はじめに：AI時代の教育設計における「効率の罠」

2026年、私たちの学習環境は劇的な変化を遂げました。AIによる個別学習支援（AIチューター）の普及により、知識の習得スピードは飛躍的に向上し、一人ひとりの習熟度に合わせたフィードバックが24時間提供されるようになっています。しかし、人材開発（L&D）の現場に身を置く私たちは、ある漠然とした違和感を抱き始めてはいないでしょうか。
「効率的に知識を詰め込むことはできている。しかし、それは本当に『人の成長』や『組織の変容』に結びついているのだろうか？」
この問いに対して、科学的な視点から明快な境界線を引いたのが、教育AI研究の世界的権威であるユニバーシティ・カレッジ・ロンドン（UCL）名誉教授のローズ・ラッキン（Rose Luckin）氏です。彼女は2026年2月に公開された最新の論考において、非常に示唆に富む分析結果を提示しました。
「現在のAIチューターがサポートできているのは、真の学習プロセスのわずか16%程度に過ぎない」
この数字は、AIに任せられる領域を明確に定義すると同時に、私たちが「人間だからこそデザインできる学び（残りの84%）」にこそ、L&Dの真の価値があることを浮き彫りにしています。本記事では、ラッキン教授が提唱するフレームワークに基づき、その「84%」の正体を詳しく紐解いていきます。

1. 出典と背景：CAPITALフレームワークが示す「学びの解剖図」

今回の知見の土台となっているのは、ラッキン教授も参画している「CAPITALフレームワーク」という研究成果です。これは、アンドリュー・マンチェス（Andrew Manches）氏らによって開発されたもので、人間が「学ぶ」という複雑なプロセスを、19の具体的なアクション（Acts of Learning）に分解したものです。
ラッキン教授の分析によれば、現在のAIが極めて高いパフォーマンスを発揮し、人間を凌駕し得るのは、19の行為のうち主に以下の2つ（約16%）に限定されます。
・Exposition（展示・解説）： 複雑な情報を整理し、論理的かつ分かりやすく提示する行為。
・Rehearsal（反復練習）： 知識を定着させるためのドリル、テスト、そして即時的なフィードバックの提供。
これらは、かつての教育において講師やトレーナーが多大なエネルギーを割いていた部分です。AIはこの領域を劇的に効率化しましたが、ラッキン教授は「ここだけを見て『教育のDXが完了した』と考えるのは、学びの本質を見誤っている」と警鐘を鳴らします。残りの「17の学習行為」こそが、知識を「知恵」に変え、人を「専門家」へと進化させるエンジンだからです。

2. 深掘り：人間にしかデザインできない「17の学習行為」の正体

人材開発担当者が、AI活用の先に再設計すべき「17の要素」を詳しく解説します。これらは、AIが得意とする「情報の転送」とは一線を画す、人間特有の「経験の深化」と「社会的な変容」に関わるプロセスです。
A. 個人的な探索と構築（主体性と自律性の確立）
AIは「最短ルート」を示しますが、人間は自ら「道なき道」を歩むことで学びを自分事化します。
1）閲覧 (Browsing): 目的を限定せず、好奇心に従って知の体系を探索する行為。AIのレコメンドに従うだけでは得られない「セレンディピティ（偶然の発見）」を意図的に生み出します。
2）注釈 (Annotation): 提示された情報に対し、自分の既存知識や現場の文脈に照らして「問い」や「気づき」を書き加える行為。これにより情報は、外部のデータから「私だけの知」へと昇華されます。
3）構築 (Construction): 学んだ概念を使い、自らの手でプロトタイプを作り、あるいは新たな理論を組み立てるアウトプットのプロセス。手を動かし、試行錯誤する中でしか得られない身体知が存在します。
4）内省 (Reflection): 自身の経験を静かに振り返り、それが自分の価値観や行動にどのような質的変化をもたらしたかを咀嚼する行為。AIに分析はできても、この「意味の再構成」は人間にしかできません。

B. 対話と問いの生成（深まりと揺らぎ）
AIは「回答」を提示しますが、人間は「問い」によって世界を広げます。
5）深い質疑 (Inquiry): 単なる知識の確認（Q&A）を超えた、既存の前提や組織の常識を疑うような本質的な問いを立てる行為。
6）討論 (Debating): 異なる価値観や視点を持つ他者と対峙し、論理だけでなく感情的な不協和音も含めて理解を深めようとするプロセス。正解のない問いに立ち向かう「知的誠実さ」が求められます。

