あなたのチームもAIを使っているでしょう。企画書の下書きはChatGPTに、コピーはClaudeに、リサーチはPerplexityに。個人の生産性は確実に上がりました。でも最後のチームミーティングで「アイデアが全部似てるね」という声が出たなら——それは偶然じゃないんです。
これは何?
WhartonのChristian Terwiesch教授とGideon Nave教授、そしてMack InstituteのLennart Meincke研究員がNature Human Behaviourに発表した研究です。 タイトルからして率直です：「ChatGPT decreases idea diversity in brainstorming（ChatGPTはブレインストーミングのアイデア多様性を減少させる）」。
この研究は、これまで「AIが創造性を高める」と結論づけた実験データを再分析しています。 元の実験（Byung Cheol Lee、Jaeyeon Chung の研究）では、参加者にChatGPTの助けを借りながらクリエイティブな課題を行わせたところ、AIを使ったグループが個人レベルではより独創的で有用なアイデアを出したという結果が出ていました。
Terwiesch チームはここで見落とされていた視点を見出しました——個人ではなく、グループ全体のアイデア多様性です。一つひとつのアイデアは良くても、チームメンバー全員が同じアイデアを出しているとしたら？それは本当に良いブレインストーミングと言えるのでしょうか？
従来の「AI Brain Fry」研究との違いは？
Harvardの「AI Brain Fry」研究は個人の認知疲労（cognitive fatigue）の話です——AIを使うと脳が疲れるというものです。今回のWharton研究はまったく次元が違います。個人は問題ないのに、チーム全体の思考多様性が崩れるというものです。個人対チーム、疲労対均質化——まったく異なる問題なんです。
何が変わるのか?
実験結果はかなり衝撃的です。参加者に「レンガと扇風機を使っておもちゃを作れ」という課題を与えました。
AIを使ったグループでは、9名の参加者が独立して作業したにもかかわらず、同じ名前のおもちゃを作りました——「Build-a-Breeze Castle」です。 互いに話し合ったことも一度もなかったのに。一方、AIなしのグループは？完全にユニークなアイデアを出しました。
5つの実験、45の統計比較のうち、37個（82%）でAI使用グループのアイデア多様性が有意に低い結果が出ました。 研究チームはGoogleが開発した意味的類似度測定ツールを使い、表面上は異なって見えても実際には似ているアイデアまで検出しました。
| AI使用グループ | AI未使用グループ | |
|---|---|---|
| 個別アイデアの品質 | 高い（AIが洗練） | 普通 |
| アイデアの独自性 | 6%のみユニーク | 100%ユニーク |
| コンセプトの重複 | 94%重複 | 重複なし |
| 表現スタイル | 類似した言語パターン | 多様な表現 |
| ブレインストーミングの価値 | 繰り返される良いアイデア | 多様な視点のモザイク |
なぜこんなことが起きるのでしょうか？研究員Meinckeの説明が明快です：
「同じモデルに同じプロンプトを入れれば、同じ確率分布から結果が出ます。繰り返すほどユニークなアイデアが減るのは当然です。」
— Lennart Meincke, Wharton Mack Institute
さらにもう一つの原因——参加者がAIに似たプロンプトを入力していたことです。 収束はモデルだけのせいではなく、人間がAIと対話する方法そのものが画一的だということを意味しています。
要点まとめ：チームでAIを正しく使う方法
研究チームはAIを捨てろと言っているわけではありません。「多様性は意図的に守らなければ得られない」——これが核心メッセージです。 具体的な方法が3つあります：
- 人間が先、AIは後で
チームメンバーがそれぞれアイデアを先に出してからAIを投入しましょう。 人間の視点がすでに分かれた状態でAIを使えば、出発点が異なるため収束が減ります。最初からAIを使うと、全員が同じ出発点からスタートすることになります。 - プロンプトを意図的に変えましょう
同じ課題でも、チームメンバーごとに異なる角度から質問させてください。 「コスト削減の視点で考えて」「ユーザー体験の視点で考えて」「競合が絶対やらなさそうなことを提案して」——プロンプトが変われば、結果も変わります。Terwiesch教授は「プロンプトを変奏するコストはほぼゼロなのに、多様性の価値は計り知れない」と言います。 - 複数のモデルを組み合わせましょう
ChatGPT一つだけに依存しないでください。 Claude、Gemini、Llama、Grok——各モデルは異なる学習データと異なる確率分布を持っています。Meinckeのアドバイス：「5つのモデルを全部試さないのはもったいないです。全部混ぜて使い倒してみてください。」
Chain-of-Thoughtプロンプティングも効果的です
研究チームが推薦するもう一つの手法です。 AIに「アイデアを一つ出して」と頼む代わりに、ステップごとに思考を分けて質問してみましょう。「この問題の核心的な制約は何？」→「その制約を回避する方法を3つ挙げると？」→「各方法を極端に押し進めると？」このようにステップを分けると、繰り返しが減り、変奏が増えます。
この研究が伝える最大の教訓は、結局これです：
「成功したブレインストーミングの本当の価値はアイデアの多様性から生まれます。複数の人が似たような考えを繰り返すことからではありません。」
— Meincke, Nave, Terwiesch (Nature Human Behaviour, 2025)
AIが個人をスーパーマンにしてくれるのは事実です。でもスーパーマンが10人集まって全員同じ方向に飛んでいくなら、それはチームではなくコピーです。「異なる思考をする仕組み」を意図的に設計すること——それがAI時代のチームリーダーの新しい役割です。
