経験が重要なのに、経験を積めない ―AI時代に広がる「経験の空洞化」

AIは、膨大な情報から、もっともらしい回答や一定水準の成果物を短時間でつくれます。

そのため、すでにある情報を集めて要約することや、一般的な正解を整えて
提示することだけでは、違いを生み出しにくくなります。

一方、AIがその人の代わりに持つことのできないものがあります。
- 実際に現場へ行って気づいた小さな変化
- 相手の表情や反応を見て、説明を変えた経験
- 失敗して初めて分かった条件や落とし穴
- 数字には表れない違和感や身体感覚
- 結果を引き受け、次の判断を修正した履歴
- 長く関わるなかで築いた信頼や関係性
など・・・

これらは、既存情報を組み合わせただけでは得られない一次経験です。
さらに、AIが出した答えが目の前の状況に合っているかを確かめるためにも、
現場、相手、専門領域を知る人の経験が必要になります。

AIが知識を広く使えるものにするほど、人間には、知識を現実に当てはめ、
違いを感じ取り、責任をもって判断する力が求められます。

AI時代に経験の価値が下がるのではありません。
平均的な知識の価値が下がるほど、自分で現実に触れて得た経験の価値が上がります。

生成AIは、調査、要約、文章作成、企画案、画像制作、プログラミングなど、多くの作業を短時間で支援できるようになりました。

これまで数時間かかっていた資料が、数十分で完成する。知識がない分野でも、一定水準の文章や企画をつくれる。AIが仕事の入口を広げ、生産性を高めていることは間違いありません。

でも、成果物を早くつくれることと、本人の経験が深まることは同じではありません。

たとえば、企画書をAIに作成してもらったとします。
見栄えのよい企画書が完成すれば、業務上の目的は達成できるかもしれません。

一方、その過程で、
- 誰の何を変える企画なのか
- なぜこの案を選ぶのか
- どの情報を信頼するのか
- 何を捨て、何を残すのか
- 現場では本当に機能するのか
- 相手の反応を受けて何を変えるのか
など・・
を自分で考えていなければ、次に別の状況で企画を求められたとき、
自分の判断として再現することは難しくなります。

完成した成果物は会社に残っても、判断の過程は本人に残らない。
これが、経験の空洞化です。

私たちは毎日、さまざまな出来事を体験しています。
でも、長く働いたことと、その体験を使える経験に変えたことも同じではありません。

体験を経験資産に変えるには、少なくとも次の過程が必要です。

現実に関わる
→ 自分で判断する
→ 行動する
→ 相手や現実から反応を受け取る
→ 予想との違いを振り返る
→ 次の行動を修正する

この循環を通ることで、「こうすれば必ずうまくいく」という正解ではなく、
「この条件では、こう考えた方がよい」という実践知が育ちます。

・マニュアルを読むだけでは分からなかったこと。
・実際に相手と話したから気づいたこと。
・失敗して初めて理解したこと。
・現場に合わせて工夫したこと。

こうした知恵は、結果だけを受け取っていては身につきません。
経験の空洞化は、AIを使い始めた若い世代だけの問題ではありません。

長く会社や家庭の役割に応えてきた人にも起こります。

・上司の指示に正確に従う。
・前例に沿って仕事を進める。
・家族の都合を優先する。
・その場が求める正解を読み、期待に応え続ける。

その能力によって、多くの人や組織が支えられてきました。
でも、自分で課題を設定し、自分の意思で選び、その結果を自分の経験として
受け取る機会が少なければ、何十年働いても「自分には何もない」と感じることがあります。

経験がなかったのではありません。

経験してきたことを自分の意思、判断、工夫、結果のつながりとして
振り返る機会がなかったのかもしれないのです。

人は、最初から高度な判断ができるわけではありません。

調べる。下書きをつくる。先輩の仕事を手伝う。簡単な案件を担当する。失敗を直してもらう。
こうした小さな仕事を通して、仕事の全体像、判断基準、相手への配慮を学んできました。

