AIができることを人はなぜ学ぶのか ― 専門性を育て、AIと学び続ける大学へ

2026年9月25日、北海道大学での講演スライドです。

AIに仕事を任せる時代に、人は何を、なぜ学ぶのか。大学での実践と研究事例を通して、人の専門性、AIへの任せ方、人とAIの協働、学び続ける大学のあり方を考えます。

登壇者：森木銀河

本資料は講演時点の内容です。

スライドサイト（HTML版）：
https://hokudai.sites.gmoriki.com/

北海道大学のセミナー案内：
https://ctl.high.hokudai.ac.jp/seminar/c20260925_id463/

Transcript

1. 北海道大学｜生成AIに問われる大学の意義 AIができることを 人はなぜ学ぶのか 専門性を育て、AIと学び続ける大学へ 森木 銀河 2026.09.25 01
2. 森木 銀河 もりき ぎんが 会社員 / gmoriki 代表 大学・教育機関の AI人材育成と活用支援 東京都市大学・九州大学での実務を経て、 民間企業と大学の双方に関わっています。 gmoriki.com 講師紹介 02
3. 今日考えたいこと 01 02 03 04 05 成果を生むのはAIだけではない AIに仕事を任せるために人が学ぶ 選ばない知性 人とAIをブレンドする AIと学び続ける大学へ 03
4. 01 成果を生むのは AIだけではない 私の実践から人の専門性が働いた場所を見る。 01 04
5. Codexはファイルを扱い 仕事を進めるAIエージェント 資料・ファイルを調べる 作る コードや成果物を作成する 直す 実行し、確かめて修正する 読む Codex OpenAI 利用前に確認 所属大学が認めたAIとは限りません。 使えるサービスと入力できる情報の範囲を学内で確認してください。 OpenAI｜Codex 01 05
6. 私の実践 大学の公開データを比較するアプリ 大学の公開データを比べる アプリを制作し公開した UniFactBook Cowork / Code 大学の公開データを 閲覧・比較する 構想を実際に使える 形にするところまで。 森木銀河「UniFactBook」2026年 / 森木銀河｜AIガバナンス 公開したアプリの実画面 01 06
7. 私の実践 WAS 2026｜参加者用ワークブックの実画面 AI研修の教材だけでなく 研修を動かす仕組みも作った Codex ChatGPT 1. 連絡を届ける 講師のメッセージ 2. 進行を共有する 現在地・変更後の時刻 3. その場で取り組む ワークと入力欄 参加者用ワークブックを開く ↗ 森木銀河｜研修制作の実践 / WAS 2026｜参加者ワークブック 01 07
8. 私の実践 試作品を読んでAIに修正を求めた場面 AIで教材はできた。 でも、このままでは使えない 最初の試作品 企画・教材・ワークが 一通りそろった Codex 森木銀河｜研修制作の実践 試作を読んだ私 「ワークが細切れになっている」 「実利ばかりで、生成AIを使う意味を 考えるワークになっていない」 何をよい研修とするかを問い返した。 01 08
9. AIは人の知識と経験を 大きな成果につなげる 森木銀河｜研修制作の実践 支点になるのは、 何をよいとするかを判断する力。 01 09
10. 02 AIに仕事を任せるために 人が学ぶ 知識獲得のパラドクスから大学の役割を考える。 02 10
11. 他者の経験 Ethan Mollick｜自身の論文の批評をAIに依頼した報告 一年かけた論文の誤りを AIが見つけた Mollick自身の論文 執筆に一年以上 GPT-5 Pro → 9 40 分 秒 詳細な批評が返った Ethan Mollick｜2025.09.11 著者が確認 表の数値に → 小さな不整合 AIが述べた分析のすべてを 検証できたわけではない。 02 11
12. AIに仕事を任せるには知識が要る。 その知識を得る過程もAIに任せられる。 知識獲得のパラドクス 使いこなす土台を どこで育てるのか。 これから学ぶ人にも 読む・考える・確かめる 経験が要る。 Ethan Mollick｜2025.09.11 02 12
13. AIに学ばせることと 人が学ぶことは分けて考える AIの側で進むこと 知識や手順を渡す 資料を読み、仕事に使い、 成果物を作れるようにする。 ≠ 人の側に残ること 知識を身につける 内容を理解し、理由を説明し、 別の場面でも使えるようになる。 成果物が手元にあることは本人が理解した証拠にはならない。 02 13
