Post
JA EN

過程にこだわる人ほどAIを使いこなせない——「登山のヘリコプター問題」と動機の構造

Posted
By
30 min read
過程にこだわる人ほどAIを使いこなせない——「登山のヘリコプター問題」と動機の構造
  • 想定読者： AIコーディングツールを日常的に使用するソフトウェアエンジニア
  • 前提知識： GitHub Copilot、Cursor、Claude Code等のAIツールの使用経験
  • 所要時間： 13分

概要

「AIにコードを書かせても、何とも思わない」という人がいる。一方で、同じスキルレベルでも「自分で書きたい」という強い衝動を抑えられない人がいる。

この違いはスキルの高低では説明できない。3,562人を対象としたWu et al.の研究（Scientific Reports掲載）は、AI協働が内発的動機を低下させ退屈感を増大させることを示した1。しかし、その影響は全員に等しく及ぶわけではない。Anthropicの研究では、AI支援下でも高い成果を出した7名は、AIを「コード生成の道具」ではなく「理解を深める対話相手」として使っていた2。

ここに、スキルとは独立した変数が見える。過程そのものに報酬を感じる人と、成果に報酬を感じる人では、AIへの反応が構造的に異なる。登山家にヘリコプターで山頂に連れて行くと申し出るようなものだ——成果（山頂到達）は同じでも、登る過程に意味を見出す人にとっては、それは登山ではない。

本記事では、心理学のフロー理論と自己決定理論を軸に、「過程へのこだわり」がAI活用にどう作用するかを検証する。結論を先に言えば、過程志向は必ずしも障害ではない。AIとの関わり方を変えれば、むしろ強みになりうる。

「過程志向」と「成果志向」——2つの動機の構造

autotelic personality——行為そのものが目的

心理学者 Mihaly Csikszentmihalyi は、フロー理論の中でautotelic personality（自己目的的人格）という概念を提唱した3。ギリシャ語の auto（自己）と telos（目的）に由来し、「行為そのものを目的として遂行する」人格特性を指す。

autotelic personalityの特徴は以下のとおりだ3。

  • 活動そのものの内在的な楽しさによって動機づけられる
  • 好奇心が強く、粘り強い
  • 外的報酬よりもタスク固有のインセンティブに反応する
  • 遂行（パフォーマンス）志向ではなく、習熟（マスタリー）志向

ソフトウェアエンジニアの世界では、この特性は珍しくない。JetBrainsの2025年Developer Ecosystem調査（24,534人）によると、52%の開発者が一日中コーディングした後でも趣味でコードを書くと回答している4。コーディングが仕事であると同時に、報酬なしでも選択する活動なのだ。

成果志向——目的地が大事な人

一方、「コードを書く行為」そのものではなく、「問題が解決された状態」「プロダクトが動いている状態」に報酬を感じる人がいる。こちらは成果志向（outcome orientation）と呼べる。

成果志向の人にとって、コーディングは目的地に至る手段のひとつだ。AIが同じ目的地により早く到達させてくれるなら、手段を切り替えることに心理的な抵抗が少ない。

flowchart TB
    P1["過程志向<br>報酬源 = 書く行為そのもの"]
    P1 --> P2["AIが代筆<br>→ 報酬が消える"]
    O1["成果志向<br>報酬源 = 問題解決・成果物"]
    O1 --> O2["AIが代筆<br>→ 報酬は変わらない"]

    classDef frictionStyle stroke:#cf222e,stroke-width:3px
    classDef harmonyStyle stroke:#2ea44f,stroke-width:3px
    class P2 frictionStyle
    class O2 harmonyStyle

重要なのは、これがスキルの高低とは独立した軸だということだ。10年選手でも成果志向なら委任に抵抗が少なく、2年目でも過程志向ならAIへの不満が生まれうる。

AIが奪うのは「作業」ではなく「報酬」

自己決定理論が予測する3つの脅威

Deci & Ryanの自己決定理論（SDT）は、人間の内発的動機を支える3つの基本欲求を定義している5。

  1. 自律性（Autonomy）: 自分の行動を自分で選択・制御している感覚
  2. 有能感（Competence）: 自分の能力で環境に効果的に働きかけている感覚
  3. 関係性（Relatedness）: 他者とつながっている感覚

