# 認知的降伏はどうやって AI スロップになるか：完成度の差を誰も埋めない仕組み

- 著者：小川 修一郎（デザイン研究者／デザインコンサルタント）https://jamjet-iqbal.com/
- 初出：2026-11-05、更新：2026-11-06
- 正規の URL（HTML）：https://jamjet-iqbal.com/notes/cognitive-surrender-ai-slop/
- 英語版：https://jamjet-iqbal.com/en/notes/cognitive-surrender-ai-slop/（Markdown：https://jamjet-iqbal.com/en/notes/cognitive-surrender-ai-slop.md）
- 言語：ja
- キーワード：cognitive-surrender, ai-slop, evaluative-judgement, automation-bias, workslop, botshit, verification-cost, metacognition, processing-fluency, signal-detection

> 認知的降伏（AI の出力を吟味せず自分の判断として採る傾向）と AI スロップ（確かめられないまま他人に渡される AI 生成物）を、人間の側の機構でつなぐ考察。依頼者の仮説は、本来は専門家が仕上げきった水準で出すべき場面で、AI が完成度の低い出力を出し、人がそれで十分だと評価するか、評価そのものをしないことでスロップが生まれる、というものである。文献 46 件を本文（3 件は要旨）で照合し、この仮説を三つの経路に分けて検討した。評価をしない経路（誤った AI に相談試行の 79.8% で従う、Shaw と Nave 2026、査読前）、評価はするが見た目の整い方で合格にする経路（ChatGPT の回答の 52% に誤りがあっても 35% で選ばれ、誤りの 39% が見落とされる、Kabir ら 2024）、評価する力がなくて差が見えない経路（AI を使うとダニング＝クルーガー効果が消え成績の高低にかかわらず過大評価する、Fernandes ら 2026。迎合に 71% が気づかない、Bo ら 2026）である。三つは教育研究の質的な類型（Walton ら 2025 の判断の 6 類型のうち 3 つ）とも対応する。外に出た差は受け手が埋める（経験の浅い開発者の PR はレビューのコメントが 4.52 倍、Asdaque ら 2026）。加えて、評価する基準そのものが、AI に任せた練習の欠落で痩せていく第四の経路がある。仮説は大筋で支持されるが、三点を直す。完成度の割合は誰も測っておらず、測り方がない（Shaib ら 2025）。100% は個人の能力ではなく、その役割に社会が求める水準である。モデルの側の流暢さと過信が差を見えなくしており、原因を人間だけに置けない。最も近い先行は workslop の調査（Liebscher ら 2026、査読前、962 名の 52.7% が送ったと回答し、AI への信頼が高い人ほど多い）で、信頼と送る行動の関連までは示されているが、機構は分けていない。論文にするなら、AI の監督を信号検出理論で見る枠組み（Langer ら 2024、Guo ら 2024）に「評価をしない」を三つめの成分として加え、生成物の受け入れの判断と受け手の負担を一つの実験でつなぐ設計が残る。申し送りの時点の新規性は 2 軸でぎりぎりの暫定クリアだったが、paper-pipeline の判定は FAIL だった（近い先行の本文が核を先に書いていた）。

## 同じ出来の出力が、二つの道を通って外へ出る

AI に報告書の下書きを頼む。
返ってきた文章は、見出しがそろい、段落が整い、数字も入っている。
専門家が自分で書けば、ここから先に、数字の出どころを確かめ、読み手の状況に合わせて論点を削り、言い過ぎを直す作業が残る。
その作業のほうが長い。

依頼者が立てた仮説は、この残りの作業を誰もしないことが AI スロップの正体だ、というものである。
専門家なら 100% まで仕上げて出すはずの場面で、AI は 10% ほどの完成度のものを出す。
人がそれを十分だと評価するか、そもそも評価しないと、10% のまま外に出る。

この仮説は、二つの別々に育った文献をつなごうとしている。
一つは、AI の出力を吟味せずに自分の判断として採る**認知的降伏**（cognitive surrender）の研究で、個人の頭の中で起きることを扱う（[認知的降伏：AI に判断を明け渡す現象の系譜、生成 AI による変化、対策の現在](https://jamjet-iqbal.com/notes/cognitive-surrender-literature/)）。
もう一つは、確かめられないまま他人に渡される AI 生成物、すなわち**AI スロップ**の研究で、情報環境に何が溜まるかを扱う（[AIスロップ：質の低さではなく、検証の外部化として読む](https://jamjet-iqbal.com/notes/ai-slop-design-creativity/)）。
前者は誤答に従うかを測り、後者は流通した量と受け手の負担を測る。

両者を結ぶ実証は一本だけ見つかった。
Liebscher ら（2026、査読前）は、米国のフルタイムのデスクワーカー 962 名の調査で、52.7% が AI の生成した workslop（後述）を他人に送ったことがあると答え、送る行動は AI への信頼が高い人、AI の使い方を自分で決められない人、組織が AI の利用を促している人、職場の心理的安全性が低い人に多かったと報告した。
受け取った側の 38% は、同僚から workslop を受け取ったことがあると答え、その処理に月平均約 3.4 時間を使っていた。
AI への信頼が高いことは、Shaw と Nave が認知的降伏の起きやすさとして示した条件でもある。
ただしこの調査は自己報告で、送った人が出力を確かめなかったのか、確かめて通したのか、確かめても差が見えなかったのかは分けていない。
このノートは、その分け目を、手元の証拠でどこまで支えられるかを確かめる。

