生成AIは知識創造をどう変えるのか―SECIモデルからSSGモデルへ、思考の進化と知の具現化がもたらす時間の質的転換

はじめに――８時間は変わらなくても、その中身は変わる

以前、私は一本のブログを仕上げるのに、およそ８時間を使っていた。題材を探し、資料を読み、構成を考え、文章を書き、図表を整える。調査が進むほど疑問が増え、構成を練り直すこともあった。生成AIを使うようになっても、総時間が大幅に減ったとは限らない。短時間で草稿ができれば、それを完成として終えるのではなく、別の仮説を試し、追加の文献を調べ、図にして構造を確かめたくなる。節約できた時間を、次の探究に使っているのである。これは現在のところ、私自身の経験に基づく観察であり、計測によって因果関係を確かめた結果ではない。それでも、「生成AIの価値は作業時間の短縮だけで測れるのか」という問いを立てる出発点になる。同じ８時間でも、情報を集めて形を整える時間と、問いを深めて根拠を確かめる時間では、その意味が異なる。生成AIの影響を考えるには、時間の量に加えて、時間の使い方と、そこから生まれる理解の変化を見る必要がある。

本稿の結論と中心仮説

生成AIが変えつつあるのは、文章を書く速さだけではない。問いを考え、調べ、文章や図にし、それを見て考え直すという、知識創造の進め方そのものである。

本稿では、この働きを「思考の進化」と「知の具現化」の循環として捉え、これを「SSGモデル（思考の進化と知の具現化によるAI共創型知識創造モデル）」と呼ぶ。

既存研究は、その一部を支える一方、AIへの依存や発想の類似化という限界も示している。したがって、この循環は知識の深化を自動的に保証するものではなく、根拠の検証と人間自身の理解を伴うときに、有効に働く可能性のあるモデルである。研究の中心には、次の仮説を置く。

生成AIによる知識創造の革命とは、単に思考や作業を高速化することではない。思考の進化と知の具現化を循環させることで、人間の知的活動を時間的制約から部分的に解放し、知識創造の可能性そのものを広げることである。

ここでいう「革命」は、検証すべき変化の大きさを表す問題提起であり、実証済みの結論ではない。また「時間的制約からの部分的な解放」とは、時間が不要になることではない。作業の一部を委ねたり、複数の作業を重ねたりすることで、限られた時間に取り組める問いや表現の範囲が広がることを意味する。

第１章　知識創造とは何か――SECIモデルを出発点に

1.1 情報を増やすことと、知識を創ること

資料が増えただけでは、理解が深まったとはいえない。異なる情報の関係が見え、説明できなかった現象を説明できるようになり、判断や実践が変わるとき、知識が形成されたと考えられる。本稿では、少なくとも三つを区別する。「文章や図が生成されたこと」「本人に新しい理解が生まれたこと」「社会的にも新規性と妥当性のある知見が生まれたこと」である。第一の達成だけで、第二や第三が成立したと判断してはならない。

1.2 暗黙知と形式知の相互作用

野中郁次郎は、組織的知識創造を、暗黙知と形式知の継続的な相互作用として理論化した［1］。暗黙知には経験に根ざす勘や技能、言葉にしきれない理解が含まれ、形式知には言語・数式・図表などで表現され、伝達可能な知識が含まれる。SECIモデルは、その相互作用を四つの過程で捉える。共同化は経験をともにすること、表出化は経験や気づきを言葉や概念にすること、連結化は明示された知識を組み合わせること、内面化は実践を通じて理解や技能として身につけることである［1, 2］。

図１　SECIモデルの基本構造暗黙知と形式知の変換を、個人・集団・組織へ広げるS｜共同化暗黙知 → 暗黙知経験の共有・観察・実践E｜表出化暗黙知 → 形式知言語化・概念化・比喩C｜連結化形式知 → 形式知整理・比較・体系化I｜内面化形式知 → 暗黙知実践による理解・技能の獲得Nonaka（1994）、Nonakaほか（2000）をもとに筆者作成。四段階の固定手順ではない。

