一般社団法人コーチング心理学協会 ／ AI×コーチング心理学研究所 ／ AI×コーチング心理学 研究レビュー
AI活用について語られる情報の多くは、推奨か懸念のどちらかに寄りがちです。このページでは、効果を示す研究と、慎重な内容の研究の両方を並べています。条件を知ることが、実際に使うときの判断につながるためです。
Q. なぜ「効かない」という研究も載せているのですか？
A. 条件を知るためです。たとえば人間とAIの組み合わせは平均すると成績を下げますが、創り出す課題では向上します。この差を知らないまま導入すると、うまくいかない領域に労力を割くことになります。
| 分類 | 本数 | 扱っている問い | 詳しい解説 |
|---|---|---|---|
| 人間とAIの協働・相乗効果 | 8本 | AIと人間を組み合わせたときに何が起きるのかを、実験的に検証した研究群です。 | 該当ページ |
| AIと改善サイクル（組織・業務） | 5本 | PDCAサイクルとAIの関係を、組織や業務の文脈で扱った研究群です。 | 該当ページ |
| AIと自己調整学習（個人） | 6本 | 個人が学び、振り返り、調整していく過程にAIがどう関わるかを扱った研究群です。 | 該当ページ |
| 心理的資本・キャリア・コーチング | 7本 | 心理的資本、キャリア・アダプタビリティ、職場コーチングの効果を扱った研究群です。 | 該当ページ |
| 国内調査・企業事例 | 2件 | キャリア自律と転職意向の関係、AIによるキャリア支援の実装事例。 | 該当ページ |
この分野の研究は現在も急速に増えています。とくに生成AIと人間の協働に関する知見は、" "数年前のものがそのまま当てはまらないことがあります。
そのため本ページは、半年ごとの見直しを方針としています。 見直しでは、（1）新しいメタ分析・系統的レビューの追加、（2）既存の知見と矛盾する報告が出ていないかの確認、 （3）国内での追試や関連調査の反映、の3点を確認します。 掲載件数と最終更新月は、このボックスに表示しています。
AIと人間を組み合わせたときに何が起きるのかを、実験的に検証した研究群です。「組み合わせれば必ず良くなる」わけではないことを示すものが多く含まれます。
人間・AI・人間＋AIの3条件をすべて比較した実験だけを集めた分析です。結果は、人間とAIの組み合わせは、平均すると「人間だけ」「AIだけ」のうち良いほうより成績が低かった（Hedges' g = −0.23）というものでした。
ただし内訳を見ると重要な差があります。意思決定の課題では性能が落ち、内容を創り出す課題では明確に向上していました。さらに、人間がAIより優れている領域では組み合わせの効果が出て、AIが人間より優れている領域では逆に低下していました。
論文情報を見る DOI: 10.1038/s41562-024-02024-1
上のメタ分析に含まれる74件を読み直したところ、多くの実験が「人が学ぶ仕組み」を持っていなかったことが分かりました。結果のフィードバックを与えていた研究では、相乗効果が高い傾向が見られています。
とくに注目すべきは、「AIの説明」と「結果のフィードバック」が揃うと正の相乗効果、説明だけでフィードバックがないと負の相乗効果だった点です。AIがなぜそう答えたかを知るだけでは足りず、実際にどうだったかを確かめられてはじめて、人はAIの信頼度を学習できる、という示唆です。
論文情報を見る DOI: 10.48550/arxiv.2512.13253
詩の創作を用いた2つの実験です。実験1では、AIが生成した詩を高機能なツールで編集した人より、自分ひとりで書いた人のほうが創造性が高いという結果が出ました。
しかし実験2で、AIの出力を「編集する」のではなく「共に創る」形にすると、この差は消えました。その過程を媒介していたのが創造的自己効力感（自分は創り出せるという感覚）です。AIの恩恵を受けるには、編集者ではなく共作者の位置に立つ必要がある、という結論です。
論文情報を見る DOI: 10.1038/s41598-024-69423-2
生成AIと人間の創造的な成果を比べると差はほとんどなく（g = −0.05）、AIを併用した人は、併用しない人より成績が高い（g = 0.27）という結果でした。