14. 研究 Bastaniら｜高校数学・約1,000人の実験 AIと数学の問題を解けても 身についたとは限らない 高校数学の実験 通常の チャット型AI 学習を支える 設計のAI AIを使う練習 成績が向上 解き方を考える支援 AIなしの後続試験 → 対照群を下回る → 悪影響が大きく緩和 AI利用中の成績と本人の知識獲得を分けて確かめる。 Bastani et al. 2025 02 14
15. 研究 Kestinら｜学習用AIチューターと対面授業の比較 AIの支援で 人の学びを深める設計もある 条件 A 条件 B 自宅で、自分のペースで学ぶ 教室で、仲間と問題を考える 学習用に設計した AIチューター 対面の アクティブラーニング 大学初年次の物理・194人・2単元 学習直後のテスト成績は、AIチューターの条件で高かった。 Kestin et al. 2025 02 15
16. 人の専門性を育てるために AIとの距離を変える 共通の目的 自分で理解し判断できるようになる あえてAIを外す AIを取り入れる まず自分の言葉で説明する。 反例や別の説明と比べる。 自分で読み 理由を組み立てる。 問い返してもらい 考えを確かめる。 ChatGPT 決めたいのは使用の有無より、本人が経験すること。 Bastani et al. 2025 / Kestin et al. 2025 Gemini 02 16
17. 大学は学生と教職員の 専門性をどう育てるか 大学が育てる AIと協働するための人の専門性 職場として 教育機関として 研究機関として 判断の理由を説明し 次の担当者へ引き継ぐ。 自分で考え、確かめ 別の課題でも使う。 AIの提案を検討し 新しい問いを立てる。 職員が 業務を理解する 学生が 知識を身につける 研究者が 問いと解釈を鍛える 社会に学ぶ必要を説く大学が 自分たちの学びも設計する。 02 17
18. 03 選ばない知性 AIの変化に応じて使い方と評価基準を問い直す。 03 18
19. AIの得意と不得意は 仕事ごとに入り組んでいる 研究で見られた違い BCGの 758人を対象に GPT-4を検証 2023年の課題実験 商品企画など 速さ・品質が 上がった 資料から 成長ブランドを選ぶ 正答率が 下がった ギザギザの技術的フロンティア 「AIなら何でも得意」とは決められない。 Dell’Acqua et al. 2026 03 19
20. AIで仕事が変わる。 何を「よい」成果とするかも問い直す 盤面と手駒 どの道具で 何を任せられるか。 盤面の外の採点表 何を成果として 評価するか。 いまの攻略法がこれからも正解とは限らない。 森木銀河｜2026.02.21 03 20
21. AIへの任せ方は決める。 仕事の目的と評価基準は問い続ける 今日の仕事は進める。 選ばない知性 森木銀河｜2026.02.21 その勝ち方を最終解にしない。 特定のツールや、いまの勝ちパターンに賭け切らず、 AIの進展に応じて仕事の組み方や目的を選び直す力。 03 21
22. AIの変化から学び 仕事の選択肢を広げる 道具が変わっても持ち越せるもの 任せる条件を 見分ける力。 別の組み合わせを 考える力。 よさの基準を 問い直す力。 変化に応じるたびに判断の手立てを増やす。 その反脆さを育てたい。 森木銀河｜2026.02.21 03 22
23. 04 人とAIを ブレンドする 専門性と遂行力を混ぜ、自分たちの価値をつくる。 04 23
24. 人の見立てとAIの実行を混ぜる。 何を実現するかも問い続ける Codex 人の専門性 意味を理解し 違いを見抜く。 「ここが、違う」 「こうしたい」 選ばない知性 Anthropic｜エージェントの設計 ⇄ 試作品 案を囲んで 考えと形を変える。 AIの汎用的な遂行力 調べる・作る・ ⇄ 直す・動かす。 別案を試し 実物で応える。 誰に何を任せるか。 その組み合わせで何をよい成果とするか。 04 24
25. 自分たちにしか出せない 人とAIのブレンドを探す 持ち味を知り、混ぜてみる 人の専門性 ＋ AIの遂行力 同じ材料でも 組み合わせで味が変わる。 そして味見をする 何をよい味とするかも、 問い直す。 森木銀河｜主体のミクスチャ 04 25
26. 「わたし」「私たち」「AI」「AI群」 四つの主体を混ぜて働く 役割を決めて終わりではなく、やりとりの中で組み替える。 森木銀河｜主体のミクスチャ 04 26
27. 想定ケース 高校生向けに研究室を紹介するページを制作する 高校生に研究のおもしろさを 伝えるページを作る 避難時の人の流れを調べる研究室 人はどう逃げる？ その動きを調べる研究。 高校生が研究室を のぞいてみたくなるページに。 04 27