## 二つの語は、どこで重なり、どこで離れるか

Shaw と Nave（2026、査読前）は認知的降伏を、AI の出力に判断と努力と責任を委ねる傾向で、とりわけ出力が流暢に、自信をもって、摩擦なく届くときに起きるもの、と定義した。
AI が誤っている試行で、相談した人は 79.8% の割合で AI に従った。
三つの実験を合わせると、AI に相談し AI が誤っていた試行の 73.2% が降伏に当たり、AI を覆して正答したのは 19.7% だった。

スロップの側の定義は、語を広めた Willison（2024）の記述にさかのぼる。
彼は、人工的に生成した内容を見直さないまま他人と共有するのは無礼だと書き、それを slop と呼んだ。
同じ記事は「AI が生成した内容がすべてスロップなわけではない」とも書き、考えなしに生成され、求めていない人に押しつけられたものをスロップとした。
定義の中心は出来の悪さではなく、見直しの不在と、他人への押しつけである。

この二つは、見直しの不在で重なる。
認知的降伏は、出力を見直さずに自分の判断として採ることであり、スロップは、見直されない出力が他人に渡ることである。
降伏した出力が自分の中にとどまれば、損をするのは本人だけで済む。
他人に渡った時点で、同じ出力がスロップになる。
離れるのはこの一点で、降伏は個人の判断の型を、スロップは流通した物とその負担を指す。

近い語は、ほかに三つある。
Hicks、Humphries、Slater（2024）は、LLM の出力は真実に無関心であるという意味で、Frankfurt の言う bullshit にあたると論じた。
これは出力の性質の議論で、人がそれをどう扱うかは問わない。
Hannigan、McCarthy、Spicer（2024）は、もっともらしいが不正確な出力を人が無批判に使うと botshit になると要旨で述べ、真偽を確かめられるかと真偽がどれほど重要かの二軸で、チャットボットの使い方を四つの型に分けた。
de Fine Licht（2026）は、**workslop**（適切に見えるが、課題が求める中身を欠く AI 生成物）の道徳的な位置を論じ、意図的な手抜きでなくても他人に負担を課しうること、責任は統制の分布で決まることを示した。
管理者は仕事量、締切、評価指標、AI の方針、訓練という条件を決め、働き手は AI を使うか、出力をどこまで確かめるか、どれだけの負担を他人に回すかを決める、という分け方である。

botshit は真偽を、workslop は中身の欠落を問題にする。
依頼者の仮説は、この二つより一段手前、つまり「なぜ人は欠落に気づかない、または気づいても通すのか」という認知の段を問う。
de Fine Licht の論文の表 1（p.8）にも、仮説に近い行が並ぶ。
量や見た目の整い方を評価する指標が表面だけの出力を誘うことと、能力の不足が出力を評価できないことを通じて意図しない workslop を生むことである。
同じ頁の本文は、働き手が AI の出力を「ほぼそのまま」受け入れることもあると書く。
ただし論文の主題は責任の配分であり、これらを管理者が握る条件として並べていて、認知の機構を分けて論じてはいない。

## 仮説を三つの経路に分ける

「十分だと評価してしまう、もしくは評価しない」という仮説の言い回しには、実は三つの違う出来事が入っている。

一つめは、**評価をしない**経路である。
出力を見ずに、あるいは見たことにして、そのまま採る。
認知的降伏の定義がいちばん直接に指すのはここである。

二つめは、**評価はするが、合格の基準が下がる**経路である。
出力を読み、欠けているところにある程度気づきながら、それでも通す。
自分で作るなら通さない水準を、AI の出力には通す。

三つめは、**評価する力がなく、差が見えない**経路である。
本人は真剣に評価しているが、10% と 100% の違いを見分ける力がないので、10% が 100% に見える。
Kruger と Dunning（1999）は、ある領域で技能の低い人は、誤った結論に至るうえに、その誤りに気づくメタ認知の力まで奪われるという二重の負担を負う、と要旨で述べる。

三つの区別は、手元の文献の中にすでに一度現れている。
Walton、Bearman らは、オーストラリアの大学生 26 名が生成 AI と課題に取り組んだ跡をたどり、判断の出来事を六つに分けた（Walton ら 2025）。
そのうちの三つが、上の三経路とほぼ重なる。
「AI の出力を課題に、判断せずに提出する」は一つめに、「批判の度合いが低いまま案を採る」は二つめに、「自分ではできないことを AI に頼る」は三つめに当たる。
三つめについて Walton らは、学生が自分の力の不足を自覚して AI に頼る場合と、自覚しないまま頼る場合の両方があったと書いている。
この研究は学びへの影響を問うもので、提出物がその先で誰の負担になるかは扱っていない。

三つの経路は、対策も違う。
評価をしない人には評価の手順を挟めばよいが、基準が下がっている人に手順を挟んでも、同じ低い基準で通るだけである。
見分ける力がない人には、手順も基準も効かず、評価を別の人に回すしかない。
仮説を一つの機構として扱うと、この違いが見えなくなる。

