はじめに――AIを誰のための技術にするか
生成AIや機械学習の進歩を語るとき、話題になりやすいのは計算能力や精度、仕事の自動化です。しかし、技術を使って人と人の関係をどう変えるかという問いもあります。台湾でデジタル行政の仕事に携わったオードリー・タンは、2023年に公的な発言録のなかで、「機械学習を協働学習へ」という発想を紹介しています。
原文は「When we see machine learning, let’s make it collaborative learning.」。本記事の日本語は英語の意味を伝える説明訳であり、公式日本語訳ではありません。発言が収録されているのは、台湾のデジタル発展部（Ministry of Digital Affairs）が公開した「Lecture online」という講演・質疑の記録です。匿名の名言画像ではなく、発言者と掲載機関を特定できる原文を出発点にします。
この言葉は「AIをやめて人間だけで学ぼう」という意味ではありません。テクノロジーを使いながら、人々が知恵を持ち寄る可能性を広げる考え方です。機械の学習能力と、人間同士が学び合う仕組みを対立させない点に独自の面白さがあります。
原典は2023年のデジタル発展部の記録
台湾デジタル発展部の英語公式サイトには、2023年7月5日作成の「Lecture online」という公開記録があります。登場するのはオードリー・タンと質問者で、発言が話者別に文字起こしされています。本人は自身の仕事の説明を求められると、自ら書いた職務についての詩的な言葉を紹介しました。この一節は、仕事の考え方を説明する連続した表現の一部です。
前後には「モノのインターネットを、人々のインターネットへ」「仮想現実を、共有された現実へ」「ユーザー体験を、人間の体験へ」といった言い換えが続きます。英語では「internet of things / beings」「virtual / shared reality」「user / human experience」などの対比を用いています。似た形の対比を繰り返すことで、技術中心から人間中心への転換を示しているのです。
この記録は2023年当時の発言を確認する資料です。現在の役職や、その後の制度・政策が同じまま続いていることを保証するものではありません。また、この言葉が最初に発表された時点を完全に確定する資料とも言えません。今回の原典特定は、2023年公開の公式記録に実際の発言が載っていることに限って明示します。
「機械学習」と「協働学習」は同じものではない
機械学習は、データからパターンを学び、予測や分類などを行う技術分野です。人間の協働学習は、互いに説明し、質問し、考えを調整しながら理解を深める営みを指すことがあります。原文はこの二つを厳密な学術的同義語として定義しているわけではありません。似た語感の英語を使って、技術の使い道を問い直していると読むのが自然です。
たとえば、一人だけがAIに質問して答えを受け取る場合と、複数の人がAIの提案を材料に議論する場合では、学びの構造が変わります。後者では、それぞれの経験を持ち寄り、出力を吟味し、異なる意見を比較できます。もちろん、人数を増やせば自動的に正しくなるわけではありません。AIの答えを共同で確かめる作業を設計することが重要です。
会議でも、AIに議事録を整えてもらうこと自体は便利です。ただ、その文章に異論を唱えられるか、少数意見を消していないか、当事者に確認する機会があるかは別問題です。効率化の先に、誰が参加できる仕組みなのかという問いが残ります。
多様性を守るためのデジタル技術
公式記録のなかでタンは、単一の答えにすべてを統合するのではなく、複数の立場を生かすことを重視しています。英語の「plurality」という言葉を用い、協働と多様性をデジタル技術で支えることが趣旨だと説明しました。技術の目的を、違いのある人々が一緒に考えるための基盤として捉える姿勢が読み取れます。
この考えを企業活動に置き換えるなら、営業、技術、法務、利用者など、異なる立場の人が情報を共有する場面が思い浮かびます。AIが共通の下書きを出すことは助けになるでしょう。しかし、現場の事情や責任の所在までAIに丸投げすれば、むしろ意見が見えにくくなる可能性があります。共通の材料を用意することと、判断を一元化することは違うのです。
タンの発言を万能の制度設計として持ち上げる必要はありません。参加型の仕組みには時間や費用がかかり、声の大きい人だけが得をする危険もあります。それでも、誰が情報を持ち、誰が発言でき、誰が決定するのかを確認する習慣には価値があります。協働を掲げるだけでなく、参加の条件を具体的に考えるところから始まります。
AIを使うチームが実践できること
最初の工夫は、AIの役割を明確にすることです。調査のたたき台を作る、議論の論点を整理する、意見の違いを見える形にする。それぞれに向き不向きがあります。AIの出力をそのまま最終決定にするのではなく、人間が確認すべき論点を残したまま活用する設計ができます。
次に必要なのは、参加する人の視点を意識することです。たとえば顧客向けサービスの改善案を考えるなら、利用者の困りごとを直接聞き、営業の経験と開発の制約を付き合わせます。AIが正しそうな文章を示しても、当事者の現実を知っているとは限りません。データやモデルだけでは拾えない経験を対話に持ち込むことが重要です。
最後に、意見が割れたことを失敗と決めないことです。違う見方が出たら、その理由と条件を分けて考える。すぐに一本化せず、試せる部分だけ小さく実験する。協働の成果は全員が同じ意見になることではなく、違いを理解したうえで行動を選べることかもしれません。
関連する記事と合わせて読む
企業での具体的な協働の方法については、「BtoBの顧客共創をどう進めるか」の記事が参考になります。タンが語る参加と多様性の考えを、関係者をどう集め、試作や情報管理をどう行うかという実務的な視点から考え直せます。理念と現場の設計を行き来するための関連リンクです。
一方で、生成AIを使って文章を作る場合には、「生成AIのハルシネーションをどう防ぐ？」の記事も関連します。人とAIが協働するときは、誰かが出力を確かめる工程が必要です。参加する人が増えることと、検証の責任が曖昧になることを混同しないようにしたいところです。
この二つの関連記事は、タンの政策や発言を直接証明する資料ではありません。記事の内容を応用するときの比較対象です。発言の出典は台湾デジタル発展部の公式記録、実務の説明は別の記事と、資料の役割を分けて読むことが重要です。
まとめ――AIが賢くなる先を問い続ける
オードリー・タンは、台湾デジタル発展部が公開した2023年の発言録で、機械学習を協働学習へと捉え直す言葉を述べています。そこで語られるのは、技術の発達そのものよりも、人々が参加し協力する可能性です。原文が公的な話者別記録に載っていることを確認できました。
AIを導入した組織では、作業が速くなったかだけでなく、人が考えたり議論したりする機会がどう変わったかも見ておきたいものです。自動化の価値を認めながら、判断を任せ切らず、さまざまな立場を生かす。技術を人の協働へつなぐという問いは、職場や学習の場にも持ち込めます。
参照した原典は、台湾デジタル発展部「Lecture online」（2023年7月5日作成）です。本文の「When we see machine learning, let’s make it collaborative learning.」と、その前後の発言を確認しました。見出しの日本語は説明訳であり、本人が日本語でこの表現を述べたという意味ではありません。