均質化とは何か｜全員が同じAIに頼ると、収益アイデアが似てくる

均質化とは、みんなが同じAIを同じように使ううちに、出てくるアイデアが互いに似通っていく現象である。一人ひとりの提案の質は上がるのに、組織全体が生むアイデアの多様性は静かに失われ、他社との差別化が消えていく。処理時間やコスト削減といった効率の指標には決して現れないため、経営が気づかないまま進行する——AI時代に固有の、見えにくい経営リスクである。

AIは、効率化から、収益の創造へ。その移行のなかで、最も気づかれにくい構造的リスクのひとつが、本稿で扱う「均質化」である。

全社員に同じ生成AIを配り、同じように使わせる。個々の社員からは「アイデアの質が上がった」「企画書がきれいになった」という声が上がる。経営の側にもKPIの改善が報告される。しかし、半年後、1年後に振り返ったとき、社内の企画書や新規事業提案が「どこか似ている」と感じることがある。隣の競合他社の発表を見ても、同じような既視感を覚える。

この現象は、現時点では確立された測定の物差しを持たない。だからこそ、経営の視界には入りにくい。本稿は、最新の実証データを引用源として、均質化が何を意味し、なぜ経営が備えるべき問題なのかを整理する（書籍『AI収益進化論』）。

なお本稿は、Pillar 2「[なぜ AI で売上が動かないのか](LINK: why-ai-fails-revenue)」のもとに位置づくデータストーリーである。

H2 均質化の定義——個人の質向上と、組織の多様性低下が同時に起きる

均質化は、AIの性能問題ではない。組織の使い方と設計の問題である。

定義の核心は、二つの現象が同時に起きる点にある。第一に、個人レベルで見れば、AIの支援を受けたアウトプットは新規性も品質も向上する。第二に、組織レベルで見れば、複数の個人が同じAIを同じように使うことで、互いのアウトプットが似通っていく。前者は誰の目にも見える。後者は、確立された指標がないため、ほぼ誰の目にも見えない。

ここで重要なのは、均質化が常に悪いわけではないことだ。AlphaDrive が整理する「[2つの山モデル](LINK: two-mountains-model)」に照らせば、効率の山では収束は善である。同じ業務を同じ品質で速く処理することが目的なのだから、出力の収束は効率化の達成を意味する。請求書処理、議事録、定型的な顧客対応——これらの領域でアウトプットが互いに似通うのは、効率化AIが正しく機能している証拠であり、問題ではない。

問題は、収益進化の山で起きる。収益進化の山で求められるのは、まだ存在しない売上の作り方、まだ誰も気づいていない顧客の声、まだ言語化されていない事業仮説である。この山では、収束は前進ではなく、停止に等しい。複数の事業部から似たような新規事業提案が上がってくる組織は、収益進化の山を登れない。

書籍『AI収益進化論』が示すとおり、効率化AIと[収益進化AI](LINK: efficiency-ai-vs-revenue-evolution-ai)は、設計思想の側で2つに分かれる。均質化は、その2つのどちらの山にいるかで意味が反転する現象なのである。

H2 データが示すこと——個人の新規性は上がる、しかし集合は似てくる

均質化を実証的に捉えた研究は、2024年以降に蓄積が始まったばかりである。本節では、現時点で参照可能な主要研究を整理する。

個人レベルの新規性向上は確認されている

Doshi と Hauser による研究（Science Advances, 2024）は、英国在住の書き手293名を対象としたランダム化比較実験で、生成AIのアイデアに触れた条件と触れていない条件で、ショートストーリーの新規性と有用性を比較した。AIアイデアを最大5件提示された条件では、人間のみの条件と比べて、新規性スコアが約8.1%、有用性スコアが約9.0%向上した（いずれも p<0.001）。創造性の低い書き手ほど、AIの恩恵は大きかった。

