競争から共創へ――AI時代における人間・思想・技術の共進化

はじめに

AIと人間との関係を考えてみた。AIが人間の仕事を奪うとか、なくなる職業ランキングとかを目にすることがある。しかし、AIと人間は競争するのではなく、共創すべきなのではないか？AIは人間の良き相談相手になる。様々なアドバイスをしてくれる。しかし、最後に決断するのは人間だ。人間とAIとの関係は、競争だけで捉えるのではなく、共創の可能性に目を向けるべきだと思う。仕事をするから元気なのか、元気だから仕事をするのか。ゴルフをするから健康なのか、健康だからゴルフをするのか。思想と技術にも、こうした相互作用があるのではないか。思想が技術の誕生・採用・発展を方向づけ、発展した技術が人間の思想を変える。この循環を、機械進化論を手がかりに考えてみたい。「思想・技術共進化モデル」は筆者の整理仮説であり、検証済みの一般理論ではない。共進化は相互に変化することを意味し、道徳的・知的な改善を保証しない。

筆者の「機械進化論」は要求と制約解消の循環を、「SSGモデル(Shiko Shinka Gugenka)」は思考の進化と知の具現化の循環を扱ってきた。本稿は、その間に社会による採用と評価を置き、個人の思考から社会的な技術選択までを接続する試みである[1][2]。ただし、表題の「競争から共創へ」は、競争が消滅するという歴史予測ではない。競争だけに着目する視点から、知識を共有し、ともにつくる働きも含めた視点へ移るという問題提起である。証拠が示す範囲と筆者の提案を区別しながら、その可能性と条件を検討する。

第1章　競争が技術を進化させてきた歴史

1.1　生存、農業、産業――技術の動機は一つではない

競争は技術発展の重要な動機である。しかし、生物の生存競争、国家の軍事競争、企業の市場競争は異なる仕組みである。これらを同じ原理として扱うと、技術史を単純化することになる。また、集団内部の協力が、集団間の競争力を高めることもある。競争と協力は、異なる階層で同時に成立しうる。

農業革命も、食料をめぐる競争だけで説明すべきではない。環境変化、栽培・家畜化の蓄積、定住、人口動態、集団内の調整を分けて考える必要がある。本稿では農業起源を独立に検証していないため、その単一原因を断定しない。ここで重視するのは、技術の成立には目的だけでなく、実行可能性と継続的な共同作業が必要だという分析視点である。

産業革命についても、企業家の競争心だけでは説明できない。アレンは、イギリスの高賃金と比較的安価なエネルギーなどが、省力化技術を経済的に魅力あるものにしたと論じる。これは有力な説明の一つであり、産業革命を説明し尽くす合意済みの単一理論ではない[3]。技術をつくりたいという意思と、それを採算に乗せる条件は区別される。

1.2　戦争、冷戦、ネットワーク

軍事的な対抗関係は大規模な資源投入を促すことがある。ただし、戦時に技術が発達したことから、戦争が社会全体に有益であるとはいえない。破壊、機会費用、研究の偏りを含む評価が別に必要である。宇宙開発では米ソの競争が強い推進力となった一方、1975年のアポロ・ソユーズでは共同の接続試験が実現した。同一分野でも、競争と協力の組み合わせは変わる[4]。

インターネットにつながるARPANETは、1969年に四つの拠点を結ぶネットワークとして動き始めた。国家の研究支援、研究機関、実装を担う企業の連携が重要であり、市場での製品競争だけから成立したものではない[5]。その後のWebも、研究者の情報共有という課題に応える技術として生まれ、公開によって利用の可能性を広げた[6]。

1.3　競争は強いほどよいのか

アギオンらは競争とイノベーションの関係について、競争が一定の範囲では革新を促す一方、さらに強まると意欲を弱めうる「逆U字」の関係を理論とデータで検討した[7]。これはあらゆる産業に共通する最適競争水準を確定するものではない。重要なのは、追いつこうとする誘因、革新の利益を回収する見通し、参入や資金調達の条件が作用することである。

小括：競争は技術進化を説明する一因である。公共投資、共同研究、知識共有、経済条件と組み合わせて分析すると、その働きと限界が見える。

第2章　思想が技術を生み、採用させ、育てる

2.1　「思想」を広げすぎない

「思想があるから技術が生まれる」という主張には、思想という言葉の範囲を定める必要がある。あらゆる欲求や行動理由を思想と呼べば、この仮説はほとんど反証できない。本稿では次のように区別する。

