← AI時代における「集中」の再定義  / 参考資料

自己決定理論（SDT）とAI協働

Deci & Ryanの自己決定理論（SDT）の枠組みから、AI協働環境が人間の3つの基本的心理欲求（自律性・有能感・関係性）と内発的動機づけにどのような影響を与えるかを調査した資料。自律性の二面性、有能感の侵食リスク、AI利用と孤独感の関連、内発的動機づけの維持・喪失メカニズムに関する研究知見をまとめている。

主要な発見

1. 自己決定理論の基本フレームワーク

Deci & Ryan（1985, 2000）の自己決定理論は、人間の内発的動機づけとウェルビーイングを支える3つの基本的心理欲求を定義している:

  • 自律性（Autonomy）: 自分の行動を自分で選択し、コントロールしているという感覚
  • 有能感（Competence）: 自分は有能で、効果的に物事を成し遂げられるという感覚
  • 関係性（Relatedness）: 他者と尊重しあい、繋がりを感じているという感覚

これら3欲求の充足は、より良いパフォーマンス、バーンアウトの減少、組織コミットメントの向上、離職意向の低下と関連する（出典: Gagne et al., 2022, Nature Reviews Psychology, https://pmc.ncbi.nlm.nih.gov/articles/PMC9088153/ ）。

Van den Broeck et al.（2016）の99研究のメタ分析では、基本的心理欲求の充足がポジティブ感情、職務エンゲージメント、全般的ウェルビーイング、職務満足度、情緒的コミットメントの増加、およびネガティブ感情、バーンアウト、離職意向の減少と関連することが確認されている（出典: Van den Broeck et al., 2016, Journal of Management, https://journals.sagepub.com/doi/10.1177/0149206316632058 ）。

2. 自律性（Autonomy）: AIに指示する側になることの二面性

2-1. 自律性が増す側面

AI協働では、人間がAIに指示を出す「指揮者」の立場に立つ。これは従来の実装者としての役割よりも、戦略的な意思決定に集中できる可能性がある。

2-2. 自律性が損なわれる側面

一方で、AIシステムの制約やアルゴリズム的管理が自律性を侵食するリスクも実証されている。

  • Wu et al.（2025）の実験研究: 3,562名を対象とした4つの実験で、GenAI協働後にソロ作業に移行すると、統制感（sense of control）の変化が観測された。特にStudy 4では、ソロ→AI協働条件に移行した際にコントロール感が大幅に低下（d = 0.84, 大きな効果量）（出典: Wu et al., 2025, Scientific Reports, https://pmc.ncbi.nlm.nih.gov/articles/PMC12041296/ ）
  • アルゴリズム管理の問題: アルゴリズム管理は、定量化された指標がパフォーマンスの評点や報酬に直結するため、労働者の意思決定の自由を大幅に制限し、自己決定的動機づけを低下させる（出典: Gagne et al., 2022, “How Algorithmic Management Influences Worker Motivation”, https://www.researchgate.net/publication/360422243 ）
  • 自律性のパラドックス: AIがより多くの意思決定を担うようになるにつれ、多くの人々が「能力を拡張するはずのインテリジェントアシスタントに囲まれながら、なぜか自分のコントロールが減っている」と感じるパラドックスが生じている（出典: The Decision Lab, https://thedecisionlab.com/insights/society/autonomy-in-ai-driven-future ）

2-3. 認知評価理論（CET）からの分析

SDTのサブ理論である認知評価理論は、外部イベントが「統制的側面」と「情報的側面」の2つの機能を持つと説明する。AIツールは:

  • 情報的に機能する場合（選択肢の提示、フィードバック提供）: 自律性と有能感を支援し、内発的動機づけを促進
  • 統制的に機能する場合（AIの提案に従わされる、アルゴリズム管理）: 内的統制の知覚的所在（perceived locus of causality）を外部にシフトさせ、内発的動機づけを低下させる

（出典: Deci & Ryan, Cognitive Evaluation Theory, https://en.wikipedia.org/wiki/Cognitive_evaluation_theory ）