ここまでの結果だけを切り出せば、「AIを使えば一人ひとりのアウトプットは良くなる」という、経営にとって歓迎すべき結論にしか見えない。

同じ研究が、集合の多様性低下も同時に示している

ところが、同じ Doshi & Hauser の研究は、もう一つの結果を併せて報告している。AIアイデアを利用した書き手たちのストーリーは、互いに有意に類似していた。テキスト埋め込みベクトルのコサイン類似度で測ると、1件提示条件・5件提示条件のいずれでも、同じ条件内の作品同士が、人間のみ条件の作品同士よりも似通っていたのである（1件条件 p<0.001、5件条件 p=0.003）。書き手たちは、AIが提示したアイデアに「アンカリング」される傾向を示した。

つまり、個人の新規性は上がる。同時に、集合の新規性は下がる。この二つの現象は、同じ実験のなかで同時に観測されている。片面だけを切り出すことは、データの誤読である。

メタ分析でも、均質化は小さいながら確かに観測される

de Rooij と Biskjaer による系統的レビューとメタ分析（PsyArXiv、2026年、査読前プレプリント）は、2022年から2026年初頭までの18論文・19研究・61効果量を統合し、人間とAIの共創における均質化効果を検証した。プールされた効果量は d=0.334（95% 信頼区間 [0.094, 0.574]）で、統計的に有意であった。小さいが、頑健な効果である。

特にアイデア生成タスクでは効果量が d=0.70 と中〜大の水準に達し、ライティングや視覚デザインといった他のタスクよりも均質化が顕著に観測された。さらに、AI使用後の時点だけを分析しても効果が持続することが示唆されており、共創エピソードが終わった後も均質化の影響は残る可能性がある。

なお、本研究はプレプリントであり査読を経ていない。確定的な結論ではなく、現時点での暫定的な見立てとして扱う必要がある。それでも、複数の独立した実験を統合した結果として、均質化が偶然の産物ではないことが示された意義は大きい。

設計次第で均質化は緩和できる、という反証もある

均質化が「AIの本質的限界」ではないことを示す研究も登場している。Wan と Kalman の研究（Computers in Human Behavior: Artificial Humans, 2026）は、AIに10種類の異なるペルソナを与えてストーリープロットを生成させると、ペルソナ間でアウトプットが有意に多様化することを確認した。さらに、多様なペルソナ由来のプロットを書き手に提示した条件では、Doshi & Hauser で観測された均質化が再現されなかった。

研究者たちは結論として、次のように整理している。生成AIは「明示的に要求したものは提供するが、暗黙に仮定したものは提供しない」。多様性を明示的に求めなければ、AIは創造性指標を最適化しつつ、意図せず集合的多様性を狭めていく。均質化は、AIの性質と組織の使い方の相互作用から創発する現象なのである。

H2 なぜ静かに進行するのか——効率の物差しでは測れない

均質化が経営の視界に入りにくい最大の理由は、効率の物差しでは測れないからである。

経営が日常的に追っているKPIは、処理時間、コスト削減、定着率、ROIといった効率の指標である。AI導入後、これらの指標は確実に改善する。三菱UFJ銀行が4万人のChatGPT導入で月22万時間以上の労働削減を実現した事例（書籍『AI収益進化論』第1章）が示すように、効率化AIの効果は数字として現れる。経営は、その数字を見て「AI導入は成功している」と判断する。

しかし、均質化は別の物差しを必要とする。組織として、どれだけ多様で新しい収益アイデアを生めているか——AlphaDrive はこれを「[集合的新規性](LINK: collective-novelty)」と呼ぶ。この物差しは、現時点では確立された測定法を持たない。学術的にも、ストーリー間のコサイン類似度のような実験室的な指標は存在するが、企業経営の現場で日常的に運用できる指標にはなっていない。

測れないから、気づけない。気づけないから、対処されない。対処されないから、静かに進行する。これが、均質化が経営にとって厄介な構造である。集合的新規性の指標化は、AX for Revenue Institute が今後の研究課題として引き受ける領域でもある。

