会計

AIネイティブは何を壊すのか – 10代の試行回数が企業・投資・教育の前提を変える

みなさん、おはようございます！こんにちは！こんばんは。Jindyです。

生成AIの話になると、ついモデル性能や仕事が奪われるかどうかに目が向きます。

でも、静かで大きな変化が進んでいるかもしれません。

それは、10代のうちからAIを相棒にして、作って、壊して、直して、また作る人たちが増えていることです。

この変化を若者のAI利用率だけで見ると本質を外します。見るべきは、人生のかなり早い時期から何回試行錯誤できるようになったかです。

この視点を持つと、仕事、経営、投資、会計の見方が一気につながります。年齢や職歴だけで人を測る危うさ。AIによって参入障壁を壊される業界。損益計算書には出ない学習や失敗という無形資産。

AIネイティブの本当の強みは、AI知識ではありません。試行回数の上限が消えることです。

数年後に現れる若い起業家も、実は水面下で小さな仕込みを積んでいた。そんな未来はあり得ます。

AIネイティブの資産は知識ではなく試行回数である – 早く正解した人より、早く何百回も外した人が強くなる

10代のAI利用は、もう一部の物好きな人だけの話ではありません。

Pew Research Centerの2026年調査では、米国の13〜17歳の過半数がAIチャットボットを使って学校の勉強を手伝わせた経験があり、約3割はAIチャットボットを毎日利用していました。EUでもEurostatによれば、2025年に16〜24歳の63.8%が生成AIを利用しています。日本でもベネッセ教育総合研究所と東京大学による調査では、学校外の学習で生成AIを使う高校生が2023年の15.2%から2025年には57.7%まで増えています。(pewresearch.org)

普及はもう仮説ではありません。見るべき数字はその先です。

利用率より回転率を見る

生成AI以前にも、10代でプログラムや動画、音楽を作る人はいました。

違うのは、アイデアから形になるまでの時間です。

昔なら、簡単なWebサービスでも言語を覚え、エラーを検索し、サーバーを理解し、ようやく人に見せられた。

今は、やりたいことをAIに説明し、コードを書かせ、エラーを渡し、修正させるところまで進める。品質や安全性の確認は別としても、最初の試作品までの距離は短くなりました。

だからAIの効果を、生産性が何%上がったという一点だけで見ると小さく見えます。

本当の変化は回転率です。

一年に一つしか試せなかった人が十個試せる。百回全部当てる必要はありません。九十九回捨てられることに価値がある。

投資でいえば、小さなオプションを大量に持つ感覚です。損失は試作の時間に限定され、上振れは作品、顧客、コード、知識、人脈として残る。若いうちの失敗ほど、この非対称性は大きい。

AIは初心者の経験曲線を圧縮する

この仮説を考えるうえで示唆的なのが、Brynjolfsson、Li、Raymondによる生成AIの職場研究です。

5,179人のカスタマーサポート担当者を分析したところ、AI支援による生産性向上は平均14%。ところが、初心者や低スキル層では34%の改善が確認され、経験豊富な人への効果は小さかったと報告されています。(nber.org)

ここが面白い。

AIは、すでに100できる人を200にする魔法というより、20しかできなかった人を一気に60や70へ連れていく性質を持つ可能性があります。

研究者たちは、AIが優秀な担当者のベストプラクティスを広げ、新人が経験曲線を早く下るのを助ける可能性を示しています。

これを10代にそのまま当てはめることはできません。ただ経営の言葉に直せば、AIは先輩の横で何年もかけて得ていた暗黙知の一部をオンデマンド化する。経験年数という参入障壁が削られ始めている、と読めます。

