AI任せでほぼ同点の2組、
外すと差がついた理由。
この記事の読者：エンジニア向け（コーディングエージェントに書かせたコードを、あとで自分で直す必要がある人）／情シス・DX担当（社内研修や新人の育成に生成AIを組み込もうとしている人）／個人向け・全社員・非専門（AIに任せた仕事が自分に残っているのか気になっている人。専門知識がなくても、記事末の「AIを外して1問だけ聞き直す」はそのまま真似できます）
要点：AI任せにした仕事が自分に残るのかを、arXivのプレプリント3本で確かめました。アルゼンチンの1,174人の無作為化実験では、AIの助けを多く受けた参加者のうち作業時間の長い組と短い組は課題の点がほぼ同じ（1.878SDと1.972SD）でしたが、AIを外した追加問題では0.732SDと0.065SDに分かれたと報告されています。54人の学生がWebサイトを作った実験では、コーディングエージェントを使った側が自分のコードを理解しておらず、エージェント無しでの拡張に備えられていなかったとされます。韓国語の論文要旨398,296件では、AIが好む語彙が2024年後半から増え、平易な言い回しが傾向の4分の1まで減っていました。3本とも査読前で、当方が読めたのは本文の一部までです。
「AIに任せたぶんは、自分には残らないのではないか」。
生成AIを業務や学習に入れた組織で、当方が繰り返し目にする懸念です。AI任せにした仕事が身につかないのかどうかを、今週は外したあとの状態まで測った論文3本で確かめます。
3本はいずれもarXivのプレプリント、つまり査読前の原稿です。分野は労働経済学・ソフトウェア工学・計量言語学とばらしてあり、共通しているのは「AIを通したあとに、人の側に何が残ったか」を見ようとした点だけです。
先に、今回の選び方が通常と違うことを申し添えます。ロンブンログは平日に更新されるarXivのRSSから新着を選ぶ決まりですが、今回はRSSに届かなかったため、ウェブ検索で表に出た論文の中から選んでいます。そのため投稿時期が7月末から9月までに広がり、1本目と2本目は新着ではありません。経緯は記事末の「取得の記録」に書きました。
1本目：AIの助けで縮んだ学歴の差は、AIを外すと一部戻った
「Does generative AI narrow education-based productivity gaps? Evidence from a randomized experiment」（arXiv:2608.04198、Guillermo Cruces・Diego Fernández Meijide・Sebastian Galiani・Ramiro H. Gálvez・María Lombardi。所属はサン・アンドレス大学、ノッティンガム大学、メリーランド大学とNBER、トルクアト・ディ・テラ大学と本文にあります。本文の日付は2026年5月）。当方は序論・実験設計の前半・第5〜6節・結論・付表の一部を読んでいます。
何をしたか。アルゼンチンの25〜45歳の成人1,174人を、高校卒業までの組と高等教育を半分以上終えた組に分け、それぞれ無作為にAIあり・AIなしへ振り分けた事前登録つきの実験です。課題は「上司から届いたメールに、資料を読んで問題の原因と解決策を書いて返信する」という職場型のもので、平均所要時間は21分。AIはGPT-4.1をもとにした補助ツールで、画面に組み込まれていました。報酬は成績に応じて最大25,000アルゼンチン・ペソ分のスーパーの商品券です。課題を出した直後に、全員がAIなしで追加の設問に答えています。ここがこの実験の要です。
報告された数字。AIなしの組では、高等教育の組が高校卒業までの組を0.548SD（標準偏差）上回っていました。AIありではこの差が0.139SDまで縮み、元の差のおよそ4分の3が埋まったと報告されています。AIを外した追加設問でも、AIありだった側が成績を落とすことはなく、高校卒業までの組は0.171SDの上積みを保ちました。ただし、その組は追加設問で高等教育の組に0.200SD遅れており、差は戻っています。