この区別によれば、目的をもつ発明でも、その前に明確な思想体系があるとは限らない。発明者自身の動機と、技術を購入する組織の判断基準、利用者が感じる価値も一致するとは限らない。

2.2　偶然の発見は反証になる

ペニシリンの発見は、具体的な成果をあらかじめ設計することの限界を示す。フレミングによる1928年の観察と、その後のフローリー、チェインらの研究を通じた利用可能な薬への展開は、異なる段階である[8]。治療への関心が探索を方向づけていても、発見の具体的内容まで思想が先に決めていたわけではない。

したがって、最初の仮説は次のように修正した方がよい。思想や目的は探索の方向と評価基準を形成するが、技術の誕生は偶然の発見、実験、既存部品の転用、物理的制約にも左右される。発見と発明、実用化と普及を分ければ、思想が作用する場所をより正確に捉えられる。

2.3　採用と育成は社会的な選択である

性能のよい技術が必ず採用されるわけではない。「優れている」とは、速度、費用、安全性、修理の容易さのどれを指すのか。ある基準での優位が、別の基準での不利を打ち消すとは限らない。科学技術社会論は、利用者集団の解釈や制度を含めて技術の形成を捉える視点を提供してきた[9]。

「採用されなかった優れた技術」を調べる場合にも、敗れた原因を価値観の不足だけに求めるべきではない。補完設備、移行費用、保守体制、既存の契約や技能が制約となる。ギールズの社会技術転換論が示すように、装置の変更と、利用方法・制度・市場の再編を一緒に考える必要がある[10]。

小括：三つの仮説は「思想だけが技術を生み、採用させ、育てる」という十分条件としては支持できない。一方、思想が探索・評価・投資継続の方向を変えるという条件付きの主張には、検討する価値がある。

第3章　技術が人間の思想を変える

3.1　文字と印刷――考えを外に置く

文字を使えば、考えをその場の記憶から切り離して保存し、他者が読み直せる。印刷は複製と流通の条件を変える。ただし、文字の成立、識字の普及、読者の判断能力の形成は別の過程である。情報を保存できることから、社会が自動的に合理化されるわけではない。

印刷と宗教の関係も一方向ではない。大英図書館の研究は、1454～1455年の贖宥状が欧州初期印刷の具体的資料であることを示している[11]。印刷は宗教的権威への異議申し立てだけでなく、既存の宗教制度にも利用されたのである。「印刷が宗教改革を起こした」と単独原因化するより、誰が何を印刷し、読者がどう受け取ったかを問うべきである。科学革命への寄与についても、複製手段に加えて、観察・実験・批判の制度を分けて検証する必要がある。

3.2　蒸気、電気通信、インターネット――社会の前提が変わる

蒸気機関を含む産業技術を考える際には、動力の性能だけでなく、生産をどこに集め、誰がどの時間に働くかという組織の問題が伴う。電気通信についても、「遠くの相手と連絡できる」という機能と、「すぐ返答すべきだ」という期待は別である。技術的に可能になったことが、制度や慣行を通じて義務や常識へ転換される。この区別は本稿の分析上の提案である。

Webの公開は、共有を可能にする設計と制度の結びつきを示す。CERNは1993年4月30日、Webソフトウェアをパブリックドメインに置いた[6]。公開という選択は、技術の使われ方を広げる条件となった。しかし、接続が開かれていることと、発信力や知識へのアクセスが平等であることは同じではない。

3.3　AIとの対話は認識を変えるか

人間の認識がAIとの相互作用で変化することには実験的な証拠がある。グリックマンとシャーロットは、合計1,401人が参加した一連の実験を通じ、偏りをもつAIとのやり取りが人間の判断を変え、偏りを増幅する循環を報告した[12]。ただし、実験上の知覚・感情・社会的判断の変化を、そのまま長期の思想体系の変化と同一視できない。

小括：技術は情報環境と行為の選択肢を変え、人間の認識に影響する。しかし、その影響が熟慮や寛容につながるか、偏見や依存につながるかは、技術の存在だけでは決まらない。