見えない無形資産が10代から積み上がる

会計では、企業が研修にお金を使っても、多くの場合はその期の費用になります。

ところが現実には、その研修で得た知識が翌年も翌々年も役立つことがある。会計上は費用でも、経済実態としては人的資本への投資です。

10代のAI利用も似ています。

小さなゲームが壊れた。動画が誰にも見られなかった。AIの答えが間違っていて調べ直した。

財務諸表には何も載りません。でも本人の中には残る。

何を頼むとAIが間違えるか。ユーザーはどこで離脱するか。完成させるには何が足りないか。自分は何が得意で何が苦手か。

こうした知識は、取得原価を測れない無形資産です。

そして厄介なのは、外から見えないことです。

同じ17歳でも、一人はAIを検索代わりに使うだけ。もう一人は三年間で百個の制作物を出しているかもしれない。

年齢という科目は同じでも、中身は全然違う。

だから、AIを使えるかだけを聞いても意味が薄い。

見るべきは、何回つくり、捨て、人に見せ、修正したかです。人の価値も資格や年齢という帳簿だけでは読めなくなる。

水面下では、まだ市場価格の付いていない人的資本が積み上がっています。

AIが壊すのは仕事ではなく参入障壁である – 数年後の異常値は、突然生まれるわけではない

AI時代には仕事がなくなるかが注目されます。

でも経営と投資の側からもっと怖いのは、今まで誰が作れるかを決めていた参入障壁が、どこから崩れるかです。

AIで一人あたりの試作コストが下がれば、既存企業の競争相手は同業大手だけではなくなります。小さなチーム、個人、学生、海外の誰かが、昨日まで市場に存在しなかった競争相手として突然入ってくる。

利益率の高い事業ほど、ここは油断できません。

価値が上がるのは発明力より完成まで運ぶ力

LeeとChungがNature Human Behaviourで報告した5つの実験では、ChatGPTを使った参加者は、技術を使わない場合や通常のWeb検索を使う場合より、創造性の高いアイデアを生み出しました。(nature.com)

DoshiとHauserのScience Advancesの研究でも、AIからアイデアを得た人の短編作品は、創造性、文章の質、楽しさで高く評価され、とくにもともとの創造性が低い人への効果が大きく出ています。(doi.org)