出典：Nonaka［1］、Nonakaほか［2］をもとに筆者作成。矢印は基本的な循環を示す模式表現。実際には複数の過程が重なり、個人・集団・組織へと展開する。

このモデルを、四段階を一度だけ順に通る作業手順として読むべきではない。経験から表現が生まれ、その表現が実践に戻り、新たな経験が生まれる。その反復と、組織的な広がりが重要である。また、暗黙知のすべてが、文章へ完全に変換できるという意味でもない。

1.3 人間とAIの対話は、そのまま「共同化」なのか

AIは、人間が入力した経験の記述を整理できる。しかし、人間と同じ身体を持ち、現場で同じ経験を生きるわけではない。したがって、AIとの会話を、そのまま人間同士の経験共有と同一視することには慎重であるべきだ。本稿はSECIモデルを否定するのではなく、その考え方を出発点として、生成AIが知識変換をどう支援するかを検討する。とくに、対話による表現の支援と、文章・図表の再構成に注目する。

表１　SECIの各過程における生成AIの支援――本稿の解釈

第２章　SSGモデルの提案――思考の進化と知の具現化

2.1 思考の進化とは、問いが変わること

本稿でいう「思考の進化」は、生物学的進化でも、必ず良くなるという意味でもない。対話や検証を通じて、問い・仮説・理解が更新されることを指す。たとえば、「AIでブログを速く書けるか」という問いが、「時間が変わらなくても、探究の深さは変わるか」へ変化する。これは回答が増えたというより、何を研究すべきかという枠組みが変わった状態である。AIは別の視点や反例を提案できる。しかし、その提案が有効かどうかは、人間が目的や根拠に照らして判断しなければならない。

2.2 知の具現化とは、考えを検討できる形にすること

知の具現化とは、頭の中の考えを、文章、比較表、概念図、計算モデル、試作品などとして外に出すことである。図にしてみると、二つの概念の間に説明されていない飛躍が見つかる。比較表をつくると、一つの主張だけに根拠がないとわかる。草稿にすると、同じことを違う言葉で繰り返していると気づく。具現化は完成品をつくる最終工程であると同時に、次の思考を始める契機でもある。ただし、本稿の「具現化」は広い実務的な呼び方であり、SECIの表出化と一対一では対応しない。既存資料の図表化は連結化にも関わる。

2.3 SSGモデル――二つの機能による知識創造の循環

二つの機能は、一方向につながるのではなく、互いを更新する。考えを形にし、形になったものから不足を見つけ、問いを練り直す。この循環を、本稿では「SSGモデル」と呼ぶ。SSGとは、思考（Shikō）、進化（Shinka）、具現化（Gugenka）の日本語の頭文字を組み合わせた名称である。本モデルは「思考の進化」と「知の具現化」という二つの基本機能から構成される。SSGの3文字は、三つの独立した段階を意味するものではない。

人間が問いを立て、生成AIとの対話を通じて思考を更新し、その成果を文章・図表・モデルなどに具現化する。さらに、具現化された成果を検証することで新たな疑問や発見が生まれ、次の思考の進化につながる。SSGモデルは、SECIモデルを理論的出発点としながら、人間と生成AIの協働による知識創造の循環を説明するために、本稿で提案する概念モデルである。

図２　AI共創型知識創造の二機能循環モデル筆者提案の概念モデル｜循環の外から根拠と批判を取り入れる人間の目的・経験・価値判断何を問うか、何を採用するかを判断する思考の進化問い・仮説・理解の更新AI：質問・別案・反例を提示知の具現化文章・図表・モデル・試作品AI：表現・比較・再構成を支援根拠の検証・現実からのフィードバック一次資料・観察・実践・他者の批判循環回数の増加だけでは、正確性・理解・独自性の向上は保証されない。

出典：筆者提案。確立された理論ではなく、検証対象となる概念モデル。AIの出力だけで循環を閉じず、文献・観察・実践・他者の批判を取り入れる。

このモデルでは、人間が目的・経験・価値判断を持ち込み、AIが質問・候補・表現を提示する。どちらが何をするかは固定せず、課題に応じて分担する。ただし、採用する主張の根拠と公開する内容への責任は、人間が引き受ける。

