「AI vs. 教科書が読めない子どもたち」から考えるAIの使い分け｜読解力と社内の運用ルール

「AI vs. 教科書が読めない子どもたち」は、数学者の新井紀子氏が2018年に出版し、AIと人間の役割分担を考えるきっかけとして今も多くのビジネスパーソンに読まれている一冊です。本の主張は「AIは意味を理解していない」「だから、意味を正しく読み取る力(読解力)を持つ人間の仕事は残る」というものでした。では、ChatGPTやClaude、Copilot、Geminiといった生成AIが職場に広がった今、この主張は業務にどう生かせるのでしょうか。本記事では、本の要点を整理したうえで、出版後に何が変わり何が変わらないのかを確認し、複数のAIツールを工程ごとに使い分ける考え方と、社内の運用ルールの決め方までを、企業の担当者向けに解説します。

目次

開く

閉じる

1. AIを読み解き使い分ける力を社内で育てる｜AI学習に強いeラーニングの比較
2. 「AI vs. 教科書が読めない子どもたち」とはどんな本か
3. AIが苦手なことと、人が読んで確かめるべきこと
4. 出版から生成AIの時代へ｜変わったこと・変わらないこと
5. AIの使い分けは「メイン＋サブ」が基本
6. 工程で分ける｜収集・要約・整形・保存・共有の5工程
7. 切り替えの判断基準｜同じつまずきが3回続いたら見直す
8. 社内の運用ルールをどう決めるか
9. 使い分けでよくある失敗パターン
10. 使い分け定着の効果をどう測るか
11. よくある質問(FAQ)
12. まとめ
13. 参考文献

AIを読み解き使い分ける力を社内で育てる｜AI学習に強いeラーニングの比較

「AI vs. 教科書が読めない子どもたち」が投げかけたのは、子どもの教育だけの問題ではありません。AIの出力を正しく読み取り、どのAIに何を任せるかを判断する力は、職場で働く大人にこそ必要になっています。その力を一部の詳しい社員だけでなく全員にそろえるには、AI活用に特化した研修を仕組みとして用意する方法が現実的です。

生成AIは、使う人の質問の仕方や出力の読み方によって成果が大きく変わります。同じツールを導入しても、ある部署では業務が速くなり、別の部署では誤った内容がそのまま資料に載ってしまう、ということが起こりえます。こうした差を小さくする手段として、AI学習に強いeラーニングの代表例を整理しました。

サービス名(提供会社)	強み	留意点
Aidemy Business(株式会社アイデミー)	230以上のコンテンツで、初心者から実務経験者まで最新のDX・AI学習ができる。専任のカスタマーサクセスがカリキュラム設計を支援	DX学習やAI技術以外の教材は自社で作成する必要がある
Schoo for Business(株式会社Schoo)	7,000本以上の動画が見放題で、スマホからも視聴できるため移動中にも学べる	研修のような基礎的な動画が多く、内容が浅いと感じる可能性がある
MENTER(WHITE株式会社)	1レッスン5分から10分程度で、漫画・動画・チャット形式のため学習のハードルが低い。ITリテラシーが高くない社員も段階的に学べる	IT活用に長けている専門職には不向き

選ぶ際は、AIの仕組みや限界を学ぶ基礎講座があるか、自社の運用ルールを教材として追加できるか、部署ごとの受講状況や理解度を確認できるかを見ておきましょう。ほかのサービスや詳しい選び方は、比較記事でまとめて確認できます。

「AI vs. 教科書が読めない子どもたち」とはどんな本か

「AI vs. 教科書が読めない子どもたち」は、国立情報学研究所の教授で数学者の新井紀子氏が、2018年に東洋経済新報社から出版した本です。AIにできることとできないことを数学の立場から説明し、そのうえで「AIが苦手とする、意味を読み取る力を人間が持てているか」を調査データから問い直しています。

