AI-Blindness: The Cognitive Friction of LLM-Generated Content

The Emergence of AI-Blindness

AI-blindness（AI盲目性）は、ウェブ閲覧における「バナー盲目性」と同様に、人間の脳がAI生成コンテンツを無意識に認識して無視してしまう認知的な反応です。この現象は、過剰な冗長性、洗練されているが中身のないトーン、些細な詳細を画期的な進歩のように表現する傾向など、予測可能なLLMのパターンに従うテキストや画像にユーザーが遭遇したときに発生し、脳がその情報を信号（シグナル）ではなくノイズとして扱うようになります。

この認知的フィルタリングは、しばしば「生産性のパラドックス」を引き起こします。AIはコンテンツ作成を加速させるように設計されていますが、その結果生じる「slop（スロップ：質の低いコンテンツ）」は、受信者の情報処理能力を低下させ、技術的には存在しているものの認知的に見えないポイントを明確にするために、かえってコミュニケーションの往復を増やしてしまうことがあります。

Characteristics of AI-Generated "Slop"

AI-blindnessを経験しているユーザーは、この精神的な回路遮断を引き起こすいくつかの繰り返されるマーカーを特定しています。

Linguistic Patterns

Excessive Verbosity: 単純な概念を過度に複雑、あるいは冗長な方法で説明すること。
Predictable Lingo: 特定のAI特有の言い回し（例：「this cuts just through it」や「the first gate is real」など）や、Claudeのようなモデルに関連付けられる一般的な「決まり文句」のような声。
Impedance Mismatch: 洗練された書籍のような文法と、会話的で人間らしいニュアンスの欠如との間の乖離。
Low Information Density: 文法的に正しく構造もしっかりしているが、実際の内容や洞察がほとんど含まれていない文章。

Visual and Structural Markers

Uncanny Imagery: 一見正しく見えるが、詳しく見ると「ボディ・ホラー」的な要素や不合理な詳細（例：カキのキッシュがカビに覆われているように見えるなど）を含むAI生成画像。
Generic Design: 「ピル（丸みを帯びたボタン）」、過度に情報量の多いランディングページ、ダークモードやブロンズのアクセントの過剰な使用など、AI支援によるデザインであることを示す特定のUI要素への傾向。
Flat Structure: 高レベルの概念的な階層構造を欠き、詳細が「平坦なスパゲッティ」のように見える技術計画やドキュメント。

The Cognitive Impact on the Reader

AI生成テキストを読むことは、しばしば識字能力の欠如ではなく、コミュニケーションの失敗として説明されます。ユーザーはいくつかの明確な心理的影響を報告しています。

Cognitive Exhaustion: AIのテキストを読むことは、本質的な洞察の核を欠いた言葉に意味を付与するために、自分自身に「創造的な作業」を強いることのように感じられることがあります。
Processing Failure: 一部のユーザーは、脳がAIのパターンを認識して即座に「情報は存在しない」と結論付けてしまう「ショートサーキット（短絡）」を経験すると述べています。これにより、テキストが空でない場合でも、内容を解析することが不可能になります。
Recall Issues: AI生成コンテンツを記憶することの難しさが報告されています。コンテンツに独自の「人間らしい」アンカーや洞察が欠欠けているため、記憶に残りづらく、捉えどころのないものになります。
The "Ick" Factor: 「LLMが人間の皮を被っている」ことに対する直感的な嫌悪感。特に、人間がAI生成のスクリプトをカメラの前やポッドキャストで読み上げ、その内容が自然なものであるかのように装うときに感じられます。

Professional Implications and Countermeasures

プロフェッショナルな環境において、AI-blindnessは、技術的なワークフローにおける新しい形態の「認知的な負債」と摩擦を生み出しています。

Impact on Technical Work

Pull Request (PR) Friction: 開発者は、AI生成のコードコメントを解析することに困難を感じており、同僚に対して、複数行のAIコメントを、手動で書かれた単一の一行コメントに置き換えるよう要求することがよくあります。
Documentation Decay: AIは誤字脱字をなくし、構造を改善することはできますが、専門家による必要な検証を欠くことが多く、その結果、形式は「客観的に優れている」ものの、実質的な内容は乏しいドキュメントへとつながります。

Strategies for Mitigation

AI-blindnessに対抗するため、一部のプロフェッショナルは以下の戦術を採用しています。

Prompt Sharing: 冗長な出力結果ではなく、ドキュメントを生成するために使用された元のプロンプトを共有することを同僚に依頼すること。
Selective Reading: 導入部の「表面的な飾り（glazing）」や結末の繰り返しを無視し、、AIの出力をスキミング（流し読み）して「核心（meat）」を見つけること（通常は第2段落と第3段落）。
AI-to-AI Processing: AI生成のドキュメントを別のAIに入力し、内容を高度に凝縮縮された数個の高密度な箇条書きに要約約する。
Conciseness Prompting: 特定のモデル（例：Sol）を使用して、冗長なAI生成の散文を簡潔で情報量の多いメッセージへと、積極的に削ぎ落とすレビューを行わせる。