変化の速い AI と不変的な実践構造をどう見るか
作成日: 2026-05-06
位置づけ: 「変化の速い AI を研究として扱う」と言うときに、何を変化する層として見て、何を不変的な層として見るのかを整理するためのメモ。特に、AI 利用時のインシデントだけを見るのか、AI を使わない実践も聞くべきかという問いに接続する。
1. 問いの立ち上がり
この研究は、特定のモデルやツールの機能差を追い続ける研究というより、AI の変化が速い前提でも研究対象として扱えるようにするために、AI が入り込んだ実践の中で比較的不変的な観察軸を探す研究として位置づけられそうである。
ここで重要なのは、「不変的なもの」を人間一般の普遍性として大きく置きすぎないことかもしれない。見るべきなのは、人間が何かを作る、判断する、評価する、修正する、他者や道具に委ねるといった実践の中で繰り返し現れる構造である。
2. AI あり／なし比較の意味
AI を使っていない実践を聞くことは、AI 介在実践を統制実験のように比較するためというより、AI によって何が新しく発生したのか、何が以前からあった実践構造の別の現れなのかを見分けるための補助線になりうる。
たとえば、目的を決める、良し悪しを判断する、暗黙知を使う、成果物を修正する、他者に意図を伝えるといった行為は、AI 以前から存在している。AI が入ることで新しく起きているのは、それらが消えることではなく、AI に実行を任せるために、以前は頭の中や手作業や対人レビューの中に埋め込まれていた基準が、プロンプト、README、skill、デザインシステム、チェックリストなどの媒介物として外に出やすくなることかもしれない。
したがって、AI なしの実践を聞く場合は、「AI と非 AI の優劣を比較する」ためではなく、「同じ判断や暗黙知が、AI なしではどこに埋め込まれていたのか」を確認するために使うのがよさそうである。
ただし、この研究の主たる動きは、AI がある以前と現在を対称的に比較することではなさそうである。むしろ、AI を使っていく中で繰り返し現れる動作、認知、思考、判断、評価、修復、媒介物の更新といった出来事を、クリティカル・インシデントとして拾い上げることに重心がある。
その意味で、AI なしの実践は独立した比較群というより、AI 介在実践で露出したものが何に由来するのかを考えるための参照点に近い。中心にあるのは、AI 利用の中で反復して現れる不変的な構造を、具体的な出来事から探ることである。
3. クリティカル・インシデント法との接続
クリティカル・インシデント法で拾うべき出来事は、AI の失敗事例だけではない。むしろ、変化する AI ツールの表層を越えて、実践の深い層が露出した出来事を拾う方法として捉えられるかもしれない。
AI 介在実践では、次のような場面で深い層が露出しやすい。
- AI に何を任せるかを決めた場面
- AI に目的・制約・参照資料・評価基準を渡した場面
- 出力に違和感を持ち、何が違うのかを説明しようとした場面
- 採用・修正・不採用を判断した場面
- 修正のためにプロンプトや媒介物を更新した場面
これらは単に「AI がうまくいった／失敗した」出来事ではなく、人間の判断、評価基準、暗黙知、委譲範囲、修復の仕方が表に出る出来事である。
4. 調査設計への含意
主データは、AI が実行や生成の一部を担った実践におけるクリティカル・インシデントに置くのが自然に見える。ただし、インタビューや記録の中に、AI を使わない場合との軽い対照質問を入れることは有効そうである。
たとえば、次のような問いが考えられる。
- この作業を AI なしで行っていた場合、同じ判断はどこで行われていたか
- AI に渡した情報や基準は、以前はどこに存在していたか
- AI を使うことで、何が外に出された／明示されたように感じるか
- AI なしの実践でも同じような違和感や修復は起きていたか
- AI が入ったことで、判断のタイミングや責任の置き場所は変わったか
このような問いは、AI あり／なしを対称的に比較するためではなく、AI 介在実践の中に現れた変化を、より長い実践の連続性の中に位置づけるための補助線になる。
5. 過去比較を主軸にしない理由
過去との比較を主軸にしない理由は、AI 以前と現在をきれいに切り分けることが難しいからである。多くの実践では、AI 以前にもテンプレート、検索、共同編集、レビュー、デザインシステム、コード補完などの道具が関わっており、「AI なしの純粋な実践」を安定した比較対象として置きにくい。
また、AI 以前との比較を強く押し出すと、研究の問いが「AI によって何が変わったか」という before / after 型になりやすい。しかしこの研究で見たいのは、変化量そのものというより、AI が実践に入り込んだときに、目的、制約、評価基準、暗黙知、修復といった構造がどのように表に出るかである。
したがって、過去との比較は完全に捨てるのではなく、AI 介在実践で露出したものが、以前はどこに埋め込まれていたのかを理解するための補助線として扱う方がよさそうである。
6. AI が進化すると無意味になるのか