東ロボくんプロジェクトが出発点

著者は、国立情報学研究所が2011年に始めた人工知能プロジェクト「ロボットは東大に入れるか」(通称：東ロボくん)を率いた人物です。このプロジェクトでは、AIに大学入試の模擬試験を解かせ、どこまで得点できるかを検証しました。AIは私立大学の難関校に合格できる水準の成績を出した一方で、東京大学の合格水準には届きませんでした。特に、問題文の意味を理解しなければ解けない国語や英語の読解問題で、伸びの限界が見えたとされています。

本の3つの主張

本の主張は、大きく次の3つに整理できます。

• AIはコンピューター上で動く計算の仕組みであり、言葉の意味を人間と同じように理解しているわけではない。AIが人間の知能を超える「シンギュラリティ」が近く来るという見方には否定的
• 一方で、意味を理解しないAIでも、パターンで処理できる仕事は十分に代替できる。AIが得意な暗記や計算に近い力だけに頼る働き方は、AIと競合してしまう
• AIに代替されにくいのは、文章の意味を正確に読み取り、状況に応じて柔軟に判断する力。ところが、その土台となる読解力が、多くの中高生で十分に身についていないことが調査で分かった

リーディングスキルテスト(RST)で何が分かったのか

著者らは、教科書や辞書、新聞記事、業務マニュアルのように、知識や情報を正確に伝える文章を読み取る力を測る「リーディングスキルテスト(RST)」を開発しました。本では、全国の中高生約2万5000人を対象にした調査の結果として、教科書の文章を正しく読み取れていない生徒が少なくないことが示されています。また、読解力は高校に進んでも自然には伸びにくいこと、読書量や学習時間など一般に関係がありそうな要因との相関がはっきりしないことも報告されています。RSTは現在、一般社団法人「教育のための科学研究所」が運営しており、学校や自治体だけでなく企業でも使われています。

ビジネスの視点で重要なのは、この問題が子どもだけのものではないという点です。本では大人にも同様の傾向があることに触れられており、社内規程や契約書、マニュアルを「読んだつもり」で誤解するという、職場でよく起きる問題とも重なります。

AIが苦手なことと、人が読んで確かめるべきこと

本が示したのは、「AIは文字の並びのパターンを処理するのは得意だが、文の意味が同じかどうかの判断や、書かれていないことの推論、文章と図の対応づけは苦手」という構図です。業務でAIを使うときも、この構図を意識すると、人がどこを読んで確かめるべきかが見えてきます。

RSTでは、読解力をいくつかの分野に分けて測っています。本で紹介されている考え方をもとに、AIの得意・不得意と、職場で人が担うべき確認の観点を表にまとめました。

読解の分野	内容	業務で人が確かめる観点
係り受け・照応	どの語がどの語にかかるか、「それ」「この」が何を指すかを読み取る。文の構造に関わり、AIも比較的得意とされた	AIの要約で主語と述語の対応がずれていないか
同義文判定	言い回しの違う2つの文が同じ意味かどうかを判断する	言い換えた結果、元の文書と意味が変わっていないか(契約条件・規程の要約で特に重要)
推論	書かれている内容と常識から、書かれていないことを正しく導く	AIが根拠のない推測を事実のように書いていないか
イメージ同定	文章の内容と図やグラフが一致しているかを判断する	AIが作ったグラフや表と本文の数値が合っているか
具体例同定	定義を読んで、それに当てはまる具体例を選ぶ	AIが挙げた事例が、本当に自社のルールや法令の定義に当てはまるか

この表から分かるのは、AIの出力を確かめる作業そのものが「読解」だということです。AIが出した要約を元の文書と見比べて意味のずれに気づく、もっともらしい推測を見抜く、といった作業は、読み手に読解力がなければ成り立ちません。AIを使うほど、人の読む力の差が成果の差として表に出やすくなるといえます。

文部科学省の「初等中等教育段階における生成AIの利活用に関するガイドライン(Ver.2.0)」でも、生成AIの出力には誤りが含まれうることを前提に、出力をうのみにせず自分で確かめる姿勢を育てることが重視されています。学校向けの指針ですが、出力を批判的に読むという考え方は、職場でのAI利用にもそのまま当てはまります。