C. 社会的な実践と共創（関係性の中での成長）
学びは個人の脳内だけで完結するものではなく、常に社会的な営みです。
7）パフォーマンス (Performance): 他者の期待や視線がある中で実践し、その生々しい反応（称賛、当惑、沈黙）を全身で受け止める体験。この緊張感こそが、学びの質を飛躍させます。
8）実践共同体への参加: 組織文化やコミュニティの「暗黙知」を読み取り、一員としての役割を担いながら、振る舞いを変容させていくプロセス。AIはこの「場の空気」を共有できません。
9）協働 (Collaboration): 複雑で境界線の曖昧な課題に対し、他者とコンフリクトを起こしながらも知恵を出し合い、一人では到達できない解を編み出すこと。

D. 文脈の転移と応用（生きた知恵への変換）
AIは学習データの範囲に閉じ込められますが、人間はそれを創造的に飛び越えます。
10）状況適応 (Cross-contextual): 特定のセミナーで学んだ理論を、全く異なる制約条件や人間関係が存在する「現場の生々しいトラブル」に応用する力。この「文脈の壁」を越える橋渡しには、常に人間の高度な判断が伴います。

E. 高次な人間的知性（AI時代にこそ価値が増す「メタ能力」）
これらは、ラッキン教授が「Educative AI（教育的AI）」の議論において、人間が磨き続けるべきだと強調している領域です。
11）認識論的自覚 (Personal Epistemology): 自分が何を「正しい知識」と信じているか、その判断基準を理解する力。AIの生成物を鵜呑みにせず、エビデンスを精査する姿勢にもつながります。
12）社会的知性 (Social Intelligence): 非言語情報、相手の表情の微細な変化、場の緊張感などを読み取り、他者と深く共鳴する力。チームの心理的安全性を高める核心的な能力です。
13）メタ認知的自覚 (Metacognitive Awareness): 「自分は今、このように考えている」という思考プロセスそのものを客観視し、制御する力。AIが最も模倣しにくい「知の自己制御」です。
14）メタ主観的自覚 (Metasubjective Awareness): 自分の経験から生じる偏見（アンコンシャス・バイアス）を自覚し、それをあえて手放して新たな視点を受け入れる柔軟性。
15）感情的レジリエンス: 学習に伴う「分からない」「できない」という苦痛や、変化への抵抗感を、成長の糧として乗り越える精神的な強さ。
16）学習の自己評価 (Judging own learning): 外部から与えられるテストスコアではなく、自分の内的な変容や、周囲への貢献度の質を、自分の責任で判断する自律的な態度。
17）遊びと探索 (Playful Exploration): 効率や正解を度外視し、失敗を面白がりながら試行錯誤そのものを楽しむ、人間ならではの創造的態度。

3. 本質的な洞察：なぜ「84%」をAIに任せられないのか

ラッキン教授の論考から得られる最も重要なインサイトは、「学びとは社会的な文脈（Social Context）に根ざしたものである」という点です。
AIは、学習者の過去の正答率や学習ログを分析することはできます。しかし、その学習者が今日、職場でどんな挫折を味わったか、どんな上司の言葉に傷ついたか、あるいはどんな仲間の期待を背負っているかといった「生きた文脈」を共有することは不可能です。
学びとは、単なる情報のパッチワークではありません。自分と他者、そして社会との関係性を再構築し、自身のアイデンティティを更新していくプロセスです。AIが提供する「16%の効率」は、あくまでこの広大な「84%の旅」を支えるためのインフラに過ぎないのです。
私たちが陥りがちな罠は、AIによる16%の効率化を「学びの全体像」と勘違いし、そこでの成果（スコアや進捗率）だけで人材開発の成否を判断してしまうことです。そうなれば、組織からは「内省」や「遊び」「深い問い」といった、非効率だが本質的な要素が削ぎ落とされ、結果として組織全体の適応能力や創造性が低下してしまうでしょう。

結び：人材開発担当者としての新たな役割

ラッキン教授の提唱するこの視点は、AI時代のL&D担当者を「知識の管理・伝達者」という役割から解放し、「豊かな学習体験のデザイナー（Learning Experience Architect）」へと進化させるものです。
16%の効率化によって浮いた時間を、私たちはどう使うべきでしょうか？
それは、これまで「時間がない」という理由で後回しにされてきた、対話、内省、共創、そして遊びといった、人間ならではの「学びの厚み」を組織の中に丁寧に作り直すことに他なりません。
AIが「教える」ことを肩代わりしてくれるからこそ、私たちは「人が育つ場」そのものの質に目を向けることができる。海外の最新トレンドが指し示しているのは、テクノロジーの活用そのものではなく、テクノロジーによって解放された「時間とエネルギー」を、いかに人間的な営みに再投資するかという、人材開発の真のプロフェッショナリズムなのです。

出典：
Social Science Space (February 2026), “AI Tutors Support 16 Percent of Learning: What About the Other 84 Percent?” by Rose Luckin.