想像してみてください。あなたの隣に、家庭教師が座っています。
この先生がとにかくすごい。数学も英語もプログラミングも、どんな問題を出しても数秒で解いてみせます。夜中の3時に呼び出しても嫌な顔ひとつせず、同じ質問を100回しても怒りません。
月謝はランチ数回分。なんなら無料でも来てくれます。こんな先生がついたら、あなたの成績は上がるでしょうか。
タイトルでネタバレしていますが、この家庭教師はもうあなたの隣にいます。ChatGPTやClaude、Copilotといった生成AIです。
そして残念なお知らせがあります。この最強の先生には、ひとつだけ致命的な欠点があるのです。
聞かれたら、答えを全部教えてしまうこと。
長所にしか聞こえませんよね。でも実は、これこそが生徒を伸び悩ませる原因なのです。
答えを聞く生徒と、ヒントを聞く生徒
ここに、同じ家庭教師についている2人の生徒がいます。宿題の問3で、2人とも同じところで詰まりました。
Aくん「先生、問3の答えなに？」
先生「x = 4 だよ」
Aくん「あざっす」（ノートに書き写す）
Bさん「問3、途中まで解いたんですけど、ここから合わなくて……」
先生「2行目の移項、もう一回見てみて」
Bさん「……あっ、符号だ！」
宿題が早く終わるのはAくんです。でも、テストに問3の類題が出たら、解けるのはBさんでしょう。テスト会場に家庭教師は連れていけないからです。
ここまでは誰でも知っている話です。ところが相手がAIになると、私たちは驚くほど自然にAくんになります。
私「このエラー直して」
AI「修正したコードはこちらです」
私「動いた。次」
タスクは片づきます。でも、何が原因で、なぜ直ったのかは、自分の中に何も残っていません。
「いや、それはたとえ話でしょ」と思った方。実はこれ、AIを作っている会社がほぼ同じ構図で実験しています。
AIを作っている会社が、自分で確かめてしまった
Claudeを開発するAnthropicが、2026年1月にこんな実験を発表しています。
集められたのは、Pythonを1年以上、週1回以上使っているエンジニア52人です。全員が触ったことのない「Trio」という非同期処理のライブラリを、その場で覚えながら課題を2つこなしてもらいました。
半分の26人には、AIアシスタントがつきます。頼めば正解のコードをいつでも丸ごと書いてくれる、まさに「答えを全部教えてくれる家庭教師」です。残りの26人は、ドキュメントとWeb検索だけで挑みます。
課題が終わると、AIなしの理解度テストです。家庭教師は会場に入れません。
テストの平均点（100点換算）は、AIなしの67点に対して、AIありは50点でした。成績にしてほぼ2段階ぶんの差です。
一方、課題にかかった時間は、AIありのほうが平均で約2分速かっただけ。統計的に意味のある差ではありませんでした。宿題は大して早く終わらず、テストの点だけがしっかり下がったわけです。
終わったあと、AIありの人からは「アシスタントを使ったら怠けてしまった」という感想も出ています。
差がいちばん大きかったのはデバッグの問題でした。AIなしの人たちは課題中にエラーを何度も出しては自力で直していて、その経験が効いたと研究チームは見ています。
同じAIを使っても、39点と86点に分かれた
本当に面白いのはここからです。研究チームはAIありの人たちの画面録画を一人ずつ見て、AIの使い方を6つのパターンに分けました。ざっくり日本語にすると、こうなります。
理解しながら使うと平均65〜86点、任せきりだと24〜39点
AIありグループの使い方6パターン別、理解度テストの平均点（100点換算）です。比較用に、AIなしグループの平均は67点です。
出典：Shen & Tamkin「How AI Impacts Skill Formation」（2026）図11 ・ 各パターン2〜7人
点数が低かった3パターンは、どれも「考える作業」をまるごとAIに渡しています。なかでもいちばん損をしているのが、エラーを貼っては直してもらう型です。
質問の回数は多いのに、課題にかかった時間はAIなしの人たちより長く、点数は最下位。赤ペンを何度も入れてもらって、何も覚えていない生徒です。
点数が高かった3パターンは、AIを使いながらも、理解する作業だけは手放していません。考え方だけ聞く型は、エラーにたくさんぶつかりながら自力で直し、それでも高得点組でいちばん速く終わっています。
そして最高の86点を取ったのは、なんとAIにコードを書かせた人たちでした。やっていることは39点の丸投げ組とほぼ同じです。違いはただひとつ、コードを受け取ったあとに「なんでこう書くの？」と聞き返して、自分の理解を確かめたことでした。
