子供にAIを説明するときは、図書館の本をたくさん読んだ人に例えたくなります。ただし、AIは本の内容を人のように経験し、意味を理解しているわけではありません。学んだ文章や画像の中にある関係を使い、質問の続きに合いそうな答えを作ります。

料理に置き換えると分かりやすいでしょう。たくさんのレシピを見て「カレーには玉ねぎが入りやすい」と予想できても、目の前の玉ねぎが傷んでいるか、食べる人にアレルギーがあるかは、別に確かめなければなりません。AIの文章が自然でも、日付、出典、今の状況まで正しいとは限らない理由です。

OECDと欧州委員会が2026年に公表した小中高向けAIリテラシーの枠組みは、AIを操作する技術だけを扱っていません。AIがどのように働くかを知ること、答えを批判的に確かめること、倫理的かつ創造的に使うこと、自分やほかの人への影響を考えて判断することを重視しています。

家庭では、宿題をAIに解かせるか禁止するかの二択になりがちです。そこで、利用前に三つ確認します。「これは自分で考える練習の時間か」「名前や顔、学校の情報を入力してよいか」「答えが間違ったら自分で気づけるか」。使わないと決めることも、立派な技術の選択です。

米国NISTは、製造分野のAIを広く使うために、性能を測る共通の方法、安全性、機械同士のつながり、人とAIの役割分担が必要だとしています。欧州でも、研究設備を企業に開くだけでなく、試験環境やルールを整えながら実用化する方針が進んでいます。商用化とは、店で売ることだけではなく、長く安全に使える責任の形を作ることです。

一つ目は、画面の中のAIが、機械の動きにつながること。 工場のロボット、物流、農業機械などで、周囲を測りながら動く技術が増えます。ただし、物理的な事故につながるため、文章を作るAIより厳しい安全確認が必要です。

二つ目は、同じAIを誰もが使うのではなく、仕事ごとに必要な知識を持つAIが増えること。 製造、医療、科学などでは、一般的なインターネット情報だけでなく、その分野の正確なデータと手順を使う仕組みが研究されています。

三つ目は、人が結果だけでなく、任せる範囲を決めること。 AIが提案し、人が承認する。AIが異常を見つけ、人が原因を確かめる。どこまで自動化し、どこで人が止めるかという設計が、製品の性能と同じくらい重要になります。

新しい端末を早く買うことより、身の回りの仕組みをよく見ることから始められます。自動ドアが開かなかったとき、すぐ「壊れた」と決めず、立つ位置、体の大きさ、服の色、光の向きを比べます。動画のおすすめが偏ったと感じたら、これまで何を見たか、別の探し方があるかを考えます。

こうした経験で育つのは、プログラムの知識だけではありません。条件をそろえて比べる力、間違いの理由を複数考える力、困っている人の話を聞く力、自分の判断を言葉にする力です。技術が変わっても残る土台になります。

大人が詳しい答えを知っている必要はありません。「なぜそうなったと思う？」「誰にとって便利？」「失敗したらどう戻す？」と一緒に考えるだけで、子供は技術を受け身で使う人から、自分で選び直せる人へ近づきます。

家族の決まりは、「AIを使わない」「夜は使わない」だけでは続きにくいことがあります。迷ったときに戻れる短い約束にします。

個人が分かる情報は入力しない。 名前だけでなく、制服、顔写真、学校行事、家の近くの景色も手がかりになります。

大切な判断は、別の資料と人に確かめる。 健康、安全、お金、進路に関わる内容は、AIだけで決めません。

作ったものを出す前に、誰かを傷つけないか見る。 本人の許可がない写真や声、事実と違う説明を公開しないようにします。

困ったら隠さず相談し、やり直す。 間違いを責める約束ではなく、戻り方を一緒に決める約束にします。

計算が速くなり、ロボットが器用になっても、それだけで暮らしがよくなるとは限りません。誰の負担が減り、誰の仕事が見えにくくなるのか。便利さの代わりに、どんな情報や電力を使うのか。故障したとき、使う人が理由を知り、元へ戻せるのか。社会に定着する技術は、こうした問いに答え続けられる必要があります。

子供に必要なのは、未来を怖がらないことでも、無条件に期待することでもありません。試してよい場面と慎重になる場面を分け、分からないことを残し、ほかの人と話して選び直すことです。技術に人を合わせるのではなく、人の暮らしに合うよう技術を作り直す。その判断に参加できることが、これからの「使える力」だとコノマナは考えます。