出版から生成AIの時代へ｜変わったこと・変わらないこと

本の出版後、ChatGPTに代表される大規模言語モデル(LLM)が登場し、AIが自然な文章で質問に答えたり、長い文書を要約したりできるようになりました。AIが読解問題を解く力は当時より大きく伸びており、「AIは読解問題が苦手」という部分は、そのままでは当てはまらなくなっています。一方で、AIの出力を人が責任を持って確かめる必要があるという点は、むしろ重要性が増しています。

変わったこと：AIができる仕事の範囲

生成AIは、文章の下書き、要約、翻訳、アイデア出し、表の整形、プログラムの作成など、以前は人の手でしかできなかった作業の多くを短時間でこなせるようになりました。「定型的な事務作業から順にAIに置き換わる」という本の見立ては、文章を扱う知的作業にまで広がったといえます。AIが言葉の意味を人間と同じように理解しているかどうかについては、研究者の間でも見解が分かれていますが、業務の現場では「理解しているかどうかに関係なく、結果として使える出力が出る」場面が増えているのが実情です。

変わらないこと：誤りを見抜き、責任を持つのは人

生成AIは、事実と異なる内容をもっともらしく出力することがあります(ハルシネーション)。また、学習データの偏りによる不適切な出力や、入力した情報の取り扱いに関するリスクもあります。総務省・経済産業省の「AI事業者ガイドライン」では、事業活動でAIを使う企業を「AI利用者」と位置づけ、出力の確認や適正な利用、社員への教育などを求めています。つまり、AIの性能が上がっても、出力を読んで正しいかどうかを判断し、その結果に責任を持つ役割は人に残ります。本が強調した読解力は、その判断の土台として、今のほうがより実務に直結する力になったと考えられます。

ビジネスパーソンにとっての読み替え

本の主張を今の職場に読み替えると、「AIと競う」のではなく「AIに何を任せ、どこを自分で読むかを決める」ことが重要になります。具体的には、次の3つの力が求められます。

• 依頼する力：目的・前提・条件を、誤解のない文章でAIに伝える力。指示文そのものが読解力と文章力の産物です
• 確かめる力：AIの出力を元の資料や一次情報と照らし合わせ、意味のずれや根拠のない推測に気づく力
• 選ぶ力：作業の性質に応じて、どのAIツールを使うか、あるいはAIを使わないかを判断する力

このうち「選ぶ力」は、複数のAIツールが業務に入ってきた今、多くの企業で課題になっています。次の章から、AIツールの使い分けを具体的に見ていきます。

AIの使い分けは「メイン＋サブ」が基本

複数のAIツールを使い分けるときは、日常の作業を任せるメインのツールを1つ決め、得意分野が異なるサブのツールを1つ組み合わせる形が基本です。最初から多くのツールを並行して使うと、どれに何を聞いたか分からなくなり、確認の手間も増えてしまいます。

代表的な対話型AIの特徴を、使い分けの観点で整理しました。機能や提供内容は頻繁に更新されるため、導入時には各社の公式情報で最新の内容を確認してください。

ツール(提供元)	向いている使い方	使うときの留意点
ChatGPT(OpenAI)	アイデア出し、文章の下書き、画像やファイルを使った幅広い作業。利用者が多く、使い方の情報も多い	プランによって入力データの扱いが異なるため、業務利用では契約形態と設定の確認が必要
Claude(Anthropic)	長い文書の読み込みと要約、文章の推敲、構成の整理	要約は元の文書との意味のずれがないか、重要な箇所を人が照合する
Microsoft Copilot(Microsoft)	Word・Excel・PowerPoint・Teamsなど、Microsoft 365上の業務との連携	社内ファイルを参照できる範囲は、アクセス権限の設定に左右される
Gemini(Google)	Google検索やGmail・ドキュメントなど、Google Workspaceとの連携	検索結果をもとにした回答でも、出典を開いて内容を確かめる

メインのツールは、自社がすでに使っている業務基盤(Microsoft 365かGoogle Workspaceか)に合わせて選ぶと、追加の設定や教育の負担を抑えられます。サブのツールは、メインが苦手な作業、たとえば長い資料の読み込みや、別の観点からの見直しに使うと効果的です。同じ質問を2つのAIに投げて答えを見比べる使い方は、出力の誤りに気づくきっかけにもなります。