## 評価をしない：降伏の経路

この経路の証拠は、認知的降伏の研究そのものである。
人は他人から得た情報を大きく頼りにする代わりに、情報源と内容を吟味する一群の仕組み（認識的警戒）を持つ、と Sperber ら（2010）は論じた。
この経路は、その警戒が AI の出力の前で働かなくなる状態として読める。
Shaw と Nave の実験で、AI を使えた参加者は、誤った AI に従ったあとも、使えなかった参加者より自分の答えに確信を持っていた。
評価をしなかったことに、本人は気づいていない。

Marcoccia ら（2026、査読前）は、五つの実験（N=3,132）で、難しい問いに「分からない」と答える選択肢を常に与えた。
AI の助言が目に入るだけで、参加者は答えを保留しなくなり、助言がおおむね誤っている問題では、正答は AI がないときの約 3 分の 1 になり、確信はほぼ 2 倍になった。
「分からない」と言えることは、10% の出力を 10% と認めるための最低限の条件である。
その条件が、助言が見えるだけで消える。

Lee ら（2025）は、知識労働者 319 名の自己報告で、生成 AI への確信が高いほど批判的思考が少なく、自分への確信が高いほど多いことを示した。
同じ研究は、批判的思考の中身が、作ることから、検証と統合と監督（stewardship）へ移ると報告している。
評価は仕事に残り、その中心へ移った。
移った先の仕事を、AI への確信が高い人ほどしていない。

評価を省く条件も見えてきている。
Si ら（2024）は、主張の真偽を確かめる課題で、LLM の説明を読んだ人は検索した人より速く、精度は同じだったが、説明が誤っているときには説明に頼りすぎたと報告した。
確かめる作業が速く済むほど、確かめたことになってしまう。
Faas ら（2026、査読前）は、ドローンの監視を模した実験（N=274）で、AI が選択肢を一つに絞った条件の参加者は、事故が起きたときの自分の道徳的な責任を低く感じたと報告した。
選ぶ余地が残っていないと、評価する理由も、評価しなかった責任も薄れる。

## 評価はするが、見た目で合格にする

二つめの経路の鍵は、AI の出力が、中身の完成度とは別に、見た目の完成度を最初から高く持っていることにある。
専門家の仕事では、見た目の整い方と中身の詰め方はおおむね一緒に進む。
AI の出力では、見た目だけが先に 100% に近い。

Kabir ら（2024）は、Stack Overflow の質問 517 件への ChatGPT の回答を調べ、52% に誤りがあり、77% が人間の回答より冗長であることを見つけた。
それでも 12 名の利用者調査で、参加者は 35% の割合で ChatGPT の回答を選び、その理由に網羅性と整った文体を挙げ、回答の誤りを 39% の割合で見落とした。
評価はしている。
基準が、中身ではなく形に置かれている。

Liu ら（2023）は、四つの生成検索エンジンの回答を監査し、回答は流暢で役に立ちそうに見えるのに、引用で完全に裏づけられた文は平均 51.5%、文を支える引用は 74.5% だったと報告した。
しかも、利用者が感じる役立ち度は、引用の精度と逆の向きに相関していた。
役に立ちそうに見える回答ほど、裏づけが弱い。
Clark ら（2021）は、人が生成文を評価するときの理由を調べ、内容よりも形式に触れた理由が約 2 倍あったことを報告した（形式 47%、内容 25%）。

見た目が判断を動かす機構は、AI 以前から知られている。
Fazio ら（2015）は、繰り返し見た文は処理しやすくなり、正しいと感じられやすくなるという錯覚が、本人が正解を知っている場合にも起きると要旨で述べ、手持ちの知識を使わずに流暢さに頼ることを**知識の放置**（knowledge neglect）と呼んだ。
Pennycook ら（2015）は、文法の整った無意味な文を「深い」と評価する傾向に個人差があり、直観的な認知スタイルと結びつくこと、文を真と受け入れる偏りが受容性の一部であることを示した。

生成 AI はこの機構に、ちょうど合う形の出力を返す。
Steyvers ら（2025）は、モデルの既定の説明を読んだ人は回答の正確さを過大に見積もり、説明が長いほど、正確さが変わらなくても確信を強めたと報告した。
Zhou ら（2024）は、言語モデルが確信を表明した回答の平均 47% が誤りであり、利用者は確信の表現の有無にかかわらず生成された答えに強く頼ったと報告した。
Akpinar ら（2026）は、機械学習の専門知識を持つ読者でさえ、人間の要旨と LLM の要旨を確実には見分けられず、LLM が手を入れた要旨を、人間だけの要旨や LLM だけの要旨より高く評価したと報告した。
専門家の目にも、整った見た目は質の手がかりとして働く。

この経路は、降伏とは違う形で仮説を支える。
人は評価を放棄していない。
評価の物差しの目盛りが、形の側へずれている。

## 評価できない：10% が 10% に見えない

三つめの経路は、評価する人の力の問題である。
10% を 10% と見るには、残りの 90% が何であるかを知っていなければならない。

Prather ら（2024）は、初学者のプログラマが生成 AI を使う様子を観察と視線計測で追った。
課題をうまく進める学生は、AI を自分の計画を速める道具として使い、不適切な提案を無視した。
つまずく学生では、既知のメタ認知の困難が AI によって悪化し、実際より上手にできたと信じたまま、能力の錯覚を抱いて終えた。
同じ道具が、見分けられる人と見分けられない人の差を広げる。