第4章　機械進化論から見たAIの誕生

4.1　生物進化との類似と相違

機械の設計案が多様に生まれ、一部が採用され、その構造や製法が次の製品へ引き継がれる過程は、変異・選択・継承という言葉で整理できる。ただし、機械は生物と同じ仕組みで繁殖するわけではない。人間が設計を意図的に変更し、異なる技術の部品や知識を横断的に組み合わせられる。ここでの進化は、仕組みを比較するための分析概念である。

ネルソンとウィンターの進化経済学は、企業の探索や組織的な行動様式を通じて経済変化を捉える[13]。生物学の語彙を借りるだけでなく、何が保持され、誰が選択し、どの単位が変化するかを指定する点が重要である。本稿では保持の対象を設計・技能・データ・組織の手順、選択主体を開発者・利用者・調達者・規制機関などとして考える。

4.2　既存の機械進化論をどう拡張するか

筆者の既存論考は、要求の発生、機械の考案、制約の顕在化、制約の解消、性能・経済性の改善、新しい要求という循環を示している[1]。本稿が追加するのは、要求そのものの形成と再評価である。速さを求める社会が速度向上に投資する一方、その結果として負担や危険が可視化されれば、安全性や持続性へ評価軸が変わる可能性がある。

この拡張によって、「どの制約を解くか」という技術上の問いに、「誰にとって重要な制約なのか」という社会的な問いが加わる。市場で採用されたことは、社会全体で望ましいことの証明にはならない。費用や不利益が購入者以外に及ぶ場合があるからである。

4.3　AIは探索と選択の内部に入る

AIの特徴は、完成品として利用されるだけでなく、次の技術を探す過程にも組み込まれることである。AlphaEvolveの技術報告では、言語モデルによるコード提案と自動評価を組み合わせたアルゴリズム探索が示されている。ただし、参照した2025年の文献はプレプリントであり、開発側の報告として扱う[14]。

ここでは、人間が一案ずつ考える過程の一部を、候補生成と評価の反復に委ねられる。一方、何を得点化するか、どの制約を守るか、現実の目的に適合するかという問題は残る。評価指標を改善することと、人間社会の目的を改善することは同義ではない。

小括：AIは機械進化における探索手段を変えうる。しかし、それを人間から独立した目的形成や、社会的な望ましさの自動的な判断と解釈する根拠はない。

第5章　競争から共創へ

5.1　分業・協働・共創を区別する

本稿では競争を、複数の主体が限られた資源・利用者・評価などを獲得しようとする関係と定義する。分業は作業の分担、協働は共通の課題に向けた活動の調整、共創は相互の提案や応答を通じて問題の捉え方や成果の内容が変化する過程とする。これらは本稿での操作的な区別であり、学術分野を通じた唯一の定義ではない。

共創にAIの意識や人格を想定する必要はない。利用者の問いがAIの出力を方向づけ、その出力を検討した利用者が問いを変更する。この相互作用によって成果が形づくられる、という過程を指す。AIが目的に責任を負う人間と同じ立場にあるという意味ではない。

5.2　共有と収益は両立しうる

オープンイノベーションは、組織の内外にある知識を活用する考え方である。チェスブロウは外部知識の導入や知的財産の活用を論じており、すべてを無償公開するという主張ではない[15]。オープンソースでも、共通基盤を共有し、その上でサービスや実装を競う構成が可能である。

ただし、共有の維持には作業が必要である。誰が保守し、誰が費用を負担し、変更の決定権をもつのか。共創を持続させるには、参加を呼びかけるだけでなく、貢献を評価し、成果へのアクセスと利益配分を定める必要がある。これは共創型社会に向けた筆者の制度設計上の提案である。

5.3　歴史比較から見える組み合わせ

小括：共創はAI時代に初めて生まれた発展原理ではない。AIはその参加方法、速度、規模を変えうるが、「競争の時代が終わり、共創の時代になる」と断定する証拠はない。

第6章　人間とAIの共創は何を生み出すのか

6.1　道具から知的協働者へ――比喩を実証へつなぐ

AIに整形を任せる場合と、問題設定や代替案の検討に使う場合では、利用の構造が異なる。「知的協働者」という表現は後者を説明する比喩として有用であるが、成果を測らなければ価値は判断できない。作業時間、正確性、発想の新しさ、本人の理解を別々に評価する必要がある。

