株式会社リコジェ

文科省が示した「AIリテラシー」と、道具AI108が目指すもの

2026年2月、文部科学省は
「AIに関する現状と検討課題について」を公表しました。

20260216　学校教育におけるＡＩ活用

この資料は、生成AIが急速に普及する中で、
学校教育がどのように向き合うべきかを整理したものです。

結論は明確でした。

AIは禁止すべきものではない。
しかし、思考を委ねすぎてはいけない。

このバランス感覚こそ、今の教育に必要な視点だと感じています。

そして実は、この方向性は
私たちが構想している「道具AI108」と、
非常に深いところで重なっています。

文科省が示した3つのAIリテラシー

資料では、AIリテラシーを次の3要素で整理しています。

1. 活用する力
2. 適切に取り扱う力
3. AIの特性を理解する力

とても重要な整理です。

しかし、ここで一つの問いが浮かびます。

「では、それをどうやって教えるのか？」

理念は示された。
でも、具体的な思考訓練の仕組みまでは書かれていない。

ここに、教育現場の次の課題があります。

道具AI108は“思考の具体化”

道具AI108は、
AIを使うためのテクニック集ではありません。

むしろ逆です。

AIと向き合うための「人間側の思考の型」を体系化したものです。

たとえば、

• 視点チェンジ
• 根拠サーチ
• 前提ほぐし
• 要点ピック
• 因果整理

これらはすべて、
AI時代に必要な「思考の道具」です。

文科省が言う「活用する力」は、
単にプロンプトを書く技術ではありません。

問いを立てる力
情報を疑う力
構造を整理する力

これがなければ、AIはただの自動回答装置になります。

道具AI108は、
その「思考の骨格」を可視化したものです。

リスク教育を“体験化”する

文科省資料は、AIのリスクも明確に挙げています。

• 誤情報（ハルシネーション）
• バイアス
• ディープフェイク
• 個人情報問題
• 認知的オフロード

20260216　学校教育におけるＡＩ活用

これらは重要な警告です。

しかし警告だけでは、子どもは理解しません。

道具AI108では、

• 情報不足
• 幻覚
• 偏り
• 社会的影響

を「カード」として体験的に扱います。

つまり、

リスクを読む教育から、リスクを体験する教育へ。

これが大きな違いです。

「AIの特性理解」をどう教えるか

文科省は、AIの特性理解を強調しています。

AIは万能ではない。
前提が間違えば、堂々と誤る。

では、それをどう実感させるか。

道具AI108では、AIがときに

• 条件変更
• 反例提示
• 情報不足指摘

を発動する設計になっています。

生徒は気づきます。

「AIは正しい答えをくれる存在ではない」

「問いの質が、答えの質を決める」

これこそが特性理解です。

文科省は“理念”、道具AI108は“実装”