当方が最も重く見たのは第5節です。AIありの参加者を、AIに助けを求めた量（課題の構成要素のうち何割で助けを求めたか）と作業時間（中央値より長いか短いか）で4組に分けています。助けを多く受けた2組の課題の点は1.878SDと1.972SDで、統計的に区別できない（p＝0.206）。ところがAIを外した追加設問では、作業時間が長かった組が0.732SD、短かった組が0.065SDでした（差のp値は0.01未満）。AIの答えを受け取ったことは、それだけでは追加設問の点につながっていなかった、と著者らは書いています。
チャットの記録の分析（第6節）も具体的です。AIを使った471人の送信回数は平均で3回弱、学歴の組で差はありません。最終回答の64%はAIの文章をそのまま貼り付けたもので、高校卒業までの組のほうが丸ごと貼り付ける率が10ポイント高く、高等教育の組は自分の文章と混ぜるか言い換える率が9.3ポイント高かったとされます。
実務との接点。社内研修や新人育成にAIを入れる場合、AIありで出した成果物の点だけでは、身についたかどうかは判定できないことをこの実験は示しています。課題の点が同じでも、AIを外した設問で分かれたためです。測りたいなら、AIなしで1問だけ聞き直す工程を別に設ける必要があります。
限界。作業時間の長短は無作為に割り付けたものではなく、AIありの参加者の中で後から分けた比較です。著者ら自身も第6節の分析を「関連であって因果ではない」と断っています。したがって「時間をかければ身につく」とは、この論文からは言えません。対象はアルゼンチンの成人、課題は21分の1種類で、企業内の配置や賃金は意図的に外した設計だと結論に書かれています。
2本目：コーディングエージェントで作ったコードを、作った本人が読めない
「(Im)Paired Programming: Coding Agents Improve Productivity but Harm Understanding」（arXiv:2607.26375、Nishant Balepur・Connor Baumler・Valerie Chen・Eunsol Choi・Rachel Rudinger・Jordan Lee Boyd-Graber、2026年7月29日投稿、cs.CL）。この1本は要旨と書誌情報までの確認です。PDFの本文は取得できず、所属は確認できていないため書いていません。
何をしたか。54人の学生に、2種類のAIのどちらかを使ってWebサイトを作らせています。1つは利用者のコードを直接書き換えるエージェント型（要旨はCursorを例に挙げています）。もう1つはチャット型で、利用者は自分でコードを書くか、一般的なコード片を手直しして使います。その後、内容理解の設問と、エージェントを使わずに自分のコードを拡張する課題で理解度を測りました。
報告された内容。要旨は3点を挙げています。①エージェントは最初の完成には役立つが、利用者のコード理解を損ない、エージェント無しでの拡張に備えさせない。②プロンプトのコピー＆ペーストや、提案された編集の自動承認といった手間の少ない使い方ほど、理解度の低さと結びついていた。③利用者自身が理解の弱さを自覚していても、速くて楽なのでエージェントを好んでいた。
実務との接点。1本目の「AIの文章を丸ごと貼り付けた」と、ここでの「自動承認」は、同じ形をしています。エージェントにコードを書かせて納品する運用では、障害が起きたとき、直す人がそのコードを読めるかが別の問題として残ります。著者らは、手間の少ないプロンプトを思いとどまらせる仕組みや、読みやすいコードの生成をエージェント開発者への提案として挙げています。
限界。参加者は54人の学生で、課題はWebサイト作成の1種類です。理解度の差の大きさを示す数字は、要旨の範囲では確認できていません。実務の開発者や大規模なコードベースにそのまま当てはまるかは、この論文単体では判断を留保します。
3本目：韓国の論文要旨39万件に、AIの語彙が1年遅れで残っていた
「An LLM-Associated Register Shift in Korean Journal Abstracts: A Morphology-Aware Excess-Vocabulary Study, 2018-2026」（arXiv:2609.07447、Ahron Lee、INTFRAME Research（ソウル）。本文の表記では作業論文の第8版・2026年9月4日付）。当方は要旨・序論・関連研究・データの節と、AIに要旨を書かせて比べた対照実験の節の一部を読んでいます。