ここから見えるのは、発想そのものの希少性が少し下がる未来です。

アイデアも名前もコードのたたき台もAIが出す。すると価値は、何を選び、どこまで作り、誰に見せ、捨てるか続けるかという判断へ移ります。

経理でも同じです。仕訳案はAIが出せても、契約実態に合うか、監査人に説明できるか、経営数値を歪めないかまで含めると人間の判断が残ります。

生成能力がコモディティ化すると、選択と責任の価値が上がります。

一人の若者が小さな会社の機能を持てる

これまで会社という組織が必要だった理由の一つは、能力を束ねるためでした。

企画する人。
コードを書く人。
デザインする人。
翻訳する人。
営業する人。
分析する人。

一人ですべてできないから組織を作る。

ところがAIは、この束ね方を変えます。

一人の人間が、企画の壁打ち、コード生成、デザイン案、翻訳、顧客対応文、データ分析までAIに補助させられる。

専門家と同等とは限りません。それでも小さな市場を試すには十分な場面が増える。

先に一人で作り、使う人が出て、売上が出てから必要な機能だけ人を雇う。固定費を抱える前に需要確認ができます。

会計屋の言葉にすると、損益分岐点が下がります。

人件費や外注費という固定的・準固定的なコストを積む前に、売れるかどうかを試せる。これは単なる便利ツールの話ではありません。事業の成立条件が変わる話です。

投資家が見るべきはAI企業より粗利の防波堤

AI投資というと半導体、データセンター、モデル企業に目が向きます。ただ、二次的な波の方が長いかもしれません。

AIによって誰でも一定品質まで作れるようになると、今まで専門技能そのものが防波堤だった会社は弱くなる可能性があります。

制作、調査、文章化、簡単なソフトウェア開発そのものに高い価格が付いていた事業は、単価に圧力がかかりやすい。

逆に残りやすいのは、データ、ブランド、流通、顧客基盤、規制対応、信頼、現場オペレーションなど、AIだけでは複製しにくい資産です。

投資家なら売上成長率より、その粗利率が何で守られているかを見るべきです。

AIで原価が下がるのか。顧客の内製コストまで下がって値下げを迫られるのか。

AI導入で利益率が上がる会社と、AIのせいで利益率を奪われる会社は別です。

数年後、とんでもない若者が出てきても、天才が突然現れたとは限りません。安い失敗を何百回も買ってきた人なのかもしれない。

企業が設備投資で生産能力を積むように、人は試行錯誤で能力を積みます。

AIは、その設備投資単価を下げている。

そう考えると、若者のAI利用は教育問題であると同時に、将来の競争環境を変える資本形成の話でもあります。

AIに任せすぎると資産ではなく空洞が積み上がる – 便利さと複利は同じものではない

ここまで読むと、子どもにはとにかくAIを使わせた方が得だと思うかもしれません。

この前提はかなり危ない。

AIを使う回数が増えても、すべてが経験として積み上がるわけではありません。

会計でいえば、支出したからといって全部が資産になるわけではない。AI利用も同じです。

問いを考えず、答えをそのまま受け取り、結果も確認しない。それを千回繰り返しても、経験曲線はほとんど下がらないかもしれません。

答えを得ることと能力が残ることは別

Common Sense Mediaが2026年に米国の10代を対象に行った全国調査では、70%が学校の課題にAIを利用していました。そのうち63%は、程度の差はあれAIから答えを得る使い方をしていると回答しています。

さらにAI利用者の38%は、自分自身のアイデアを出すことが減ると感じ、39%はAIで課題を終えることで学習機会を逃していると感じていました。(commonsensemedia.org)

本人たちも便利さの代償に気づいています。

高校生153人のプログラミング学習の準実験では、ChatGPT群の方が従来型学習群よりフロー体験、自己効力感、学習成果が低い結果でした。一方、大学生を対象に57研究を統合したメタ分析では、学習成果全体にはプラスでも、メタ認知への効果は統計的に有意ではありませんでした。(tandfonline.com)

研究結果は一方向ではありません。

だから、AIを使うか使わないかという二択が雑なのです。

問題は、どの工程をAIに渡すか。

考える前に答えをもらうのか。自分で考えた後に反論させるのか。完成品を作らせるのか、自分の作品を壊す役にするのか。

同じ一時間でも、残る資産が違います。

全員が70点になると100点の異物が減る

もう一つ、面白い落とし穴があります。

DoshiとHauserの研究では、AIを使った作品は個別には高評価になりました。一方で、それらの作品同士は人間だけで作った作品より似ていました。(pmc.ncbi.nlm.nih.gov)

つまりAIは、平均点を上げながら分散を縮める可能性がある。

会計や投資では見慣れた構造です。平均値は改善していても、分布を見ると別のことが起きている。

全員が60点から75点になるのは一見すばらしい。でもイノベーションを生むのが分布の端なら、75点の似た案が大量に並ぶことが最適とは限りません。

投資でも平均リターンだけで個別のリスクは読めません。創造性も同じ。

AIに整えてもらうほど文章や企画はきれいになる。その代わり、本人にしか出せない変な癖まで削られることがある。

これは笑えません。

AI時代に価値を持つのは、AI並みにきれいな人ではなく、AIが平均化できない異物を持っている人かもしれないからです。

AIとの協働にも内部統制がいる

Vaccaro、Almaatouq、Maloneは106の実験研究、370の効果量を統合し、人間とAIを組み合わせれば常に最強になるわけではないことを示しました。

人間とAIの組み合わせは、人間単独よりは平均的に良い一方、人間単独とAI単独のうち優秀な方と比べると、全体ではむしろ下回りました。特に意思決定課題では損失が見られ、創造的な生成課題の方が相性が良い傾向でした。(nature.com)

ここは経営実務に直結します。

AIを入れたという事実に価値はありません。誰が入力を決め、結果を検証し、誤りの責任を持つか。

要するに内部統制です。

経理システムも導入しただけでは決算は良くなりません。マスタや承認権限が崩れれば数字も崩れる。AIも同じです。

強力な道具ほど、利用率ではなく統制設計を見る必要があります。

UNESCOのAI Competency Framework for Studentsも、人間中心、倫理、AI技術と応用、AIシステム設計の四領域を置き、理解、適用、創造へ段階を分けています。(unesco.org)