Fernandes ら（2026）は、論理の問題を ChatGPT と解いた参加者が、規準より高い得点を取りながら、自分の得点をさらに高く見積もったことを示した。
この課題で普段見られるダニング＝クルーガー効果（成績の低い人ほど自分を過大に見積もる傾向）は、AI を使うと消え、成績の高低にかかわらず同じように過大評価するようになった。
AI の知識が多い人ほど、自己評価は自信過剰で不正確だった。
Bo ら（2026）は、迎合的なチャットボットと問題を解いた初学者が誤解を正せずに成績を落とした一方で、71% が二つのチャットボットの迎合の違いに気づかなかったと報告した。

見分ける力の不足は、初学者だけの問題ではない。
Dell'Acqua ら（2026）の現場実験では、コンサルタントが AI の能力の外になるよう選んだ課題に AI を使うと、AI なしの群の約 84.5% に対して正答が 60% と 70.6% に下がった。
得意と不得意の境界が見た目の難しさと一致しないので、熟練者でも、どの出力が 10% なのかを外から見分けにくい。

専門性は、この経路を弱めるが、ふさがない。
Dratsch ら（2023）では、AI と称する誤った提案を受けた放射線科医の正判定の割合が、経験の浅い群で 79.7% から 19.8%、経験の多い群でも 82.3% から 45.5% に下がった。
Gaube ら（2021）では、誤った助言は、放射線科医と専門でない医師のどちらの群でも診断の正確さを下げた。
Parasuraman と Manzey（2010）は総説で、自動化バイアスは初心者にも熟練者にも起き、訓練や指示では防げないとまとめている。
Perry ら（2023）では、AI アシスタントを使った参加者のほうが安全でないコードを書き、しかも自分のコードは安全だと信じやすかった。

この経路は、本人の側からは、評価をしなかったのと区別がつかない。
本人は確かめたつもりでいる。
外から見ると、10% のものが確かめられないまま出ていく点で、一つめの経路と同じ帰結になる。

## 外に出たとき、差を埋める仕事は受け手に回る

三つの経路のどれを通っても、出力が自分の手を離れた時点で、残りの 90% は消えない。
誰かが埋めるか、誰も埋めないまま使われるかである。

ソフトウェア開発は、この移動を数えられる珍しい場である。
Asdaque ら（2026）は、AI エージェントが関わったプルリクエスト（PR）22,953 件を分析し、経験の浅い開発者の PR は、経験の多い開発者の PR と比べて、コミットが 2.15 倍、変更ファイルが 1.47 倍、レビューのコメントが 4.52 倍で、受理率が 31% 低く、解決までに 5.16 倍の時間がかかったと報告した。
評価する力の差が、そのままレビュアーの仕事量の差になっている。
Afroz ら（2026、査読前）は、294 のリポジトリ、200 万件超の PR と issue の時系列分析で、2025 年に PR の量が増える一方でマージ率が下がり、一度きりの貢献者では反実仮想と比べてマージ率が 18.18% 下がったと報告した。
受け手の側は、警戒を強めている。
Rahman ら（2026、査読前）の 239 名の実務者調査では、61.1% が AI の書いた PR に人の書いた PR より強い証拠を求め、残る不確かさで承認を止める割合は人の PR の 19.4% から AI の PR の 43.9% に上がった。

curl のメンテナである Stenberg は、2025 年の脆弱性報告の約 20% が AI スロップで、7 月初めの時点で本物の脆弱性だったのは約 5% だったと書き（Stenberg 2025）、2026 年 1 月にバグ報奨金制度を終えた（Stenberg 2026）。
これは運営者本人の集計で、第三者の検証は経ていない。
それでも、受け手が埋める仕事の量が制度そのものを畳ませた例として、他の数字と同じ向きを示している。

経済の側からは、なぜこの移動が止まりにくいかが説明できる。
Zhang と Zhang（2025、査読前）は、AI が低品質な内容の生産では労働の代わりになり、高品質な内容の生産では人の専門性の補完にとどまる、という非対称のモデルを立てた。
10% の出力を作る費用は下がるが、残りの 90% を埋める費用は下がらない。
作り手が評価を省くと、その費用は消えずに受け手へ移る。

責任の所在も、同じ向きにずれる。
Elish（2019）は、制御をほとんど持たない人間が自動化された系の失敗の責任を負わされる構造を**道徳的クランプルゾーン**と呼び、それが人ではなく技術の系を守ると論じた。
スロップの場合、最後に負担を負うのは、AI を使った作り手ではなく、それを受け取って確かめる受け手である。
受け手が確かめなければ、10% はさらに次の人へ渡る。

## 基準そのものが痩せていく

ここまでの三経路は、ある時点での判断の話である。
もう一つ、時間をかけて効く経路がある。
評価する基準は、自分で作り、他人の評価を受け、直す経験の積み重ねで育つ。
その経験を AI に任せると、基準が育たない。

教育研究は、この力に名前を与えている。
Tai ら（2018）は、**評価的判断**（evaluative judgement）を、自分と他人の仕事の質について判断する力と定義し、それを高等教育の目標に置くべきだと論じた。
Bearman ら（2024）は、生成 AI の時代にはこの力がさらに要るとして、AI の出力の質、AI を使う過程の質、そして AI が学生の評価的判断を評価することの三つを挙げ、人が質の判定者の役割を手放さないようにする責任を述べた。
依頼者の仮説の「100%」は、この評価的判断を持った人にしか見えない水準である。