ノイとチャンの文章課題実験は、生成AI支援が作業効率と評価される品質を改善しうることを示した[18]。顧客サポートの現場では、ブリニョルフソンらが5,172人の担当者を分析し、AI支援の導入によって時間当たりの解決件数が平均15％増えたと報告している。ただし、効果には経験・技能による差があった[19]。文章課題や一つの業務での成果を、経営判断や教育全体へ無条件に一般化することはできない。

6.2　科学研究と設計――生成以上に検証が重要である

AlphaFoldは、タンパク質構造予測という明確な課題で大きな性能向上を示した[16]。これは通常の対話型生成AIとは異なるが、人間が蓄積したデータ、専門的な知識、機械学習、独立した評価の組み合わせが成果を生む事例である。予測ができることと、生命現象のすべてが説明できることは同じではない。

設計や技術開発でも、AIに案を出させた後、シミュレーション、計測、試作で確かめる循環が必要になる。経営なら実際の制約と利害、教育なら学習者自身の説明能力、創作なら表現の独自性が重要になる。いずれも「もっともらしい案が出た」という段階と、現実に価値が確かめられた段階を分けるべきである。

6.3　組み合わせれば最良になるとは限らない

ヴァッカロらのメタ分析は、2020年から2023年半ばまでの106の実験研究を対象とした。人間とAIの組み合わせは、平均では人間単独・AI単独のうち優れた方を下回り、効果は課題によって異なっていた[20]。これは2026年のすべてのAIの能力を測った結果ではない。それでも、「人間が入れば必ず改善する」という想定への重要な反証となる。

ドシとハウザーの短編制作実験では、AIのアイデア提示は個々の作品の評価を高める一方、作品同士の類似性を高めた[17]。個人の創造性と集団の多様性は異なる評価対象なのである。

小括：共創の成果は、人間とAIを接続したこと自体では決まらない。課題との適合、役割分担、検証方法、評価対象の選び方が成否を左右する。

第7章　共創にも競争は必要なのか

7.1　多様な案を保つ競争と、知識を残す共有

競争には、既存の方法への異議を生み、別の設計を試す誘因を与える働きがある。一方、各主体が基礎知識まで囲い込めば、同じ失敗を繰り返し、検証が難しくなる。共創には、個別の試行から得た知識を次の試行へ引き継ぐ働きが期待できる。しかし、参加者が同じ前提に依存すれば、集団的な思い込みも保持される。

したがって、競争と共創のどちらかを最大化するという問いは不十分である。どこで共有し、どこで独立性を保ち、どこで外部の評価を受けるかを設計する必要がある。本稿は、基盤と検証方法の共有、複数の解決案の保持、成果の比較評価を組み合わせることを提案する。

7.2　AIの公開性と知識格差

「オープンAI」という言葉は企業名と混同しやすい。本稿では、モデルの重み、コード、学習情報、利用条件などの公開性を指す場合、その項目を具体的に示す。重みを公開すること、自由に改変できること、学習データを検証できることは別である。

公開か非公開かの二択では、誰が実際に利用できるかを捉えきれない。教育、言語、計算資源、データへのアクセスが異なれば、同じ技術が利用可能でも利益は偏りうる。共創への参加権と、成果を利用できる能力を区別する必要がある。

7.3　持続的な発展の条件

必要なのは、独立した評価、異論を表明できる環境、貢献の追跡、保守費用の負担、利用者が別の仕組みへ移れる余地である。これらは本稿の規範的な提案であり、すべての分野で効果が実証された一括の処方箋ではない。分野ごとに費用と効果を確かめながら制度化すべきである。

小括：競争は多様な試行を促し、共創は知識の蓄積を支える可能性がある。両者の利点を生かすには、共有の範囲と独立した判断の機会を具体的に設計する必要がある。

第8章　思想がAIを育て、AIが思想を育てる未来

8.1　思想・技術共進化モデル

思想と技術が相互に変化するという発想自体は、本稿の独創ではない。社会技術転換論や科学技術社会論は、技術・制度・利用者の相互形成を扱ってきた[9][10]。本稿の寄与候補は、思想の変化、技術の採用、AIを介した思考の反復を一つの見取り図で接続し、それぞれを検証可能な問いへ分けることにある。

競争は探索への投資や案の比較に、共創は知識の交換や問題の再定義に作用しうる。ただし、競争も共創も特定の段階に専属するわけではない。また、思想の異なる集団が同じ技術を異なる目的で利用するため、社会全体が一つの循環を共有するとも限らない。

