2分で読める生成AIのいま Vol.54生成AI時代の「理解負債」― AIに任せるほど、自分の"わかる力"が削られていく？
「AIが賢くなれば、人間は楽になる」。本当にそうでしょうか。
実は今、AIに頼るほど"見えない借金"が増えていくという問題提起が、医療の現場からも上がり始めています。
今回は「理解負債」という新しい概念から、AI時代の自己研鑽について考えます。
「AIが進化すれば専門家は要らなくなる？」という問いについても、この理解負債の視点から考察しています。
＝＝＝＝＝＝
● きっかけは学会で聞いた話
医療田：
ねえ機械屋さん。
この間、放射線学会に行ってきたんだけどさ。
機械屋：
おお、JRC2026ですね。今年はパシフィコ横浜でしたっけ。
医療田：
そうそう。ま、毎年パシフィコなんだけどね。
で、合同シンポジウムで面白い話を聞いてきたんだよね。
東大の花岡昇平先生が座長をされていた「LLM、生成系AIが変革する未来を占う」っていうセッションで。
機械屋：
ほうほう。
医療田：
皮膚科、眼科、病理、放射線治療、、いろんな診療科の先生が集まってそれぞれの立場のAIについて語ってくれてたんだけど。
その中で「理解負債」って言葉が印象的だった。
機械屋：
理解負債、、ですか。
医療田：
うん。
AIが私たちの理解の及ばないところで、理解の及ばない行動をする。
そうすると、私たちには知識もなければ経験もない状態で、、
調べればわかるかもしれない、自分たちも本当は知っているのかもしれないけど、
結局AIの"仕事"になってしまっていて、自分たちが責任を持てない。
そういう状態のプロジェクトや仕事が増えていく。
それが「理解負債」なんじゃないか、、って。
機械屋：
。。なるほど。
深い話ですね。
● 「理解負債」ってなに？
医療田：
で、気になって調べてみたんだけどさ。
そもそもこの概念、どこから来てるの？
機械屋：
もともとはソフトウェア開発の世界から出てきた言葉ですね。
2026年3月に、GoogleのエンジニアであるAddy Osmaniさんが「Comprehension Debt（理解負債）」として問題提起しました。
医療田：
コンプリヘンション・デット。
機械屋：
はい。AIがコードを書いてくれる時代になったんですが、、
AIが生成したコードを人間が理解しないまま使い続けると、後からそのコードの修正やトラブル対応ができなくなる。
この「理解できていない部分」が借金のように積み上がっていく状態を指しています。
医療田：
ああ、、わかる気がする。
私たち医療の世界とも無関係じゃなさそうだね。
機械屋：
そうですね、大いにあります。
実は同じ構造の問題が、医療の世界でも研究され始めているんです。
医療田：
え。
機械屋：
たとえば、2026年にSpringer Natureで発表された論文では、「AI-induced Deskilling in Medicine」、つまりAIが引き起こす医療現場でのスキル低下が体系的に分析されています。
さらにNEJM AI誌にも「Cognitive Aids, AI, and Deskilling in Medicine」というテーマの論文が掲載されました。
医療田：
NEJM、、ってことは、かなり本気で問題視されてるんだ。
機械屋：
ですね。
、、ここで思い出してほしいんですが、Vol.23で大腸内視鏡のLancet論文を紹介しましたよね。
医療田：
あ、、あれか。
AIを日常的に使っていた内視鏡医が、AI無しで検査したら腫瘍の検出率が28.4%から22.4%に落ちた、っていう。
機械屋：
そうです。あのとき「de-skilling」、つまりAI依存によるスキル低下として紹介しました。
「車に乗ってばかりいたら足腰が弱くなる」という比喩を使いましたが、、
今回の「理解負債」という概念は、あの問題をより構造的に捉え直したものと言えます。
医療田：
あのときは「スキルが鈍る」って話だったけど、理解負債は「何がわからないかすら、わからなくなる」ってことか。。
機械屋：
はい。de-skillingが「腕の衰え」なら、理解負債は「頭の中の地図が白紙になっていく」感覚に近いかもしれません。
● 技術負債と理解負債はどう違うの？
機械屋：
ここで少し整理しましょう。
もともとソフトウェアの世界には「技術負債」という有名な概念がありました。
医療田：
技術負債。
機械屋：
はい。「本当はちゃんと書き直すべきコードを、時間がないから後回しにする」。
これが借金のように積み上がって、いつか大きな問題になる。
「わかっているけど、やらない」問題ですね。
医療田：
あー、宿題を溜めるみたいな？
機械屋：
まさに。
で、理解負債はその逆なんです。
「何が問題なのかすら、わからない」。
医療田：
、、怖い。
機械屋：
しかも厄介なのは、表面上はうまくいっているように見えることです。
Osmaniさんの言葉を借りると、「コードはきれい、テストも通る、指標も良好。でもチームの理解は空洞化している」。
医療田：
見た目は健康だけど、骨がスカスカになっている骨粗鬆症みたいな、、
機械屋：
。。それ、すごくいい比喩ですね。
まさにそうです。外から見えないから気づけない。
気づいたときには、ポキッと折れる。
