
AIに頼りすぎてスキルが育たない|チームの学習を止めない工夫
レビューに回ってきたコードが、きれいに整っている。動くし、テストも通っている。
それで「ここ、なんでこの形にしたの?」と聞いてみると、少しだけ間が空く。
責める話ではありません。自分だって、さっき詰まったところをAIに聞いて、返ってきた答えをそのまま使ったばかりです。気になっているのは、目の前のコードの出来ではなく、半年後のチームのほうなんですよね。
「このままだと、うちのメンバー、育たないんじゃないか」
この不安は、AIを疑っているから出てくるものではありません。学習は、詰まって考えている時間に起きていた——そのことを、経験として知っているから出てきます。そしてAIは、その詰まりを一瞬で溶かしてくれる道具です。
この記事では、AIを減らさずに学習を止めない段取りを整理します。「使うのを控えよう」ではなく、使い方の中に、考える場所を残す話です。
結論:やることは3つです。①線を引く——AIに任せる作業と、あえて自分の手でやる作業をチームで決める。個人の気合いに任せず、線はチームで引く。②言わせる——レビューで「なぜこの形にしたか」を、AIの言葉ではなく人の言葉で説明してもらう場を1つ作る。③残す——聞いたこと・採らなかった案・つまずきを、個人のチャット履歴ではなくチームの記録に置く。
覚え方は 線を引く → 言わせる → 残す。①を飛ばすと②が説教になり、③がないと学びが個人の中で消えます。
全部を今週やる必要はありません。②の「なぜ、を3行で聞く」だけでも、次のレビューから空気が変わります。
何が起きているのか——「答えが早く出る」ことが、学習の入口をまたいでしまう

まず、何が起きているのかを整理します。原因が分かると、打ち手が「気をつける」より具体的になります。
1つ目は、学習が起きていた時間そのものが短くなったこと。以前は、エラーの意味が分からず30分うなっている時間がありました。あの時間は無駄に見えて、実は「どこを疑うか」の勘を作っていた時間です。いまは同じ場面が3分で終わります。仕事としては明らかに前進なのですが、勘が育つ場所だけが、そっと抜け落ちます。
2つ目は、成果物が良く見えるので、気づくのが遅れること。読みやすいコードが、期日どおりに上がってくる。数字の上では何も問題が起きていません。差が出るのは、うまくいっている日ではなく、壊れた日です。想定外の障害が出たとき、AIが的を外したとき、手が止まる人と止まらない人に分かれます。
3つ目は、「分からない」と言う機会が減ること。以前なら先輩に聞いていた質問が、いまはAIに向かいます。聞かれない側は「順調そうだ」と思い、聞く側は「これくらい自分で解決すべき」と思う。誰も悪くないのに、つまずきが見えなくなります。
4つ目は、若手だけの話ではないこと。ここは正直に書いておきたいところです。ベテランほど、AIの出力を「だいたい合っている」と判断する速度が速く、確かめる回数が減りがちです。新しい領域では、経験者のほうが素通りしやすい場面すらあります(AIに頼りすぎたときの品質低下のサインと、そっと戻る歯止め)。
5つ目は、試行錯誤が個人の中に閉じること。以前は、調べた過程がチケットのコメントや口頭の相談に残っていました。いまは、AIとのやり取りという個人の画面の中で完結します。同じ壁に別のメンバーがぶつかっても、そこには何も残っていません。
裏を返すと、この問題は能力ではなく段取りの話です。「AIを使わせない」ではなく、使ったあとに考える場所を1か所だけ残す。それだけで、学習の線はつながります。
具体例——つい、やってしまいがちな形
どれも「早く進めたい」から出てくる、自然な動きです。心当たりのある行があれば、そこだけ見直せば十分です。
- レビューの答えが「AIがそう言ったので」:いちばん出やすい形です。ただ、これは本人の怠慢というより、そう答えるしかない状態に置かれているサインでもあります。
- 詰まって30秒で聞く:自分の仮説を立てる前に投げると、答えは出ても、次に同じ場面で使える引き出しが増えません。
- 読めないまま通す:動いているので通す。半年後、そのコードを直す担当が、書いた本人だったりします(「動くけど読めない」AI生成コードを保守可能にする手直し手順)。
- 補完をタブで受け入れ続ける:意思決定を1つずつ挟まないまま、行が積み上がっていく形です(AIのインライン補完を安全に使う|タブ連打で混ざるバグの防ぎ方)。
- 教える側も「AIに聞いてみて」で終わる:忙しいときは本当にこう言ってしまいます。ただ、これが続くと質問の宛先がチームから消えます。
- 見積もりから、学ぶ余白が消える:「AIを使えば早い」を前提に工数を詰めると、調べ直す時間はどこにも残りません(「AIで早くなるよね」と言われた見積もり|工数の織り込み方)。
- 障害対応だけ、いつも同じ人:普段は全員が同じ速度に見えるのに、いざというとき1人に集中する。ここが、いちばん分かりやすい兆候かもしれません。
