Post
JA EN

「書く人」と「書かない人」の二極化——Paul Grahamの主張を科学的に検証する

Posted
By
36 min read
「書く人」と「書かない人」の二極化——Paul Grahamの主張を科学的に検証する
  • 想定読者： ソフトウェアエンジニア、AI活用に関心のあるITプロフェッショナル
  • 前提知識： ChatGPT、Claude等のAIツールの基本的な使用経験
  • 所要時間： 25分

概要

2024年10月、Y Combinator創業者のPaul Grahamが「Writes and Write-Nots」というエッセイを発表した1。その主張は明快で衝撃的だ。AIの登場により、社会は「書く人（Writes）」と「書かない人（Write-Nots）」に二極化する——そして、それは「考える人」と「考えない人」の分断を意味する、というものである。

本記事では、この主張を認知科学、教育心理学、哲学の研究に基づいて検証する。結論から言えば、Grahamの主張には相当のエビデンスが存在するが、いくつかの重要な前提と限界も明らかになる。

さらに、Grahamが暗黙のうちに前提としている「AIをツールとして使う」という枠組み自体を問い直す。哲学者Martin Buberの対話哲学（I-Thou vs I-It）、教育心理学者Vygotskyの「最近接発達領域」理論を援用し、AIとの「関係性の質」が成長を決定するという視点を提示する。

Paul Grahamの主張

エッセイの要点

Grahamのエッセイは以下の3つの主張から構成される1：

1. 書くことは困難である——それは思考が困難だからだ

“To write well you have to think clearly, and thinking clearly is hard.”

書くことの困難さは、文章力の問題ではなく、明確な思考の問題である。

2. AIにより書くことを回避できるようになった

従来は金銭（ゴーストライター）や盗用でしか回避できなかった「書く」という行為が、AIの登場により誰でも容易に回避できるようになった。学校でも職場でも、人々はAIに文章作成を委託できる。

3. 社会は「書く人」と「書かない人」に二極化する

Grahamはこれを、現代の筋力トレーニングに例える。かつては生活のために筋力が必要だったが、今は意図的に鍛える人だけが持つ。同様に、書く能力も「選択する人だけが持つスキル」になる。

Leslie Lamportの引用

エッセイの核心部分で、Grahamは分散システムの権威であるLeslie Lamportの言葉を引用する：

“If you’re thinking without writing, you only think you’re thinking.” （書かずに考えているなら、考えているつもりになっているだけだ）

これは、書くことが単なる思考の記録ではなく、思考そのものであるという主張である。

科学的検証：肯定的エビデンス

Grahamの主張を支持する科学的エビデンスは、複数の研究領域から得られる。

1. Writing-to-Learn研究

「書くことで学ぶ（Writing-to-Learn）」研究は1970年代から蓄積されており、メタ分析により一貫した結果が示されている。

Graham et al.（2020）による56の実験を対象としたメタ分析では、コンテンツについて書くことが学習を確実に促進することが示された（効果サイズ = 0.30）2。この効果は：

  • 科学、社会、数学のいずれの科目でも同等
  • 小学生から高校生まで同等に有効
  • 書く活動、指導、評価の特徴によって調整されない

つまり、書くこと自体に学習促進効果があることが実証されている。

2. 拡張された心（Extended Mind）理論

哲学者Andy ClarkとDavid Chalmersは1998年の論文「The Extended Mind」で、認知は脳の中だけで完結しないことを論じた3：

“Where does the mind stop and the rest of the world begin?” （心はどこで終わり、外界はどこから始まるのか？）

彼らの答えは「認知プロセスは頭の中だけで完結しない（”ain’t all in the head”）」というものだ。ペンと紙での計算、日記、パソコンなど、情報を保存する外部オブジェクトは認知プロセスの一部として機能し得る。

この理論は、書くことが「考えを記録する」行為ではなく「考える」行為であるというLamportの主張を哲学的に支持する。

3. 認知的オフロードとAI

2025年のGerlichによるSBS Swiss Business School研究は、AIツールの頻繁な使用と批判的思考能力の低下に有意な負の相関があることを発見した4：