3. 有能感（Competence）: 「AIがやったこと」と「自分がやったこと」の境界

3-1. 有能感の侵食リスク: スキル劣化

  • 部分自動化 vs 完全自動化の実験研究: 102名を対象とした品質管理タスクの実験で、完全自動化された意思決定選択は知覚された自律性、自己決定的動機づけ、行動的タスクエンゲージメント、スキル習得に負の影響を与えたのに対し、部分自動化はこれらを促進した（出典: “Practice With Less AI Makes Perfect”, International Journal of Human-Computer Interaction, 2024, https://www.tandfonline.com/doi/full/10.1080/10447318.2024.2319914 ）
  • Crowston & Bolici（2025）: 生成AIの応用研究のレビューから、デスキリング（またはスキルの平準化）が一般的な結果であることを示し、どの条件がデスキリングvs アップスキリングにつながるかのモデルを提案。プロンプティングスキルやAI出力の評価・編集スキルという新たな能力開発の可能性も指摘（出典: Crowston & Bolici, 2025, Information Research, https://crowston.syr.edu/sites/default/files/GAI_and_skills.pdf ）
  • IBM watsonxの調査（669名の開発者）: 42.6%がAI利用で効果が低下したと感じ、57.4%が向上したと感じた。出力をそのまま使用するのは2-4%のみで、23-35%は学習目的で活用し、24-37%はインスピレーション源として利用。2名の回答者はAI生成コードへの社会的スティグマを理由に使用を避けた（出典: IBM watsonx Code Assistant study, 2024, https://arxiv.org/html/2412.06603v2 ）

3-2. 共創（Co-Creation）vs 編集（Editing）: 有能感を守る設計

McGuire, De Cremer, & Van de Cruys（2024）の2つの実験: AIとの共同創作における役割の違いが有能感に決定的な影響を与えることを実証。

  • Study 1（96名）: 人間のみ（M=18.23）の詩は、人間-AI編集（M=12.55）より有意に創造的と評価（p<0.001）
  • Study 2（152名）: 共創者条件（M=4.62）の創造的自己効力感は、人間のみ条件（M=4.71）と同等（p=0.755）だが、編集者条件（M=3.74）より有意に高い（p=0.003）
  • 媒介効果: 創造的自己効力感が共創の役割と専門家評価の関係を媒介（間接効果 B=0.78, 95% CI [0.16, 1.68]）
  • 核心的知見: AIと「共創する」（方向性を設定し交互に作業する）場合は創造的自己効力感が維持されるが、AIの出力を「編集する」だけの役割では有能感が損なわれる

（出典: McGuire et al., 2024, Scientific Reports, https://pmc.ncbi.nlm.nih.gov/articles/PMC11316096/ ）

3-3. 帰属の曖昧さ: 誰の成果か

  • 帰属バイアスの研究: AIツール利用時、「自分が機能を実装した」と感じる開発者が57.5%、「AI出力をそのまま貼り付けた場合はAIが著者」と感じるのが53.7%。多くのシナリオで「共有された著者意識」が報告された（出典: IBM watsonx study, 2024）
  • 自己奉仕バイアス: 人々はAIとの協働において、責任帰属に自己利益的な推論を行う傾向がある。「WorkGPTの助けを借りたので半分のクレジットしか受ける資格がない」と言いつつ、自分がコントロールしていたことを強調して自分の帰属を大きくしようとする（出典: ResearchGate, “Attribution of AI Accountability”, https://www.researchgate.net/publication/385394633 ）

4. 関係性（Relatedness）: AI協働は孤独か

4-1. Tang et al.（2023）の画期的研究: AI利用と孤独

Tang et al.（2023）: Journal of Applied Psychologyに掲載された4つの研究（794名、台湾・インドネシア・米国・マレーシアの4地域）で、AI利用と孤独感の関連を実証。

  • 台湾の生物医学企業（166名のエンジニア）: 3週間の追跡調査で、AIシステムとの頻繁な相互作用が孤独感、不眠、退勤後のアルコール消費の増加と関連
  • インドネシア（126名の不動産コンサルタント）: AIを3日間最大限に使用した群で同様の結果（ただしアルコール消費との関連なし）
  • 米国（214名のフルタイム労働者） / マレーシア（294名の従業員）: 同様の知見
  • 重要な経路: AI協働 → 社会的親和欲求の増加（適応的）→ 同僚への援助行動の増加。同時に、AI協働 → 孤独感（不適応的）→ 不眠・飲酒の増加
  • 愛着不安が高い個人でこの効果が特に顕著

（出典: Tang et al., 2023, Journal of Applied Psychology, https://pubmed.ncbi.nlm.nih.gov/37307359/ ）

4-2. チームダイナミクスの変容

Ju & Aral（2025）の大規模RCT: 2,310名の米国参加者を対象に、人間-人間チーム（576チーム）と人間-AIチーム（1,258チーム）を比較。

  • 人間-AIチームは63%多くのメッセージを送信、18%多いタスク指向の対話
  • 人間-人間チームは29%多い社会的・感情的メッセージ（ラポート構築、配慮の表現を含む）
  • 人間-AIチームのメンバーは73%多い広告を制出
  • しかし、チームワーク品質の主観的評価には有意差なし