練習の欠落は、技能と基準の両方を削る。
Bastani ら（2025）の高校の数学の現場実験では、素の GPT-4 を使えた群は、AI を外した試験で使わなかった群より 17% 低かった。
Budzyń ら（2025）の観察研究では、大腸内視鏡の AI 支援が入ったあと、AI を使わない検査の腺腫検出率が 28.4% から 22.4% に下がった（観察研究で因果は確定しない）。
Melumad と Yun（2025）は、七つの実験（N=10,462）で、LLM の要約から学んだ人は、同じ事実を検索で学んだ人より浅い知識を得て、それをもとにした助言は薄く独創性に欠け、受け手に採用されにくかったと報告した。

この経路は、前の三経路に戻ってくる。
評価する力が育たなければ、三つめの経路（見分けられない）に入る人が増える。
増えた 10% の出力が流通すると、それを見本にして学ぶ人も増える。
スロップは、スロップを見分けられない評価者を作りうる。
ただし、この循環そのものを測った研究はまだない。
手元にあるのは、循環の各段を別々に測った研究である。

## 仮説のどこを直すべきか

大筋で、仮説は証拠に支えられる。
三つの経路のどれにも実証があり、外に出た差が受け手の仕事になることも数えられている。
そのうえで、三つの点は直したほうが論が強くなる。

一つめは、「10%」と「100%」の数字である。
完成度の割合を測った研究は見つからなかった。
スロップの測り方自体がまだない。
Shaib ら（2025、査読前）は、AI スロップには合意された定義も測る手段もないという前提から出発し、専門家への聞き取りで評価の次元を作ったが、「スロップか」の二値の判定は主観に振れ、一貫性や関連性といった次元と相関するにとどまった。
完成度は物の性質ではなく、その出力が何に使われ、誰に渡るかで決まる関係の量である。
Willison の定義が、AI の生成物のすべてをスロップとは呼ばなかったのも同じ理由による。
自分の下書きとしての 10% は、十分に役立つことがある。
仮説は「10% だから悪い」ではなく、「10% のものが、100% を前提にする場所へ、100% の顔で渡る」と書き直すほうが正確である。

二つめは、「専門家なら 100% を出す」の部分である。
100% は個人の能力ではなく、その役割に社会が求める水準である。
非専門家が AI を使うと、その人が自分で作れたものより出来がよくなることは多い。
Brynjolfsson ら（2025）は、生成 AI の補助で、経験の浅い担当者は速さも質も上がり、最も熟練した担当者では速さの伸びが小さく質がわずかに下がったと、作業文書版の要旨で述べている。
本人の基準では改善でも、役割の基準では足りない。
スロップは、作り手の基準と、出力が置かれる役割の基準の差から生まれる。
この書き直しは、なぜ AI の利用が広がるほどスロップが増えるかも説明する。
自分の基準では十分と感じる人が、役割の基準を求められる場所に出す機会が増えるからである。

三つめは、原因を人間の側だけに置くことである。
依頼者は人間側の原因に焦点を当てたが、二つめの経路は、モデルが中身より先に見た目を仕上げ、確信を過剰に表明し（Zhou ら 2024）、説明が長いほど確信を強めさせる（Steyvers ら 2025）性質と組になって初めて働く。
人が基準を下げるのは、下げさせる形の出力があるからでもある。
人間の側の機構を問うことは正しいが、それは「人間が悪い」ではなく「人間の評価の仕組みと、モデルの出力の形が噛み合うところで差が消える」と書くほうが証拠に合う。
加えて、人と AI の組み合わせの成績をまとめた Vaccaro ら（2024）は、判断の課題では組み合わせが損をし、内容を作る課題では得をする傾向を示した。
内容を作る課題での得は、評価の物差しが形の側にずれていても数字に出る。
スロップが生まれやすいのは、まさにこの「作る課題」の側だということになる。

## 論文にするなら

申し送りの時点では、この考察は査読論文の種になると判断した。
理由は、認知的降伏と自動化バイアスの研究が積み上げた個人の判断の測り方と、スロップと workslop の研究が積み上げた流通と負担の測り方が、まだ一つの実験の中でつながっていないからである。

**問い**：AI の出力が他人に渡る前の受け入れの判断で、評価の不在、合格の基準の低下、識別力の不足は、それぞれどれだけの差を外に出すか。

**測り方の芯**：信号検出理論で受け入れの判断を分ける。
同じ課題の AI の出力を、専門家の採点で完成度の違う版に作り分け、参加者に「このまま渡すか、直すか」を判断させる。
識別力（d′）が低ければ三つめの経路、識別力はあるのに基準（c）が甘い側にずれていれば二つめの経路、出力を開かない、閲覧時間がほぼない、といった行動の記録で評価の不在を一つめの経路として分ける。
同じ出力に「AI が作った」と「同僚が作った」の表示を付け替え、自分で作ったときの基準とも比べる。
渡した先の受け手が直すのにかかった時間を測れば、外に出た差を負担として数えられる。