28. 人とAIで研究紹介の案を練ると 次に考える問いも変わる 研究室紹介 1. 場面 2. 一緒に練る 3. 任せる範囲 森木銀河｜主体のミクスチャ 04 28
29. 仕事の範囲を決めて AI群に任せ切ってみる 研究室紹介 1. 場面 2. 一緒に練る 3. 任せる範囲 森木銀河｜主体のミクスチャ 04 29
30. AI群の仕事を見て 指示と環境を整える AI群と働く環境を畑になぞらえる すべての反応を 思いどおりにはできない。 それでも環境は変えられる。 土を整える 資料・道具・権限 状態を見る 成果物・作業の履歴 手を入れる 指示を変える・実行を止める 04 30
31. 05 AIと学び続ける 大学へ 協働の経験を次の仕事と学びへつなぐ。 05 31
32. 研究紹介で得た工夫を次の仕事に引き継げるか あの研究紹介で得た工夫は 次の仕事へ。 同僚へ。 次のAIへ。 誰が何を 受け取れるだろう。 一度の協働から経験を持ち越せる仕組みへ。 05 32
33. AIの利用経験が次の仕事に生きるとは限らない 個人の行き詰まり、チームの属人化、毎回のやり直し。 森木銀河｜AIガバナンス 05 33
34. AIとの仕事を別のAIと振り返る 成果物だけでなく頼み方・迷い・修正の理由を読む。 Anthropic｜AI Fluency Index 05 34
35. AIへの依頼を振り返り、新しい任せ方を試す 研究紹介の仕事で考える活用アドバイスの想定例 助言の例：「入口の違う案と、読者の疑問も出させてみては。」 05 35
36. 繰り返す指示を次のAIの手順にする 私の実践｜資料制作スキルの実在する見出しを抜粋 制作のたびに伝える 論旨を先に確かめて 関係を図で見せて 実際の表示を見て SKILL.md 資料制作の共通手順 → 指摘の文言は説明用に再構成 1. 先に論考を書く。 2. 関係に合う図へ移す。 3. 実表示と操作を確認する。 指示・手順・参照資料をまとめる → AI 次の仕事で 読み込む 手順と見本から 制作を始める 共通の手順をAIへ渡し、今回の相手に何を伝えるかを考える。 森木銀河｜スキル化の実践 / Anthropic｜Agent Skills 05 36
37. AIへの指示を整理し、自分の判断基準も見直す 研究紹介の想定例｜「分かりやすい」の中身を確かめる 繰り返していた指摘 もっと 分かりやすく。 何を変えたいのか 自分でも曖昧だった。 今回何を大切にするか → 専門語を減らすこと？ 研究の問いに 関心を持ってもらうこと？ 高校生が研究の問いに関心を持てる導入を 次の指示へ 二案作って比べる。 森木銀河｜スキル化の実践 05 37
38. 自分のAI活用の工夫を同僚が試せる方法へ 使う場面・必要な材料・判断の理由も一緒に渡す。 森木銀河｜AIガバナンス / Anthropic｜Agent Skills 05 38
39. AIに残す手順と人が育てる判断力 スキルとともに、選んだ理由を説明し、別の仕事でも判断する経験を残す。 05 39
40. 完成品だけでは学生の学びの過程を見分けにくい 学習過程の模式図 対話を評価する枠組み 「DRIVE」 完成文と対話では 評価に関わる やり取りが異なる。 1大学・70件 人による評価の観察研究 対話や改稿から比較・問い返し・考えの変化も見る。 Oliveira et al. 2025｜DRIVE 05 40
41. 学習過程の評価を次の学習支援につなげたい 想定例｜根拠に基づく論証 学生 Aは短期、Bは長期。 「効果がある」の 範囲を直します。 評価AIの見立て 条件を比べ 主張を修正した。 次の支援案 対象者が違ったら、 どう考える？ 評価の根拠を確かめて次に取り組む問いを変える。 森木銀河｜履歴評価の仮説 / Kim et al. 2024｜PAD / Anthropic｜AI Fluency Index 05 41
42. 現場のAI利用から大学の支援を見直す AIガバナンスに試行・学習・利用を続けられる条件を組み込む。 森木銀河｜AIガバナンス / 英国政府｜AI Playbook 2025 / 森木銀河｜Codex導入の構想 05 42
43. AIでできることが変われば仕事の目的も問い直す 研究紹介 読みやすい ページを作る AIで作る速さと質が上がる その先に 何を実現したいか → 研究に触れて 問いを持つ入口を作る？ 手順を磨く。同時にその手順で実現したいことも検討する。 森木銀河｜2026.02.21 05 43
44. AIに任せる時代に人はなぜ学ぶのか。 AIと何を実現するかを 自分たちで考え続ける ために学ぶ。 大学自身も協働の経験から学ぶ組織へ。 森木 銀河 05 44