正解: BCorrect: B
ツールは変わり続けますが、仕組みと限界の理解、問いの設計、出力の検証、委任の判断という能力は、どのツールとシナリオでも通用します。Tools keep changing, but understanding mechanisms and limits, designing questions, verifying outputs, and judging what to delegate transfer across any tool and scenario.
AIリテラシーの研究（Long & Magerko の2020年の枠組みなど）は、AIリテラシーを「AIを批判的に評価し、効果的に協働し、様々な文脈で道具として使える一連の能力」と定義しています。生成AIの特性、例えば確率的に文章を生成するため事実と異なる内容（ハルシネーション）を自信ありげに出力しうること、学習データの偏りを反映すること、文脈の与え方で出力が大きく変わることを理解していれば、ツールが変わっても対応できます。選択肢Aは陳腐化が早く、Cは情報収集であって能力ではなく、Dは有用ですがリテラシーの必須条件ではありません。楽観シナリオではAIが誰にでも使いやすくなり、操作スキルの価値はさらに下がりますが、「何を問い、何を疑うか」の価値は上がります。悲観シナリオでは、リテラシーの有無が搾取されるか否かを分けます。どちらでも、選択肢Bの能力は有効な備えです。Research on AI literacy, such as the 2020 framework by Long and Magerko, defines it as a set of competencies enabling people to critically evaluate AI, collaborate with it effectively, and use it as a tool across contexts. Understanding properties of generative AI, for example that it generates text probabilistically and may confidently produce false content (hallucination), that it reflects biases in training data, and that outputs vary greatly with how context is provided, lets you adapt as tools change. Choice A becomes obsolete quickly, C is information gathering rather than a competency, and D is useful but not a prerequisite for literacy. In an optimistic scenario, AI becomes easy for everyone to use and the value of operating skill falls further while the value of knowing what to ask and what to doubt rises. In a pessimistic scenario, literacy separates those who are exploited from those who are not. In either case, the competencies in choice B are an effective preparation.
概念的な理解は重要ですが、実際に手を動かさなければ身につきません。また、「限界を理解している」つもりでも、流暢で自信ありげな出力に引きずられる認知バイアスは専門家でさえ避けにくく、リテラシーの自己評価は過大になりがちです。Conceptual understanding matters, but it is not acquired without hands-on practice. Even people who believe they understand the limits are pulled by fluent, confident outputs, a cognitive bias that even experts struggle to avoid, so self-assessed literacy tends to be inflated.
週に一度、自分の専門領域でAIの出力を意図的に検証する練習（誤りを見つける、出典を確認する、別の問い方で結果を比較する）を行いましょう。職場では「AIの誤りを見つけた事例」を共有する場を設け、過信を組織的に抑制することが有効です。Once a week, deliberately practice verifying AI outputs in your own field: find errors, check sources, and compare results across different phrasings. At work, create a forum for sharing cases where someone caught an AI mistake, which curbs overconfidence at the organizational level.