ちなみに、AIのコードをコピペした人と手で打ち直した人のあいだで、テストの点に目立った差はありませんでした。答えをノートにきれいに書き写しても、頭を通さなければ身につかない。家庭教師の世界ではおなじみの話です。
もちろん、各パターンは2〜7人ずつと小さく（86点のパターンはたった2人）、研究チームも「この使い方をすれば点が上がる」という因果関係までは主張していません。それでも、何を聞いたかで結果がここまで分かれるのは、なかなか衝撃的です。
社会人の「テストの日」は、予告なしにやってくる
「でも仕事は試験じゃない。答えが出れば、それでいいでしょ」
その通りです。成果を出すのが仕事なら、AIに答えを聞くのは、むしろ正しい使い方です。ただ、社会人にもテストの日はあります。しかも予告なしに。
たとえば深夜の本番障害。AIの提案を3つ試しても直らず、ログを読んで自分で仮説を立てるしかない瞬間です。コードレビューで「ここ、なんでこう書いたの？」と聞かれたときもそうです。
いちばん怖いのは、AIが自信満々に間違えたときです。理解している生徒なら「先生、そこ違いません？」と言えますが、写しているだけの生徒は、間違いごと写してしまいます。
こういう日に試されるのは、AIの書いたコードを読み、疑い、壊れた理由を突き止める力です。先ほどの実験で、AIに頼った人たちがいちばん点を落としたのは、まさにデバッグでした。
AIがコードを書くほど、人間に残る仕事はレビューとデバッグに寄っていきます。その力が、AIに頼りきった学び方ではいちばん育たない。なかなか皮肉な構図です。
全教科で「いい生徒」になる必要はない
ここまで読んで、「じゃあ全部自分でやれってこと？」と思ったかもしれません。それは違います。
電卓で計算するたびに罪悪感を覚える人はいません。筆算の力を伸ばしたいわけではないからです。AIも同じで、伸ばしたくないことは遠慮なく任せればいい。
大事なのは、自分の「受験科目」を決めておくことです。受験科目とは、この先も自分の武器にしたい領域のこと。そこだけはBさんのように考えてから聞き、それ以外はAくんのように答えをもらって構いません。
たとえばフロントエンドを極めたい人が、年に一度しか書かないシェルスクリプトをAIに丸投げするのは、まったく問題ありません。でも、Reactの状態設計まで毎回丸投げしているなら、それは受験科目の答えを写している状態です。
ちなみに、新人や学生のうちは、ほとんどの科目が受験科目です。そしてベテランも、新しい技術を覚える場面では受験生に戻ります。先ほどの実験でも、経験7年以上の人を含め、どの経験年数でもAIなしのほうが平均点は高かったのです。
なぜAIは「甘すぎる家庭教師」になりやすいのか
それにしても、なぜAIが相手だと、私たちはこうも簡単にAくんになるのでしょうか。先ほどの論文も、人間に教わる場合との比較は今後の課題としています。なので、ここからは私の見立てですが、理由は3つあると考えています。
1. 断らない
いい家庭教師ほど、すぐには答えません。「まず自分でやってみな」「どこまでわかった？」と、わざと生徒に考えさせます。教えるプロにとって、黙って待つのも大事な技術です。
AIは違います。「直して」と言えば直し、「書いて」と言えば書く。頼まれたことに全力で応えるように作られているからです。
最近のエージェント型ツールは、さらに親切です。宿題を解くどころか、ノートに直接書き込んで提出まで済ませてくれる。実際、先ほどの研究チームも、自律的にコードを書くツールならスキル習得への影響はもっと大きいだろうと述べています。
2. 気まずくならない
人間の先生に毎回「答えだけちょうだい」と言うのは、ちょっと気が引けます。先生の小さなため息が聞こえる気がして、とりあえず自分で考えてみる。この気まずさが、実はいいブレーキになっていました。
AIにはそれがありません。100回目の「直して」にも、1回目と同じ調子で応えてくれます。恥ずかしい質問ができるのはAIの大きな長所ですが、ブレーキが消えるという意味では諸刃の剣です。
3. テストをしてくれない
人間の家庭教師は、説明のあとに「じゃあ、似た問題を解いてみて」と確かめます。生徒の「わかったふり」を見抜くためです。
AIは、こちらが頼まない限り確認してきません。だから会話が終わった時点で、「理解した気」だけが残ります。でも、答えを読んで納得するのと、自分で解けるのは、まったく別の力です。
つまりAIは、知識は最強なのに、先生としての「厳しさ」を最初から持っていない家庭教師です。タイトルで「最強で最悪」と書いたのは、この意味です。足りない厳しさは、生徒の側が持ち込むしかありません。
AIを「いい家庭教師」に変える頼み方
持ち込み方は難しくありません。頼み方ひとつで、AIは厳しい先生にもなってくれます。受験科目でそのまま使える頼み方を4つ紹介します。
先に自分の答えを見せる