重要なのは、循環の外に現実との接点を設けることである。人間とAIが互いの説明を補強し続けるだけでは、誤った前提が整った文章になって増幅されるおそれがある。知識創造の循環には、「考える」「形にする」に加えて、その往復を支える検証が必要になる。

第３章　既存理論と比べて、何が新しいのか

人間が外部の道具を使って考えるという発想は、生成AI以前から存在する。ClarkとChalmersの「拡張された心」は、認知を頭の中だけに閉じず、環境との結びつきから捉える哲学的議論である［3］。また、認知的オフローディングの研究は、記録や道具によって認知的負担を外部へ移す行為を検討してきた［4］。これらを踏まえると、「外に出して考え直すこと」そのものを、新発見と主張することはできない。

生成AIに関する本稿の着眼点は、外部の表現が、人間からの依頼に応じて別案や質問を返すことにある。ノートに書いた図を自分で読み直す場合に比べ、図の別構成、反論、比較対象を短時間で提示してもらえる。その結果、思考と表現を往復する頻度や範囲が変わる可能性がある。

ただし、その可能性を新理論と呼ぶには、従来の説明では予測できない現象を示す必要がある。現段階では、SECIや認知研究と整合する、実践のための概念枠組みと位置づけるのが妥当だろう。

表２　関連理論とSSGモデル（本稿提案）の関係

第４章　時間の質的転換――同じ８時間の中で何が変わるのか

4.1 細分化――短い時間でも、探究を前へ進める

資料を広げて長時間机に向かわなくても、短い時間に一つの問いを記録し、一つの反論を検討し、構成を直すことはできる。生成AIとの対話は、その入口をつくり得る。ただし、細切れの作業が常に有利とは限らない。考え直すたびに文脈を取り戻す負担が生じる。短い時間に適した問いの記録と、まとまった時間が必要な精読や論理検証を使い分けることが重要だ。

4.2 並列化――異なる主体の作業を重ねる

人間が記事の目的を練っている間に、AIが指定された資料を整理する。人間が一つの論点を検討している間に、別の表現案が用意される。こうした重なりが、工程間の待ち時間を変える可能性がある。ここでいう並列化は、一人の人間が注意を分散させて複数の難題を同時処理することとは区別する。また、利用するサービスや実行環境が、非同期処理や並行作業に対応していることが前提となる。

4.3 時間配分の再編――整形から判断へ

要約、表の作成、文章の整形に使っていた時間の一部を、仮説の比較や出典の確認へ移せるかもしれない。その一方、AIが出す誤情報を調べ直す時間が増える可能性もある。したがって、生成時間だけを測ると変化を見誤る。依頼、待機、確認、修正、公開準備まで含めて測る必要がある。

4.4 知的創造の深化――余った時間を、次の問いへ

短縮された工程の時間を、追加の検証や別案の比較に使えば、総時間が同じでも探究の内容は変わり得る。ただし、反復回数の増加は、それだけでは質の向上を意味しない。根拠のある修正が生まれたか、本人の説明能力が高まったかを確かめたい。

図３　時間の質的転換を捉える四つの観点総時間はどちらも約８時間という想定｜時間配分や改善率の実測値は示さない従来の制作調査・構想・執筆・編集を進める実際には往復も生じるAI共創型の制作問いと成果物を往復する生成・確認・修正・検証を含む① 細分化短い時間に問いを残し、検討する注意点：文脈を戻す負担② 並列化人間とAIの異なる作業を重ねる条件：実行環境と工程の分担③ 時間配分の再編整形などから比較・判断・検証へ注意点：確認や修正の負担も増える④ 知的創造の深化別案・反例・修正に時間を使う条件：本人の理解と成果物の評価評価するのは「速さ」だけでなく、時間の使い方と理解の変化。筆者作成。四つの変化は研究上の整理であり、必ず同時に起きると実証された分類ではない。

出典：筆者作成。総時間がどちらも約８時間である状況を想定した概念図。配分比率や改善効果の実測値は示していない。四つの変化は、必ず同時に起こるわけではない。

時間の再編において、休息や考えを寝かせる時間まで無駄とみなす必要はない。問題から一度離れる「孵化」の効果を扱ったメタ分析は、一定の効果とともに、課題や条件による違いを示している［5］。思考の深化を、絶え間ないAIとの対話だけに限定すべきではない。