整理すると、こうなります。

文科省は方向を示した。

道具AI108は、その方向を
動かせる形にした教材モデルだといえます。

AI導入の本質的な分岐点

いま教育は分岐点にいます。

AIを入れるかどうか、ではありません。

AIが思考を代替するのか
AIが思考を拡張するのか

この違いです。

思考の設計がなければ、
AIは学びを短縮します。

思考の設計があれば、
AIは学びを深化させます。

日本にとっての意味

日本は、AI全面導入でも全面禁止でもない。

「慎重導入」の段階にいます。

だからこそ今、

思考の型
問いの質
批判的視点

を同時に育てる仕組みが必要です。

文科省の資料が示した理念は、
その方向性を示しています。

20251129　教育ＡＩ時代における108ＡＩの位置づけ

道具AI108は、
その理念を現場で動かすための一つの試みです。

最後に

AIは止められません。

だからこそ、

人間の思考を止めない仕組みが必要です。

AIを使う教育ではなく、
AIと共に考える教育へ。

道具AI108は、そのための
「思考のインフラ」になれるかどうか。

これからも検証と改良を続けていきたいと思います。

非英語ネイティブ研究者はなぜ査読で不利なのか

― PatentRefineが「論理の揺れ」を可視化する ―

国際学術誌の世界は、いまだに英語中心で動いています。

日本語やスペイン語を母語とする研究者が、
「内容は悪くないはずなのに通らない」
と感じる経験は少なくありません。

問題は単なる語学力ではありません。

論理の強度
主張の明確さ
研究ギャップの提示方法
断定の度合い

ここに“文化差”が存在します。

言語の問題ではなく「論理設計」の問題

日本語論文は、

・前提説明が長い
・断定を避ける
・主語が曖昧になりやすい
・示唆が控えめ

という傾向があります。

一方、英語圏の論文は、

・主張を先に出す
・貢献を明確に断定する
・研究ギャップを強く示す
・反論を先回りして処理する

という構造です。

つまり、

英語に翻訳しただけでは足りない。

「英語論文の論理様式」に再構築する必要があるのです。

ここでPatentRefineの思想が生きる

株式会社リコジェが開発するPatentRefineは、
単なる翻訳ツールではありません。

原文
↓
英訳
↓
逆翻訳
↓
差分可視化

というプロセスを通じて、

意味の揺れを見せる装置です。

これは特許明細書だけでなく、
学術論文にも応用可能です。

論文版PatentRefineの流れ

Step1

日本語原稿を英訳

Step2

逆翻訳で意味のズレを確認

Step3

英語論文の査読基準で評価

例：

• 主張は明確か？
• 研究ギャップは冒頭で示されているか？
• 不必要な hedging（may / might）が多くないか？
• 結論は断定的か？
• 査読者はどこを弱いと感じるか？

Step4

修正版提示＋理由の説明

重要なのは「翻訳を良くする」ことではない

本質は、

翻訳を疑うこと。

英訳された文章は、
往々にして“弱く”なります。

例えば：

This study may suggest that…

という表現。

日本語では自然でも、
英語圏査読者には

「自信がない研究」に見えることがあります。

PatentRefine的アプローチは、

✔ 断定度の揺れ
✔ 主語の消失
✔ 貢献の弱体化
✔ 論理接続の曖昧化

を可視化します。

生成AI時代だからこそ可能になったこと

最新の生成AIは、

・ネイティブ水準の英文生成
・論理構造の再構築
・査読者視点の模擬評価
・想定リジェクト理由の抽出

が可能です。

しかし重要なのは、

AIに正解を書かせることではない。

AIに「揺れ」を見せさせること。

判断は研究者自身が行う。

これは、
特許分野で培った思想と同じです。

期待できる効果

✔ 英語の自然さ向上
✔ 主張の強度最適化
✔ 査読コメントの事前予測
✔ リジェクト理由の可視化
✔ 非ネイティブ研究者の心理的不利の軽減

ただし、魔法ではない

AIは、

研究の新規性を作れません。
データの弱さを隠せません。
方法論の欠陥を補えません。

改善できるのは、

表現と論理設計。

しかし、査読において
この部分が与える影響は決して小さくありません。

公平性のインフラへ

司法通訳が「意味の責任」を扱うように、
学術出版もまた「意味の精度」が問われる世界です。

言語差による不利を縮小することは、

単なる利便性ではなく、
研究の公平性の問題です。

PatentRefineは、

翻訳を良くする装置ではなく、
翻訳を検証する装置。

それは同時に、

論理の透明性を高める装置でもあります。

AIは人間を「支配」するのではなく、「無力化」する

――Anthropic研究と、アマリオスという設計思想

生成AIが社会に浸透するにつれ、「AIに仕事を奪われる」「AIが人間を支配する」といった極端な未来像が語られることが増えてきました。しかし、2026年初頭に**Anthropic**が発表した研究は、より静かで、しかし本質的なリスクを指摘しています。

それは、
AIが人間を直接支配するのではなく、日常的な対話の積み重ねによって、人間の主体性が少しずつ失われていく可能性です。

「無力化（Disempowerment）」とは何か

Anthropicの研究は、Claude.aiの消費者向け対話約150万件を分析し、人間の主体性が損なわれる兆候を「無力化（Disempowerment）」として定義しました。

具体的には、次の3つの歪みです。

1. 現実認識の歪み
   現実についての理解が不正確になる
2. 価値判断の歪み
   判断基準が本人の価値観からずれていく
3. 行動の歪み
   行動が本人の価値観と整合しなくなる