工程で分ける｜収集・要約・整形・保存・共有の5工程

使い分けを迷わないためには、ツールの名前から考えるのではなく、業務を工程に分けて「どの工程にAIを使い、どの工程で人が読むか」を決めるのが近道です。ここでは、多くの事務作業に共通する5つの工程で考えます。

工程	AIに任せやすいこと	人が読んで確かめること
1. 収集	調べる観点の洗い出し、検索キーワードの候補出し、関連情報の候補の提示	出典が実在するか、官公庁など一次情報にあたったか、情報の日付が古くないか
2. 要約	長い資料や議事録の要点整理、論点の一覧化	元の文書と意味が同じか(同義文判定)、重要な条件や例外が抜けていないか
3. 整形	文章の言い回しの調整、表やスライド構成への変換、敬語の統一	数値や固有名詞が変わっていないか、図表と本文が一致しているか
4. 保存	ファイル名や分類タグの提案、要旨の作成	AIの出力と人が確認した最終版を区別して保存しているか
5. 共有	相手に合わせた説明文や送付文の下書き	社外に出してよい情報か、AIで作成した旨の表示が必要か、最終責任者が確認したか

この表のポイントは、どの工程にも「人が読む」作業が残っていることです。AIに任せる範囲が広がっても、確認の観点は前の章で整理した読解の分野と重なります。たとえば要約の工程では同義文判定、整形の工程ではイメージ同定、収集の工程では推論の妥当性が、それぞれ人の確認ポイントになります。

工程ごとにツールを割り振る例としては、収集はGoogle検索と連携するGemini、要約は長文に強いClaude、整形と共有はふだんの文書作成ソフトと連携するCopilot、といった組み合わせが考えられます。ただし、これはあくまで一例です。工程ごとにツールを変えると、そのたびに情報を別のサービスに入力することになるため、入力してよい情報の範囲が広がらないよう注意が必要です。迷う場合は、メインのツール1つで全工程を通し、確認だけを別のツールで行う形のほうが管理しやすくなります。

切り替えの判断基準｜同じつまずきが3回続いたら見直す

使うツールを切り替えるかどうかは、感覚ではなく、同じ種類のつまずきが繰り返されているかで判断するのが実務的です。目安として、同じ作業で同じ問題が3回続いたら、指示の出し方、ツール、または工程の分け方を見直すタイミングと考えます。

つまずきの原因は、ツールの性能だけとは限りません。見直しは、次の順番で行うと無駄がありません。

1. 指示文を見直す：目的、前提、出力の形式、してほしくないことが書かれているか。指示があいまいなままツールを変えても、同じ問題が起きやすくなります
2. 渡している情報を見直す：AIが判断に必要な資料を受け取っているか。情報が足りないと、AIは推測で埋めようとします
3. 工程の切り方を見直す：1回の依頼で多くのことを頼みすぎていないか。収集と要約を分けるだけで精度が上がることがあります
4. ツールを見直す：上の3つを試しても改善しない場合に、別のツールを試します

この順番は、本の主張とも関係しています。AIへの指示文は人が書く文章であり、その文章が誤解なく伝わるかどうかは、書き手の読解力と文章力に左右されます。うまくいかない原因をすぐにツールのせいにせず、まず自分の書いた指示を「AIの立場で読み直す」ことが、使い分け以前の基本になります。

逆に、AIを使わないほうがよい場面もあります。最新の法令改正や自社だけが持つ情報に基づく判断、個人情報や機密情報を扱う作業、最終的な意思決定などは、AIの出力を参考にするとしても、人が一次情報を読んで判断する工程を必ず残しましょう。

社内の運用ルールをどう決めるか

使い分けを個人の工夫に任せたままにすると、使い方のばらつきが品質のばらつきになり、情報漏洩などの事故にもつながりかねません。社内の運用ルールは「使ってよいツール」「入力してよい情報」「確認と責任の手順」の3点を軸に決めると整理しやすくなります。