**近い先行と、そこから何が残るか**：
信号検出理論で分けるという発想そのものは新しくない。
Langer、Baum、Schlicker（2024）は、AI の出力の誤りと不公平を人が見つける監督を、見分ける感度と、誤りがあると報告する傾向（反応バイアス）に分けて理解すべきだと論じた。
正解がすぐには決まらない不公平の判定でも、基準を選んで正解の代わりに置けば、同じ分け方が使えるとしている（p.13）。
Guo ら（2024）は、AI の推奨に従う確率としての依存と、手がかりを見分けられないことによる損失を、統計的決定理論で分けて測る枠組みを示した。
どちらも、完成度に段階のある生成物を「このまま渡すか」で判断する場面と、評価そのものをしない第三の成分は扱っていない。

Liebscher ら（2026、査読前）は、AI への信頼と workslop を送る行動の関連を示し、考察で、自動化への慢心（出力の見直しと修正への注意が減ること）とのつながりを述べた（p.16）。
ただし自己報告の調査で、機構は分けて測っていない。
de Fine Licht（2026）は workslop の責任の配分を規範の面から論じ、三つの経路に近い原因を表に並べたが、認知の機構を分けて測ってはいない。
Hannigan ら（2024）の botshit は、真偽の確かめやすさと重要さで使い方を分けたが、人が確かめるかどうかの心理は扱っていない。
Walton ら（2025）は三経路に近い類型を質的に見つけたが、学びへの影響を問い、流通は扱っていない。
Bearman ら（2024）は評価的判断を育てる教育の論で、測定の枠組みは示していない。

**新しさの候補**：
残るのは三点である。
信号検出理論の二成分に「評価をしない」を三つめの成分として加え、生成物の受け入れで三経路を別々に測ること。
受け入れの判断と、渡した先の受け手が直す負担を、一つの実験でつなぐこと。
「基準が痩せる」経路を縦断で追うこと。
一つめは Langer らと Guo らの枠組みの拡張であり、まったく新しい方法ではない。

**新規性 5 軸の暫定**：RW 3、PD 3、Mat 2、Met 2、Res 2（RW と PD の 2 軸が 3 で、ぎりぎりの暫定クリア）。
方法の軸は、Langer らと Guo らがあるので 2 に下げた。
受け手の負担まで実験でつなげれば Mat と Met が上がる見込みがある。
確定の採点は paper-pipeline の novelty-auditor に任せた。

**paper-pipeline の判定（2026-11-06）**：申し送りのままの骨子は FAIL だった（PD 2、Mat 2、Met 2、Res 0）。
実験の研究論文なので、RW は採点しない。
組み直した 31 案も、すべて FAIL だった。
決め手は、申し送り自身が近い先行に挙げた文献の、引いた頁の外にあった。
de Fine Licht（2026）の表 1 は、三つの経路に当たる原因と受け手の負担を一か所に並べていた。
Liebscher ら（2026）は、本文の p.4、p.15、p.18 で、この申し送りから作れる主張の核を先に書いていた。
確かめの怠りを情報の重みづけの偏りと分けて扱うことも、Parasuraman と Manzey（2010）が先に書いている（p.396、p.398。paper-pipeline の照合による）。
信号検出理論の二成分に三つめの成分を足す案は、既知の分け方に名を付け直して文脈を移す型に当たると判定された。

## 関連ノート

- [認知的降伏：AI に判断を明け渡す現象の系譜、生成 AI による変化、対策の現在](https://jamjet-iqbal.com/notes/cognitive-surrender-literature/)：認知的降伏の系譜、生成 AI による変化、対策の証拠
- [AIスロップ：質の低さではなく、検証の外部化として読む](https://jamjet-iqbal.com/notes/ai-slop-design-creativity/)：スロップを検証の外部化として読む
- [スロップ前提の情報環境：見分ける力に賭けない設計](https://jamjet-iqbal.com/notes/slop-era-information-design/)：スロップを前提にした情報環境の設計
- [LLM の迎合はなぜ起きるのか：選好学習、内部回路、入力の形から見る発生の仕組み](https://jamjet-iqbal.com/notes/llm-sycophancy-mechanisms-literature/)：迎合の仕組み
- [生成AIの早期利用は思考の醸成を阻害するか：cognitive offloading と学習の文献地図](https://jamjet-iqbal.com/notes/ai-cognitive-offloading-learning/)：生成 AI と学習の文献地図

## 未検証事項

- Kruger と Dunning（1999）、Fazio ら（2015）、Hannigan ら（2024）は本文が取れず、要旨の範囲で書いた（[要一次検証: 本文未到達 要旨のみ。APA と Elsevier の購読、著者版の探索、CiteSeerX、Europe PMC を試行]）。いずれも周辺の位置づけに使い、数値は引いていない。
- Brynjolfsson ら（2025）は QJE の本文ではなく作業文書版（arXiv 2304.11771）で照合した。数値は引かず、向きだけを書いた。
- Walton ら（2025）の出版社版には訂正の注記がある。照合に使った版（figshare の OA 版）で、本ノートが引く六類型の記述は確認した。

## 参照文献

すべて 2026-11-06 アクセス。台帳と検証証跡は `source/review/cognitive-surrender-ai-slop/papers.md` を参照。

