理論 NEW

AI時代に人間の創造性はどこへ向かうのか——デザイン思考が問い直す「考えること」の本質

生成AIが普及した今、デザイン思考における人間固有の創造性とは何か。Bodenの3類型、Crossの暗黙知、Csikszentmihalyiのフロー理論を軸に、AIが代替できない創造的思考の核心を探る。

11分で読める
#創造性 #AI #デザイン思考 #人間中心設計 #暗黙知 #フロー理論 #認知科学

生成AIが日常ツールに変わった今、デザイン思考の現場でひとつの問いが静かに広がっている。「自分たちは、何のために考えているのか」。

アイデアの発散ならAIが秒単位でやってのける。ユーザーインタビューの文字起こしと要約も、今や数クリックで済む。プロトタイプのビジュアル化だって、プロンプト一行で叩き台が出てくる。では人間のデザイナーは、このプロセスのどこに立つべきなのか——そう問われると、明確に答えられる人は思ったより少ない。

この問いに答えるには、まず創造性の構造そのものを問い直すところから始まる。

AIが「模倣できる創造性」と「模倣できない創造性」

認知科学者のマーガレット・ボーデン（Margaret Boden）は、創造性を3つの類型に分けて論じた。組合せ型（combinational）、探索型（exploratory）、変換型（transformational）だ。

組合せ型は、既知のアイデアを新しい方法で結びつける。探索型は、既存の概念空間の境界をなぞりながらその外縁を広げる。変換型は、概念空間の構造そのものを変え、それ以前には存在しなかった思考の枠組みを生み出す。

現在の生成AIは最初の2類型においては目を見張る成果を出す。学習済みのパターンから組合せを生成し、概念空間の探索において人間を凌駕するスピードで候補を列挙できる。しかしボーデンが「変換型」と呼んだ、概念空間そのものをひっくり返す創造性については、根本的な問題が残ると指摘した。AIには「必要性（need）」がない。何かが切実に「まずい」と感じる主体性がなければ、既存の枠を崩す動機も生まれない——そういう意味で、AIの創造性は本質的に応答的（responsive）なのだ。

デザイン思考が扱う問題の多くは、そもそも変換型の思考を要求する。ウィキッドプロブレム（wicked problems）への応用に代表されるように、解くべき問題の定義自体が解を求める行為と不可分に絡み合っているからだ。

「設計的な知り方」という暗黙知

Open University のナイジェル・クロス（Nigel Cross）は1982年、デザインには固有の認識論——「designerly ways of knowing（設計的な知り方）」——があると論じた。

科学的思考が「あるものをそのまま記述する（how things are）」のに対し、デザイン的思考は「あるべき姿を構想する（how things might be）」という方向性を持つ。この構想は、抽象的な理論から演繹されるのではなく、素材・形・文脈・身体との対話の中で生まれる。クロスが強調したのは、この知識の多くが暗黙知（tacit knowledge）の形を取るということだ。

暗黙知は、言語化も数値化もしにくい。熟練した職人が「このやり方ではうまくいかない」と直感的に知る、あの感覚に近い。デザイナーがプロトタイプを手にしたとき、触覚・視覚・文脈への感受性が一体となって「これは使えない」という判断に至る過程は、学習データから確率を算出するプロセスとは構造的に異なる。

AIはトークンを予測するが、デザイナーは状況を感じ取る。この差は小さくない。

アブダクティブ推論とデザイン思考の関係にも同様のことが言える。仮説を「飛躍させる」跳躍は、データの統計的処理では導けない。観察した現象がなぜか「引っかかる」という感覚——それが仮説生成の出発点になる。

フロー状態と創造の瞬間

心理学者のミハイ・チクセントミハイ（Mihaly Csikszentmihalyi）が「フロー（flow）」と名付けた状態がある。課題の難度と自分のスキルが高い水準でぴったり合ったとき、人は全集中の没入状態に入る。時間の感覚が薄れ、自意識が消え、行為そのものが目的になる瞬間だ。

チクセントミハイは創造性の研究においても、フロー状態が創造的飛躍の温床になると論じた。芸術家、科学者、建築家——領域を問わず、最も革新的な成果が生まれた瞬間は、しばしばこのフロー状態と重なっていた。