医療田：
うっく。
● バランスシートで考える
医療田：
でもさ、機械屋さん。
AIに任せること自体が悪いわけじゃないでしょ？
機械屋：
もちろんそうです。
AIに任せることで効率が上がるのは間違いないですし、そもそも人間だけでは処理しきれない量のデータや作業がある。
医療田：
だよね。
じゃあ問題は何なのかって言うと、、
機械屋：
「任せっぱなし」にすること、ですね。
医療田：
、、あ。
ねえ、これってバランスシートで考えられない？
機械屋：
お。いいですね。どういうことですか？
医療田：
えっと、、
病院とか企業の資産って、自己資本と、負債、つまり借り入れに分けられるじゃない？
AIに任せる仕事が増えると、「自分が理解していない領域」が増える。これが「負債」。
一方で、自分自身が経験したり学んだりすることで「理解できている領域」が増える。これが「自己資本」。
機械屋：
なるほど。。
医療田：
で、AIをどんどん使うこと自体はいいんだけど、
自分の学びを止めちゃうと、負債だけが膨らんで自己資本が増えない。
成果物とか実績とか全体の資産は増えるけど、でもそれって負債を抱え続けてるわけで、、
債務超過、になっちゃう。
機械屋：
。。医療田さん、今の整理、とても鋭いです。
「AIを使うな」ではなく「負債を返す手段を持て」ということですよね。
医療田：
うん。
だからAIを使いながらも、自分でもやってみる。
AIがやっていることを理解しようとする。
そうやって「自己資本」を増やし続けないと、バランスシートが崩れる。
機械屋：
まさにそれが、花岡先生のセッションで問題提起されていたことの本質なのかもしれませんね。
● 「専門家不要論」の対極にある話
医療田：
でさ、機械屋さん。
ここで思うんだけど。
機械屋：
はい。
医療田：
よく「AIが賢くなれば専門家は要らなくなる」って言う人いるじゃない。
機械屋：
いますね。
医療田：
理解負債の話って、それと真逆だよね。
機械屋：
。。その通りです。
医療田：
だって、AIに任せるほど理解負債が増えるなら、、
その負債を「返せる人」、つまり中身をわかっている専門家がむしろ必要になるわけでしょ？
機械屋：
はい。
実際、Cognitive Worldの記事でも指摘されているんですが、、
AIに仕事を委ねるほど、人間の「認知的な筋力」が衰える。
すると、AIの出力を適切に評価する力まで落ちてしまう。
専門家が要らなくなるどころか、AI時代にこそ「中身がわかる人」の価値が上がるんです。
ちなみに、このブログの作者はChatGPTではじめの頃から、おおむね一貫してこの見解、ですね。
医療田：
そうだよね。。
AIが出した答えを「合ってるかどうか判断できる人」がいなくなったら、、
誰も間違いに気づけなくなる。
機械屋：
まさに。
さきほどの内視鏡の研究がそれを如実に示しています。
AI補助がなくなった途端に検出率が下がった。
つまり、AI時代の専門家に求められるのは「AIがなくてもできる力」を維持しつつ、「AIと協働してさらに高い成果を出す力」を身につけること。
両方が必要なんです。
● AI時代だからこそ、自己研鑽
医療田：
、、つまりさ。
AI以前の時代よりも、むしろ勉強しなきゃいけないってこと？
機械屋：
率直に言って、そうだと思います。
医療田：
うっく。
機械屋：
ただ、勉強の「やり方」は変わりますよ。
医療田：
どういうこと？
機械屋：
たとえば、AIに任せた結果を「ただ受け取る」のではなく、「なぜこの結果になったのか」をAI自身に聞いてみる。
AIを「先生」として使うんです。
医療田：
あ、、それは面白いかも。
AIに「教えて」って聞くのは、任せっぱなしとは違うもんね。
機械屋：
ですね。
ソフトウェア開発の研究でも面白いデータがありまして、、
AIに「コード書いて」と丸投げした人は、理解度テストで40%以下のスコアだった。
一方、AIに「この仕組みを教えて」「なぜこうなるの？」と質問しながら進めた人は、65%以上のスコアだったそうです。
医療田：
へー。。同じAIを使っていても、使い方で全然違うんだ。
機械屋：
はい。「委任」ではなく「対話」。
AIをブラックボックスにしないこと。
これが理解負債を返すカギですね。
医療田：
、、なんかさ。
結局、「なぜ？」って聞く力が大事ってことだよね。
それって昔から言われてる、ただの好奇心じゃん。
機械屋：
ははは。。
でも、その「ただの好奇心」が、AI時代の最強の武器になるかもしれませんよ。
● 今回の教訓
機械屋：
では、今回のポイントを整理しましょう：
・「理解負債（Comprehension Debt）」とは、AIに任せることで人間の理解が追いつかなくなり、「何が問題かすらわからない」状態が積み上がっていくこと。
・技術負債は「わかっているけど後回し」、理解負債は「わかっていないことにすら気づけない」。見えないぶん、より危険。
・医療分野でも実証されている。AI補助に慣れた内視鏡医がAI無しで検査したところ、腫瘍検出率が約6ポイント低下した研究がある。
・バランスシートで考える。AIに任せる（負債増）と同時に、自分の学び（自己資本増）を続けなければ「債務超過」になる。