AIツールはこのうち自律性と有能感の2つを同時に脅かす。

自律性について——AIが提案を行い、人間がそれを承認・修正するワークフローは、能動的な創造から受動的な審査への転換を意味する。「自分で選んでいる」感覚が薄れる。

有能感について——自分が何年もかけて身につけたスキルと同等以上の出力をAIが瞬時に生成すると、「自分の能力で環境に働きかけている」感覚が揺らぐ。Mirbabaie et al.の研究は、この現象をAI identity threat（AIアイデンティティ脅威）と呼び、3つの予測因子を特定している。(1) 仕事の変化、(2) 地位の喪失、(3) AIが自分の職業的自己に類似した特性を持つと感じること6。

3,562人の実験が示した動機の低下

Wu et al.の2025年の研究は、この理論的予測を大規模に実証した1。

指標AI協働群の変化効果量（Cohen’s d）
内発的動機低下-0.29〜-0.51
退屈感増大+0.45〜+0.51

4つの実験を通じて一貫した結果だ。特に注目すべきはStudy 4の発見だ。最初に自分で作業してからAIに切り替えた群（Solo→Collab）が、最大の動機低下（delta = -0.60）と最大の退屈感増大（delta = 0.50）を示した1。

この結果の含意は深い。「自分で書く楽しさ」を知っている人がAIに切り替えたとき、動機の落差が最も大きい。過程志向の強い人ほど、この落差が大きくなることは容易に推測できる。ただし、この研究は個人差（性格特性、志向性）を変数として分析していない点には留意が必要だ。

努力が減ると、意味も減る

Vodiskar & Ruinerの2025年の研究（N=677）は、この連鎖のもう1つの環を明らかにした7。

AIの使用は、タスクの意味（meaningfulness）に直接的な影響を与えなかった。しかし、精神的努力（mental effort）が媒介変数として機能していた。AIを使わない群はより多くの精神的努力を要し、その努力がタスクの意味の実感につながっていた7。

flowchart TB
    A["AIを使わない"] --> B["精神的努力が大きい"]
    B --> C["タスクの意味を<br>強く実感する"]
    D["AIを使う"] --> E["精神的努力が減る"]
    E --> F["タスクの意味の<br>実感が薄れる"]

    classDef effortStyle stroke:#2ea44f,stroke-width:3px
    classDef lossStyle stroke:#cf222e,stroke-width:3px
    class B,C effortStyle
    class E,F lossStyle

さらに、Sadeghian et al.のACM論文（2024）は、人間-AI協働の3つのパラダイムを比較し、人間が直接的に関与し、結果に対する責任を保持するモデルが最も高い意味実感を生むことを示している8。AIに監督されるモデル（Supervisory）では意味実感が最も低かった。

つまり、「AIに任せて楽をする」と「仕事に意味を感じる」はトレードオフの関係にある。過程志向の人はこのトレードオフに本能的に抵抗しているとも言える。

過程志向は「弱点」か——逆説的なエビデンス

概念的問いかけパターン

ここまで読むと、過程志向はAI時代の弱点のように見える。ところが、Anthropicの2026年の研究は逆説的な結果を示している2。

52名のエンジニアを対象とした実験で、AI支援群は理解度テストで17%低いスコアを記録した。しかし、高スコアを維持した7名（52名中の小サンプルであり一般化には注意が必要だが）には共通点があった。彼らは「概念的問いかけ（Conceptual inquiry）」——フォローアップの質問、説明の要求、概念レベルの問い——を通じて、コードの生成ではなく理解の深化にAIを使っていた2。

このグループのスコアは65%以上。完全委任グループは40%未満だった。

筆者は、この「概念的問いかけ」パターンを過程志向の発露と解釈する（原研究は過程志向を変数として測定していないため、これは著者の推論である）。「答えだけくれ」（成果志向的な使い方）ではなく、「なぜそうなるのか教えてくれ」（過程志向的な使い方）。具体的には、以下のような問いかけだ。

  • 「このコードが O(n^2) になる理由を段階的に説明して」
  • 「この設計パターンの代替案とトレードオフを比較して」
  • 「このエラーが発生する根本原因をデバッグの手順とともに教えて」