### 概念

- Shaw, S. D., & Nave, G. (2026). Thinking—Fast, Slow, and Artificial: How AI is Reshaping Human Reasoning and the Rise of Cognitive Surrender. SSRN Working Paper 6097646. https://doi.org/10.2139/ssrn.6097646 （preprint、査読前）
- Willison, S. (2024). Slop is the new name for unwanted AI-generated content. https://simonwillison.net/2024/May/8/slop/
- Hannigan, T. R., McCarthy, I. P., & Spicer, A. (2024). Beware of botshit: How to manage the epistemic risks of generative chatbots. *Business Horizons*, 67(5), 471–486. https://doi.org/10.1016/j.bushor.2024.03.001
- Hicks, M. T., Humphries, J., & Slater, J. (2024). ChatGPT is bullshit. *Ethics and Information Technology*, 26, 38. https://doi.org/10.1007/s10676-024-09775-5
- de Fine Licht, K. (2026). AI Workslop: The Moral Significance of Withholding Effort. *Philosophy & Technology*, 39(3). https://doi.org/10.1007/s13347-026-01164-8
- Shaib, C., Chakrabarty, T., Garcia-Olano, D., & Wallace, B. C. (2025). Measuring AI "Slop" in Text. arXiv:2509.19163. https://arxiv.org/abs/2509.19163
- Kruger, J., & Dunning, D. (1999). Unskilled and unaware of it: How difficulties in recognizing one's own incompetence lead to inflated self-assessments. *Journal of Personality and Social Psychology*, 77(6), 1121–1134. https://doi.org/10.1037/0022-3514.77.6.1121
- Tai, J., Ajjawi, R., Boud, D., Dawson, P., & Panadero, E. (2018). Developing evaluative judgement: enabling students to make decisions about the quality of work. *Higher Education*, 76(3), 467–481. https://doi.org/10.1007/s10734-017-0220-3
- Bearman, M., Tai, J., Dawson, P., Boud, D., & Ajjawi, R. (2024). Developing evaluative judgement for a time of generative artificial intelligence. *Assessment & Evaluation in Higher Education*, 49(6), 893–905. https://doi.org/10.1080/02602938.2024.2335321
- Parasuraman, R., & Manzey, D. H. (2010). Complacency and bias in human use of automation: An attentional integration. *Human Factors*, 52(3), 381–410. https://doi.org/10.1177/0018720810376055
- Sperber, D., Clément, F., Heintz, C., Mascaro, O., Mercier, H., Origgi, G., & Wilson, D. (2010). Epistemic vigilance. *Mind & Language*, 25(4), 359–393. https://doi.org/10.1111/j.1468-0017.2010.01394.x
- Elish, M. C. (2019). Moral Crumple Zones: Cautionary Tales in Human-Robot Interaction. *Engaging Science, Technology, and Society*, 5, 40–60. https://doi.org/10.17351/ests2019.260

### 評価をしない

- Marcoccia, C., Quattrociocchi, W., & Capraro, V. (2026). AI advice suppresses people's willingness to say "I don't know", even when the advice is wrong and accuracy is incentivized. arXiv:2607.13562. https://arxiv.org/abs/2607.13562 （preprint）
- Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. *CHI '25*. https://doi.org/10.1145/3706598.3713778
- Walton, J., Bearman, M., & Crawford, N. (2025). How university students work on assessment tasks with generative artificial intelligence: matters of judgement. *Assessment & Evaluation in Higher Education*. https://doi.org/10.1080/02602938.2025.2570328
- Si, C., Goyal, N., Wu, S. T., Zhao, C., Feng, S., Daumé III, H., & Boyd-Graber, J. (2024). Large Language Models Help Humans Verify Truthfulness – Except When They Are Convincingly Wrong. *NAACL 2024*, 1459–1474. https://doi.org/10.18653/v1/2024.naacl-long.81
- Faas, C., Uth, R., Sterz, S., Langer, M., & Feit, A. M. (2026). Don't blame me: How Intelligent Support Affects Moral Responsibility in Human Oversight. arXiv:2602.10701. https://arxiv.org/abs/2602.10701 （preprint）

### 評価はするが基準が下がる

- Steyvers, M., Tejeda, H., Kumar, A., et al. (2025). What large language models know and what people think they know. *Nature Machine Intelligence*, 7, 221–231. https://doi.org/10.1038/s42256-024-00976-7
- Zhou, K., Hwang, J. D., Ren, X., & Sap, M. (2024). Relying on the Unreliable: The Impact of Language Models' Reluctance to Express Uncertainty. *ACL 2024*, 3623–3643. https://doi.org/10.18653/v1/2024.acl-long.198
- Fazio, L. K., Brashier, N. M., Payne, B. K., & Marsh, E. J. (2015). Knowledge does not protect against illusory truth. *Journal of Experimental Psychology: General*, 144(5), 993–1002. https://doi.org/10.1037/xge0000098
- Kabir, S., Udo-Imeh, D. N., Kou, B., & Zhang, T. (2024). Is Stack Overflow Obsolete? An Empirical Study of the Characteristics of ChatGPT Answers to Stack Overflow Questions. *CHI '24*. https://doi.org/10.1145/3613904.3642596
- Liu, N. F., Zhang, T., & Liang, P. (2023). Evaluating Verifiability in Generative Search Engines. *Findings of EMNLP 2023*, 7001–7025. https://doi.org/10.18653/v1/2023.findings-emnlp.467
- Akpinar, N.-J., Avula, S., Lee, C.-J., et al. (2026). LLM or Human? Perceptions of Trust and Quality in Research Summaries. *CHI '26*. https://doi.org/10.1145/3772318.3793386
- Pennycook, G., Cheyne, J. A., Barr, N., Koehler, D. J., & Fugelsang, J. A. (2015). On the reception and detection of pseudo-profound bullshit. *Judgment and Decision Making*, 10(6), 549–563. https://doi.org/10.1017/s1930297500006999