・「AIで専門家不要」は理解負債の議論と対極にある。AI時代にこそ、中身がわかる専門家の価値は上がる。
・理解負債を返すカギは「委任」ではなく「対話」。AIに「なぜ？」と聞く好奇心が最強の武器になる。
医療田：
、、学会って、やっぱり行くもんだね。
現地で聞くからこそ、こうやって引っかかる言葉に出会える。
機械屋：
それもまた、「自分の足で経験する」という自己資本の形成ですよ。
医療田：
なるほどー。。
じゃあ来年の学会も、ちゃんと行こう。
、、経費で落ちるかな。
機械屋：
。。それは経理に聞いてください＾＾；
＝＝＝＝＝＝
● よくある質問（FAQ）
Q. 理解負債（Comprehension Debt）とは何ですか？
A. AIに作業を任せることで、人間がその中身を理解しないまま進んでしまい、「何が問題かすらわからない」状態が積み上がっていく現象です。2026年にGoogleのエンジニアAddy Osmaniが提唱しました。もともとはAIコーディングの文脈ですが、医療など幅広い専門分野にも当てはまる概念です。
Q. 技術負債と理解負債はどう違いますか？
A. 技術負債は「問題があるとわかっていて後回しにしている」状態。理解負債は「問題があることすら認識できていない」状態です。理解負債は表面上うまくいっているように見えるため、発見が遅れやすい点がより危険です。
Q. AI時代に専門家は不要になりますか？
A. むしろ逆です。AIに任せるほど「理解負債」が増えるため、AIの出力を正しく評価できる専門家の価値はこれまで以上に高まります。AI時代の専門家には「AIがなくてもできる力の維持」と「AIとの協働力」の両方が求められます。
Q. 理解負債を増やさないためにはどうすればいいですか？
A. AIに「丸投げ」するのではなく、AIに「なぜこの結果になったのか」を質問する「対話型」の使い方が効果的です。研究では、AIに丸投げした人は理解度40%以下、対話しながら使った人は65%以上というデータがあります。
Q. 医療分野での理解負債の実例はありますか？
A. Lancet誌に掲載された多施設ランダム化試験で、AI補助を日常的に使っていた内視鏡医がAI無しで検査したところ、腫瘍検出率が28.4%から22.4%に低下しました。AI依存によるスキル低下（Deskilling）の実証例です。
＝＝＝＝＝＝
※記載の内容は2026年4月時点の情報に基づきます。
●参考
Addy Osmani - Comprehension Debt: the hidden cost of AI generated code (2026)
https://addyosmani.com/blog/comprehension-debt/
O'Reilly Radar - Comprehension Debt: The Hidden Cost of AI-Generated Code
https://www.oreilly.com/radar/comprehension-debt-the-hidden-cost-of-ai-generated-code/
Springer Nature - AI-induced Deskilling in Medicine: A Mixed-Method Review
https://link.springer.com/article/10.1007/s10462-025-11352-1
Frontiers in Medicine - Deskilling dilemma: brain over automation
https://www.frontiersin.org/journals/medicine/articles/10.3389/fmed.2026.1765692/full
NEJM AI - Cognitive Aids, Artificial Intelligence, and Deskilling in Medicine
https://ai.nejm.org/doi/full/10.1056/AIp2500932
Cognitive World - Skill Atrophy: Frictionless AI and Cognitive Debt
https://cognitiveworld.com/articles/2026/3/19/skill-atrophy-frictionless-ai-and-cognitive-debt
第85回日本医学放射線学会総会（JRC2026）合同シンポジウム1
https://site2.convention.co.jp/jrs85/
●関連記事
2分で読める生成AIのいま Vol.23 -「AIによって人間のスキルが下がるのであれば、AIは人間にとって良くないのか？」
2分で読める生成AIのいま Vol.34 - AIX: AI transformationという概念
2分で読める生成AIのいま Vol.46 - 月1,500円で「自分専用AIエージェント」を持てる時代が来た
2分で読める生成AIのいま Vol.53 -「Claude Code」って結局なに？中身は3つ。その全体像を俯瞰する
●2分で読める「生成AIのいま」シリーズ。バックナンバーはブログからどうぞ！
