AI時代、大学は『AIにできないこと』を教えればいいのか？

生成AIがレポートを書き、資料を要約し、コードまで作る。大学で何を学ぶ意味があるのか、という問いはもう避けられない。

ただ、『AIにできないことだけを人間が学べばいい』という整理では弱い。AIにできることは急速に増える。だから大学教育は、人間専用の仕事を固定的に探すのではなく、AIが能力を拡張し続ける前提で、人間がどこに価値を持つかを設計し直す必要がある。

職業ではなく、タスクを見る

まず変えたいのは、『この職業は残る／消える』という見方だ。

ILOは2025年の分析で、世界の労働者のおよそ4人に1人が何らかの生成AI曝露を持つ職業にいる一方、最も可能性が高いのは仕事全体の消滅ではなく、タスクや職務の変容だと整理している。2026年の解説でも、AI曝露指標をそのまま失業予測として読むべきではないと注意している。

つまり見るべきは、『会計士はなくなるか』『エンジニアは残るか』ではない。1つの仕事の中にある、調査・整理・分析・判断・対人調整・最終責任といった工程を分けて、どこがAI化され、どこがAIで補完され、どこに人間の判断が残るのかを見る方がいい。

その前提に立つと、大学が育てるべき能力は5つに整理できると思う。

AIの答えを理解し、間違いを見抜くための土台。AIが答えを出してくれるからこそ、こちら側に判断材料がなければ、もっともらしい誤りも見抜けない。

『何を解くべきか』『誰のためか』『何を成功とするか』を決める力。AIは与えられた目的に対しては強いが、その目的自体が正しいかは自動では決まらない。

根拠、反例、因果、データ、リスクを確かめ、必要なら結論を修正する力。生成AI時代は、最初の答えを出す速度より、答えを疑って更新する力の価値が上がる。

AIに丸投げするのではなく、課題を分解し、複数のAI・データ・人間を使い分け、比較・統合する力。『AIを使える』より、『AIをどう組み込むかを設計できる』方が重要になる。

最後に、現実の利害を背負って決める力。技術的にAIへ任せられることと、社会的に任せてよいことは同じではない。誰が説明し、誰が責任を持つのかは残る。

OECDの2026年のDigital Education Outlookは、汎用生成AIによって課題の出来が良くなっても、それがそのまま学習成果の向上を意味するわけではないと指摘している。認知作業をAIへ外注しすぎると、考える機会そのものを失う可能性がある。

だとすれば、大学の評価も完成レポートだけを見る形では足りない。

こうした思考と修正のプロセスを見る必要がある。

AI使用可の課題と、AIなしで測る基礎試験を両方残す。口頭試問、ライブ問題解決、実験、設計、現場プロジェクトも増やす。『AIがやった部分』『自分が判断した部分』『最終責任を持つ部分』を説明できること自体を評価対象にしてもいい。

もちろん、大学を企業向けの即戦力養成所にすればいい、という話ではない。短期の求人需要だけで教育を変えれば、学問の基礎や長期的な知的能力を損なう。

むしろ逆で、特定のAIツールはすぐ変わるからこそ、基礎知識、問いを立てる力、検証、責任のような長く残る能力を中心に置くべきだと思う。

Knowledge → Problem Framing → AI Collaboration → Verification → Responsibility

この5層で大学教育を考えると、授業も評価もかなり変わる。

AIで大学が不要になるのではない。AIによって、『大学は何の能力を育てる場所なのか』が今まで以上に厳しく問われるようになる。

あなたなら、AI時代の大学に何を残しますか？

この文章はSocial Issues LabのResearch Briefをもとに、公開情報を再確認して構成しています。事実と解釈を分け、反論や新しいデータに応じて更新します。