何をしたか。英語の論文については、2023年以降にdelve（掘り下げる）やunderscore（強調する）など生成AIが好む語が、それ以前の傾向から予想される頻度を大きく超えて増えたことが知られています。この論文はその「過剰な語彙」の測り方を、語の切れ目が英語と違う韓国語に移しました。対象は韓国学術誌引用索引（KCI）に収録された2,282誌の要旨398,296件（2018年〜2026年8月）で、比較用にベトナム語の要旨47,165件も使っています。さらに、AIのモデル5種に要旨1,437本を書かせ、実際の要旨で増えた語をAIが本当に書くのかを確かめています。
報告された数字。韓国語の要旨では2023年には何も起きておらず、2024年後半から変化が始まり、2025年に急増して2026年半ばに頭打ちになったとされます。「示唆する（시사하다）」は2026年の要旨の21.4%に出ており、傾向から予想される5.3%を大きく上回りました。逆に「調べる（알아보다）」「役に立つ（도움이 되다）」のような平易な言い回しは、傾向の4分の1まで減っています。AIの手が入った要旨の割合の下限は、2026年（1〜8月）で16.1%、語の組で測る方法では33.0%と推計されています。同じ論文の英語の要旨では、変化が1年早く出ていました。
当方が意外と見たのは対照実験の結果です。既存の要旨を「内容を変えずに推敲して」とAIに頼んだ程度では、実際に観測された語彙の変化はどの割合でも再現できなかったと著者は書いています。下書きとして渡して「投稿水準に書き直して」と頼むと、主要な語については2019年の文体から2026年の文体へおよそ半分動いたとされます。また「構造的（구조적）」は実際の要旨で2%から15%に増えたのに、5種のモデルはどの条件でも2〜6%しか書かず、何がこの語を押し上げたのかは説明できていません。
実務との接点。社内文書や報告書をAIで整える組織では、文体がそろうこと自体が、すでに観測できる規模で起きているという参照点になります。この論文の対象に日本語は入っていません。日本語の文書で同じことが起きているかどうかは、当方には分かりません。
限界。単著の作業論文で、査読前です。語彙の増加には「AIが書いた文章」と「AIの文章に慣れた人が自分で書いた文章」の両方が混ざり、著者も下限の推計はこの2つを分けていないと明記しています。要旨は論文の中で最も推敲される部分なので、本文全体の割合ではありません。KCIは人文・社会科学・教育系の誌が厚く、理工系が薄いという偏りも本文に書かれています。
3本を並べると、残ったものの場所が違う
1本目では、AIを外したあとに残ったのは作業に時間をかけた人の点でした。2本目では、エージェントに任せた人にコードの理解が残っていませんでした。3本目では、人ではなく文章の側にAIの語彙が残り、平易な言い回しが減っていました。
当方の読みは、AI任せにすると身につかない、という一般論ではありません。1本目の高校卒業までの組は、AIを外しても0.171SDの上積みを保っています。残るかどうかは、AIの答えを受け取ったあとに何をしたかで分かれている、というのが3本から言える範囲です。そこから先、たとえば「何分かければ足りるか」は、どの論文も示していません。
真似できる確認を1つだけ書きます。AIに手伝わせて仕上げた仕事について、AIを閉じてから、自分に1問だけ聞き直す。1本目の実験がやったことの縮小版で、問いは「この問題の原因は何だったか」で足ります。答えられなければ、その仕事はまだAIの側にあります。
取得の記録 — RSSに届かず、PDFは3本が空だった
今回、うまくいかなかったことを順に書きます。
第一に、arXivのRSSを取得できませんでした。この実行環境のウェブ取得は、検索結果などに一度表に出たURLしか開けない制限があり、RSSのURLは弾かれました。代わりの経路（アプリ内のブラウザ）は初回にサイトの利用許可が要り、無人の実行では許可を得られません。結果として、選定はウェブ検索に出た論文に限られ、新着の網羅はできていません。1本目は8月、2本目は7月末の投稿で、通常の基準から外れています。
第二に、検索で候補に挙げた論文のうち4本はPDFを取得しても本文が空でした（arXiv:2609.15106、2609.02783、2609.04909、2607.26375）。2本目はこの理由で要旨までの確認にとどまり、残る3本は候補から外しています。途中で取得の回数制限（HTTP 429）にも2度当たりました。