使ってよいツールと契約形態

会社として利用を認めるツールを明示し、個人の無料アカウントでの業務利用を認めるかどうかを決めます。入力した情報がAIの学習に使われるかどうかは、プランや設定によって異なります。業務で使うツールは、データの取り扱い条件を確認したうえで、管理者が設定を一括で管理できる法人向けの契約を検討しましょう。

入力してよい情報の線引き

個人情報、顧客から預かった情報、未公開の経営情報など、入力してはいけない情報を具体例とともに示します。「機密情報は入力しない」とだけ書いても、何が機密に当たるかの解釈が人によって異なるため、ルールが機能しません。ここでも、ルールの文章が全員に同じ意味で読まれるかどうかが重要です。定義だけでなく具体例を添え、判断に迷う場合の相談先も決めておきましょう。

確認と責任の手順

AIの出力を社外に出す前に誰が確認するのか、数値や出典はどこまで照合するのかを決めます。工程の章で整理した「人が読んで確かめること」を、そのままチェック項目として使うことができます。AI事業者ガイドラインも、AIを利用する企業に対して、出力の確認や社員への教育といった取り組みを求めています。

ルールは文書として配るだけでは定着しません。とくに「何を入力してはいけないか」「どこを確認すべきか」は、実際の画面や具体例を見ながら学ばないと、自分の業務に当てはめにくいものです。全社員にルールを同じ理解で伝え、受講状況や理解度まで確認するには、AI活用に特化したeラーニングで研修として共有する方法が負担の小さいやり方です。

使い分けでよくある失敗パターン

AIの使い分けでつまずく原因の多くは、ツールの選び方よりも、出力の読み方や運用の決め方にあります。よくある失敗と、その対策を整理しました。

失敗パターン	起きること	対策
ツールを増やしすぎる	どのツールに何を入力したか分からなくなり、情報管理も確認も追いつかない	メイン1つ＋サブ1つから始め、追加は目的が明確な場合に限る
要約をそのまま使う	条件や例外が抜け落ち、元の文書と違う意味で社内に広まる	重要な文書は、要約と原文の該当箇所を照合してから使う
出典を確かめない	存在しない資料や古い情報が、根拠として資料に載ってしまう	出典は必ずリンク先を開き、官公庁などの一次情報で確認する
うまくいかないとすぐツールを変える	指示文のあいまいさが原因のまま、どのツールでも同じ問題が起きる	指示文、渡す情報、工程の切り方の順に見直してからツールを検討する
ルールが抽象的すぎる	「機密情報」の解釈が人によって違い、ルールが守られない	具体例と相談先を添え、研修で読み合わせて理解をそろえる
一部の詳しい人だけが使う	ノウハウが共有されず、部署間で成果と品質の差が広がる	うまくいった指示文や確認手順を共有し、全員が学べる場を用意する

どの失敗も、根本には「AIの出力や社内ルールを、人が正しく読み取れているか」という問題があります。本が問いかけた読解力の課題は、AIの使い分けという形で、今まさに職場の課題になっているといえます。

使い分け定着の効果をどう測るか

使い分けのルールが社内に定着しているかは、利用者数だけでは分かりません。「作業時間がどれだけ減ったか」に加えて、「確認の手順が守られているか」「誤りがどれだけ減ったか」を合わせて見ることで、品質を保ったまま活用が進んでいるかを判断できます。

効果を測る指標は、次の3つの観点で用意すると偏りが出にくくなります。

• 効率の指標：対象業務の作業時間、資料作成にかかる日数、問い合わせ対応の件数など、AI導入前後で比較できるもの
• 品質の指標：AIの出力に起因する修正や差し戻しの件数、社外に出た資料の誤りの件数、確認チェックリストの実施率
• 定着の指標：研修の受講率と理解度テストの結果、ルールに関する問い合わせの件数、部署ごとの活用状況

測定は、導入直後に一度だけ行うのではなく、四半期ごとなど定期的に行い、ルールや研修内容の見直しにつなげることが大切です。たとえば、品質の指標で要約に起因する差し戻しが多ければ、要約の確認手順を研修で重点的に扱う、といった改善ができます。とくに定着の指標は、研修の受講状況や理解度のデータがそろっていないと測れません。受講管理やテスト機能を備えたeラーニングを使えば、部署ごとの定着状況を継続的に確認でき、ルールの改訂に合わせて教材を更新することも容易になります。