（出典: Ju & Aral, 2025, “Collaborating with AI Agents”, https://arxiv.org/html/2503.18238v2 ）

4-3. 日本の研究: AIコンパニオンとウェルビーイング

千葉大学予防医学センターの14,000人規模の調査で、AIコンパニオン利用者は人生満足度、幸福感、人生の目的が有意に高いことが示された。特に孤独感が高い人ほど関連が強く、友人とのつながりが中程度の人で最も強い関連が見られた。ただしこれは職場AI利用とは異なる文脈であることに注意（出典: 千葉大学プレスリリース, https://www.chiba-u.ac.jp/news/research-collab/ai14.html ）。

5. 内発的動機づけの維持・喪失: 「面白い部分」をAIが担当する問題

5-1. Wu et al.（2025）の「二重の刃」効果（中核的発見）

3,562名を対象とした4つの実験で、AI協働の「パフォーマンス増強効果」と「心理的剥奪効果」の両面を実証:

パフォーマンス増強（即時的）:

  • テキスト品質の大幅な向上（語数: d = 1.10-1.50の大きな効果量、分析的内容: d = 0.25-0.38）

内発的動機づけの低下（AI協働→ソロ作業への移行時）:

研究タスク1（AI協働）平均タスク2（ソロ）平均Cohen’s d
Study 15.084.39-0.51（中程度）
Study 24.854.38-0.32（中程度）
Study 35.104.48-0.44（中程度）
Study 45.064.65-0.29（中程度）

退屈感の増加（AI協働→ソロ作業への移行時）:

研究タスク1平均タスク2平均Cohen’s d
Study 13.433.910.49
Study 22.723.360.45
Study 32.523.210.51
Study 42.613.050.32

HBRの要約では、内発的動機づけが平均11%低下、退屈感が平均20%増加と報告されている。

（出典: Wu et al., 2025, Scientific Reports, https://pmc.ncbi.nlm.nih.gov/articles/PMC12041296/ ; HBR, https://hbr.org/2025/05/research-gen-ai-makes-people-more-productive-and-less-motivated ）

5-2. Shin & Grant（2019）の「退屈のコントラスト効果」

AI協働の文脈を直接扱ったものではないが、極めて関連性の高い先行研究:

  • 韓国の百貨店のフィールド研究: あるタスクで最も高い内発的動機づけを持つ従業員は、他のタスクでの平均・最低パフォーマンスが低く、タスク間のパフォーマンスのばらつきが大きかった
  • 実験室実験: 高度に内発的動機づけのある初期タスクに取り組んだ後、つまらない後続タスクではパフォーマンスが低下（面白い後続タスクでは低下なし）
  • 媒介メカニズム: この効果は退屈によって媒介されるが、他の感情プロセスでは媒介されなかった
  • AI協働への示唆: AIとの協働が「高刺激タスク」となり、その後のレビューや承認作業が「心理的コントラスト」によって一層退屈に感じられる可能性

（出典: Shin & Grant, 2019, Academy of Management Journal, https://journals.aom.org/doi/abs/10.5465/amj.2017.0735 ）

5-3. ソフトウェア開発における役割逆転の問題

Scott Logic社のブログ記事は、ソフトウェア開発の文脈でこの問題を明確に言語化:

  • AIが「人々がより内発的に動機づけされる傾向にある仕事の部分」を担当し、開発者には「AIが生成したコードのレビュー」という刺激の少ないタスクが残る
  • スキルや専門性をアイデンティティの中核とする開発者にとって、それが機械に委譲されることは「自分の価値を疑問視する」認知的不協和を生む
  • 推奨: AIは内発的動機づけの低いタスク（事務作業、初期ドラフト）に限定し、専門性を定義するタスクは自動化から守る

（出典: Scott Logic Blog, 2025, https://blog.scottlogic.com/2025/07/31/motivation-and-AI.html ）

6. 自律性支援 vs 統制的環境: AI協働はどちらか

6-1. 自律性支援の効果（メタ分析的知見）

50年以上の研究の蓄積から:

  • 自律的動機づけは統制的動機づけと比較して、パフォーマンス、目標の持続性と達成、創造性、問題解決、学習、ウェルビーイング、定着率においてより良い結果をもたらす（出典: SDT公式サイト, https://selfdeterminationtheory.org/theory/ ）
  • 自律性の欲求の阻害（報酬、監視、評価、選択の欠如、統制的言語の使用）は、内発的動機づけ、内在化、ウェルビーイング、創造性、問題解決、概念的処理の低下につながる（出典: Ryan et al., 2023, Meta-analytic findings within SDT）