使えることと、任せてよいことを判断できることは別の能力です。

AIネイティブの差は、AIを使った時間では決まらないでしょう。

自分で考える工程を残した人と、そこまで外注した人。出力を疑った人と信じた人。平均点を取りに行った人と、自分の違和感を残した人。

同じツールでも、複利がかかる人と空洞化する人に分かれます。

ここは教育だけの話ではありません。

会社員も経営者も、すでに同じ分岐点に立っています。

結論　未来の格差は、AIを持つ人と持たない人ではなく、失敗を資産に変えられる人の間に生まれる

会計は、過去を数字にする仕事だと思われがちです。

でも本当は、何を費用と見て、何を将来のための投資と見るかを考え続ける仕事でもあります。

未完成のアプリ、誰にも見られなかった動画、捨てた企画、間違ったコード。

外から見れば、価値ゼロの失敗です。

けれど、その人がなぜ失敗したかを理解して次に使えたなら、経済的にはゼロではない。

むしろ、そこに未来の利益を生む能力が蓄積されている。

投資も同じです。

大きなリターンは全てを当てることではなく、損失を限定しながら市場に残り、少数の上振れを取ることで変わります。

AIは人生にもこのオプション性を持ち込みます。

作るコストも失敗するコストも下がり、専門家になる前に市場へ出せる。

だから私は、数年後に注目すべきなのは、AIを上手に使える若者ではないと思います。

何を作るかを自分で決め、AIを使って何百回も試し、それでも判断と責任だけは手放さなかった人です。

経営者から見れば、その人は採用市場に出た瞬間から新人ではないかもしれない。投資家なら既存企業の堀の耐久年数を見直す。会計屋なら、帳簿に出ない資産が社会のあちこちで形成されていると読む。

そして人生という目線では、もっと単純です。

昔は、準備が整ってから始めるしかなかった。
今は、始めながら準備できる。

この違いは大きい。

AI時代に一番もったいないのは、AIに仕事を奪われることではないのかもしれません。

失敗がこれほど安くなった時代に、失敗しないことです。

未来の驚くようなプロダクトは、未来になって突然生まれるわけではない。

今日どこかで、まだ誰にも知られていない誰かが、雑な一作目を作っている。

その一作目はたぶん、たいしたものではありません。

でも会計にも投資にも、最初の数字だけでは価値を測れないものがあります。

人間も、たぶん同じです。

AIネイティブの未来を、もう一段深く考えるための5冊

1．『生成AIで世界はこう変わる』今井翔太

生成AIの仕組みから、仕事、創作、社会がどう変わるのかまでを一続きで捉えるための入口です。AIを単なる便利なソフトとして扱わず、技術の進歩が労働や価値創造の前提をどう変えるかまで扱っているため、本文で触れた試作コストの低下や創造の参入障壁という話を、技術側から補強できます。AIのニュースは追っているけれど、なぜこれほど社会への波及が大きいのか整理できていない読者に向いています。5冊の中では、全体の地図を手に入れる役割です。

[商品価格に関しましては、リンクが作成された時点と現時点で情報が変更されている場合がございます。]

生成AIで世界はこう変わる （SB新書） [ 今井翔太 ]
価格：1,100円（税込、送料無料) (2026/9/4時点)


2．『AIファースト経営　利益を10億円増やした旭鉄工の成功モデル』木村 哲也

AIを入れれば生産性が上がる、という抽象論から一歩踏み込み、製造業の現場で仕事そのものをどう組み替えるかを扱っています。暗黙知の言語化、意思決定の工程化、人間が判断と実行へ集中する設計など、本文の経験曲線やAIとの内部統制という論点とかなり近い。経営者だけでなく、AI導入を現場の利益や業務プロセスへどう落とすのか知りたい人にも参考になります。他の4冊と違い、AIの未来予測ではなく、既存企業の現場をどう変えるかという実装側から読めるのが特徴です。


3．『イシューからはじめよ［改訂版］　知的生産の「シンプルな本質」』安宅和人

AIが答えを大量に作れる時代ほど、何に答えるべきかを決める側の価値が上がります。本書が扱うのは、作業量を増やすことではなく、解く価値のある問題を見極め、そこへ知的生産を集中させる考え方です。本文で書いた生成能力がコモディティ化すると選択と責任の価値が上がる、という論点をAIの外側から掘れます。AIに何を聞けばいいのか分からない、効率化したのに仕事が減らない、という疑問を持つ読者と相性がいい。5冊の中で最もツールから距離を置き、人間側の判断力を考える本です。


