生成AIの導入によって成果物の「体裁」や「標準的な正答率」が底上げされる一方で、組織全体のアウトプットが均質化し、革新的なアイデアが埋没する懸念が現実のものとなりつつあります。2026年8月、伊ボッコーニ大学（Bocconi University）のアルフォンソ・ガンバルデッラ（Alfonso Gambardella）教授およびOpenAIチーフエコノミストのロニー・チャタジー（Ronnie Chatterji）氏らの共同研究グループが発表した無作為化比較試験（RCT）論文『Training novices to think, or giving them LLMs? Evidence from an RCT』は、この問題の構造的要因と企業が直面する評価のパラドックスを実証的に解明しました。
本レポートでは、同研究が提示した実証データを分析し、企業が生成AI活用を進める上で不可欠となる人材育成および評価制度の再設計について考察します。
1. ボッコーニ大学×OpenAIによるRCTの実験設計
本研究は、ビジネスや経済学の初学者である学部1年生1,053名を対象に、マーケティングの実務的課題（同大学のマーチャンダイズを卒業生向けに拡大する施策立案）を課す形で実施されました。被験者を以下の4グループに無作為に割り振る「$2 \times 2$ 要因配置実験」が採用されています。
| グループ区分 | 介入内容 | 概要 |
| 統制群（Control） | 介入なし | AIツール・事前研修のいずれも付与せず自力で課題を作成 |
| 思考訓練群（Causal） | 因果推論（Causal Reasoning）の研修 | 原因・結果・介在メカニズムを構造化して仮説を立てる思考法を教育 |
| AI利用群（GPT） | ChatGPT Edu（GPT-4o搭載）の利用 | 課題解決に向けた生成AIツールへのアクセス権を付与 |
| 複合群（Causal + GPT） | 因果推論の研修 ＋ ChatGPT Eduの利用 | 思考フレームワークの研修を受講した上で生成AIを利用 |
成果物は、マーケティングの標準的な評価基準（1〜5点尺度）に基づき、複数の専門家によってブラインドで採点されました。
2. 実証分析が示した3つの重要ファクト
研究結果は、ツールの導入がもたらす「効率化の罠」と、人間側の思考力の介在価値について明確な対比を示しています。
① AIは「専門家らしさ（標準的品質）」を引き上げる
統制群の平均スコア2.09点に対し、ChatGPTを利用したグループのスコアは約0.86ポイント有意に上昇しました。
この品質向上は、文章の論理的整合性（Coherence）や提示されたアイデアの総数によって部分的に説明されるものの、それらの要因を統計的にコントロールした後でも強い効果が残存しました。すなわち、生成AIは単なる「文章校正ツール」にとどまらず、定型化された実務課題において初心者のアウトプットを専門家の解法に素早く近づける（実質的な内容を底上げする）能力を持つことが裏付けられました。
② アイデアの「独自性・多様性」を生み出すのは因果推論である
一方で、提案された施策の新規性や参加者間での多様性（Between-solution idea diversity）を分析すると、結果は反転します。
- ChatGPTの特性: アイデアの「量（個数）」を増やすものの、その内容は既存データに基づいた定型的な枠組みに収斂し、参加者間のアイデアの差異（独自性）は高めませんでした。
- 因果推論研修の特性: 「なぜその施策が結果につながるのか」という因果のメカニズムを突き詰める訓練を受けた被験者は、他の参加者と明確に差別化された非凡・多様な施策を創出しました。
③ 「評価のパラドックス」：既存の評価制度がイノベーションを阻害する
本研究の最も示唆的な発見は、「因果推論によって生み出された独自性の高いアイデアが、専門家による標準評価では高得点を得られなかった」という点です。
既存の標準的な評価基準（ルーブリック）は、「期待される正解モデル」にどれだけ適合しているかを測るように作られています。そのため、予定調和な回答を綺麗にまとめるAI生成物は高評価を獲得する一方、従来の枠組みを踏み越えた本質的に革新的な提案は、既存の評価グリッドに収まらないため減点あるいは平庸な評価に甘んじる現象が生じました。
3. 企業経営への示唆：AI時代の人材戦略と制度設計
が警鐘を鳴らす通り、この結果は教育現場のみならず、現代の企業組織が直面する課題そのものです。全社に生成AIアカウントを配布しただけでは、「体裁が整った凡庸な提案」が社内に氾濫し、コモディティ化を加速させるだけに終わるリスクがあります。
1. 「プロンプト操作」から「因果構造の設計力」への投資シフト
ツール自体の性能が向上するほど、表層的なプロンプトのテクニックの相対価値は低下します。ビジネスにおいて差別化をもたらす源泉は、以下の人間側の論理設計力に移行しています。
- 前提を疑う批判的思考: AIが提示した「もっともらしい平均解」に対し、前提条件や潜在的バイアスを特定する能力。
- 因果関係のモデル化（メカニズム思考）: 事象と結果を短絡的に結びつけるのではなく、「どのような経路（メカニズム）を経て価値が発生するのか」という構造的仮説を自ら組み立てる能力。
2. 人事評価・事業評価制度の脱・均質化
AIが「期待通りの答え」を瞬時に出せる時代において、従業員を「標準的な解法を過不足なく出せるか」で評価し続けることは、イノベーションの芽を組織自ら摘み取る構造を作ります。
- 評価基準の二元化: 定常業務や標準プロセスでは「AI活用による整合性と速度」を評価し、新規事業や戦略企画では「既存の前提をどう打破したか（独自性と因果妥当性）」を独立した指標として評価する仕組みが必要です。
- 失敗の許容と仮説検証の重視: 予定調和な提案よりも、明確なロジックに基づいた非連続な試みを正当に遇するKPIの設計が求められます。
生成AIは思考の代行装置ではなく、仮説を検証・具現化するための高速な壁打ち基盤として位置づけ直されるべきです。ツールの導入（アクセスの民主化）と、批判的・論理的思考力の養成（認知の強化）を車の両輪として統合できた組織のみが、均質化の圧力から脱し、持続的な競争優位を築くことができます。