6-2. Ye, Li, & Zhang（2025）: 自律性支援環境と創造性

283名のリーダーと従業員を対象とした中国企業の調査（構造方程式モデリング）:

  • 自律性支援は基本的心理欲求の充足にポジティブに影響し、同時に欲求の阻害を減少させる
  • ポジティブ感情とネガティブ感情の両方が、自律性支援と創造的パフォーマンスの関係を媒介する
  • 自律性支援的な組織風土は、従業員の創造性と心理的ウェルビーイングを同時に向上させる

（出典: Ye, Li, & Zhang, 2025, PLOS ONE, https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0322184 ）

6-3. AI協働環境の二面性

AI協働環境は、設計と使用方法によって自律性支援にも統制にもなりうる:

自律性支援的なAI利用:

  • ユーザーに意味のある選択肢と制御を提供する設計
  • AI提案の理由説明の提供
  • ユーザーがAIの推奨に評価やフィードバックを与える仕組み
  • 確認・オーバーライド型（confirm-or-override）のAIシステム
  • 複数のAI支援レベルからの選択肢の提供

統制的なAI利用:

  • AIが意思決定を押し付ける、またはエージェンシーを奪う設計
  • アルゴリズム管理による「データのための労働」の促進
  • 不透明なシステムによる不確実性の増大
  • 一律的なAI利用方針の強制

UXデザインの研究では、「複数の自律性支援機能が相乗効果を持ち、選択の自律性とコントロールの自律性は組み合わせることでより効果的になる」ことが示唆されている（出典: UX Psychology, https://uxpsychology.substack.com/p/designing-for-autonomy-balancing ）。

7. SDTとテクノロジー: 既存のフレームワーク

7-1. METUXモデル

Peters, Calvo, & Ryan（2018）が開発したMETUX（Motivation, Engagement, and Thriving in User Experience）モデルは、テクノロジー体験を6つの領域で分析:

  1. 採用（Adoption）: 利用前の期待段階
  2. インターフェース（Interface）: ナビゲーションと操作
  3. タスク（Task）: 特定機能の実行
  4. 行動（Behavior）: テクノロジーが可能にする全体的活動
  5. 生活（Life）: アプリを超えた人間関係やウェルビーイングへの影響
  6. 社会（Society）: コミュニティやシステムへの累積的影響

重要な知見: ある領域での欲求充足が別の領域での欲求阻害と矛盾しうる（例: ソーシャルメディアアプリを瞬間的に楽しみながら、強迫的使用による生活領域の害を受ける）

（出典: SDT公式サイト Technology Applications, https://selfdeterminationtheory.org/topics/application-technology/ ）

7-2. ゲーミフィケーションとSDT

メタ分析的知見: ゲーミフィケーションは自律性と関係性の知覚にポジティブかつ有意な効果を示したが、有能感への影響は最小限であった。「チームワーク」と「選択」の条件が3欲求すべてに最もポジティブな影響を与え、「友好的競争」は有能感を高めるが自律性と関係性では効果が低かった（出典: Springer, gamification meta-analysis, https://link.springer.com/article/10.1007/s11423-023-10337-7 ）。

ソフトウェア開発におけるゲーミフィケーション（リーダーボード、ポイント、バッジ）は、開発者エンゲージメントと職務満足度に関連するが、表面的なエンゲージメントや報酬への過度な依存、長期的効果の測定困難性という課題もある（出典: PMC, https://pmc.ncbi.nlm.nih.gov/articles/PMC8717887/ ）。

7-3. Bergdahl et al.（2023）: SDTとAIへの態度

6か国（フィンランド、フランス、ドイツ、アイルランド、イタリア、ポーランド）の約8,800名、およびフィンランドの827名の縦断調査:

  • 有能感と関係性はAIに対するポジティブな態度と正の相関
  • 全てのSDT次元がAIに対するネガティブな態度と関連
  • 時間の経過とともに、自律性と関係性がAIポジティビティを増加させ、AIネガティビティを減少させた
  • 含意: 基本的心理欲求が充足された個人は、AIに対してよりオープンで建設的な態度を持つ

（出典: Bergdahl et al., 2023, Telematics and Informatics, https://www.sciencedirect.com/science/article/pii/S0736585323000771 ）

