TL;DR
AIに判断を委ねることは「降伏」なのか、それともただのレイヤー移行なのか。正直なところ、まだ答えが出ていない。ただ、問い自体を変えてみると、少し楽になる気がしている。
「AIに認知を委ねるな」
シリコンバレーの著名なプロダクトデザイナーがこう警告した。iPodやiPhoneの設計に関わった人物の言葉だから、読み飛ばすわけにはいかなかった。「認知的降伏（cognitive surrender）」というフレーズ——私がこの言葉で便利だと思うのは、AIを日常的に使っている人間なら誰もが感じる居心地の悪さをうまく言語化している点だ。
聞いて、正直ドキッとした。
でも本当にそうなのだろうか。考えれば考えるほど、わからなくなってきた。
オートマ車のドライバーは「降伏」したのか
ふと思ったのが、オートマ車の話だ。
1980年代後半から1990年代にかけて、日本でもオートマチック車が急速に普及した。クラッチの操作、ギアチェンジのタイミング、エンジンブレーキの使い方——マニュアル車を運転するために必要だったこれらの知識は、ATの普及とともに「一般常識」ではなくなった。
今の若い世代の多くは、MTを運転できない。
これを「認知的降伏」と呼ぶべきだろうか。
……たぶん、違うと思う。AT車のトランスミッション制御が十分に信頼できるようになった、少なくともそう見える。だからドライバーはそのレイヤーの知識を持つ必要がなくなった。認知が消えたのではなく、認知が動く場所が変わったのではないか——そう感じている。解放された注意が何に向かったかは人それぞれだろう——ルートかもしれないし、車内の会話かもしれない。どちらにせよ、それを「降伏」とは呼ばない。
電卓や GPS の話も、似ている気がして
電卓もそうかもしれない。暗算ができる世代から、電卓が当たり前の世代へ。「あの世代は計算が速かった」という話は残るが、電卓を使うことを降伏とは呼ばない。
カーナビも。地図を読む能力は確かに失われた。でも誰もそれを「降伏」とは言わない。
江戸時代の火起こしも、同じような気がしてきた。かつては誰もが知っていた技術が、今ではキャンパーだけのものになった。マッチという「信頼できるインフラ」が広がるにつれて、知識は段階的に愛好家に移譲されていった。
共通して見えるのは、低レイヤーが「信頼できる」になったとき、そこから人間の注意が離れていくという流れかもしれない。損失なのかどうかは、正直よくわからない。ただ、それが「降伏」とは少し違う気がする。
ただし、これらの例が示すのはパターンであって、AIが同じ役割を担えるという証明ではない。AIも同じ信頼性のテストをクリアする必要があるし、そのテストはタスクごとに個別に行う必要がある。
エンジンの比喩で考えてみた
うまく言えないのだが、こう考えると少し整理される気がした。
AIが登場する前、気にしていたのは処理のプロセスそのものだった。燃焼条件、点火タイミング——みたいな、低レイヤーの話。
AI以後は、RPMや燃料消費——アウトカムを見るようになった気がする。
認知の量が減ったわけではないかもしれない。見ている対象が変わった、という感じがしている。本当にそうなのかは自信がないけれど。
ただ、これが成立するのは「ゲージが信頼できる」場合だけだ。RPMと燃料消費が意味を持つのは、それが信頼できるシグナルだから。ダッシュボードが嘘をついていたら、レイヤーの移行は降伏に近いものになってしまう。
ただ、移行が「早すぎる」問題はあると思う
ここで一度立ち止まりたいのは、「移行自体が悪いのか、タイミングが悪いのか」という話だ。
Vibe codingを例にすると。AIにコードを書かせてプロトタイプを作ること自体は今や誰でもできる。でも「AIが書いたアーキテクチャは信頼できるか」という問いには、2026年の今、自信を持って「はい」と言える人は少ないんじゃないか。
電卓との違いはここだと思う。電卓は答えが合っているかどうかがだいたい一目でわかる。でもAIが書いたコードは、動いているように見えても、アーキテクチャとして「良い」かどうかは数年後の保守コストにならないとわからない。そして電卓と違って、AIは間違えても流暢に見える——どこで間違えたか、わかりにくい。
これが、AIと先ほどの例の構造的な違いだ。 電卓・GPS・オートマ車はほぼ決定論的——壊れれば目に見えてわかる。AIは確率論的で、もっともらしい誤りを出力することがあり、その失敗は誰も気づかないほど流暢なこともある。
速度計のない車で走っているような感じ、とでも言えばいいか。速すぎるのかどうか、自分ではわからない。
問いを変えてみたら
「AIに認知を委ねるべきか」という問いを持ち続けると、どこかずっと居心地が悪い。
問いを変えてみた。
「このタスクの低レイヤーは、今のAIにとって信頼できるインフラになっているか」
そう考えると、ずいぶん楽になった。
私にとって「十分に信頼できる」とは、だいたいこんな条件が揃っているときだ——タスクの境界が明確で、失敗が複利化する前に観察でき、ミスが取り返しのつく範囲で、独立した検証手段があり、ゴールと受け入れ基準は自分が持ち続けている。厳密な公式ではなく、委譲の前に頭に置いておきたい条件の粗いセットだ。
信頼できるなら、委ねてもいいんじゃないか、と思うようになった。信頼できないなら、もう少し自分がそのレイヤーに留まるべきかもしれない。「今がその時かどうか」という問いの方が、「委ねるかどうか」よりは答えやすい。
プログラミングはいつ「火起こし」になるのか
わからない、が正直なところだ。
| 低レイヤー知識 | 移行に要した時間 |
|---|---|
| 火起こし → マッチ | 約20〜30年（都市部、明治期） |
| MT → AT | 約40年 |
| 暗算 → 電卓 | 約10〜15年（業務用途） |
| 地図読み → ナビ | 約15〜25年 |
| 一部の低レイヤーコーディング → ? | 現在進行中 |
※これは厳密なデータではなく、おおよその感覚値だ。重要なのは年数の正確さではなく、どの移行にも「信頼できるインフラが先にあった」という共通パターンがある点だ。
一部の低レイヤーのコーディングタスクは、すでにこの道を歩み始めているかもしれない——既知のパターンに従い、出力が検証しやすく、失敗のモードが読みやすいもの。より高レベルのアーキテクチャや判断が必要な設計が同じ道をたどるかどうかは、正直まだわからない。それらは別のレイヤーであり、「十分に信頼できる」の基準も別の高さだ。
移行にかかる時間は短くなっているように見える。ただ、一度に起きるわけではないし、プログラミングのすべての領域で均一に起きるわけでもないだろう。
「認知的降伏」という言葉がまだ頭に引っかかっている。完全に払拭できているわけじゃない。
ただ一つだけ確認してから動こうと思っている。委ねようとしているその低レイヤーは、今のAIにとって「オートマ車のトランスミッション」くらい信頼できるか——このタスクで、今この時点で。
できるなら、たぶん移行していい。できないなら、もう少し待つか、速度計を自分で設計するかだ。
そう今は思っている。
この記事は英語版「Cognitive Surrender, or Cognitive Layer Shift?」として同時公開しています。筆者はAIを複数組み合わせた自律ワーカーシステムの構築と運用を行っており、AIと並走する実務の現場について書いています。