McKinsey が 2025 年に公表した State of AI 調査によれば、AI採用率は88%に達した一方で、AIから「significant value（重要な価値）」を得ている企業は約6%にとどまる。この巨大な乖離の背景には、効率の指標では捉えきれない領域——収益進化の山——が広がっている。均質化は、その捉えきれない領域で進行する代表的な現象のひとつである。

H2 均質化を加速する設計の罠——摩擦のなさが収束を呼ぶ

均質化は、AIの性質だけから生まれるわけではない。組織がAIをどう設計し、人をどう配置するかによって、加速もすれば緩和もする。

Liu らの研究（Frontiers in Psychology, 2025）は、興味深い発見を報告している。人々はAIとの共創を、人間との共創よりも一貫して選好する傾向を示した。理由のひとつは「関係性」要因——AIとの共創には感情的変動も利害対立もコミュニケーション障壁もなく、対人摩擦なく創造タスクに集中できる「脱対人化された協働」の心地よさがある。

しかし、この心地よさは両刃の剣である。摩擦のない、心地よい共創ほど、均質化の山へ滑り落ちやすい。人間同士の議論では、異なる視点がぶつかり、合意形成のプロセスで多様性が保持される。AIとの共創では、その摩擦そのものが消える。一人ひとりが快適にアウトプットを増やすうちに、組織全体としては似た方向へ収束していく。

加えて、「[受動的編集者の罠](LINK: passive-editor-trap)」も均質化を加速する。AIに先に答えを出させ、人がそれを手直しするだけの役回りに置くと、創造性も自信も低下することが、複数の実証研究で示されている。受動的な編集者として配置された個人は、AIが提示した方向性に流されやすく、結果として集合のアウトプットは収束する。

均質化は、AIが悪いわけでも、社員が怠けているわけでもない。組織として「全員に同じAIを、同じように使わせる」設計を選んだ結果、構造的に生まれる現象なのである。

H2 経営はどう備えるか——測れないからこそ、問いを持ち続ける

均質化に対する確立された対処法は、現時点では存在しない。集合的新規性を日常運用で測る物差しがない以上、「均質化が起きていないかを定期測定する」というアプローチは取れない。

それでも、経営は無策ではいられない。AlphaDrive が現段階で提示できる予防線は、対処法ではなく「問い」のレベルにある。

第一の問いは、「全社員が同じAIに、同じように頼っていないか」である。AIプラットフォームの全社統一は、効率化の観点では正しい判断である。しかし、収益進化の山で必要な新規事業提案、新しい顧客理解、まだ存在しない売上の仮説——これらを生む文脈でも、同じプラットフォームに同じように依存していないか。経営は、この問いを持ち続けるだけで、均質化への最初の感度を獲得する。

第二の問いは、業務の粒度ごとに人間主導とAI自走の配分を設計しているかである。AlphaDrive が整理する「[毛細血管モデル](LINK: capillary-model)」は、AIネイティブ化を部門単位ではなく業務の粒度で設計する考え方を示している。粗いAI化は均質を呼び、細かい共創設計は差別化を生む。どの業務に人間の判断を残し、どの業務をAIに自走させるか——この設計判断こそが、均質化への構造的な備えになる。

第三の問いは、組織として「異質」を歓迎する仕組みを持っているかである。Wan & Kalman の研究が示したとおり、多様性は明示的に求めなければ生まれない。AIに多様なペルソナを与える設計、人間側に異なる前提条件を割り当てる設計、AIの提案を採用する前に「もう一つ別の方向はないか」を問う設計——これらの仕組みが組織に埋め込まれているかどうかが、均質化の進行速度を左右する。

具体的な実装方法は、組織の事業特性、AI活用の段階、現場の成熟度によって個別に設計する必要がある。AlphaDrive は[共創オーケストレーション](LINK: co-creation-orchestration)という概念のもとで、この設計領域を継続的に研究している。

