのとき、AI の下書きでどれだけ既定値が効くのかは、まだ誰も測っていない。

それでも私は、測られるまで待たなくてよいと考える。変えない理由を一文書くのに、手間はほとんどかからない。効き目は分からないが、書いた理由は後で読み返せる記録として残る。

  1. 米国企業の401(k)では、自分で申し出る方式の加入率37%に対し、既定で加入する方式では86%だった。何もしない人の結果は、既定値を置いた側が決めている。
  2. Ritov と Baron の実験では、接種による死の危険が病気より小さくても、子への接種をためらう人が多かった。しなかったことの害を軽く見る癖が、元のままを選ばせやすくする。
  3. 知識労働者319人の調査では、生成 AI を信頼する人ほど批判的に考えることが少なかった。AI の下書きを直さずに通すことも、選んだ判断として理由を確かめる対象になる。
結語

変わらないでいることも、選択である。変える道がある限り、元のままにすることも選んだことになる。元のままが選ばれやすい理由として、研究は既定値の効果と、しなかったことの害を軽く見る癖を示してきた。生成 AI の下書きを直さずに通す場面にも元のままの案があり、同じ傾向が働くと考える理由がある。ただし、直接に測った研究はまだない。だから、変えないと決めるときこそ、変えない理由を一度確かめる。

出典·参考文献
  1. Jean-Paul Sartre(Philip Mairet 訳、Marxists Internet Archive 所収). Existentialism Is a Humanism. 1946. https://www.marxists.org/reference/archive/sartre/works/exist/sartre.htm(選ばないこともまた選択だという言明)
  2. William Samuelson, Richard Zeckhauser. Status Quo Bias in Decision Making. Journal of Risk and Uncertainty, 1988-03. https://ideas.repec.org/a/kap/jrisku/v1y1988i1p7-59.html(現実の決定の多くに元のままの案があり、人がそれを偏って選ぶこと)
  3. Qinyu Xiao, Choi Shan Lam, Muhrajan Piara, Gilad Feldman. Revisiting status quo bias: Replication of Samuelson and Zeckhauser (1988). Meta-Psychology, 2021-05-24. https://open.lnu.se/index.php/metapsychology/article/view/2470(4場面のうち3場面で強い裏付けが得られた追試)
  4. Brigitte C. Madrian, Dennis F. Shea. The Power of Suggestion: Inertia in 401(k) Participation and Savings Behavior. NBER Working Paper 7682, 2000-05. https://www.nber.org/papers/w7682(加入率37%と86%、惰性と既定値を勧めと受け取る見方)
  5. Eric J. Johnson, Daniel Goldstein. Do Defaults Save Lives? Science, 2003-11-21. https://www.dangoldstein.com/papers/DefaultsScience.pdf(既定値の置き方で臓器提供の同意が約2倍違ったこと)
  6. Ilana Ritov, Jonathan Baron. Reluctance to vaccinate: Omission bias and ambiguity. Journal of Behavioral Decision Making, 1990. https://cris.huji.ac.il/en/publications/reluctance-to-vaccinate-omission-bias-and-ambiguity/(接種による死を避けて接種をためらう不作為バイアス)
  7. Hao-Ping Lee, Advait Sarkar ほか(Carnegie Mellon University・Microsoft Research). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. CHI 2025, 2025-04. https://advait.org/files/lee_2025_ai_critical_thinking_survey.pdf(知識労働者319人・936事例で、生成 AI への信頼が高いほど批判的に考えることが少なかったこと)