「今つまずいていることや今行っている動作も、AI が進化すれば丸ごと変わってしまうのではないか」という疑問は、この研究の弱点であると同時に、研究の出発点でもある。
もし研究対象を「現在の AI ツールでよく起きる失敗」や「現在の UI 操作」に置いてしまうと、AI の進化によってすぐに古くなる可能性がある。だからこそ、この研究では、特定ツールの失敗分類や操作手順ではなく、AI に任せる実践の中で繰り返し現れる不変的な構造に注目する必要がある。
たとえば、将来 AI がもっと高性能になり、現在のような細かいプロンプトや修正指示が減ったとしても、次のような問いは残る可能性がある。
- 何を AI に任せ、何を人間が判断するのか
- 何を良い出力とみなすのか
- どの制約や価値基準を優先するのか
- 出力を採用する責任はどこにあるのか
- 失敗や違和感が生じたとき、どのように修復するのか
- 人間や組織の暗黙知は、どのような媒介物を通じて AI に渡されるのか
ただし、これらの問いの現れ方は変わりうる。現在はプロンプトや README や skill として現れているものが、将来はエージェント設定、組織メモリ、承認 UI、ポリシー、評価モデル、ワークフロー管理画面として現れるかもしれない。つまり、表層の媒介物は変わるが、委譲、評価、制約、修復、人間の介入点という構造は別の形で残る可能性がある。
この研究の意味は、「今のつまずき」をそのまま未来にも残る問題として固定することではなく、つまずきや修復が起きた場面を手がかりに、変化する AI の表層の下にある実践構造を見つけることにある。
7. 過去動作よりも AI の作用の特徴を見る
過去の動作と現在の AI 利用を比較することよりも、AI が実践に入り込むことで何が起きるのかという、AI の作用の特徴を理解することの方が重要かもしれない。
ただし、ここでいう AI の特徴は、現在のモデル性能や特定ツールの機能のことではない。むしろ、AI が自然言語や文脈を受け取り、生成や実行を担い、確率的・非決定的に振る舞い、ときに人間の意図を先回りするように見えることで、実践の中にどのような委譲、評価、制約、責任、修復の問題を生むのかという特徴である。
この意味では、過去の実践は主たる比較対象ではなく、AI によって表に出てきた判断や暗黙知が、以前はどこに埋め込まれていたのかを確認する補助線に近い。
8. 開発フローやアプリ形態が大きく変わる場合
より強い反論として、AI がさらに進化すれば、現在の開発フローやアプリ形態そのものが大きく変わり、いま観察している制作・開発・研究・設計の実践が全く別物になるのではないか、という問いがある。
この場合、この研究の意味は「現在のフローやアプリ形態を未来にも通用するものとして記述すること」には置けない。そこに置くと、AI の進化によってすぐに古くなる。
むしろ意味があるとすれば、現在の実践を、変化の途中で深い層が露出している場所として扱うことにある。アプリの形や開発フローが変わっても、人間や組織が目的を持ち、何らかの価値基準で出力や行為を評価し、責任を引き受け、制約を設定し、必要に応じて介入する限り、そこには委譲、評価、制約、責任、修復の構造が残る可能性がある。
もちろん、それらの構造がどこに現れるかは変わりうる。現在はプロンプト、README、skill、デザインシステム、コードレビューとして現れているものが、将来はエージェントの権限設計、組織メモリ、AI 同士のワークフロー、承認ポリシー、監査ログ、評価モデル、あるいはアプリ以前の環境的なインターフェースとして現れるかもしれない。
したがって、この研究が目指すべきなのは、現在のアプリ形態や開発フローを固定することではなく、AI によって実践の形が変わっていく中でも、何が移動し、何が外部化され、何が人間や組織の判断として残り、どこに再配置されるのかを見るための概念的な足場をつくることかもしれない。
この意味で、「不変的」とは、現在の動作がそのまま残るという意味ではなく、実践の形が変わっても問い直され続ける深い構造を指す言葉として扱う必要がある。
9. 概念自体が変わる場合
さらに踏み込むと、AI が著しく進化することで、目的、委譲、良い出力、制約、責任、介入、暗黙知といった現在の概念自体を、人間や組織が同じようには考えなくなる可能性もある。
この場合、「目的」「委譲」「評価」「責任」などを固定的な不変項として扱うと、研究は古くなる危険がある。したがって、これらの語は最終的な答えではなく、現在の AI 介在実践を観察するための暫定的な感度概念として扱う方がよさそうである。
この研究の意味は、これらの概念が未来にも同じ形で残ると主張することではない。むしろ、AI の進化によって、これまで人間や組織の実践を支えていた目的、評価、責任、介入、暗黙知のような概念が、どのように分解され、移動し、別の媒介物や制度やインターフェースに再配置され、場合によっては別の概念に置き換わっていくのかを観察することにある。
つまり、研究の対象は「目的」「責任」「評価」そのものを永続的なカテゴリとして守ることではなく、それらのカテゴリが AI 介在実践の中でどのように有効になったり、足りなくなったり、別の言葉を必要としたりするのかという変化の過程である。