第５章　実証研究は、何を支持し、何を支持していないのか

5.1 文章作成の効率向上は実験で示されている

NoyとZhangは、453人の大学教育を受けた専門職を対象に、職種に関連する文章作成課題で実験を行った。ChatGPTを利用できる条件では、平均所要時間が40％短縮し、成果物の品質評価が18％上昇した［6］。この研究は、特定の文章課題で効率と品質が向上し得ることを示す。一方、自由なテーマを長時間調べ、資料の妥当性を検証して公開するブログ制作全体や、本人の長期的な理解の深化を直接確かめた研究ではない。

5.2 個人の創造性向上と、集団の多様性低下が両立する

DoshiとHauserの短編創作実験では、AIのアイデアを利用できる条件で作品の創造性などの評価が高まった一方、作品同士の類似性も高まった［7］。これは、個々の成果物が良くなることと、全体として多様な発想が生まれることが別であると示す。ブログでも、整った説明を得たからといって、独自性まで確保できたと考えるべきではない。

5.3 批判的思考の「減少」と「役割の変化」を区別する

Leeらは、319人の知識労働者から、生成AIを使った936件の経験例を集めた。AIへの信頼が高いほど批判的思考の実施が少ないという関連と、情報の検証や回答の統合などへ思考の役割が移るという報告が得られている［8］。ただし、これは自己報告を用いた調査である。生成AIを使うことで、思考能力が長期的に低下すると因果的に証明したものではない。本稿の時間配分の再編と接点はあるが、それを全面的に実証したとまではいえない。

5.4 人間とAIを組み合わせれば、必ず最良になるわけではない

Vaccaroらは、106件の実験研究を統合した。人間とAIの組合せは、平均では人間単独を上回る一方、人間単独とAI単独のうち優れた方を必ずしも上回らなかった。課題の種類による違いもみられた［9］。対象は生成AIに限らず、2023年６月までの研究である。それでも、「共創だから必ず優れている」という主張に対する重要な留保となる。

表３　関連研究と、本稿の仮説への意味

第６章　ブログ作成にSSGモデルを当てはめる

ブログ作成を例にすると、循環の働きは具体的に見えてくる。出発点は、「何かが変わった」という感覚でよい。しかし、その感覚を記事の結論として固定せず、検討できる問いへ変えていく。たとえば「AIで時間が節約された」という印象から始め、実際には総時間が変わっていないことに気づく。そこで「何の時間が減り、何の時間が増えたのか」と問い直す。比較表にすると、資料の整形と出典の検証を混同していたことがわかる。図にすると、生成から公開までの間に、評価と修正の工程が必要だと見える。このとき、AIの価値は最終文章の代筆だけにあるのではない。人間が自分の考えを検討できる状態へ持っていくことにもある。

表４　ブログ作成におけるSSGモデルの循環――説明用の例

この表は説明用の想定例であり、作業ログを分析した実証結果ではない。将来は実際の草稿や対話記録の差分から、問いがどのように変わったかを追跡したい。

第７章　批判的検証――循環がうまく働かない条件

7.1 文章の完成度を、理解の深さと取り違える

整った文章を読めば、理解できたように感じやすい。しかし、自分の言葉で説明できるか、反論に答えられるか、別の事例に適用できるかは別問題である。完成稿の評価だけでなく、本人の理解を確かめる必要がある。

7.2 循環が、誤りの自己強化になる

最初の仮説が誤っていても、それを前提に文章と図を繰り返し改良すれば、見た目の説得力は増してしまう。反例、一次資料、現場の観察など、循環の外からの情報を加えなければならない。

7.3 AIの提案が、問いの方向まで決めてしまう

AIの提案に沿ってばかり修正すると、本人が最初に感じた違和感や、独自の経験が薄れる可能性がある。AIに問う前の自分の仮説を残し、なぜ変更したかを記録することが役立つ。