一方で注意すべき点もあります。AIを併用した場合、出てくるアイデアの多様性は大きく低下していました（g = −0.86）。個人としては良くなるが、全体としては似通ってくる、という現象です。
論文情報を見る DOI: 10.48550/arxiv.2505.17241
被引用710件。短編小説の執筆実験で、AIからアイデアを得た書き手の作品は「より創造的」「より良く書けている」と評価されました。その効果はもともと創造性が低いと評価された書き手ほど大きいものでした。
しかし、AIを使って書かれた作品どうしは互いに似ていました。著者らはこれを社会的ジレンマと呼んでいます。個々人は得をするが、社会全体としては新しさの幅が狭まる、という構図です。
論文情報を見る DOI: 10.1126/sciadv.adn5290
計3,562人を対象とした4つの実験です。生成AIとの協働は、その場の課題成績を一貫して向上させました。しかしその効果は、次に一人で取り組む課題には持ち越されませんでした。
さらに、AIとの協働から一人での作業に移ると、内発的動機の有意な低下と、退屈感の増加が見られました。短期の成果と長期の心理的経験は、別々に見る必要があるという指摘です。
論文情報を見る DOI: 10.1038/s41598-025-98385-2
拡散的思考と収束的思考の課題で、直接答えを返すAI、コーチのように導くAI、AIなしの3群を比較し、最後に全員がAIなしで取り組む段階を設けた大規模な事前登録実験です。
AIの支援は、支援がある間は成績を押し上げました。しかし支援がなくなった段階では、独力の創造的成績がむしろ損なわれる可能性が示されました。使っている間の成果と、力が身につくかどうかは別だということです。
論文情報を見る DOI: 10.1145/3706598.3714198
人間とAIのどちらもが単独では到達できない成績（相補的チーム成績）が、なぜめったに観察されないのかを理論的に整理した研究です。
著者らは相補性の源泉を2つに特定しています。情報の非対称性（相手が持っていない情報を持っている）と、能力の非対称性（相手ができないことができる）です。この2つがないところに、相乗効果は生まれません。
論文情報を見る DOI: 10.1080/0960085x.2025.2475962
この領域の詳しい解説は こちらのページ をご覧ください。
PDCAサイクルとAIの関係を、組織や業務の文脈で扱った研究群です。AI導入と成果の関係を、改善を回す仕組みが媒介するという知見が中心にあります。
学生12,450名分の学習記録を機械学習で分析し、PDCAを2周回したところ、科目の合格率が9.4ポイント、期間内修了率が7.1ポイント上昇したと報告されています。効果量はCohen's d=0.65。予測分析を「回すための材料」としてPDCAに組み込んだ点が特徴です。
論文情報を見る DOI: 10.71082/q42r7t96
職員151名の全数調査と12件の聞き取りをもとに、AI導入と組織のしなやかさ（レジリエンス）の関係を分析。両者の関係をPDCAサイクルが完全に媒介していたと報告されています。AIを入れただけでは効果は出ず、改善を回す仕組みを通してはじめて成果につながる、という示唆です。
論文情報を見る DOI: 10.48550/arxiv.2603.13816
PDCAサイクルの原則に機械学習を組み合わせた手法を、瓶詰め工場で検証。デジタル成熟度が中程度（6段階中2.6）の工場でも予測能力を持てたこと、そして複雑なアルゴリズムより単純な統計モデルのほうが良い結果を出した場面があることを報告しています。
論文情報を見る DOI: 10.3926/jiem.9195
AIマネジメントシステムの国際規格 ISO/IEC 42001:2023 の各要求事項が、PDCAのどの段階にあたるかを整理した研究です。AIを組織で扱うルールづくり自体が、PDCAの枠組みの上に設計されていることを示しています。
論文情報を見る DOI: 10.53656/str2024-5s-25-cyc
被引用45件。Industry 4.0の技術群を、従来の改善プロセスのどこに、どう使うかを整理した概念研究です。技術を先に入れるのではなく、改善プロセスの要件を先に決めてから技術を当てはめる、という順序を示しています。