  • 若年層は高齢者と比較してAIツールへの依存度が高く、批判的思考スコアが低い
  • 認知的オフロード（認知タスクを外部ツールに委託すること）が低下の主要因
  • ただし、高等教育は認知的オフロードに対する保護バッファとして機能

この研究は、AIへの受動的依存が認知能力に影響を与える可能性を示唆している。

4. AI支援学習の二面性

2024年のCHI Conference論文では、生成AIの使用が3つの段階でメタ認知的要求を課すことが示された5：

flowchart TB
    subgraph A["プロンプト作成段階"]
        direction TB
        A1["タスクゴールの自己認識"]
        A2["サブタスクへの分解"]
        A3["明示的な言語化"]
    end

    subgraph B["出力評価段階"]
        direction TB
        B1["妥当性判断"]
        B2["ハルシネーション検出"]
        B3["代替案の検討"]
    end

    subgraph C["自動化戦略段階"]
        direction TB
        C1["プロンプト改善"]
        C2["タスク分担の判断"]
        C3["ワークフロー統合"]
    end

    A --> B
    B --> C

興味深いことに、この研究はAIを「丸投げ」するにも高度な認知作業が必要であることを示している。つまり、AIの効果的な使用には、まさにGrahamが言う「明確な思考」が前提となる。

科学的検証：否定的・批判的エビデンス

一方で、Grahamの主張にはいくつかの重要な反論と限界がある。

1. 口頭文化vs書記文化の「大分断」理論への批判

言語学者や人類学者は、口頭文化と書記文化を二項対立で捉えることに異議を唱えてきた。

Tannen（1988）は、口頭性と識字性が「二項対立的なペアを形成する」という解釈を否定し、両者は「複雑で相互に絡み合っている」と主張した6。

人類学者Ruth Finneganは「識字文化と前識字文化を区別するとされる特徴についての、かつての自信に満ちた主張は、明らかに揺らいでいる」と述べている6。

この批判は重要である。「書く人 vs 書かない人」という二分法は、認知能力の複雑な連続性を過度に単純化している可能性がある。

2. 西洋的「批判的思考」概念への疑問

批判的思考が普遍的に価値あるスキルだという前提自体が問題視されている7：

“What counts as critical thinking in the West—the techniques of analysis and evaluation, the style and linear structure of written argument—is in fact part of a Western cultural tradition.” （西洋で批判的思考とされるもの——分析と評価の技法、書かれた議論の様式と直線的構造——は、実際には西洋の文化的伝統の一部である）

論理的に推論する認知能力は人類に普遍的だが、その価値付けや表現方法は文化によって異なる。Grahamの議論は、暗黙のうちに書字文化中心主義に立脚している可能性がある。

3. 技術決定論への批判

Grahamの議論は、技術が社会を一方向的に変化させるという「技術決定論」的な前提を含んでいる。批評家Daniel Chandlerは、技術が社会変化に貢献するとしても、それが唯一の要因ではないと指摘する8。

社会構築主義の観点からは、人間と社会的条件が技術の発展と採用を形作る。つまり、AIがどのように使われるかは、技術の内在的性質だけでなく、経済、規制、文化によって決定される。

4. 適切に設計されたAI支援の可能性

最新の研究は、AI支援が必ずしも認知能力を損なうわけではないことを示唆している9：

  • 統合型AIライティングツールを使用した学生は、執筆プロセスに対するより大きな主体性を示し、全体的により深い知識変換に関与した
  • 自己調整に長けた学生は、AIを代替物ではなく認知ツールとして使用する
  • 深い対話と説明を求めてAIを使用する人は学習が促進されるが、直接的な回答を求める人は学習が妨げられる

