LLM が普及してから、文章を「読む」という行為の意味が静かに変わっています。
変化は急激ではありません。ある日突然「読めなくなった」ではなく、じわじわと、気づかないうちに「読む」が「スキャンする」に置き換わっていく。そのプロセスを正面から見ておきたいと思います。
読解力の劣化は 3 段階ある
議論を整理するために、読解力の状態を 3 段階に分けて考えます。
- レベル 1: 普通の文章（記事・論文・書籍）を読み、筆者の論旨を追える
- レベル 2: AI が生成した構造化テキスト（見出し・箇条書き・太字）なら内容を把握できる
- レベル 3: AI 出力すら読まない（要約の要約、結論の一文だけを求める）
レベル 3 は問題外という印象ですが、実はそれは別の話です。本当に考察すべきは レベル 1 からレベル 2 への移行にいる人たちです。この層は「AI を使いこなしている」と自己認識していますが、実際には読解の主体性を徐々に手放しています。
「スキャン」と「読む」はどう違うか
ChatGPT や Claude が返す回答を思い浮かべてください。大半は見出し・箇条書き・太字の要点で整理されています。これは「読む」ためではなく「スキャン」するために最適化された形式です。
スキャンとは、視線を飛ばして目立つ情報を拾うことです。見出しと太字だけ追えば「何が書いてあるか」はだいたい分かります。時間効率は高い。
読むとは、それとは別の認知活動です。筆者がどういう順序で論を積み上げているか、ある段落はなぜここに置かれているか、前の段落との関係は何か——こうした「構造の読み取り」を自分の頭でやることです。文章に構造が見えてくるのは、読む側が能動的に組み立てているからです。
AI 出力のように構造があらかじめ可視化されていると、読者はその構造を「発見」しなくてよい。見出しを目で追うだけで、内容を理解した気分になれます。ここに問題の核があります。
能動的構造化をアウトソースするとどうなるか
「この記事を要約して」「この論文を分かりやすく解説して」という AI への依頼は、能動的構造化を AI にアウトソースする行為です。
能動的構造化とは、「この段落は何を言いたいか」「この主張の根拠は何か」「この議論の弱点はどこか」を自問しながら文章を処理するプロセスのことです。読むとはそのプロセスそのものであって、結果として得られる「要約」ではありません。
筋力トレーニングを一切せず、重い荷物はロボットアームに任せると想像してみてください。運搬という目的は達成されますが、筋肉は使われないので衰えます。読解力も同様で、「理解する」という目的は AI 経由で達成できますが、その過程で鍛えられるはずだった能力は使われません。
重要なのは、これは努力の節約ではなく、能力の委譲だという点です。体力のある人が楽をするためにエレベーターを使うのとは違います。エレベーターに頼り続けた結果、階段を登れなくなる——そういう種類の変化です。
「理解した気分」が本物の理解を上書きする
さらに厄介なのは、スキャンで得た理解と、読んで得た理解の区別が本人には付きにくいことです。
AI が「この論文の要点は A・B・C の 3 つです」と返したとき、その 3 点を読んだ人は「論文を理解した」と感じます。しかし実際には、筆者がなぜその順序で A → B → C を展開したのか、B の議論が C の結論をどう根拠づけているのか、A の前提がどの文脈から来ているのか——こうした論理の立体構造は把握していません。
これは単なる「浅い理解」ではなく、理解の質が変質しています。浅い理解は深く掘れば深くなりますが、スキャンによる擬似理解は「すでに分かった」という感覚が妨げになり、深掘りが起きません。
「要約本」や「解説動画」も似た問題を抱えていますが、LLM との違いは即応性と完全な言語化にあります。要約本は著者が何時間もかけて作ったアーティファクトです。一方、LLM は任意のテキストを即座に・完全に・個人の質問に合わせて構造化します。摩擦が限りなくゼロに近い。摩擦がゼロになると、「自分でやってみよう」というインセンティブが消えます。
これは新しい問題か
「要約に頼る人間は昔からいた」という反論はあります。たしかにそうです。しかし現在の状況は 3 つの点で質的に異なります。
第一に、汎用性。要約本は特定の書籍しかカバーしません。LLM はほぼあらゆるテキストを即座に処理します。これまで「自分で読むしかない」状況だったものが、すべてアウトソース可能になりました。
第二に、低摩擦。「要約本を探す」「解説動画を探す」には検索・選択・待機というコストがありました。LLM へのリクエストは数秒で完結します。摩擦が低いほど、人は安易な選択肢に流れます。
第三に、フィードバックの欠如。紙の本を読むとき、理解できない段落でつまずく体験があります。「分からない」という感覚が「もっと考える」か「諦める」かの選択を迫ります。AI 出力にはつまずく箇所がありません。引っかかりなくスキャンできるため、理解度のフィードバックが得られません。
思考の空洞化という帰結
読解力の劣化が最終的に何をもたらすか。それは思考の空洞化です。
思考は言語の上に成立します。複雑な概念を扱う思考は、複雑な文章を処理する能力と不可分です。長い議論を追い、矛盾を発見し、前提を疑い、別の解釈を試みる——これらはすべて「文章を読む」プロセスの中で鍛えられます。
その能力が衰退すると、思考は短いフラグメントの処理に最適化されていきます。箇条書きを消費し、要点を記憶し、それを会話で再利用する。表面上は「情報を持っている」ように見えますが、その情報を組み合わせて新しい問いを立てたり、既存の論理に反論したりする力が育ちません。
皮肉なのは、AI が最も得意とするのが「既存の議論の構造化」であり、最も苦手とするのが「まだ問われていない問いを立てること」である点です。AI に読解をアウトソースし続けた先では、人間はその苦手な部分でも AI を超えられなくなるかもしれません。
AI を使いながら読む能力を守る
「AI を使うな」という話ではありません。問題は AI の使い方にある、というのが本稿の立場です。
読解をアウトソースする使い方——「この記事を要約して」「この論文の要点を教えて」——と、読解を補助させる使い方——「この段落の意味が取れないが、用語 X はどういう意味か」「著者の議論の前提は何か」——は、認知的に全く異なる行為です。
後者は読む行為の中に AI を組み込んでいます。主体は読者のままで、AI は辞書や注釈の役割を果たしています。前者は読む行為を AI に置き換えています。主体が移動しています。
自分がどちらの使い方をしているか、意識するだけで変わります。「AI に理解させた」のか「自分が理解した」のか。この問いを持ち続けることが、読解力という筋肉を使い続けることと同義です。
まとめ
- 読解力の劣化は「読めない」ではなく、「AI 出力はスキャンできるが普通の文章は読めない」という形で進む
- AI が文章を構造化してくれることで、読者は「能動的構造化」——文章の論理を自分の頭で組み立てる行為——をアウトソースしやすくなった
- スキャンで得た擬似理解は「すでに分かった」感覚を生み、深掘りを妨げる
- LLM は要約本や解説動画と違い、汎用かつ低摩擦かつフィードバックがないという点で、アウトソースのインセンティブが桁違いに高い
- 読解力の衰退は最終的に、複雑な思考そのものの空洞化につながる
- AI の使い方を「読解の置き換え」ではなく「読解の補助」にとどめることが、能力を手放さないための実践的な選択肢になる