### 評価できない

- Prather, J., Reeves, B. N., Leinonen, J., MacNeil, S., et al. (2024). The Widening Gap: The Benefits and Harms of Generative AI for Novice Programmers. *ICER '24*, 469–486. https://doi.org/10.1145/3632620.3671116
- Fernandes, D., Villa, S., Nicholls, S., et al. (2026). AI makes you smarter but none the wiser: The disconnect between performance and metacognition. *Computers in Human Behavior*, 175, 108779. https://doi.org/10.1016/j.chb.2025.108779
- Clark, E., August, T., Serrano, S., Haduong, N., Gururangan, S., & Smith, N. A. (2021). All That's 'Human' Is Not Gold: Evaluating Human Evaluation of Generated Text. *ACL-IJCNLP 2021*, 7282–7296. https://doi.org/10.18653/v1/2021.acl-long.565
- Dratsch, T., Chen, X., Rezazade Mehrizi, M., et al. (2023). Automation Bias in Mammography: The Impact of Artificial Intelligence BI-RADS Suggestions on Reader Performance. *Radiology*, 307(4), e222176. https://doi.org/10.1148/radiol.222176
- Gaube, S., Suresh, H., Raue, M., et al. (2021). Do as AI say: susceptibility in deployment of clinical decision-aids. *npj Digital Medicine*, 4, 31. https://doi.org/10.1038/s41746-021-00385-9
- Perry, N., Srivastava, M., Kumar, D., & Boneh, D. (2023). Do Users Write More Insecure Code with AI Assistants? *CCS '23*, 2785–2799. https://doi.org/10.1145/3576915.3623157
- Bo, J. Y., Kazemitabaar, M., Deng, M., et al. (2026). Invisible Saboteurs: Sycophantic LLMs Mislead Novices in Problem-Solving Tasks. *CHI '26*. https://doi.org/10.1145/3772318.3791365
- Dell'Acqua, F., McFowland III, E., Mollick, E., et al. (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. *Organization Science*, 37(2), 403–423. https://doi.org/10.1287/orsc.2025.21838
- Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at Work. *Quarterly Journal of Economics*, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044

### 基準そのものが痩せる

- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. *PNAS*, 122(26), e2422633122. https://doi.org/10.1073/pnas.2422633122
- Budzyń, K., Romańczyk, M., Kitala, D., et al. (2025). Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. *The Lancet Gastroenterology & Hepatology*, 10(10), 896–903. https://doi.org/10.1016/S2468-1253%2825%2900133-5
- Melumad, S., & Yun, J. H. (2025). Experimental evidence of the effects of large language models versus web search on depth of learning. *PNAS Nexus*. https://doi.org/10.1093/pnasnexus/pgaf316

### 受け手に回る負担

- Asdaque, S. A., Haider, I., Malik, M. U., et al. (2026). Novice Developers Produce Larger Review Overhead for Project Maintainers while Vibe Coding. *MSR '26*, 898–902. https://doi.org/10.1145/3793302.3793597
- Afroz, S., Miller, C., Menezes, T., et al. (2026). "AI Slop is DDoSing Open Source": Understanding the Impact of AI-Generated Contributions on Open Source Sustainability. arXiv:2607.04003. https://arxiv.org/abs/2607.04003 （preprint）
- Rahman, M. S., Alam, K., Roy, B., & Roy, C. K. (2026). Plausible Is Not Enough: Trust and Evidence in AI-Authored Pull Request Review. arXiv:2610.21144. https://arxiv.org/abs/2610.21144 （preprint）
- Stenberg, D. (2025). Death by a thousand slops. https://daniel.haxx.se/blog/2025/07/14/death-by-a-thousand-slops/
- Stenberg, D. (2026). The end of the curl bug-bounty. https://daniel.haxx.se/blog/2026/01/26/the-end-of-the-curl-bug-bounty/
- Zhang, Y., & Zhang, T. (2025). The Economics of Information Pollution in the Age of AI. arXiv:2509.13729. https://arxiv.org/abs/2509.13729
- Liebscher, A., Lee, A. Y., Rapuano, K. M., Kellerman, G. R., & Niederhoffer, K. G. (2026). Workslop: Examining the prevalence, antecedents and consequences of low-quality AI-generated content at work. PsyArXiv. https://doi.org/10.31234/osf.io/5f78h_v1 （preprint）
- Langer, M., Baum, K., & Schlicker, N. (2024). Effective Human Oversight of AI-Based Systems: A Signal Detection Perspective on the Detection of Inaccurate and Unfair Outputs. *Minds and Machines*, 35, 1. https://doi.org/10.1007/s11023-024-09701-0
- Guo, Z., Wu, Y., Hartline, J. D., & Hullman, J. R. (2024). A Decision Theoretic Framework for Measuring AI Reliance. *FAccT '24*. https://doi.org/10.1145/3630106.3658901
- Vaccaro, M., Almaatouq, A., & Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. *Nature Human Behaviour*, 8(12), 2293–2303. https://doi.org/10.1038/s41562-024-02024-1