これは、AIの影響が一様ではなく、使い方に依存することを示している。

考察：技術決定論を超えて

二極化は「必然」か「選択」か

Grahamの議論の核心的な問題は、二極化を技術の必然的帰結として描いていることにある。しかし、研究が示すのは、むしろ使い方の選択が結果を決定するという事実である。

flowchart TB
    AI["AIツール"]

    subgraph Active["能動的使用"]
        direction LR
        A1["プロンプト設計に思考を投入"]
        A2["出力を批判的に評価"]
        A3["対話を通じて理解を深める"]
    end

    subgraph Passive["受動的使用"]
        direction LR
        P1["直接的な回答を求める"]
        P2["出力をそのまま受け入れる"]
        P3["思考プロセスを省略"]
    end

    AI --> Active
    AI --> Passive

    Active --> E1["認知能力の強化"]
    Passive --> E2["認知能力の低下リスク"]

    style E1 stroke:#2ea44f,stroke-width:3px
    style E2 stroke:#d29922,stroke-width:3px

デジタルデバイドの現実

AIデバイドに関する研究は、Grahamとは異なる二極化の軸を示している10：

  • アクセスの格差：AI技術へのアクセスにおける不平等
  • 使用法の格差：スキル、使用方法、参加の違い
  • 成果の格差：AI成果を効果的に活用することにおける不平等

Randstadの調査（2024年、15市場の12,429人を対象）によると、企業の75%がAIを導入している一方、過去1年間にAIトレーニングを受けた従業員はわずか35%である11。

この文脈では、二極化は「書くことを選ぶか選ばないか」ではなく、「効果的にAIを使える環境にいるかどうか」によって生じる可能性が高い。

高等教育のバッファ効果

Gerlichの研究で興味深いのは、高等教育が認知的オフロードの悪影響に対する「保護バッファ」として機能するという発見である4。

これは、批判的思考スキルを既に獲得している人は、AIを使用しても能力が維持されることを示唆する。つまり、問題はAIの存在自体ではなく、基礎的な認知スキルの教育にある可能性がある。

「ツール」を超えて——AIとの関係性の質を問う

ここまでAIを「認知ツール」として議論してきた。しかし、哲学者Martin Buberの視点は、根本的に異なる問いを投げかける。

I-Thou（我と汝）vs I-It（我とそれ）

Buberは1923年の著作『我と汝（I and Thou）』で、人間の関係性を2つのモードで区別した12：

I-It（道具的関係）I-Thou（対話的関係）
相手を使用する対象として扱う相手を人格として出会う
一方向的、操作的相互的、直接的
自分の目的のための手段関係そのものに価値がある
「私」は変わらない両者が変容する

Buberによれば、I-Thou関係では「between（あいだ）」という新たな次元が生まれる。そこでは、関係が個人の貢献の総和を超える何かを生み出す。

興味深いことに、AI & Society誌ではBuberの対話哲学がAI・ロボティクス研究に応用されている13。西洋哲学の「エゴ中心的伝統」がAIを道具的に扱う傾向を生んでいるとして、対話的アプローチが提案されている。

Vygotskyの「最近接発達領域」——AIは「より有能な他者」になれるか

教育心理学者Lev Vygotskyは、学習が対話的相互作用を通じて起こると論じた。彼の「最近接発達領域（Zone of Proximal Development）」理論では、「より有能な他者」との協働が、独力では達成できない成長を可能にする14。

2025年の研究「Dialogic Pedagogy for Large Language Models」は、この視点をAIに適用している15：

「LLMを権威的な解答提供者ではなく、教育における対話的エージェントとして捉える」

この研究は、AIが「知識の共構築者」として機能し得ることを示唆する。しかし同時に、重要な課題も指摘されている：

「LLMは直接答えを与える傾向があり、知識の共構築を促進しにくい」

関係性の質が学習効果を決める

メンタリング研究は、関係性の持続時間と質が学習成果に直接影響することを示している16：

  • 長期的なメンタリング関係は、学術的・社会的・心理的により良い成果を生む
  • AIは「即時のカスタマイズされたフィードバック」では効果的
  • しかし共感、生きた経験、本物のつながりは人間のメンターにしかない

