AIで調べものが速くなったのに、なぜ読むものが減らないと感じるのか?

AIで調べものが速くなったのに、なぜ読むものが減らないと感じるのか?

AIに質問すると、数十秒で回答が返り、質問内容によっては指示していなくても比較表まで付いてくることがあります。

気になる項目があれば続けて質問し、出てきた用語を調べ、関連資料へと進んでいくことも多かと重ますが、調べものの入口は速くなったの対し、読むものが思ったほど減らないと感じる人は多いはず。

速くなる点は確認できるが、増える点は割れる

まず、速さは確かめられています。

商品を選ぶための調べものを、AIチャットを使うグループと、従来の検索を使うグループに分けて比べた実験では、AIチャットのグループのほうが早く終わったようです。

質問の回数はむしろ少なく、1回の質問に条件をまとめて書く傾向があったようですが、同じ実験では、AIの回答が間違っているときに、それを信じてしまう参加者がいることも分かってるのだとか。

では、読むものは増えるのでしょうか?

ここは、何を数えたかによって結果が分かれているようで、質問の回数を数えた研究では、はっきりした差は出ておらず、ChatGPTとGoogleを比べた別の研究で、複雑な課題の質問回数を見たところ、両者に大きな違いはなく、ChatGPT側がわずかに多い程度。

検索の回数を数えた分析では増えているようで、ある事業者が、ChatGPTとGoogleの両方を使う約1万人のデータを調べたところ、ChatGPTをよく使う人は、Google検索も多くしていたようで、確かめる行動を観察した調査では、AIを頻繁に使う人も、Googleで確認することをやめていなかったようです。

まとめると、AIを使っても、Googleなど従来の検索を併用する人がいることは複数の資料から見えてきますし、一方で、それが「読む量が増えた」ことを意味するのかどうかはわからないところ。

仮説1:質問のコストが下がると、何が起きるのか

1つ目の仮説は、情報探索理論から立てられます。

ピロリとカードが1990年代に提唱したこの理論は、情報を探す人を、食べ物を探す動物になぞらえ、次の場所へ移るのが簡単なら、ひとつの場所に長くとどまらず、移動を選びやすくなります。

AIへの質問を移動の1回と見立てると、質問を足す手間が小さくなったぶん、1回あたりの掘り下げは浅く、回数は多くなるという読み方ができます。

気になった項目を1つ深掘りし、そこで出た用語を次の質問にする連鎖です。

ただし、これはここでの解釈であり、理論はAI登場前の枠組みです。

質問数が減った実験もあるので、連鎖が起きるかどうかは、課題の複雑さや調べる人の目的によって変わると考えるほうが、証拠とは合います。

仮説2:確かめる負荷と、境界の置き場所

2つ目の仮説は、原因を疑問の連鎖ではなく、確かめる作業に求めます。

回答が速く手に入るぶん、その回答を信じてよいか確かめる読み物が増えるという見方で、先の実験で誤りが見過ごされやすかったことは、この見方と矛盾しません。

カリフォルニア大学バークレー校ハース経営大学院の研究者らが約200人の企業を8か月観察した研究では、AIが作業を速くすると速さへの期待が上がり、AIへの依存が深まり、取り組む範囲が広がる循環が報告され、エンジニアがAIの出力を確認し直すのに多くの時間を使うようになったことも示されています。

ただし、扱ったのは仕事全般で、調べものに限った結果ではありません。

2つの仮説は同時に成り立ちえます。

追加で読んでいるものが、新しい疑問から来ているのか、回答の確認から来ているのかを振り返ると、自分の調べものがどちらに近いかを考える手がかりになります。

どちらの仮説をとっても、「必要な答え」と「関連情報」の境界は、情報の側には見つかりません。

ある資料が必要な答えの一部なのか関連情報なのかは、その調べものが何に使われるかで決まります。

提案資料に載せる1つの数字を確かめたいのか、新しい分野の全体像をつかみたいのかで、同じ資料の位置づけは変わり、AIが速くしたのは答えを得る工程であって、ここまでで足りると決める判断は、調べる人の目的の側に残っています。

Tags: