概要
AIが即座に答えを出す時代において、真の上達とは単なる実行速度ではなく、不確実性に耐えながら観察点を増やし、判断を圧縮・展開できるようになるプロセスであることを解いた論考。
詳細内容
AIエージェントがエンジニアの作業を代行し、瞬時に「正解」を提示できるようになった現代において、人間の成長と上達の本質を問い直す論考です。著者は、ワークショップでの学生の様子をきっかけに、「できた」という言葉の輪郭が曖昧になっている現状を指摘し、以下の4つの観点から上達を定義しています。
1. **判断の構造化**: 上達とは観察点が増えることであり、熟達者は判断を「省略」するのではなく「圧縮」している。必要に応じてその判断を再び「展開」して説明できる能力こそが重要である。
2. **ネガティブ・ケイパビリティ**: 効率を優先してAIの答えに飛びつくのではなく、不確かさの中に留まり、問いと結論の間に「観察の時間」を置く力の必要性を説く。
3. **自己効力感の再定義**: AIとの比較で未熟さを否定するのではなく、予測と結果の差分を確認し、自分の働きかけが結果にどう影響したかを把握することが、学習の継続に必要な自己効力感を支える。
4. **教育者の役割**: 指導側は単に正解を教えるのではなく、学習者が自らフィードバックループを回せるよう、どこで判断を本人に返すかというメタな判断が求められる。
技術的なベストプラクティスを単なる暗記対象ではなく「判断の教材」として捉え直し、AIの回答を仮説として検証する姿勢が、これからのエンジニアリングにおける成長の鍵であると結論づけています。