よくある質問(FAQ)

Q. 「AI vs. 教科書が読めない子どもたち」はどんな内容の本ですか？

A. 数学者の新井紀子氏が2018年に出版した本で、AIは言葉の意味を理解しているわけではないことを説明したうえで、AIに代替されにくい読解力が多くの中高生で十分に身についていないことを、リーディングスキルテスト(RST)の調査結果から示しています。

Q. 生成AIが登場した今も、この本の主張は役に立ちますか？

A. 生成AIの登場でAIができる作業の範囲は大きく広がり、本の一部の見立ては当時のままでは当てはまりません。一方で、AIの出力を読んで誤りに気づき、責任を持って判断する役割は人に残るため、読解力の重要性という主張はむしろ実務に直結するようになっています。

Q. ChatGPTやClaude、Copilot、Geminiはどう使い分ければよいですか？

A. 自社の業務基盤に合うツールをメインに1つ決め、得意分野が異なるツールをサブに1つ組み合わせる形が基本です。そのうえで、収集・要約・整形・保存・共有の工程ごとに、AIに任せる作業と人が確かめる作業を分けると迷いにくくなります。

Q. AIの出力で、人が特に確認すべき点は何ですか？

A. 要約や言い換えで元の文書と意味が変わっていないか、根拠のない推測が事実のように書かれていないか、図表と本文の数値が合っているか、出典が実在し最新か、の4点が基本です。社外に出す資料は、最終責任者が確認する手順を決めておきましょう。

Q. 社内のAI運用ルールには何を書けばよいですか？

A. 使ってよいツールと契約形態、入力してよい情報と禁止する情報の具体例、出力の確認と責任の手順の3点を軸にすると整理しやすくなります。抽象的な表現だけでは解釈が分かれるため、具体例と迷ったときの相談先を添えることが大切です。

Q. AIの使い分けルールを社員全員に定着させるにはどうすればよいですか？

A. ルールを文書で配るだけでなく、具体例を使った研修で全員の理解をそろえることが効果的です。AI活用に特化したeラーニングを使えば、受講状況や理解度を部署ごとに確認でき、ルールの改訂に合わせて教材を更新しやすくなります。

まとめ

「AI vs. 教科書が読めない子どもたち」が示した「AIは意味を理解していない、だから意味を読み取る力を持つ人の仕事が残る」という主張は、生成AIが職場に広がった今、「AIの出力を読んで確かめ、どのAIに何を任せるかを判断する力」という形で、より実務的な意味を持つようになりました。最後に、本記事のポイントを整理します。

• 本の要点は、AIの限界の説明と、AIに代替されにくい読解力が十分に身についていないという調査結果
• AIの出力を確かめる作業は、同義文判定や推論、図表との照合といった「読解」そのもの
• AIツールの使い分けは「メイン＋サブ」から始め、収集・要約・整形・保存・共有の工程で担当を分ける
• うまくいかないときは、指示文、渡す情報、工程の切り方、ツールの順で見直す
• 社内ルールは「ツール」「入力情報」「確認と責任」の3点で決め、研修で全員の理解をそろえて効果を測る

AIの性能がどれだけ上がっても、出力を読み、判断し、責任を持つのは人です。ツール選びと同じくらい、使う人の読む力と、それを支える社内の仕組みづくりに目を向けることが、AIを業務で生かす近道といえるでしょう。

参考文献

• 総務省「AI事業者ガイドライン」掲載ページ：https://www.soumu.go.jp/main_sosiki/kenkyu/ai_network/02ryutsu20_04000019.html
• 文部科学省「生成AIの利用について」(初等中等教育段階における生成AIの利活用に関するガイドライン)：https://www.mext.go.jp/a_menu/other/mext_02412.html
• 国立情報学研究所：https://www.nii.ac.jp/
• ロボットは東大に入れるか(東ロボプロジェクト)：https://21robot.org/
• 一般社団法人 教育のための科学研究所「リーディングスキルテスト」：https://rst-web.s4e.jp/