ところがAIは、この「経験の入口」にあった定型的な仕事を得意とします。

スタンフォード大学デジタル経済研究所は、米国の大規模な給与データを用いた2026年8月改訂の研究で、AIの影響を受けやすい職種では、22～25歳の雇用が、影響の少ない同年代と同じペースで推移した場合より19％低い水準にあると報告しています。

変化は主に離職の増加ではなく、若手採用の減少を通じて現れていました。
ただし、研究者自身も、これは因果関係を確定したものではなく、初期の記述的な兆候だと
慎重に位置づけています。

問題は、単に若者の仕事が減ることだけではありません。

若手が熟練者になるまでに通ってきた、小さな仕事の階段が失われる可能性があります。

簡単な仕事をAIに任せるなら、その代わりに、観察、判断、顧客との接点、レビュー、
試行錯誤を経験できる新しい育成経路を意識的につくらなければなりません。

AIへ指示すれば、短時間で整った答えが返ってきます。
忙しい職場では、自分で考えるよりAIの回答を採用した方が合理的な場面も増えるでしょう。

しかし、この便利さには注意が必要です。

Microsoft Researchが319人の知識労働者から936件のAI利用事例を集めた研究では、
AIへの信頼が高いほど、批判的思考を働かせる程度が低い傾向が示されました。

一方、自分自身の能力への確信が高い人ほど、批判的思考を働かせる傾向がありました。

これは「AIを使うと考える力が必ず落ちる」という因果関係を示したものではありません。

自己申告に基づく調査であり、AIを使うことで思考の中心が、情報を一からつくることから、
検証、統合、監督へ移ることも示されています。

つまり、必要な思考がなくなるのではなく、変わるのです。

ところが、AIの出力を確認せず、そのまま提出する仕事設計になれば、
- 問いを立てる
- 根拠を確かめる
- 複数案を比較する
- 自分の判断を説明する
- 結果に応じて修正する
という経験まで省略されます。

効率化を重視する組織では、評価されやすいのは、処理件数、速度、売上、完成物など、
目に見える結果です。

一方、経験を育てるために必要な、
- 現場を見に行く
- 相手の話を結論を急がず聞く
- 予想外の反応を受け取る
- 失敗の原因を考える
- 先輩の判断理由を聞く
- 自分の工夫を言葉にする
といった時間は、直接的な成果に見えにくいため、削減されやすくなります。

国際労働機関（ILO）は、生成AIの影響について、仕事全体の消滅よりも、
仕事を構成するタスクの変容が主要な影響になる可能性が高いとしています。

だから問うべきなのは、「AIに仕事を奪われるか」だけではありません。

仕事の中から、どのタスクがなくなり、その結果、どのような経験を積む機会が失われるのか。
ここまで見なければ、効率化に成功した後で、判断できる人や育成できる人がいなくなる
可能性があります。

経験の空洞化は、AIの必然的な結果ではありません。

AIを、完成品を受け取るための自動化装置として使うのか、自分の仮説を問い直し、
判断を深める補助者として使うのかによって、結果は変わります。

Anthropicの2026年1月のEconomic Indexでは、Claude.ai上の会話について、
AIとの協働を示す「拡張」が52％、AIが作業を担う「自動化」が45％と分類されました。