8.2　SSGモデルとの関係と関連理論

SSGモデルは、個人が成果物を介して考え直す過程に焦点を置く[2]。本稿のモデルは、その外側に採用・制度・普及を置く。個人が新しい思想に到達しても、組織の調達や社会制度が変わらなければ技術の利用は変わらない。逆に、本人が明確に望まなくても、職場に導入された技術を使うことで思考や行動が変わる場合がある。個人と社会を接続する媒介を調べる必要がある。

分散認知は、認知を個人の頭の中だけに閉じず、人間と道具、組織を含む系として捉える視点を与える[22]。集合知も、人数や情報量を増やせば自動的に得られるものとは限らない。本稿では、異なる知識を保持し、誤りを訂正できることを、その成立条件として検討する。

8.3　主体性を保ちながら仮説を検証する

「AIが思想を育てる」という言葉は、モデルが利用者との一回の会話で恒久的に学習・更新されることを意味しない。会話内の応答の変化、サービス側の記憶機能、開発者によるモデルの再訓練、社会全体の利用を通じた設計変更は、それぞれ区別すべきである。本稿が直接扱うのは、主に利用者の思考と成果物が相互に変わる過程である。

また、人間の思考が変化することと、良くなることも別である。自分では反論できない文章を受け入れていないか。別の証拠を読んだときに判断を更新できるか。AIなしでも論旨と根拠を説明できるか。主体性は最後に承認する行為だけでなく、目的、評価基準、留保条件を自分で説明できることによって確かめたい。

小括：本モデルを研究へ進めるには、思想の変化を文章の流暢さや満足度で代用しないことが重要である。判断の理由、反証への応答、時間を置いた保持、実際の行動を調べる必要がある。

終章　人間はAIとともに何を目指して進化するのか

本稿の検討から、最初の三つの仮説は修正を必要とする。思想は技術を生む唯一の原因ではないが、探索を方向づける。思想は採用を単独で決めないが、評価基準を形成する。思想だけでは技術を育てられないが、資源配分と改善の方向に影響する。そして技術は、人間が考え、判断し、行動する環境を変える。

この循環は、前進だけでなく誤りの強化も生む。AIとの対話は新しい問いを生み出す一方、既存の偏りを補強する可能性がある。人間の思想が進化するという主張を、文章が増えたことや作業が速くなったことだけで支えることはできない。

それでも、共創には検討する価値がある。自分だけでは思いつかなかった比較を知り、考えを図や文章として外に置き、その不整合を見つけ、問いを修正する。この反復を、実験や他者による批判につなげられれば、人間の理解を広げる可能性がある。

「競争から共創へ」とは、勝敗のある世界から、摩擦のない世界へ移ることではない。独立した試行を保ちながら、知識と検証の基盤を共有することである。技術の目標は、開発者や利用者だけでなく、その影響を受ける人々が議論できるようにしなければならない。

通勤に向かうわずかな時間でのChatGPTとの対話から生まれた問いへの、現時点での答えは条件付きである。AIとの共創によって、人間の思想が変わる可能性はある。しかし、その変化を望ましい方向へ育てるには、証拠に向き合い、異論を残し、目的を問い直す人間の営みが必要である。

研究上の限界と今後の課題

本稿は体系的レビューではなく、問いに関連する技術史・理論・実証研究を選んだ叙述的な検討である。文献の網羅性は保証せず、2026年までのすべての新研究を収集したものでもない。専門書の一部は出版社の紹介・書誌情報を通じて論旨を確認しており、全章を精読したとは主張しない。確認できないページ番号や直接引用は付していない。

歴史事例には、成功した技術を振り返る選択上の偏りがある。「採用されなかった優れた技術」は評価基準と比較対象が曖昧になりやすく、本稿では単一の逸話から一般法則を導いていない。今後は失敗・中断事例を、当時の費用、設備、技能、制度の資料とともに比較する必要がある。

AI研究の多くは特定の課題、利用者、モデル、短い期間の結果である。思想全体の長期的変化、技能の保持、社会制度への波及については証拠が不足する。今後は表5の比較研究に加え、組織の採用過程の追跡、不同意や離脱ができる条件、便益と負担の分布を調べたい。