- 新人の最初の1本から、丸ごと生成で始める:立ち上がりは速いのですが、そのシステムの土地勘を作る機会が後回しになります。
影響——効いてくるのは半年後、しかも都合の悪い日に出る
急いで直さないと危ない、という話ではありません。ただ、出方が遅いので、書いておきます。
- 壊れた日に、手が止まる:AIが的を外した瞬間、判断の拠りどころがなくなります。日常業務ではまず表面化しません。
- レビューが機能しなくなる:AIが書いたコードを、AIの説明でレビューする。形式は成立していますが、人の目が入っていない状態に近づきます(AIにレビューさせてもバグが残る|人が見るべき観点)。
- 属人化が、別の形で進む:以前は「詳しい人がいる」属人化でした。これからは「AIをうまく使える人だけが速い」属人化になります(チームにAIツールが浸透しない|抵抗との向き合い方)。
- 見積もりの精度が落ちる:作業時間が「AIが一発で当てるか」に左右されるようになると、読みが立ちにくくなります。
- 本人の手応えが育たない:成果は出ているのに、自分が何をやったのか説明しづらい。これは評価以前に、働いていて少ししんどい状態です。
- チームの底が、静かに浅くなる:一人ひとりは頑張っているのに、全体として「深く追える人」が減っていく。誰のミスでもないぶん、気づきにくい変化です。
少し希望のある話をすると、この領域は、大きな制度を作らなくても戻せます。研修を組む必要も、AIの利用を制限する必要もありません。レビューでの質問をひとつ変えるところから始められます。
明日からやること(線を引く・言わせる・残す)
上から順に、小さく始められます。今日は②だけで構いません。
1. 線を引く——任せる作業と、手でやる作業を決める
大事なのは、線をチームで引くことです。個人の心がけに任せると、忙しい人から順に線が消えます。
- 育てたい力を、いまは1つだけ決める。「障害の切り分け」「SQLの読み書き」「既存コードを読む力」など、チームで一番困る場所を1つ。全部を守ろうとすると、結局どれも守れません。
- その1つに関わる作業だけ、「まず自分で15分」を先に置く。禁止ではなく、順番の話です。15分考えてからAIに聞くと、返ってきた答えの読み方が変わります。自分の仮説と照らせるからです。
- 逆に、丸ごと任せてよい領域も、はっきり決める。定型コード、設定ファイルの雛形、テストデータの下ごしらえ。「ここは考えなくていい」と言い切ると、守りたい場所に集中できます(AIにボイラープレートを量産させる|定型コードの安全な使い方)。
- 新しい領域に入る最初の1回だけ、自分の手で通す。2回目以降は任せてよい、と決めておくと納得しやすくなります。土地勘は、最初の1回にしか作れません(既存コードにAIを馴染ませる文脈の渡し方|実務の型)。
- 任せてはいけない判断の線も、同じ場で確認する。学習の線引きと、責任の線引きは地続きです(AIに任せてはいけない判断の線引き|実務の見極め方)。
線を引くときのコツは、「AIを使わない時間」ではなく「先に考える順番」として書くことです。禁止のルールは形骸化しますが、順番の約束は残ります(AI利用の社内ガイドラインの作り方|使ってよい範囲の決め方)。
2. 言わせる——「なぜ」を、人の言葉に戻す
いちばん効いて、いちばん安く始められる工程です。10分もかかりません。
- レビューの最初の質問を、1つに固定する。「ここ、なぜこの形にしたか、3行で教えてください」。毎回同じ質問にしておくと、構える必要がなくなります。個人を狙った詰問に見えないことが大事です。
- 「AIがそう言った」は、差し戻しではなく入口にする。ここで責めると、次から取り繕った説明が返ってきます。「じゃあ一緒に読んでみましょうか」で十分です。分からないと言える空気のほうが、長い目では速いです。
- 採らなかった案を1つ聞く。「他にどんな書き方が出てきましたか」。選択肢を見ていたかどうかは、この質問でだいたい分かります。判断の練習にもなります(AIレビューの指摘を取捨選択する判断軸|直す・保留・落とす)。
- 説明できない部分は、その場で一緒に3分だけ読む。宿題にすると流れます。3分で分からなければ、それは本人ではなくコードのほうが難しい、という結論でも構いません。
- 自分が出す側のときも、同じ質問を自分に向ける。リーダーが自分のPRで「なぜ」を3行書いていると、この質問は一気にやりやすくなります。やってみせるのが、いちばん短い説明です。
なお、この質問はAIを使ったかどうかを問うものではありません。使っていても、理由を自分の言葉で言えるなら、それは十分に自分の仕事です。ここを取り違えると、ただの監視になります。
3. 残す——試行錯誤を、チームに置く
学びが個人の画面の中で消えないようにする工程です。分量は2行で足ります。
- PRの説明に「AIに聞いたこと・採らなかった案と理由」を2行。テンプレートに1行足すだけです。レビュアーの負担も同時に下がります(AIにコミットメッセージとPR説明を書かせる|レビューが楽になる型)。
