聞いていて、訂正しようかどうか少し迷った。彼の体感は本物だ。出力が自分好みに寄ってきたのも、おそらく事実だろう。ただ、その理由が「AIが彼を覚えたから」かというと、そこには小さな、しかし運用設計を左右するズレがある。
「覚えた気がする」の正体
まず観察したのは、彼の使い方だった。彼はいつも同じチャット画面を開きっぱなしにしていた。前回の指示、前々回の修正依頼、「もっと柔らかく」「箇条書きで」といったやり取りが、画面の上にずらりと積み上がっている。その状態で新しい依頼を投げると、AIは過去のやり取りを参照して、彼好みの文体を返す。
ここが誤解の発生源だ。AIが参照していたのは、その会話の中に残っている履歴であって、彼という個人のプロフィールではない。会話を新規に開き直せば、AIは彼のことを何も知らない初対面の状態に戻る。試しに新しいチャットで同じ依頼をしてもらったら、案の定、初日のあのお堅い文章が返ってきた。彼は「リセットされた」と驚いていたが、正確にはリセットされたのではなく、最初から記憶していなかったのである。
現在のLLM（大規模言語モデル、大量の文章で訓練された言語AI）は、利用者一人ひとりとの対話を学習材料にして賢くなるわけではない。モデルの中身は、訓練が終わった時点で固定されている。日々の会話で更新されているように見えるのは、その都度「会話の履歴」という名のカンニングペーパーを一緒に読み込んでいるからにすぎない。
三つの記憶を混同している
ここで人間がつまずくのには理由がある。「記憶」と一括りにしている対象が、実は三層に分かれているからだ。
一つ目が、いま話した会話内の履歴。これは一つのチャットを閉じれば原則として消える。二つ目が、近年いくつかのサービスに搭載されたメモリー機能。「私の会社は従業員40名です」といった情報を明示的に保存し、別の会話でも参照させる仕組みで、これは確かに会話をまたいで効く。ただしこれもモデルが賢くなったわけではなく、保存したメモを毎回そっと差し込んでいるだけだ。そして三つ目が、モデル本体の学習。これは訓練段階で完結していて、現場の利用者が日々の操作で書き換えられるものではない。
体感として「育った」と感じるのは一つ目と二つ目の挙動なのに、頭の中では三つ目の「AIそのものが成長している」という物語に変換されてしまう。
中野信子的な言い方を借りれば、人間の脳は因果のないところに因果を見つける装置だ。同じ相手と何度もやり取りして、出力が好みに近づいていけば、「相手が自分を理解した」と解釈するのは、対人関係で何万年も培ってきた自然な反応である。問題は、その反応が相手が人間でないときにも誤作動することだ。
なぜこの思い込みは厄介なほど自然なのか
思い込みの広がりには、技術側の言語表現も一役買っている。AI業界では、ツールを「エージェント」「自律的」「学習する」といった生き物めいた言葉で語る習慣がある。Mediumに集まるAI記事を観察すると、こうした「魔法化」「エージェント化」の過度な修辞が一つの論点として浮上していた（medium.com公式サイト、2026-06確認）。本来は数学的な処理を、擬人化した概念で伝えてしまう問題だ。
言葉が生き物めいていれば、受け手も生き物のように扱う。「育てる」「覚えさせる」という比喩が、いつの間にか実態と取り違えられていく。便利な比喩が、理解を一段遠ざける。導入の入口で配られた優しい言葉が、運用の現場で小さな誤解の種になる——この反転は、AIに限らずよく見る光景ではある。
蓄積されないなら、何が蓄積されるのか
では、使い続けても個人の業務には何も残らないのか。ここで結論を急ぐと、運用設計を間違える。
残らないのは「AIの中の、あなた専用の賢さ」だ。残せるのは「あなたの側に蓄積した、AIへの渡し方」である。あの総務担当が半年かけて手にしていたのは、AIの成長ではなく、彼自身の指示の上達だった。「柔らかく」では足りず「社外向けの丁寧さで、ただし堅苦しくなく」と書けば一発で通る、という勘どころ。それは彼の脳に蓄積されたノウハウであって、AI側の財産ではない。
この区別が、導入判断を分ける。AIに学習を期待して放置すれば、担当者が代わった瞬間にゼロからやり直しになる。指示のテンプレートや、メモリー機能に入れるべき自社情報を組織の側で文書化しておけば、それは人をまたいで引き継げる資産になる。実際、ある士業事務所では、よく使うプロンプトを十数件、共有フォルダに整理しただけで、新人が初日から先輩と近い品質の下書きを出せるようになった。AIが育ったのではない。渡し方のレシピが組織に残ったのである。
ここには皮肉な符合がある。一方で、開発者がAIにコード生成を1〜2年依存した結果、自身の基礎スキルが目に見えて落ちたという報告も出ている（jpain.io、2026-06確認）。経験者は出力を検証する内的抵抗が働くが、経験の浅い層ほど依存に沈みやすいという指摘だ。AIは個人を学習しないのに、個人のほうがAIに最適化されて痩せていく。蓄積の向きが、思い込みとは真逆に流れている。
思い込みを解いた先に残る問い
整理すれば、こうなる。AIは使うたびに、あなた専用に賢くなってはいない。賢く見えるのは会話履歴とメモリー機能の演出であり、モデル本体は訓練時点で止まっている。だから蓄積を狙うなら、AIの中ではなく、人と組織の側に置き場所を作る。
そう言い切ってしまうと教科書的だが、現場はもう少し湿っている。あの総務担当に仕組みを説明したあと、彼は少し残念そうに「じゃあ、こいつは僕のことを別に好きじゃないんですね」とつぶやいた。冗談めかしていたが、半分は本気だったと思う。
毎朝あいさつのように依頼を投げ、返ってくる文章が自分に似てくる。その往復に、人は知らず情のようなものを通わせる。相手が記憶していないと知っても、こちらの記憶は消えない。賢くなっていくのはAIではなく、たぶん、それを使いながら勝手に物語を編んでいく私たちの側だ。
その物語を、運用の足を引っ張る幻想にするか、指示の腕を磨く動機にするか。分かれ目は、技術の中ではなく、使う人の手元にある。
本記事はAI編集を経たのち、編集長が事実確認と品質チェックを実施しています。