ある研究者は、AIメンタリングの本質を「AIは骨格（backbone）、人間は心（heart）」と表現している。

AIとの「対話的関係」は可能か

flowchart LR
    subgraph Tool["I-It（道具）"]
        direction LR
        T1["効率的なタスク完了"]
        T2["情報検索・生成"]
        T3["認知負荷の軽減"]
    end

    subgraph Partner["I-Thou（対話）"]
        direction LR
        P1["知識の共構築"]
        P2["思考の外化と対話"]
        P3["相互的な問いかけ"]
    end

    Tool --> O1["生産性向上"]
    Partner --> O2["認知能力の変容"]

    style O2 stroke:#2ea44f,stroke-width:3px

研究が示唆するのは、AIを「使う対象」として扱うか、「対話する相手」として向き合うかで、学習の質が根本的に変わる可能性である。

ただし、重要な限界も認識すべきだ：

  1. AIは本当の「汝（Thou）」になれるか？
    • Buberの I-Thou は相互的な変容を前提とする
    • AIは「変容」しない（少なくとも現状では）
    • 一部の研究者は懐疑的だが、「擬似的なI-Thou」の可能性を探る研究もある
  2. 擬人化のリスク
    • AIを人のように扱うことで、情緒的依存が生じる可能性17
    • 批判的思考の低下リスク
    • 対人コミュニケーションスキルへの影響
  3. 設計の重要性
    • 「対話的AIチューター」は、直接答えを与えるのではなく、段階的に支援を減らす設計が必要
    • 「では次は自分でやってみてください。困ったら助けます」というアプローチ

エンジニアにとっての示唆

GitHub CopilotやClaude Codeを使う際、「ツールを使う」という意識と「対話する」という意識では、得られるものが異なる可能性がある。

I-It的アプローチ（ツール）：

1

「このコードを書いて」→ 出力をコピペ → 次のタスクへ

I-Thou的アプローチ（対話）：

1

「この設計どう思う？」→ 議論 → 「なぜその選択？」→ 深掘り → 「他の方法は？」→ 比較検討 → 自分で判断

後者のアプローチでは、AIとの「対話」を通じて自分自身の思考が変容する。これはBuberの言う「あいだ」の体験に近い。

まとめ

Paul Grahamの「Writes and Write-Nots」は、AIと認知能力の関係について重要な問題提起をしている。科学的検証の結果、以下のことが言える：

Grahamの主張が支持される点

  1. 書くことと思考の密接な関係：Writing-to-Learn研究やExtended Mind理論は、書くことが単なる思考の記録ではなく、思考プロセス自体であることを支持する
  2. 認知的オフロードのリスク：AIへの受動的依存が批判的思考能力に影響を与える可能性は、複数の研究で示されている

Grahamの主張の限界

  1. 二項対立の過度な単純化：「書く人 vs 書かない人」という分類は、認知能力の連続性と多様性を無視している
  2. 技術決定論的前提：AIの影響は技術の内在的性質だけでなく、使い方、教育、社会的文脈に依存する
  3. 文化的バイアス：書字文化と論理的思考を等置する議論は、西洋中心主義的な前提を含む
  4. 能動的使用の可能性を軽視：適切に設計・使用されたAI支援は、認知能力を強化し得る

Grahamが見落としている視点

  1. 「ツール」という枠組み自体の限界：AIを道具（I-It）として扱うか、対話的パートナー（I-Thou志向）として向き合うかで、得られる学びの質が根本的に異なる可能性がある

Buberの対話哲学、Vygotskyの最近接発達領域理論、そしてメンタリング研究が示唆するのは、関係性の質が成長を決定するという事実である。AIとの「対話」を通じて、人間の側が変容する——その可能性を、「ツール使用」の枠組みでは捉えきれない。