同時に、自動化の比率が長期的には少しずつ上昇していることも報告されています。

重要なのは、自動化か拡張かの二者択一ではありません。

定型的な処理は自動化しながら、浮いた時間を、現場との接触、対話、検証、試行錯誤に戻せるか。それとも、さらに多くの成果物をつくることだけに使うのか。

ここで経験の密度が分かれます。

AIは、経験の入口を奪うだけでなく、学習を支えることもできます。

顧客対応を対象にしたNBERの研究では、AI支援によって1時間当たりの問題解決件数が
平均14％向上し、初心者や技能の低い層では34％向上しました。

研究者は、AIが熟練者の暗黙知を初心者へ伝え、経験曲線を早く進むことを助けた可能性を
示しています。

AIを使って成果が上がることと、AIなしでも使える技能が残ることは別です。

2026年に公表された、米国の特許弁護士133人を対象とした3か月間の無作為化比較試験では、
AI支援によって作成物の品質は向上しました。

その一方で、AIを外した後の専門的判断の改善は主にシニア層に集中し、ジュニア層では
平均的な向上が確認されませんでした。

研究者は、AIを用いた実践から持続的な技能を得るには、基礎的な専門性が前提になる
可能性を指摘しています。
AIを使えば、初心者でも高品質な成果物をつくれる。しかし、その成功が本人の技能になったとは限らない。
ここを区別する必要があります。

経験を深めるAIの使い方は、答えを丸ごと受け取ることではありません。

まず自分の考えを持ち、その後でAIを使います。
- 私の仮説の弱い点はどこか
- 見落としている相手や条件はないか
- 反対の立場から見ると、どう見えるか
- この情報の根拠は何か
- 現場で確かめなければ分からないことは何か
- 結果が違った場合、次に何を修正するか

AIは、選択肢を広げたり、矛盾を見つけたり、振り返りを助けたりできます。
でも、何を大切にするのか、誰のために行うのか、どのリスクを引き受けるのか、
最後に何を選ぶのかは、人間が担います。

AIに文章を書かせてもよいけれど、何を選び、どう判断し、何を修正するかまで渡してはいけない。

同じ出来事を体験しても、そこから得る経験は人によって異なります。
違いを生むのは、その出来事にどのように関わったかです。

誰かが決めた目的と手順に従い、結果を受け取るだけなら、仕事を完了することはできても、
「自分はなぜそうしたのか」を説明できないことがあります。

一方、小さくても自分で選び、理由を持って実行し、結果を受け取れば、
それは自分の経験になります。

ここでは、「意思」と「意志」を次のように分けます。
- 意思：自分は何を選ぶのか、どう判断するのか
- 意志：選んだことに取り組み、結果を見ながら修正して続ける力

意志とは、強引に自分の考えを押し通すことではありません。
他者の意見を聞く、AIの提案を検討する、間違いを認める、助けを求める、
状況に応じて選択を変えることも含む、柔軟な主体性です。

自分イノベーションでは、AI時代に育て直したい経験の回路を、次のように捉えます。

自分で一つ選ぶ
→ 意志を持って動く
→ 現実の反応を受け取る
→ 予想との違いを振り返る
→ 次の行動を修正する
→ もう一度選ぶ

失われた30年や工業化された組織のなかで休眠してきたのは、
夢や希望だけではありません。

自分で意思を持ち、計画し、実行し、結果を受け取り、
修正して成果へ近づける回路も、使う機会を失ってきた可能性があります。

AIが答えを作れる時代だからこそ、この回路を人間の側に残す必要があります。

経験の価値は、年数だけでは測れません。

同じ仕事を10年続けても、決められた手順を繰り返しただけなら、
状況が変わったときに対応できないことがあります。

一方で、短い期間でも、仮説を立て、実行し、相手の反応から学び、
修正を重ねた人には、別の環境でも使える判断基準が残ります。

AI時代に問われる経験とは、単なる在籍年数ではなく、
- どのような問いを持ったか
- 何を自分で選んだか
- どの現実に働きかけたか
- どのような反応を受け取ったか
- そこから何を修正したか
の蓄積です。

この判断の履歴が、AIには代わりに蓄積できない、その人固有の実践知になります。

経験を積むために、転職や起業のような大きな決断をする必要はありません。

同じ場所で、同じ人に会い、同じ情報に触れ、同じ役割を続けていれば、
心が動く材料も、試したい仮説も生まれにくくなります。

そこで、日常に小さな変化を一つ起こします。
- 気になる仕事をしている人に30分だけ話を聞く
- 初めての地域活動や勉強会を見に行く
- 昔好きだったことを1時間だけ再開する
- 自分の経験を500字にして一人に読んでもらう
- 困っている人の話を、解決を急がず聞いてみる