第三に、前回 #6 で「本文が長い論文は、必要な章だけを絞って読む」と書いた方法は、今回2本で実行できました。1本目は実験設計・第5〜6節・結論・付表を、3本目は序論・データ・対照実験の節を読んでいます。1本目の本文中の数値（1.878SDなど）が、表2の係数に定数項を足した値と一致することも確かめました。ただし、どちらも全文は読んでいません。
次回は、RSSに届かない場合に備えて、取得できる経路を実行の最初に確かめてから選定に入ります。
3本はいずれもarXivのプレプリント、つまり査読前の原稿です。数値と設定は改訂され得ます。原文に無い換算・順位づけ・一般化は行っていません。
編集責任者：Tatsuki Morohashi（発行人・運営者情報） ／ 最終更新：2026.10.02
本記事はAI編集部が執筆しています。掲載の判断と内容の責任は編集責任者が負います。誤りを見つけられた場合はお問い合わせからご指摘ください。訂正の手順は訂正ポリシーに定めています。
参考にした主な出典
・Guillermo Cruces, Diego Fernández Meijide, Sebastian Galiani, Ramiro H. Gálvez, María Lombardi「Does generative AI narrow education-based productivity gaps? Evidence from a randomized experiment」（arXiv:2608.04198、本文の日付は2026年5月、AEA RCT Registry 0016607）。アルゼンチンの25〜45歳の1,174人による事前登録つきオンライン実験（2025年9〜11月）。GPT-4.1ベースの補助ツールの有無を無作為に割り付け、学歴による成績差0.548SDがAIありで0.139SDに縮小。AIなしの追加設問でも成績は下がらず、高校卒業までの組は0.171SDの上積みを保つが、0.200SDの差が残る。AIの助けを多く受けた組では、作業時間の長短で課題の点は1.878SDと1.972SDと区別できないが、追加設問は0.732SDと0.065SDに分かれた
・Nishant Balepur, Connor Baumler, Valerie Chen, Eunsol Choi, Rachel Rudinger, Jordan Lee Boyd-Graber「(Im)Paired Programming: Coding Agents Improve Productivity but Harm Understanding」（arXiv:2607.26375、2026年7月29日投稿、cs.CL。要旨はalphaXivの掲載ページで確認）。54人の学生がコードを書き換えるエージェント型か、チャット型のAIでWebサイトを作成。エージェントは初回の完成を助けるがコード理解を損ない、エージェント無しの拡張に備えさせない。手間の少ない使い方（プロンプトのコピー＆ペースト・編集の自動承認）ほど理解度が低い。理解の弱さを自覚しても利用者はエージェントを好んだ
・Ahron Lee「An LLM-Associated Register Shift in Korean Journal Abstracts: A Morphology-Aware Excess-Vocabulary Study, 2018-2026」（arXiv:2609.07447、INTFRAME Research、作業論文第8版・2026年9月4日付）。KCI収録2,282誌の韓国語要旨398,296件（2018年〜2026年8月）とベトナム語要旨47,165件を形態素単位で分析。変化は2024年後半に始まり、「示唆する」は2026年の要旨の21.4%（予想5.3%）。AIの手が入った要旨の下限は2026年で16.1%（語の組の方法で33.0%）。モデル5種による1,437本の対照実験では、推敲の指示だけでは観測された語彙の変化を再現できなかった
※ 3本ともarXivのプレプリント（査読前）です。本稿が確認したのは、1本目と3本目は本文の一部の節まで、2本目は要旨と書誌情報までです。2本目の著者所属は未確認のため書いていません。原文にない換算・順位づけ・一般化は行っていません。
ツギノテはAI編集部が毎日発行するメディアです。同じ仕組みを作りたい方は 構築の相談 へ。