エンジニアへの示唆

Grahamの警告を受け止めつつも、技術決定論に陥らないことが重要である。AIコーディングツールを使用する際も：

  • 意図的に思考プロセスを残す：コードを生成させる前に、自分で設計を考える
  • 出力を批判的に評価する：生成されたコードをそのまま使わず、理解してから採用する
  • 対話を通じて理解を深める：「なぜこの実装か？」とAIに問い、代替案を検討する
  • AIを「対話相手」として扱ってみる：「これをやって」ではなく「これについてどう思う？」から始める

最終的に、二極化が起こるとすれば、それは「書く人と書かない人」でも「AIを使う人と使わない人」でもなく、「AIを通じて自らを変容させる人と、AIに変容を委ねてしまう人」の間で生じるのではないだろうか。

そして、その分岐点は、AIを「それ（It）」として使うか、「汝（Thou）」として向き合うかという、私たちの姿勢の中にあるのかもしれない。

引用の正確性について： 本記事で引用した研究は、以下の方法で検証しています：

  • 学術データベース（Google Scholar、PubMed等）での確認
  • 公式ジャーナルウェブサイトでの論文情報の確認
  • 複数の独立した情報源による相互検証

関連記事

このテーマに関連する他の記事もご覧ください：

参考資料

本文中の引用番号に対応する参考資料を番号順に記載しています。

その他参考資料（本文中で番号引用なし）

  1. Writes and Write-Nots - Paul Graham (2024). 【信頼性: 中】 ↩︎ ↩︎2

  2. The Effects of Writing on Learning in Science, Social Studies, and Mathematics: A Meta-Analysis - Graham, S., Kiuhara, S. A., & MacKay, M. (2020). Review of Educational Research. 【信頼性: 高】 ↩︎

  3. The Extended Mind - Clark, A. & Chalmers, D. (1998). Analysis, 58(1), 7-19. 【信頼性: 高】 ↩︎

  4. AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking - Gerlich, M. (2025). Societies, 15(1), 6. 【信頼性: 高】 ↩︎ ↩︎2

  5. The Metacognitive Demands and Opportunities of Generative AI - Tankelevitch, L. et al. (2024). CHI Conference on Human Factors in Computing Systems. 【信頼性: 高】 ↩︎

  6. Oralities & Literacies – Chapter 1 – Synthesizing the Orality Debate - International Orality Network. 【信頼性: 中〜高】 ↩︎ ↩︎2

  7. The role of critical thinking in academic writing - ERIC Database. 【信頼性: 中〜高】 ↩︎

  8. A Critical Analysis of Technological Determinism Theory - Preprints.org. 【信頼性: 中】 ↩︎

  9. Human-AI collaboration patterns in AI-assisted academic writing - Taylor & Francis (2024). Studies in Higher Education. 【信頼性: 高】 ↩︎

  10. Mind the AI Divide: Shaping a Global Perspective on the Future of Work - United Nations (2024). 【信頼性: 高】 ↩︎

  11. AI skills gap widens - Randstad (2024). Understanding Talent Scarcity: AI and Equity Report. 【信頼性: 高】 ↩︎

  12. I and Thou - Buber, M. (1923/1958). Scribner. 【信頼性: 高】 ↩︎

  13. Rethinking the I-You relation through dialogical philosophy in the Ethics of AI and robotics - AI & Society (2017). 【信頼性: 高】 ↩︎

  14. Vygotsky’s Zone of Proximal Development: Instructional Implications - ERIC Database. 【信頼性: 中〜高】 ↩︎

  15. Dialogic Pedagogy for Large Language Models: Aligning Conversational AI with Proven Theories of Learning - Beale, R. (2025). arXiv preprint. 【信頼性: 中〜高】 ↩︎

  16. Artificial intelligence as a mentor in the graduate online classroom - Emerald Publishing, AI in Education (2024). 【信頼性: 高】 ↩︎

  17. Anthropomorphic response: Understanding interactions between humans and artificial intelligence agents - Computers in Human Behavior (2023). 【信頼性: 高】 ↩︎

AI・テクノロジー
AI Writing Cognition Critical-Thinking Paul-Graham
This post is licensed under CC BY 4.0 by the author.