目的は、すぐ成果を出すことではありません。

その出来事のなかで、何に心が動き、何に違和感を覚え、もう少し知りたいと
思ったかを観察することです。

それが、休眠していた「心の芽」を見つける入口になります。

小さなイベントのなかで、「これなら誰かの役に立つかもしれない」
という仮説が生まれたら、1％実験へ進みます。

1％とは、人生を一度に100％変えようとせず、生活を壊さないほど小さな単位で、
前提を現実に照らして確かめるという意味です。

たとえば、家族の介護経験が役立つかもしれないと思ったなら、
いきなり資格取得や事業化を考える必要はありません。

まず、
- 経験した手続きを一枚に整理する
- 同じ悩みを持つ人に見てもらう
- 分かりにくい点を聞く
- 直してもう一度渡す
ところから始められます。

このとき得たいのは、成功という判定だけではありません。

自分がどう感じたか。
相手にどんな変化があったか。
予想と何が違ったか。
次にどこを直せばよいか。

この反応が、体験を経験へ変えます。

行動しても、振り返らなければ、多くの体験は忙しい日常のなかに埋もれていきます。

そこで、一日の終わりに自分のための日報を書きます。

会社のために日報を書いてきた。
これからは、
自分の人生のために日報を書く。

次の七つの問いに、短い言葉で答えてみてください。
1. 今日、自分で決めたことは何か
2. なぜ、それを選んだのか
3. 実際に何をしたか
4. どんな反応や結果が返ってきたか
5. 判断と現実の間に、どんな違いがあったか
6. 次は何を修正するか
7. 自分が責任を持つ範囲はどこまでか

すべてを書けない日は、一つだけでも構いません。

自分日報は、自分を厳しく管理するための目標管理ではありません。
自分の心や経験に小さな変化が起きていないかを見て回る、人生の田回りです。

AIを使って文章を整えることはできます。
ただし、何を重要だと思ったか、なぜ心が動いたか、
次に何を選ぶかは、最初に自分の言葉で残します。

AIは、私たちより多くの情報を蓄積し、短時間で成果物をつくり、
さまざまな選択肢を示すことができます。

でも、AIがあなたの代わりに、現場で戸惑うことはできません。

誰かの表情を見て言葉を変えることも、失敗の痛みを引き受けることも、
放っておけないと感じることも、その結果を自分の人生の一部として意味づけることもできません。

AIがいくら多くの情報を蓄積しても、あなたの人生を代わりに積み重ねることはできないのです。

だから、
AI時代に必要なのは、AIを遠ざけることではありません。

合理化できる作業はAIに任せ、そこで生まれた時間を、人に会う、現場へ行く、
小さく試す、反応を受け取るために使う。

そして、その経験を振り返り、自分の言葉で残すことです。

経験がないのではない。
経験をつくり、自分のなかに残す回路が、十分に使われてこなかったのかもしれない。

その回路は、大きな挑戦をしなくても取り戻せます。

今日、自分で一つ選ぶ。小さく動く。返ってきた反応を見る。
そして、次を少し変える。
その小さな循環から、休眠していた意思と意志が動き始めます。

積み重なった経験は、やがて自分の強みや専門性となり、
誰かの困りごとに良い変化を届ける価値へ変わっていきます。

ーー7日以内にできる最初の一歩ーー
次の三つから、一つだけ選んでください。
1. 気になる人・場所・テーマに一度触れる
2. 自分の経験を500字または一枚に整理し、一人に見せる
3. 今日から7日間、一問だけ「自分日報」を書く
目的は、人生を変えることではありません。

自分が現実に少し働きかけたとき、心と周囲にどのような反応が起きるかを確かめることです。
経験は、待っているだけでは増えません。でも、生活を壊さない小ささで、
自分からつくり始めることはできます。