AIの使い方が過程志向の人の特性と合致したとき、学習効果が最大化された。

Amabileの創造性理論との接続

Harvard Business Schoolの Teresa Amabile は、創造性の構成要素理論で次のように述べている9。

人は、外発的な動機づけではなく、仕事そのものへの興味、楽しさ、満足、挑戦によって主に動機づけられているとき、最も創造的になる。

Amabileが挙げる創造性の4要素のうち、「内発的タスク動機」はまさに過程志向の核心だ。AIが「答え」を即座に提供することで、この内発的動機の源泉が枯れるリスクがある。反面、AIを「新しい問い」を生む触媒として使えば、過程志向の人こそが創造的な使い方を見出せる可能性がある。

「クラフト」の再定義

アイデンティティの危機

GitHub Octoverseの2025年研究は、開発者22名への質的調査を通じて、AI時代のアイデンティティ変容を記録した10。

2023年時点で開発者が抱いていた問い——「自分がコードを書いていないなら、自分は何をしているのか？」——は、過程志向の人にとって存在論的な問いだ。コーディングのクラフト（技巧）そのものにアイデンティティを置いている人にとって、AIへの委任は単なるツール切り替えではなく、自分が何者であるかの再定義を迫る。

LeadDevの2026年の記事は、これを「AI-driven developer identity crisis（AIによる開発者アイデンティティ危機）」と呼んでいる11。開発者のアイデンティティは長年にわたり、技術的能力、問題解決力、そしてコードを書くクラフトの上に構築されてきた。AIはその土台を揺さぶる。

4段階の移行

一方で、GitHub Octoverseの調査は希望も示している。開発者のAI成熟度には4つの段階がある10。

  1. AI Skeptic: AIを信頼しない
  2. AI Explorer: 試験的に使い始める
  3. AI Collaborator: 日常的に組み込む
  4. AI Strategist: AIで働き方全体を再設計する

注目すべきは、Strategistの段階に達した開発者は、AIの導入をクラフトの喪失ではなく「クラフトの再発明」として語っていたことだ10。

過程志向の人がSkepticにとどまりやすいのは想像に難くない。「書くこと自体が目的」である以上、それを代行するツールに懐疑的になるのは自然だ。しかしStrategistの段階では、クラフトの対象が「コードを書くこと」から「問題を定義し、解決を設計し、品質を保証すること」にシフトしている。過程志向の対象そのものを再定義した人が、摩擦を乗り越えている。

「過程」の対象を変える

問い直し：何の過程にこだわっているのか

ここまでの分析を統合すると、問題は「過程にこだわること」自体ではなく、こだわる対象が狭すぎることだ。

コーディングの過程にこだわる人は、AIに抵抗を感じる。一方、「問題を理解する過程」「設計を磨く過程」「ユーザーの課題を深く掘る過程」にこだわる人は、AIを活用してもその過程は消えない。むしろAIが実装の負荷を引き受けることで、こちらの過程により多くの時間を割けるようになる。

flowchart TB
    A["過程志向"] --> B{"こだわる対象"}
    B -->|"コードを書く行為"| C["AIと競合<br>報酬が消える"]
    B -->|"問題を理解し<br>解決を設計する行為"| D["AIと協働<br>報酬が増える"]

    classDef frictionStyle stroke:#cf222e,stroke-width:3px
    classDef harmonyStyle stroke:#2ea44f,stroke-width:3px
    class C frictionStyle
    class D harmonyStyle

Anthropicの研究で高スコアを出した7名は、この転換を実践していた2。AIとの対話を「コード生成の委任」ではなく「概念の探究」として行った。過程志向の特性——好奇心、粘り強さ、習熟への志向——をAIとの対話に向けたのだ。

「登山」ではなく「探検」

冒頭の登山のメタファーに戻ろう。ヘリコプターで山頂に運ばれたら、登山家にとってそれは登山ではない。だが、「未知の山域を探検する」ことが目的なら、ヘリコプターはベースキャンプまでの移動手段であり、探検そのものは残る。

AIは、コーディングという「登山」をスキップさせるかもしれない。しかしソフトウェアエンジニアリングという「探検」は消えない。未知の問題への挑戦、システム設計の試行錯誤、ユーザー体験の磨き込みは残る。過程志向の人が適応するカギは、「何を登るか」ではなく「何を探検するか」を問い直すことにある。

