AI依存が招く「認知的負債」をどう防ぐ？ 次世代の開発者は「あえて使わない」：Google Cloudが学生開発者のAI活用動向を調査

Google Cloudは、カリフォルニア大学バークレー校の学生を対象としたAI活用調査の結果を公開した。学生はAIを近道として使うのではなく、学習パートナーとして戦略的に使い分けており、過度な依存を防ぐための自律的な行動も見られたという。

[＠IT]

　Google Cloudは2026年3月26日（米国時間）、カリフォルニア大学バークレー校（UC Berkeley）のコンピュータサイエンス、電気工学、デザイン、データサイエンス専攻の学生を対象に実施した、AI活用に関する調査結果を公開した。

　Google Cloudのレポート「DORA 2025」によれば、すでにテクノロジー専門家の90％が日常業務でAIを使用しているという。AIが開発の基盤となりつつある中、次世代の学生開発者は、AIとどう向き合っているのか。

　カリフォルニア大学バークレー校を対象にした調査では、学生たちに見られるAI活用の傾向と、DORAの調査で明らかになったプロフェッショナル開発者の傾向が密接に一致していることが分かったという。

• AI支援開発で「伸びるチーム」「崩れるチーム」を分ける7つの能力、Googleが分析（＠IT）
• まつもとゆきひろが危惧する、ジュニア不要論の先に広がるIT業界「焼け野原」（＠IT）

生成AIを「チューター」「教師」と定義　理解のギャップを埋める存在に

　調査に参加したほとんどの学生がAIを「チューター」や「教師」と表現し、「アシスタント」や「生産性ツール」とは呼ばなかった。学生は課題の答えを直接求めるのではなく、自身の知識のギャップを特定し、混乱する概念を明確にし、学習プロセスを導くために使用していた。

　ある学生は「教授の説明が分からない場合、AIにその概念やコードの動作を説明してもらう。プログラミング演習や実習課題の始め方が分からない場合は、AIにプロンプトを渡してどこから始めるか把握し、その後は自分自身でコードを書いてAIに添削してもらう」と説明した。

　特に顕著なメリットが見られたのは、学習障害のある学生のケースだ。「学習障害がある学生は、問題を理解するのにより多くの時間が必要だ。AIは24時間対応してくれるTA（ティーチングアシスタント）のような存在だ」という声もあったという。

• 面倒で難しいコード “こそ”、AIに書かせては？　「生産性が高まるAIコーディング」の始め方（＠IT）
• Cracked Engineerとは？　AI時代に語られ始めた“異常に強いエンジニア”の実像（＠IT）

生成AI依存にどう対抗する？　学生が構築した「ガードレール」の正体

　AIを用いた文章作成タスクにおける脳活動を測定した研究では、人間の認知的関与が弱く、内容に関する記憶や所有感が低下する「認知的負債」が生じることが指摘されている。学生たちもAIを学習手段として積極的に活用する一方で、過度なAI依存に対する不安を表明していた。

　しかし、このリスクをただ受け入れるのではなく、自ら意識的に境界線を設けるという前向きな兆候が見られた。具体的には以下のような取り組みが挙がった。

• 強力なモデルへのアクセスを制限
  • 強力なモデルに過度に依存するのを防ぐため、あえて有料のAIツールには課金しない
• 基本構文の手書き回帰
  • AIを使う作業と使わない作業を交互に進め、「forループ」のような特定の処理は手作業でコーディングする
• 「バイブコーディング」（AIの生成コードを完全に理解・検証しないまま、雰囲気だけで記述を進めること）に依存しない
  • AIが生成したコードを理解し、検証するように心掛ける

　「AIに『完全な答えを出さないで、正しい方向だけ示してほしい』と伝えることもある」という声もあった。DORAの調査でも、90％がAIを採用している一方で約30％がAI生成コードをほとんど信頼していないことが判明している。

• AIコーディングが日常化、だが「コードを信頼できない」「検証もやり切れない」（＠IT）
• AIコーディングはなぜ後から苦しくなるのか？　技術負債に続く「理解負債」「認知負債」という新たな落とし穴（＠IT）

ジュニア開発者は能動的にAI利用のタイミングを見極める

　同じくカリフォルニア大学バークレー校で実施された、アイトラッキング（視線計測）技術を用いた別の研究では、1〜5年の経験を持つ開発者がAIコーディングアシスタントとどのように対話するかを観察した。タスクの種類によってAIへの注意配分に明確な差が見られたという。

• 深い理解が求められる解釈的タスク
  • AIへの視覚的注意は1％未満
• 定型コードのような機械的タスク
  • AIへの視覚的注意は19％

　開発者は複雑な作業を進める際、AIの提案が正確で時間を節約できる場合でも能動的に無視していた。AIの提案を確認する行為自体が認知負荷を生じさせるため、経験のある開発者は思考が分断されることを避けるために、AIを使わないタイミングを察知していることが示唆されるという。

• 普通の企業で「コーディングエージェント」を定着させるための3ステップ　OpenAI Japan瀬良氏が説明（＠IT）
• 5大コーディングエージェントの比較で分かった「バイブコーディング」の落とし穴（＠IT）

AIの組織展開を成功に導くには？　3つの方向性

　これらの調査結果を受け、研究チームは、AI導入に取り組むチームに対して3つの方向性を示した。

• カスタマイズの活用
  • AIコーディングツールのインライン提案のオン／オフを切り替えたり、オンデマンドモードを有効にしたり、提案頻度を調整したりする
  • これらの設定を試すことで、AIの動作をさまざまなタスクの認知負荷に合わせて調整し、集中の中断を減らしつつ、定型作業の支援を維持できる
• 検証の仕組みをワークフロー化
  • AIの提案を無批判に受け入れるのではなく、ワークフローに検証のプロセスを組み込む
• AIを使わない時間の確保
  • 速度よりも理解が重要な複雑な問題については、AIを使わない作業の余地を確保する