- 「詰まりメモ」を、チームの置き場に1行。何に詰まったか、どう抜けたか。うまくいった話より、抜けた経路のほうが役に立ちます。
- 週に1回、「AIが間違えた例」を持ち寄る。成功例より学びが多く、しかも話しやすいのが利点です。誰かの失敗談ではなく、道具の癖の話として共有できます(AIのハルシネーションの見抜き方|開発現場で気づく型)。
- 前提・用語・設計の決めごとを1か所にまとめる。これは人の学習にもAIの精度にも同時に効きます。新人に渡す資料が、そのままAIに渡す文脈になります(AIにコードを書かせる前に渡す前提と制約|伝え方の型)。
- 迷って抜けられなかった話も残す。堂々巡りになった経緯が残っていると、次の人は同じ穴を避けられます(AIとの修正ループが終わらない|堂々巡りから抜ける手順)。
AIの使い方そのものを、学習の形に寄せることもできます。答えを先にもらうのではなく、自分の仮説を先に置いてから確かめる型です。
いま次の問題で詰まっています。すぐに答えを出さずに、私の理解を確かめるところから手伝ってください。
①まず、私の仮説のどこが間違っていそうかだけを指摘してください。修正後のコードは、まだ出さないでください。
②次に、この問題を切り分けるために自分で確認すべきことを、順番に3つ挙げてください。
③私が確認した結果を伝えたら、そこで初めて直し方の候補を2つ、それぞれの短所つきで出してください。
④最後に、私がこの件で理解しておくべき考え方を、3行で説明してください。
なお、確実でない部分は「不明」と書いてください。埋めなくて構いません。
状況:( ) 私の仮説:( ) 試したこと:( )
①の「修正後のコードはまだ出さないで」が要点です。答えを遅らせるだけで、同じAIが練習相手に変わります。若手に渡すなら、この形をそのまま共有するのが早いです。
チームの学習を止めないためのチェックリスト(コピーして使えます)
全部に○が要るわけではありません。気になった行だけで十分です。
① 線を引く(チームで決める)
- いま守りたい力を1つに絞ったか
- その領域だけ「まず自分で15分」の順番を決めたか
- 逆に、丸ごと任せてよい領域をはっきり決めたか
- 新しい領域の最初の1回は自分で通す、と決めたか
- 禁止ではなく「順番の約束」として書けているか
- 線を個人の心がけではなく、チームの合意にしたか
② 言わせる(レビューで)
- レビューの最初の質問を1つに固定したか
- 「なぜこの形にしたか」を3行で聞いているか
- 「AIがそう言った」を責めずに受けているか
- 採らなかった案を1つ聞いているか
- 説明できない部分を、その場で一緒に読んでいるか
- リーダー自身のPRでも同じことをやっているか
③ 残す(記録に)
- PRに「聞いたこと・採らなかった理由」を書く欄があるか
- 詰まりメモの置き場が決まっているか
- 「AIが間違えた例」を持ち寄る場が月1回以上あるか
- 前提・用語・決めごとが1か所にまとまっているか
- その資料を、新人にもAIにも同じように渡せるか
- 障害対応が特定の1人に偏っていないか、見ているか
この記事のまとめ
AIでスキルが育たないという不安は、道具の問題ではなく、考える時間がどこに残っているかの問題です。使う量を減らさなくても、置き場所は作れます。
やることは3つ。①線を引く——守りたい力を1つ決め、その領域だけ「まず自分で15分」の順番にする。任せてよい領域も同時にはっきりさせる。②言わせる——レビューの最初の質問を「なぜこの形にしたか、3行で」に固定する。責めずに、一緒に読む。③残す——聞いたこと・採らなかった案・詰まりを、個人の履歴ではなくチームの記録に2行だけ置く。
この3つがあると、AIを一番速く使いながら、壊れた日にも動けるチームでいられます。

「このままで大丈夫だろうか」と、チームの半年後を心配できる人は、そう多くありません。目の前の納期だけ見ていれば、今日は回ってしまうからです。
それでも気になったということは、あなたが見ているのが今日の成果物だけではないということです。それは、チームにとってかなり価値のある視線だと思います。
一度に全部は変えられません。次のレビューで、「ここ、なぜこの形にしたか3行で教えてください」と一度だけ聞いてみる。まずはそこからで十分です。
よければ、こちらも
- 品質の面から見るならAIに頼りすぎたときの品質低下のサインと、そっと戻る歯止め
- どこまで任せるかはAIに任せてはいけない判断の線引き|実務の見極め方
- 人が見るべき観点はAIにレビューさせてもバグが残る|人が見るべき観点
- チーム内の温度差にはチームにAIツールが浸透しない|抵抗との向き合い方
- ルールの作り方はAI利用の社内ガイドラインの作り方|使ってよい範囲の決め方
- 渡す文脈を整えるならAIにコードを書かせる前に渡す前提と制約|伝え方の型
- 読めないコードは「動くけど読めない」AI生成コードを保守可能にする手直し手順
- 抜けられないときはAIとの修正ループが終わらない|堂々巡りから抜ける手順