7.4 作業量が増えただけで、質が変わらない

草稿や図を大量につくっても、重要な誤りが残るなら深化とはいえない。修正回数だけでなく、「何の根拠で、どの判断が変わったか」を見るべきだ。

7.5 個人の循環だけでは、組織的知識創造を説明しきれない

SECIは組織的知識創造の理論である。SSGモデルは、個人が生成AIと成果物を介して思考を進化させ、知を具現化する循環に焦点を絞っている。チームでの合意形成、知識の継承、実践への定着まで説明できなければ、SECIの全面的な代替にはならない。

第８章　仮説をどう確かめるか

本稿の仮説を検証するには、感想だけでなく、時間、成果物、本人の理解を分けて記録する必要がある。

まず、総時間を、実際に作業した時間と、開始から完成までの経過時間に分ける。AIへの依頼、出力の確認、出典調査、修正の時間も含める。人間とAIが同時に動いた時間を、経過時間の短縮と混同してはならない。

次に、同じ時間を使う条件と、同じ品質を目指す条件を分ける。前者では成果物の質や理解が変わるかを、後者では必要時間が変わるかを検討できる。

表５　仮説を検証するための指標

個人で始めるなら、複数の記事について作業記録を残すことが現実的だろう。ただし、記事の難易度や本人の習熟度が違えば、その影響も混ざる。より厳密には、課題の難易度をそろえ、実施順序を入れ替え、AI利用方法を定めた比較が必要になる。とくに、「AIを使った場合」と「使わない場合」の比較だけでは、SSGモデルで想定する循環そのものの効果を独立して検証することはできない。AIを使いながら初稿を受け取るだけの場合と、批判・修正・検証を繰り返す場合を比較することが、SSGモデルの検証には重要である。

おわりに―広がった可能性を、何に使うのか

本稿で提案したSSGモデルは、「思考の進化」と「知の具現化」の循環によって、人間と生成AIの共創による知識創造を捉えるための概念枠組みである。既存理論と接点を持ち、生成AI研究から部分的な支持を得る一方、独立した新理論として確立されたものではない。現時点で言えるのは、生成AIが、考えを表現し、別案と比較し、修正するための負担を下げ得るということである。それが理解の深化につながるかどうかは、人間が何を問い、何を根拠とし、どこで現実に照らすかに左右される。

ブログ作成の８時間が変わらなくても、その中で試せる仮説、検討できる視点、表現できる構造が変わるなら、そこには時間短縮とは異なる価値がある。ただし、探究が広がったことと、正しい知識が得られたことは分けて判断しなければならない。生成AIによって生まれた余地を、より多くの文章をつくるために使うのか。よりよい問いを立て、根拠を確かめ、理解を深めるために使うのか。その選択が、AI時代の「智の創造」を方向づけるのだと思う。

参考文献

［1］Nonaka, I.（1994）. A Dynamic Theory of Organizational Knowledge Creation. Organization Science, 5(1), 14–37. https://doi.org/10.1287/orsc.5.1.14

［2］Nonaka, I., Toyama, R., & Konno, N.（2000）. SECI, Ba and Leadership: a Unified Model of Dynamic Knowledge Creation. Long Range Planning, 33(1), 5–34. https://doi.org/10.1016/S0024-6301(99)00115-6

［3］Clark, A., & Chalmers, D.（1998）. The Extended Mind. Analysis, 58(1), 7–19. https://doi.org/10.1093/analys/58.1.7

［4］Risko, E. F., & Gilbert, S. J.（2016）. Cognitive Offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002

［5］Sio, U. N., & Ormerod, T. C.（2009）. Does incubation enhance problem solving? A meta-analytic review. Psychological Bulletin, 135(1), 94–120. https://doi.org/10.1037/a0014212

［6］Noy, S., & Zhang, W.（2023）. Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586

［7］Doshi, A. R., & Hauser, O. P.（2024）. Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290. https://doi.org/10.1126/sciadv.adn5290

［8］Lee, H.-P., et al.（2025）. The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. CHI ’25, Article 1121, 1–22. https://doi.org/10.1145/3706598.3713778

［9］Vaccaro, M., Almaatouq, A., & Malone, T.（2024）. When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8, 2293–2303. https://doi.org/10.1038/s41562-024-02024-1

以上