デザイン思考のセッションでは、このフロー状態を意図的に誘発するための設計が求められる。ワークショップの現場でよく見られるのは、時間制約を設けた瞬間にチームの対話が急に密になり、言語化できていなかったアイデアが紙の上に現れるという現象だ。アイデエーション（ideation）フェーズでの道具立て——タイムプレッシャー、空間の構造、チームの多様性——は、フロー状態へのインターフェース設計でもある。

ここで注目すべきは、AIがフロー状態の「代理」にはなれないという点だ。AIはアイデアを「出力」するが、フロー状態で起きているのは、人間が自分の思考の深部と出会う体験だ。デザイナーが紙にスケッチしながら、描く行為の中で考えを発見していく——その往復は、外部ツールに委ねることができない認知の核心だ。

IDEO CEOが語った「AIが出すのは平均点」

2025年末、IDEOのCEOであるマイク・ペン（Mike Peng）はFortune Brainstorm Designの場でこう述べた。AIのパターン認識は強力な道具だが、平均値への依存が「やや平凡な（somewhat mediocre）」結果をもたらす、と。「創造性とは平凡でなく、限界を突破することだ」——その一文は、設計的思考の核心をついている。

IDEOは40年以上にわたって人間中心設計を実践してきた組織だ。AIをデザインプロセスに組み込む実験も続けている。ペンの指摘が示すのは、AIが強い領域（反復・列挙・最適化）と、人間が手放せない領域（どこに適用するか、何を選ぶか）の非対称な関係だ。

ユーザーの表情に微妙な緊張を読み取る力、相手の言葉の裏にある感情を感じ取る力——インタビューの現場では、録音を後から聞き返すと見落としていた沈黙や語気の変化に気づくことがある。その「聞き返して初めて分かる」という事実自体が、リアルタイムの感受性の重みを物語っている。共感（empathize）フェーズの核心は、データ処理ではなく「人間が人間に向き合うこと」にある。デザイン思考とマーケットリサーチの違いを論じた文脈でも繰り返し指摘されているように、ユーザー調査における質的な感受性は数値に還元できない。

「使う道具」から「問いの設計者」へ

ハーバート・サイモン（Herbert Simon）は1969年の『人工物の科学（The Sciences of the Artificial）』で、設計を「現状を好ましい状況へ変換する行為」と定義した。この定義が今も有効なのは、「好ましい」の判断が主体を必要とするからだ。

AIは「より良い状態」を計算できるかもしれない。しかし「何が本当に良いのか」という問いは、価値観の問いであり、文化の問いであり、政治の問いだ。それは最適化問題には還元できない。

デザイン思考が担うのは、まさにこの問いの設計だ。認知バイアスとデザイン思考を論じた文脈では、人間の判断の歪みを前提とした上で、より良い問いの立て方を探る。インサイトの統合と合成の実践も、データを見て「何かがある」と感じる眼——観察と意味付けの往復——なしには成立しない。

AI時代に人間のデザイナーに求められる役割は、アイデアを「生む機械」ではなく、問いを「設計する存在」へとシフトしている。何を問うべきかを決め、誰の声を聴くべきかを選び、どの解が「正しい」かを判断する——その三つの問いに、人間の経験と価値観が織り込まれている。

創造性の核心は「奪われない」

AIが創造的なツールとして普及することで、デザイナーに課される問いの水準は上がる。「アイデアを出す」ことが当たり前になれば、「どのアイデアを選び、なぜそれを選ぶのか」という判断こそが価値の中心になる。

ボーデンが「変換型の創造性」と呼んだ、世界の見え方を変える力。クロスが「暗黙知」と呼んだ、言語化を超えた設計的感受性。チクセントミハイが「フロー」と呼んだ、思考の深部で起きる出会い。そしてサイモンが「何が好ましいか」という問いに込めた、主体の不可欠性。

これらは今のところ、AIには代替されていない。だからこそ、デザイン思考の実践者に突きつけられている問いは「AIに何をやらせるか」ではなく、「自分は何を引き受けるか」だ。

参考文献

Related

理論

リフレクシブ・デザインリサーチとは——調査者の前提がデータを汚染する構造と制御法

 理論

アブダクティブ推論とデザイン思考｜「まだない答え」を導く第三の論理

 理論

デザインリサーチ vs マーケットリサーチ——目的・手法・成果の差異