まとめ

過程にこだわる人がAIを使いこなせないのは、性格的な欠陥ではない。報酬の源泉がAIによって置き換えられる構造的な問題だ。

Wu et al.の研究はAI協働が内発的動機を低下させることを示し1、Vodiskar & Ruinerの研究は精神的努力の減少が意味の実感を薄れさせるメカニズムを明らかにした7。自己決定理論の枠組みでは、AIは自律性と有能感の2つの基本欲求を同時に脅かす5。

だが、Anthropicの研究が示した「概念的問いかけ」パターンは、過程志向の人がAIを活用する道筋を照らしている2。GitHub Octoverseが記録した「クラフトの再発明」も、同じ方向を指している10。

過程志向は弱点にも強みにもなりうる。その分岐点は、こだわる「過程」の対象を更新できるかどうかにある。コードを書く過程から、問題を理解し解決を設計する過程へ。AIが代行できない知的営みは、まだ十分に残っている。

関連記事

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）

引用の正確性について： 本記事で引用した研究は、学術データベース（Google Scholar、PubMed、ACM Digital Library等）、公式ジャーナルウェブサイト、および複数の独立した情報源による相互検証を通じて確認しています。一部の論文については、全文へのアクセスが制限されている場合がありますが、要約、DOI、主要な発見は公式の学術データベースおよび信頼できる情報源を通じて検証しています。

  1. Human-generative AI collaboration enhances task performance but undermines human’s intrinsic motivation - Wu, Liu, Ruan, Chen, Xie, Scientific Reports / HBR掲載版 (2025). 【信頼性: 高】 査読付きジャーナル論文。4実験、N=3,562。 ↩︎ ↩︎2 ↩︎3 ↩︎4

  2. How AI Assistance Impacts the Formation of Coding Skills - Shen, Tamkin, Anthropic (2026). arXiv: 2601.20245. 【信頼性: 高】 52名のエンジニア対象。RCT。 ↩︎ ↩︎2 ↩︎3 ↩︎4 ↩︎5

  3. Csikszentmihalyi, M. (1990). Flow: The Psychology of Optimal Experience. Harper & Row. autotelic personalityの体系的解説として: Baumann, N. (2021). “Autotelic Personality.” In Advances in Flow Research (2nd ed.), pp. 231-261. Springer. 【信頼性: 高】 ↩︎ ↩︎2

  4. State of Developer Ecosystem 2025 - JetBrains (2025). 【信頼性: 中〜高】 24,534人、194カ国の大規模開発者サーベイ。 ↩︎

  5. The “What” and “Why” of Goal Pursuits: Human Needs and the Self-Determination of Behavior - Deci, Ryan, Psychological Inquiry (2000). / Gagné, Deci, “Self-determination theory and work motivation,” Journal of Organizational Behavior (2005). 【信頼性: 高】 確立された心理学理論。 ↩︎ ↩︎2

  6. The Rise of Artificial Intelligence – Understanding the AI Identity Threat at the Workplace - Mirbabaie, Brunker, Mollmann Frick, Stieglitz, Electronic Markets (2022). 【信頼性: 高】 査読付きジャーナル論文。 ↩︎

  7. Collaboration between individuals and AI: fusing mental effort and AI for work meaningfulness - Vodiskar, Ruiner, AI & Society (2025). 【信頼性: 高】 査読付きジャーナル論文。N=677。 ↩︎ ↩︎2 ↩︎3

  8. The Soul of Work: Evaluation of Job Meaningfulness and Accountability in Human-AI Collaboration - Sadeghian, Uhde, Hassenzahl, Proceedings of the ACM on Human-Computer Interaction, CSCW1 (2024). 【信頼性: 高】 査読付きACM論文。 ↩︎

  9. Componential Theory of Creativity - Amabile, Harvard Business School Working Paper 12-096 (2012). 【信頼性: 高】 確立された創造性理論。 ↩︎

  10. The New Identity of a Developer - Kalliamvakou, GitHub (2025). 【信頼性: 中〜高】 22名の開発者への質的調査。 ↩︎ ↩︎2 ↩︎3 ↩︎4

  11. Managing the AI-driven Developer Identity Crisis - McMahon, LeadDev (2026). 【信頼性: 中】 実務者向けメディア記事。 ↩︎

AI・テクノロジー
AI Motivation Flow Self-Determination-Theory Identity Cognitive-Science
This post is licensed under CC BY 4.0 by the author.