4．『生成AI投資の教科書』ジョン・シュウギョウ

本文では、AI時代の投資で見るべきなのはAI企業そのものだけではなく、粗利を守ってきた防波堤がAIでどう変わるかだと書きました。本書は別の角度から、生成AIを情報収集、企業分析、投資判断へどう組み込むかを扱います。AIに銘柄を決めてもらうというより、分析時間を圧縮できる時代に人間の判断をどこへ残すのかを考える材料になります。投資家自身の試行回数をAIで増やしたら何が起きるのか知りたい人向けです。ほかの4冊と比べ、資本市場でAIを実際に使う側へ最も寄った内容です。


5．『AIの時代を生きる　未来をデザインする創造力と共感力』美馬 のゆり

AIを使える若者ほど将来有利になる、と単純化しないために置いておきたい一冊です。AIの歴史や仕組みに加え、人間とAIの関係、創造力、共感、学び方まで扱っており、本文後半の思考の外注化や、AIを使った時間と能力形成は同じではないという話につながります。AI教育とはツール操作を教えることなのか、それともAIがある前提で人間の学びを再設計することなのか。この疑問を考えたい読者に向いています。技術や投資ではなく、人間をどう育てるかという側から他の4冊を補正してくれます。


生成AIそのものの全体像から入りたいなら『生成AIで世界はこう変わる』、会社の利益や業務プロセスまで落として考えたいなら『AIファースト経営』が入りやすいでしょう。AI時代ほど人間の問いと判断がなぜ価値を持つのかを考えるなら『イシューからはじめよ［改訂版］』、投資へ実際につなげたいなら『生成AI投資の教科書』。そして、若い世代の学びや創造性まで含めて、この変化を少し距離を置いて考えたいなら『AIの時代を生きる』から読むと、本文とは違う角度から景色が見えてきます。

それでは、またっ！！

引用論文・参考文献

  • McClain, C., Anderson, M., Sidoti, O., & Bishop, W. (2026). How Teens Use and View AI. Pew Research Center. 米国13〜17歳のAI利用実態調査。(pewresearch.org)
  • Eurostat (2026). 64% of 16-24-year-olds used AI in 2025. EUの若年層における生成AI利用統計。(ec.europa.eu)
  • ベネッセ教育総合研究所・東京大学社会科学研究所（2026）子どもの生活と学びに関する親子調査。2023〜2025年の学校外学習における生成AI利用率の推移。(benesse.jp)
  • Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. DOI: 10.1093/qje/qjae044. NBER Working Paper 31161として2023年に公表。(nber.org)
  • Lee, B. C., & Chung, J. (2024). An empirical investigation of the impact of ChatGPT on creativity. Nature Human Behaviour, 8, 1906–1914. DOI: 10.1038/s41562-024-01953-1. (nature.com)
  • Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290. DOI: 10.1126/sciadv.adn5290. (doi.org)
  • Common Sense Media (2026). Teens in the AI Era: Schoolwork and Skills That Matter. 米国の10代1,000人超を対象とした全国代表調査。(commonsensemedia.org)
  • Yang, T.-C., Hsu, Y.-C., & Wu, J.-Y. (2025). The effectiveness of ChatGPT in assisting high school students in programming learning: evidence from a quasi-experimental research. Interactive Learning Environments, 33(6), 3726–3743. DOI: 10.1080/10494820.2025.2450659. (tandfonline.com)
  • Chen, S., & Cheung, A. C. K. (2025). Effect of generative artificial intelligence on university students learning outcomes: A systematic review and meta-analysis. Educational Review. DOI: 10.1016/j.edurev.2025.100737. (sciencedirect.com)
  • Vaccaro, M., Almaatouq, A., & Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8, 2293–2303. DOI: 10.1038/s41562-024-02024-1. (nature.com)
  • UNESCO (2024). AI Competency Framework for Students. 学習者に必要なAI能力を、人間中心、倫理、AI技術と応用、AIシステム設計の4領域で整理。(unesco.org)

コメントを残す

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です

RECOMMENDこちらの記事も人気です。