8. 仕事の意味（Work Meaningfulness）とAI

AIが中核タスクの特性を高度に代替する場合、仕事の意味と重要性が低下し、ワークアリエネーション（疎外感）が増加して、ワークエンゲージメントが減少する。一方、代替が最小限であれば、AIは単調で反復的なタスクを効率化する支援ツールとして機能し、心理的リソースを温存してエンゲージメントを向上させうる（出典: “Double-Edged Sword Effect of AI Usage on Work Engagement”, PMC, https://pmc.ncbi.nlm.nih.gov/articles/PMC11852299/ ）。

人々は、AIと直接的にインタラクトし、行動と意思決定に関与し責任を持ち続ける場合に、仕事をより満足できるものと感じる。AIを「チームメイト」としてインタラクティブに導入するパラダイムが、最も高い仕事の意味の評価と関連した（出典: “The Soul of Work”, ACM, https://dl.acm.org/doi/10.1145/3637407 ）。

意外な発見・注目すべき点

  1. 共創 vs 編集の決定的な差: AIの出力を「編集する」役割と、AIと「共創する」役割では、有能感（創造的自己効力感）に統計的に有意な差が生じる。Claude Codeのようなエージェント型AIでは、人間がプロンプトで方向性を設定しAIと交互に作業する「共創モード」が有能感を保護するが、AI出力をコードレビューする「編集モード」は有能感を損なう可能性がある。

  2. 退屈のコントラスト効果: Shin & Grant（2019）の研究が示す「興味によって退屈になる」効果は、AI協働の文脈で極めて重要。AI協働という刺激的な作業の後、通常のソロ作業が一層退屈に感じられるメカニズムは、Wu et al.（2025）の実験結果と一致する。

  3. 関係性の非直感的な経路: AI利用が孤独感を増加させる一方で、社会的親和欲求も同時に増加させ、同僚への援助行動を促進するという「適応的」経路が存在する。つまり、AI利用による孤独は「補償的社交」を動機づけるが、それでも孤独感は解消されない。

  4. 閾値効果: 部分的なAI自動化は動機づけとスキル習得を促進するが、完全な自動化を超えると急激に負の効果に転じる「ピボタルポイント」が存在する。AIツールの導入では「どこまで自動化するか」の設計判断が心理的影響を決定する。

  5. SDT欲求充足とAI態度の関係: 基本的心理欲求が充足されている人ほどAIにポジティブな態度を持つという知見は、AI導入の成否が「AIそのものの品質」だけでなく「導入先の組織・個人の心理的欲求充足度」に依存することを示唆する。

情報の信頼性に関する注記

  • Wu et al.（2025）: Nature系列のScientific Reports掲載、査読済み。4つの実験デザインと3,562名のサンプルにより信頼性が高い。ただしタスクはオンラインのテキストベースタスクで、長期的な職場環境への一般化には注意が必要。
  • Tang et al.（2023）: Journal of Applied Psychology掲載、4つの研究、4地域横断。ただし著者ら自身が「相関関係であり因果関係を証明するものではない」と注記。
  • McGuire et al.（2024）: Scientific Reports掲載。サンプルサイズが比較的小さい（Study 1: 96名、Study 2: 152名）ため、効果の安定性には追加研究が望ましい。
  • GitHub Copilotの満足度データ: GitHub自身の調査であり、利害関係者バイアスの可能性を考慮する必要がある。
  • Shin & Grant（2019）: Academy of Management Journalのトップジャーナル掲載。AI文脈への適用は筆者の外挿であり、直接的な検証はされていない。
  • Gagne et al.（2022）: Nature Reviews Psychology掲載の包括的レビュー。SDTの将来の仕事への応用として高い信頼性。

未解明・追加調査候補

  1. 長期縦断研究: Wu et al.（2025）の効果が数週間・数ヶ月の長期AI利用でどう変化するか（慣れ効果、適応、または累積的悪化）
  2. 個人差の調査: SDTの欲求の強さ（特に有能感への欲求が強いプログラマー等）が、AI協働の心理的影響をどう調整するか
  3. タスクタイプ別の効果: 創造的タスク、分析的タスク、ルーチンタスクなど、タスクの性質によってSDT欲求への影響がどう異なるか
  4. AI利用の主体性（agency）: 自発的にAIを選択して利用する場合 vs 組織に強制される場合で、同じAIツールでも自律性への影響が異なる可能性
  5. 「AI時代の有能感」の再定義: 従来のドメイン固有のスキル（コーディング能力等）からメタスキル（AIの出力評価、プロンプト設計、システム思考）への有能感の移行が起きているか
  6. チーム内のAI利用と関係性: チームメンバーがそれぞれAIと協働する環境で、人間同士の関係性がどう変化するか（特に対面 vs リモートの差）
← AI時代における「集中」の再定義 に戻る