まず自分の考えを書きます。合っている点とズレている点だけ教えてください。修正したコードは、まだ書かないでください。
自分で解いてから丸つけしてもらう方法です。MITの研究（54人の脳波を測りながらエッセイを書いてもらった実験）にも、順番の大切さをうかがわせる結果があります。最初は自力で書き、あとからChatGPTを使った人たちは、記憶の想起がよく、脳の活動も活発でした。
逆に、最初からChatGPTで書いた人たちは、書き終えたばかりの自分のエッセイを正確に引用することにも苦労しました。初回では18人中15人がうまく引用できなかったそうです。家庭教師に作文を書いてもらった生徒が、提出した作文の中身を言えないのと同じです。
ヒントは1つずつもらう
答えはまだ言わないでください。ヒントを1つだけください。わからなければ、次のヒントをお願いします。
エラーで詰まったときは、「原因の候補だけ挙げてください。修正したコードは書かないでください」が効きます。実験で最下位だった「エラーを貼って直してもらう」型から抜け出すためのひと言です。
答えをもらったら「なんで？」を足す
このコードの各部分が、なぜこう書かれているのか説明してください。ほかの書き方ではなく、これを選んだ理由もお願いします。
86点だったパターンの再現です。急いでいるときは、答えを先にもらって構いません。会話を閉じる前に、このひと言だけ足してください。
最後にテストしてもらう
いまの内容を私が理解できているか確かめたいです。確認問題を3問出してください。答え合わせは、私が回答してからでお願いします。
人間の家庭教師がやってくれる「じゃあ似た問題を解いてみて」を、こちらから頼むわけです。解けなかった問題が、そのまま次に聞くべきことになります。
毎回頼むのが面倒なら、最初から厳しい先生にしておく
最近は、最初から厳しい先生として振る舞うモードもあります。ChatGPTの「Study Mode」は、すぐに答えを出さず、質問やヒント、理解度チェックで導いてくれます。
Claude Codeなら、/output-style learning で出力スタイルを「Learning」にできます。設計判断が必要な数行をわざと空けて TODO(human) と書き、あなたが書くまで待ってくれます。家庭教師が「ここは自分で書いてみて」とペンを渡してくれる感覚です。
普段使いのAIなら、カスタム指示やプロジェクトの指示欄に、こんな指導方針を書いておくのも手です。
私はいま〇〇を勉強中です。この分野の質問には、次の方針で答えてください。
・いきなり答えを出さず、まずヒントを1つ出す
・私が自分の考えを書いたら、合っている点とズレている点を指摘する
・答えを教えたあとは、理解を確かめる問題を1つ出す
・私が「答えを教えて」とはっきり言ったときだけ、答えをそのまま出す
家庭教師を雇ったら、最初に「うちの子にはこう教えてください」と伝えるのと同じです。
おわりに：「動いた。次」の前に、ひと言だけ
冒頭の質問に戻りましょう。答えを何でも教えてくれる家庭教師がついたら、成績は上がるのか。
答えは、生徒しだいです。同じ先生、同じ課題でも、平均点は使い方によって39点にも、86点にも分かれました。しかもその2つの使い方の違いは、ほとんど「なんで？」と聞き返したかどうかだけでした。
AIは、あなたを賢くもしないし、ダメにもしません。決めるのは、会話の終わらせ方です。「動いた。次」で閉じるか、「なんで？」とひと言続けるか。
次にAIが答えをくれたら、閉じる前にひと言だけ足してみてください。
「なんで、こうなるの？」
参考文献
- Judy Hanwen Shen, Alex Tamkin「How AI Impacts Skill Formation」arXiv:2601.20245（2026）
- Anthropic「How AI assistance impacts the formation of coding skills」（2026年1月29日）
- Nataliya Kosmyna ほか「Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task」arXiv:2506.08872（2025）
- Claude Code Docs「Output styles」
- OpenAI「Introducing study mode」（2025年7月29日）
日本語で読める解説記事
- しょうた「AIに頼ると本当にスキルは落ちるのか？ Anthropicの実験結果をやさしく解説」Zenn
- Tsubasa「AIで僕らは本当に頭を使わなくなったのか？【MITの脳波研究参照】」Qiita
- やす「その質問、"答え"を聞いていませんか？ — 初学者のためのAIとの付き合い方」Qiita