参考文献

以下は本文の番号に対応する。URLは資料への確認経路であり、書籍の全文公開を意味しない。ウェブ資料の確認日は2026年10月22日。

1. 木崎洋（2026）「機械進化論（案）。時計・からくり人形・ロボット・自動車・飛行機の歴史から探る技術進化の法則」木崎洋技術士事務所。特に第10章。https://kz-pe.com/robot-4/
2. 木崎洋（2026）「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」同上。特に第2章・第7章・第8章。https://kz-pe.com/ai-17/
3. Allen, R. C.（2009）The British Industrial Revolution in Global Perspective. Cambridge University Press. 出版社による概要を参照。出版社ページ
4. NASA（年記載なし）“Apollo-Soyuz Test Project Overview.” ミッション概要。NASA資料
5. DARPA（年記載なし）“ARPANET.” 技術史資料。https://www.darpa.mil/news/features/arpanet
6. CERN（年記載なし）“The birth of the Web”; “Licensing the Web.” 技術成立と1993年の公開に関する機関資料。成立史／公開に関する資料
7. Aghion, P., Bloom, N., Blundell, R., Griffith, R., & Howitt, P.（2005）“Competition and Innovation: An Inverted-U Relationship.” The Quarterly Journal of Economics, 120(2), 701–728. Oxford University Press. https://doi.org/10.1093/qje/120.2.701
8. Nobel Prize Outreach（年記載なし）“Sir Howard Florey – Biographical.” ペニシリンの発見と実用化研究の経緯。ノーベル賞公式資料
9. Bijker, W. E., Hughes, T. P., & Pinch, T.（編）（1987）The Social Construction of Technological Systems: New Directions in the Sociology and History of Technology. MIT Press. 出版社紹介による研究視点の確認。出版社ページ
10. Geels, F. W.（2002）“Technological transitions as evolutionary reconfiguration processes: a multi-level perspective and a case-study.” Research Policy, 31(8–9), 1257–1274. Elsevier. https://doi.org/10.1016/S0048-7333(02)00062-8
11. Ing, J.（1983）“The Mainz indulgences of 1454/5: a review of recent scholarship.” British Library Journal, 9(1), 14–31. British Library. https://doi.org/10.23636/670
12. Glickman, M., & Sharot, T.（2025；オンライン公開2024）“How human–AI feedback loops alter human perceptual, emotional and social judgements.” Nature Human Behaviour, 9, 345–359. Springer Nature. https://doi.org/10.1038/s41562-024-02077-2
13. Nelson, R. R., & Winter, S. G.（1982）An Evolutionary Theory of Economic Change. Belknap Press of Harvard University Press. 出版社紹介および著者名義の書誌情報を確認。リンク先は1985年版の出版社ページ。出版社ページ／著者名義の書誌情報
14. Novikov, A., et al.（2025）“AlphaEvolve: A coding agent for scientific and algorithmic discovery.” arXiv:2506.13131. プレプリント（本稿参照版）。https://doi.org/10.48550/arXiv.2506.13131
15. Chesbrough, H.（2003）“The Logic of Open Innovation: Managing Intellectual Property.” California Management Review, 45(3), 33–58. University of California. 関連書：Open Innovation: The New Imperative for Creating and Profiting from Technology, Harvard Business School Press, 2003。論文DOI／発行元紹介
16. Jumper, J., et al.（2021）“Highly accurate protein structure prediction with AlphaFold.” Nature, 596, 583–589. Springer Nature. https://doi.org/10.1038/s41586-021-03819-2
17. 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. AAAS. https://doi.org/10.1126/sciadv.adn5290
18. Noy, S., & Zhang, W.（2023）“Experimental evidence on the productivity effects of generative artificial intelligence.” Science, 381, 187–192. AAAS. https://doi.org/10.1126/science.adh2586
19. Brynjolfsson, E., Li, D., & Raymond, L.（2025）“Generative AI at Work.” The Quarterly Journal of Economics, 140(2), 889–942. Oxford University Press. 本文では査読刊行版の平均15％を使用。https://doi.org/10.1093/qje/qjae044
20. 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. Springer Nature. https://doi.org/10.1038/s41562-024-02024-1
21. Schumpeter, J. A.（1934）The Theory of Economic Development. Harvard University Press. 本稿の「新結合」の説明は、Princeton University Press公開章での同書の引用を介した間接確認である。原著全体を精読したものではない。出版社公開章（間接参照）
22. Hutchins, E.（1995）Cognition in the Wild. MIT Press. 出版社紹介による研究対象と視点の確認。出版社ページ