クリティカル・インシデント法は、この点でも有効かもしれない。なぜなら、既存の概念で説明しにくい出来事、たとえば「誰が判断したと言えるのか分からない」「人間が介入していないが責任は残る」「目的自体を AI が提案している」「評価基準が人間の外に分散している」といった場面は、まさに既存概念の限界が露出するインシデントとして扱えるからである。
その意味で、この研究は不変的な答えを見つける研究というより、変化の速い AI 環境の中で、どの概念がまだ使え、どの概念が揺らぎ、どこで新しい語彙が必要になるのかを見つける研究として位置づけ直せるかもしれない。
10. 研究者視点での振り返り
ただし、研究の中心を「概念がすべて変わるかもしれない」という方向に置きすぎると、研究の足場がなくなりすぎる。修士研究としては、まず現在の AI 介在実践の中で繰り返し現れている委譲、評価、制約、暗黙知の外部化、修復といった構造を、具体的なインシデントから取り出す方針を主軸にした方がよさそうである。
そのうえで、「これらの構造は未来にも同じ形で残る」と強く主張するのではなく、「現在の観察から、変化の速い AI 実践を捉えるための相対的に安定した観察軸を仮説的に整理する」と言うのが現実的である。
つまり、以前の方針である「今の AI の問題を保存する研究ではなく、AI 利用の中で露出している、人間と AI の協働における不変的な実践構造を取り出そうとする研究」は、研究の中心としてまだ有効に見える。ただし、ここでの「不変的」は、永遠に変わらないという意味ではなく、特定ツールや短期的な UI よりも深い層にあり、次の変化を考えるための足場になるという意味で使う必要がある。
概念自体が変わる可能性は、主張の中心ではなく、限界と考察として扱うのがよさそうである。中心に置くべきなのは、AI 以前との比較でも、未来予測でもなく、AI を使う実践の中で繰り返し現れる判断・評価・修復・外部化の出来事をクリティカル・インシデントとして記録し、変化の速い AI の下でも残りやすい実践構造を探ることである。
11. 補助的な観点としての変化の層
「不変的」という語は、永遠に変わらないものというより、特定ツールや短期的な UI 変化よりも深い層にある実践構造を指す語として扱うとよさそうである。
ただし、「AI 技術や UI・ツールは速く変わり、人間の判断や組織慣習はゆっくり変わる」といった説明を、研究の中心的な前提として強く置きすぎると、研究を守るための保身的な主張に見えかねない。研究の軸はあくまで、AI を使う実践の中で繰り返し現れる判断、評価、修復、外部化の出来事をクリティカル・インシデントとして記録し、そこから観察軸を整理することにある。
変化の層という見方は、その主軸を支える一つのピースとして扱うのがよさそうである。つまり、インシデントを分析するときに、そこで何が短期的なツール変化に由来するのか、何が実践者の判断や組織の前提に関わるのか、どの媒介物が両者をつないでいるのかを見分けるための補助線である。
したがって、単純に「UI やツールが先に変わり、人間の認知が後から変わる」と決めつけるのは避けたい。むしろ、技術、UI、ワークフロー、人間の認知、組織のルールが相互に調整されながら変化していく可能性がある、という程度に留める方がよさそうである。
この視点を入れるなら、クリティカル・インシデントで追加的に見るべきなのは、新しい AI 機能やエージェント的な挙動によって、これまで前提にしていたレビュー、責任、判断基準、ドキュメント、作業順序が揺らいだ場面である。ただし、それは研究対象を「変化の速度差」に置き換えることではなく、判断・評価・修復・外部化がどの層で起きているのかを読むための補助的な観点である。
分析時には、各インシデントについて次のような層を分けて見ることができそうである。
- 速く変わる層: モデル機能、UI、ツール、アプリ形態
- 媒介の層: プロンプト、README、skill、デザインシステム、チェックリスト、ログ、承認 UI
- 実践の層: 依頼、生成、確認、評価、修正、採用、共有、レビュー
- 認知・判断の層: 目的理解、良し悪しの判断、違和感、信頼、責任感、暗黙知
- 組織の層: 役割分担、承認、品質基準、責任範囲、ナレッジ管理
このように見ると、本研究は「人間は変わらない」と言う研究ではない。また、「技術は速く変わり、人間は遅く変わる」と主張する研究でもない。主軸は変えずに、AI 介在実践のインシデントを読むときの補助線として、ツール、媒介物、実践、認知・判断、組織の各層を見分ける視点を持つ、という位置づけがよさそうである。
12. 現時点の言い方
この研究は、変化の速い AI そのものを固定的に分析するのではなく、AI が制作・開発・研究・設計などの実践に入り込んだときに、人間の目的設定、判断、評価、暗黙知、修復といった比較的不変的な実践構造が、どのような媒介物やワークフローを通じて外部化・再配置されるのかを観察する研究として位置づけられそうである。
その意味で、AI なしの実践を聞くことは、主たる比較対象を増やすというより、AI 介在実践で表に出たものが何から移動してきたのか、どこに埋め込まれていたものなのかを確かめるための補助的な問いとして扱うのがよさそうである。