「いい調子です！」に、なぜか疲れる——AIの励ましが、続く力にならない理由

ここで言う「AI疲れ」は、AIやアプリから根拠の薄い励ましやポジティブな声かけを浴び続けることの疲れ、という意味で使っています（「AIツールが増えすぎて疲れる」という一般的な用法とは、少し違う角度の話です）。この記事では、その疲れの背景と、行動が「続く」ための条件を、生成AIに関する近年の研究と、動機づけ心理の知見を交えて整理します。

「AIの励まし」に疲れるのは、なぜか

近年の生成AIには、受け答えに一つの癖があることが知られています。ユーザに同意し、肯定し、時に持ち上げる傾向です。英語では sycophancy（おもねり）と呼ばれます。

複数のAIモデルを比較した研究では、AIは人間よりもユーザの言動を約50%多く肯定した、と報告されています^[1]。しかもこれは特定のサービスの欠陥ではなく、最新のAIアシスタント全般に広く見られる傾向で、人間の好みに合わせて学習していく過程で生じやすいと指摘されています^[2]。人は肯定してくれる相手を好みがちで、その好みがそのまま学習の材料になるからだと考えられています。

問題は、その肯定が「あなた」を見ていないことです。誰に対しても同じように投げられる汎用的な称賛は、情報量がほぼゼロです。頑張った日も、そうでない日も、同じトーンで褒められれば、言葉は次第に軽くなり、やがてノイズになります。中身のない称賛は、励ますどころか、少しずつ信頼を削っていく。「AI疲れ」の一因は、この空虚な称賛の積み重ねにあると考えられます。

外からの励ましが「続く力」にならない理由

外からの号令や称賛で動いているあいだは、人は動けます。楽しくもある。けれど、その熱が外から供給されているかぎり、供給が止まった瞬間に冷めてしまいやすい、という指摘があります。

心理学には、これに近い現象の呼び名があります。過正当化効果です。もともと自分が好きでやっていたことに、外からの報酬や評価が過剰に結びつくと、「自分は自分の理由でやっている」という感覚が外側へ移り、やがて内発的な意欲が下がっていく、という現象です^[3]。

ただし、公平に付け加えるべき点があります。声をかけること自体が悪い、という話ではありません。後年のメタ分析的な検討では、情報を伝えるだけで、相手を一定方向へ操作しにこない種類の言葉かけは、意欲を損ないにくいとされています^[4]。問題は、励ましの有無ではなく、その「種類」にありそうだ、という整理です。汎用的で、こちらを一定の方向へ動かそうとする励ましが、最も疲れやすく、そして続く力になりにくい。

分かれ目は「外か内か」ではなく「汎用か、具体か」

ここで、よくある誤解があります。「他人からの評価に頼るのが悪い、自分の内なる声を聞くべきだ」という二分法です。しかし、疲れる励ましと、役に立つフィードバックを分けているのは、外か内かではありません。汎用か、具体かです。

たとえば、優れたコーチやトレーナーの助言は、外からの客観的な観察でありながら、非常に役に立ちます。それは、目の前のその人の動きを具体的に見て、本人では気づけない点を指摘できるからです。フォームを分解して、肘の角度や脇の締め方のズレを返す。あるいは、トレーニングの負荷と休養を、計画として管理する（ピリオダイゼーション）。いずれも、外から観察できる事実や、記録にもとづいて組み立てた計画に立脚しています。これは相手を操作する声かけではなく、情報を伝えるフィードバックにあたります^[4]。外からの視点でも、具体的であれば有用。内からの声でも、漠然としていれば頼りない。軸は、具体性にあります。

いちばん具体的なのは、自分のデータ

では、最も具体的で、あなただけのための材料とは何か。そのひとつが、自分の身体のデータです。昨夜の睡眠と、今日の午後の集中。昼食の内容と、その後の眠気。こうした「自分の中で起きている事実」は、誰かの一般論よりもはるかに具体的で、あなた個人にしか当てはまりません。汎用的な称賛の対極にあるのが、この「自分だけの具体的な事実」です。

そして、こうして自分のデータと向き合うことは、行動を「続ける」ことにもつながっていきます。外からの号令ではなく、自分の理由と自分の記録から動くほうが、静かで、長続きしやすい。その仕組み——自律的動機づけや「自分との対話」から習慣が続く理由——は、「習慣化と自己対話」で詳しく扱っています。