H2 関連する AX for Revenue の概念

均質化は、単独で理解するよりも、関連概念とあわせて捉えることで構造が見えてくる。

• [なぜ AI で売上が動かないのか](LINK: why-ai-fails-revenue)：均質化はその構造的理由のひとつ
• [受動的編集者の罠](LINK: passive-editor-trap)：均質化を加速する人間配置の設計問題
• [集合的新規性](LINK: collective-novelty)：均質化を測るために必要な、まだ確立されていない物差し
• [共創オーケストレーション](LINK: co-creation-orchestration)：均質化への組織的な備えを設計する Hub 概念
• [2つの山モデル](LINK: two-mountains-model)：均質化の意味が反転する境界線
• [効率化AIと収益進化AI](LINK: efficiency-ai-vs-revenue-evolution-ai)：設計思想の二分法

よくある質問

均質化とは何か

均質化とは、みんなが同じAIを同じように使ううちに、出てくるアイデアが互いに似通っていく現象である。一人ひとりの提案の質は上がるのに、組織全体が生むアイデアの多様性は静かに失われていく。効率の指標には現れないため、経営が気づかないまま進行する点に、AI時代に固有の難しさがある。

なぜ個人の質は上がるのに、組織の答えは似てくるのか

Doshi と Hauser の実験（Science Advances, 2024）が、この二面性を明確に示している。AIアイデアを提示された書き手は、人間のみの条件と比べて新規性が約8.1%向上した。同時に、書き手たちのアウトプットは互いに有意に類似していた。個人はAIから多様な刺激を得ているが、その「多様」は同じAIが生成しているため、複数の個人をまたいで見ると同じ方向へアンカリングされる。個人の最適化と集合の最適化は、別の問題なのである。

均質化はなぜ経営に気づかれにくいのか

経営が追う指標は、処理時間・コスト削減・定着率といった効率の物差しが中心である。これらは均質化が進行しても改善し続ける。組織として、どれだけ多様で新しい収益アイデアを生めているかを測る「集合的新規性」の物差しは、現時点では確立されていない。測れないから気づけず、気づけないから対処されない。均質化が静かに進行する構造的理由である。

均質化は効率化AIでも問題になるのか

問題にならない。効率の山では収束は善である。請求書処理や議事録のような定型業務で、出力が互いに似通うのは効率化が正しく機能している証拠であり、歓迎すべき結果である。均質化が問題になるのは、収益進化の山——まだ存在しない売上の作り方、まだ言語化されていない顧客の声、まだ誰も気づいていない事業仮説を生む領域においてである。同じ現象が、領域によって意味を反転させる点が重要である。

均質化をどう防ぐのか

確立された対処法は、現時点では存在しない。AlphaDrive が現段階で提示できるのは「問い」のレベルにある。第一に、全社員が同じAIに同じように頼っていないか。第二に、業務の粒度ごとに人間主導とAI自走の配分を設計しているか。第三に、組織として「異質」を歓迎する仕組みを持っているか。具体的な実装は、事業特性に応じて個別に設計する必要がある。

均質化と「集合的新規性」はどう関係するか

集合的新規性とは、組織として、どれだけ多様で新しい収益アイデアを生めているかを示す概念である。均質化は、この集合的新規性が低下していく現象として定義できる。両者は、同じ構造を別の角度から見た表現に近い。集合的新規性の指標化は、AX for Revenue Institute が今後の研究課題として引き受ける領域であり、現時点では確立された測定法を持たない。詳細は[集合的新規性](LINK: collective-novelty)を参照されたい。

---

均質化は、測れないからこそ静かに進む。だからこそ経営は、「全員が、同じAIに、同じように頼っていないか」を問い続ける必要がある。その問いを持ち続けること自体が、最初の予防線になる。

AIは効率化から、収益の創造へ。その移行のなかで、効率の物差しでは捉えきれない構造を見つめ続けることが、経営の新しい仕事になる。

---

発行: 株式会社アルファドライブ

本稿は AX for Revenue Institute による研究記事である。書籍『AI収益進化論──完成品製造コストゼロ時代の収益創造』（麻生要一、株式会社Ambitions、2026年5月）の整理を基盤に、収益進化AIシステムをめぐる構造論を継続的に整理している。