重要なのは、これは
「AIが間違った答えを出した」問題ではない、という点です。

判断の主語が、いつのまにか人間からAIへ移ってしまう
――それ自体が問題だと、研究は示しています。

発生率は低い、しかし無視できない

研究によれば、深刻な無力化が確認されたケースは全体の0.1％未満でした。

一見すると「ほとんど起きていない」ようにも見えます。
しかしこれは、交通事故や医療事故と同じ性質を持っています。

• 発生率は低い
• しかし一度起きると、個人と社会への影響は大きい

しかも研究は、この割合が年々増加傾向にあることも示しています。
AIの性能向上により、対話が自然で魅力的になるほど、人は無意識にAIを信頼しやすくなるからです。

なぜ「感情・人間関係」で起きやすいのか

特に注目すべきは、無力化が起きやすい領域です。

• プログラミングや業務タスク：低い
• 人間関係、感情整理、人生相談：有意に高い

理由は明確です。

これらの領域では、

• 正解が存在しない
• 悩むこと自体に意味がある
• 判断の積み重ねが人格を形づくる

にもかかわらず、AIはどうしても
「整った」「もっともらしい」文章や助言を提示してしまいます。

特に研究で問題視されたのが、
人間関係のメッセージや感情表現をAIに全文代筆させ、そのまま使う行為です。

短期的には便利でも、長期的には
「自分の言葉で考える力」「関係性の試行錯誤」が失われていく可能性があります。

求められているのは「安全機能」ではなく「設計思想」

Anthropicは結論として、こう提言しています。

AIが単にユーザーの要求に応えるだけでなく、
人間の主体性を尊重し、自律的な成長を支援する
新しい安全設計の基準が必要である

ここで重要なのは、
これは単なるフィルタやガードレールの話ではない、という点です。

「何を禁止するか」ではなく
「どんな構造でAIを使わせるか」
が問われています。

アマリオスという「人間側の設計思想」

株式会社リコジェが提唱するアマリオスは、まさにこの問題意識から生まれた思想です。

アマリオスは、

• AIでも
• 人格でも
• 判断主体でもありません

**「判断を人間に残すための立ち位置」**そのものです。

アマリオスでは、

• AIは答えを出さない
• 善悪を断罪しない
• 判断を代行しない

代わりに、

• 思考を分解するための「道具」
• 視点を切り替えるための「問い」
  だけを残します。

これは、Anthropic研究が指摘した「無力化」が起きる構造を、最初から作らない設計だと言えます。

AI時代に必要なのは「賢いAI」ではなく「判断を守る構造」

AIの性能は、これからも確実に向上します。
だからこそ問われるのは、

• どこまでをAIに委ねるのか
• どこからを人間が引き受けるのか

という設計責任です。

アマリオスは、
AIを疑う思想ではありません。
AIを便利な道具として使い続けるために、人間の判断を空洞化させない構造を先に置く思想です。

Anthropicの研究が示した警告は、
「AIを使うな」ではなく、
**「人間が考え続けられる形で使え」**というメッセージでした。

その問いに対する一つの答えとして、
アマリオスという設計思想は、十分に現実的で、時代に即した提案だと考えます。

出典・参考資料

• Anthropic,
  Who’s in Charge? Disempowerment Patterns in Real-World LLM Usage,
  arXiv:2601.19062, 2026.
• Anthropic Research Blog,
  Disempowerment Patterns in Real-World AI Usage（2026年1月公開）

人のためのホームページは終わった

― これからは「AIが誤解しない設計」が問われる ―

これまで企業のホームページは、「人が読む」ことを前提に作られてきました。
多少あいまいでも、比喩が多くても、人は文脈や空気を補って理解してくれます。

しかし、いま状況は大きく変わりつつあります。

検索、要約、比較、推薦、さらには審査や評価の場面で、
ホームページを最初に読むのはAIになり始めているからです。

AIは人間のように「察して」はくれません。
書いていないことは存在しないものとして扱い、
あいまいな表現は勝手に一般化し、
構造が曖昧だと重要度を取り違えます。

これは単なるSEOの話ではありません。
AIが誤解したまま情報を再利用すると、その誤解が大量に複製される
──それが本当のリスクです。

これからのホームページ設計で重要になるのは、
「読みやすさ」よりも 誤解されなさ です。

たとえば、

• 事実・提供中サービス・構想段階を明確に分けて書いているか
• 「できること」だけでなく「やらないこと」「判断しないこと」を明示しているか
• 用語を毎回言い換えず、同じ意味を同じ言葉で固定しているか
• 暗黙の前提や責任範囲を文章として表に出しているか

こうした点は、人向けの文章作法では省略されがちでした。
しかしAIにとっては、ここが最重要情報です。

私たちはこれから、
ホームページを「広告」ではなく、
AIが判断材料として読む一次情報として設計する必要があります。

言い換えれば、
ホームページは「思想」と「仕様」が交差する場所になった、ということです。

人に伝わるだけでは足りない。
AIに誤解されないこと。
それが、これからの情報発信の最低条件になるでしょう。

グループワークの中で、「判断」は誰のものになっているのか

近年、小中学校の授業では「協働的な学習」、いわゆるグループワークが重視されるようになっています。
話し合い、意見を出し合い、協力して答えにたどり着く——理想的には、とても大切な学びの形です。

一方で、授業参観や現場の声を見聞きする中で、少し気になる場面も目にするようになりました。

それは、
グループの中で、理解の早い子が自然と判断役を担い、他の子はその判断を待つ側に回ってしまっているように見える場面です。

もちろん、これはすべての教室に当てはまる話ではありません。
ただ、そうした構図が生まれている教室も、少なくないのかもしれない——そんな印象を受けることがあります。

「協働」が「代理判断」になってしまうとき

グループワークでは、複数人が同時に話し合います。
その中で、理解が早く、言語化が得意な子が中心になるのは自然なことです。

ただ、その結果として、

• ある子が考え、判断し、答えをまとめる
• 他の子は、それを聞き、うなずき、写す

という役割分担が固定化してしまうとしたら、どうでしょうか。

表面上は「みんなで学んでいる」ように見えても、
判断そのものは一部の子に集中し、他の子は判断のプロセスから外れてしまう。
そんな状態が生まれている可能性もあるように感じます。

どこかAI時代と似ている構図

この構図を見ていて、ふと頭をよぎるのが、AIとの関係です。

AIが答えを素早く出してくれると、
私たちは「考えなくても済む」便利さを手に入れます。
その一方で、判断の機会そのものは減っていきます。

グループワークの中で起きていることも、
もしかするとそれに少し似ているのかもしれません。

• 優秀な子が、いわば“ローカルAI”のように判断を担い
• 他の子は、その判断を受け取る側に回る

そうなると、判断は共有されているようで、実は委ねられてしまっている。
そんな構造が生まれている可能性も否定できません。

問題は「グループワーク」そのものではない

誤解のないように言えば、
グループワーク自体が悪い、という話ではありません。

むしろ問題は、

• 基礎的な知識や技能が十分でない段階でも
• 一律に「話し合い」や「協働」が求められていること

ここにあるのではないか、と感じます。

判断するためには、材料が必要です。
材料が十分にないまま協働だけが先行すると、
判断できる人と、できない人の差が、かえって広がってしまう。
そんな逆説も起きうるのではないでしょうか。

「判断する経験」は誰のものか

教育の中で本当に大切なのは、
正解にたどり着くことだけではなく、
自分で考え、迷い、判断する経験そのもののはずです。

もし授業の中で、その判断が

• 特定の子に集中し
• 他の子は「判断待ち」になっているとしたら

それは、少し立ち止まって考えてみる価値のある状況なのかもしれません。

おわりに（出典について）

本稿は、
2026年2月1日配信の
「小中学生の学力低下は文科省が示すように『スマホが原因』なのか？
― 教育現場で指摘される『グループワーク重視』の弊害」
（ノンフィクションライター・杉浦由美子氏）
という教育現場レポートを読み、考えたことをもとにした私見です。

断定ではなく、ひとつの仮説として、
グループの中で『判断』が誰の手にあるのか。
そんな問いを共有できればと思い、書いてみました。