論文情報を見る DOI: 10.3390/app11167671
この領域の詳しい解説は こちらのページ をご覧ください。
個人が学び、振り返り、調整していく過程にAIがどう関わるかを扱った研究群です。効果が出る段階と出にくい段階の差、そして依存のリスクが報告されています。
2013年から2025年の35件の研究を統合。全体の効果量はg=0.507で中程度。ただし段階によって差があり、実行の段階（g=0.574）では効果が大きく、計画の段階（g=0.401）では小さいという結果です。生成AIに限ると計画g=0.709、実行g=0.938とさらに高い値が報告されています。一方で、目に見える行動への効果（g=0.751）が自己申告への効果（g=0.369）の2倍以上あり、「その場の成果は上がるが、力として定着するかは別」という課題が指摘されています。
論文情報を見る DOI: 10.1111/bjet.70058
被引用640件。大学生117名を無作為に割り付け、ChatGPT・人間の専門家・分析ツール・支援なしの4群を比較。AI群は課題の得点は伸びた一方で、知識の定着や応用には差が出ませんでした。著者らは、AIが技術への依存を促し、自分で考える働きを弱める可能性を指摘しています。AIに任せる範囲を自分で決めることの重要性を示す研究です。
論文情報を見る DOI: 10.1111/bjet.13544
大学生68名を対象とした準実験。生成AIを使う環境で、考え方を振り返る手がかり（メタ認知的支援）を与えた群は、課題のやり方の工夫と自己評価の力が伸びました。一方、支援がない群では、自己調整の力がむしろ下がる恐れが示されています。「AIを使うこと」と「支えを設計すること」は別だ、ということを示す結果です。
論文情報を見る DOI: 10.1111/bjet.13599
英語のライティング課題における212件のチャットボット対話を分析したところ、やりとりの82%以上が「課題の実行」に集中し、計画と振り返りはごくわずかでした。AIを使うと自然にサイクルが回るわけではなく、PlanとCheckは意識的に時間を取らないと抜け落ちることを示しています。
論文情報を見る DOI: 10.48550/arxiv.2510.01275
2012年から2023年の27件を対象とした系統的レビュー。チャットボットは主に、資料を見つける・やり方を選ぶ・進み具合を見張るといった支援に使われており、目標を立てる、計画を作る、振り返る、次に活かすという支援は限られていたと報告されています。PDCAで言えば、DoとCheckの一部には効いているが、PlanとActは手薄だということになります。
論文情報を見る DOI: 10.1007/s10639-024-12881-y
被引用330件。自己調整学習の枠組みをもとに、教育でAIを使うための3つの原則を提案しています。とくに、AIが学習者に問い返す「リバース・プロンプティング」を設計に組み込むことで、理解の確認と自己調整を促せると論じています。AIに答えを出させるのではなく、問いを返させるという発想です。
論文情報を見る DOI: 10.3390/su151712921
この領域の詳しい解説は こちらのページ をご覧ください。
心理的資本、キャリア・アダプタビリティ、職場コーチングの効果を扱った研究群です。いずれも、育てられる資源であることを示すメタ分析が中心です。
キャリアに関する能力（キャリア・コンピテンシー）が、ワーク・エンゲージメント、仕事のパフォーマンス、主観的・客観的なキャリア成功、内部・外部の雇用可能性、そして低い離職意向と結びついていたと報告されています。前提となる要因としては、プロティアン・キャリア志向と、組織側のキャリア管理施策が挙げられています。「キャリア自律の支援は個人施策ではなく組織成果に関わる」という主張の、現時点でもっとも新しい根拠のひとつです。
論文情報を見る DOI: 10.1108/cdi-10-2025-0572
心理的資本（PsyCap）を高める介入は、PsyCap全体と各構成要素を改善し、とくに希望（Hope）と楽観性（Optimism）で比較的大きな効果が報告されています。希望・レジリエンス・楽観性については介入直後だけでなく、その後も効果が持続していました（自己効力感については持続が確認されませんでした）。また、セッションの頻度が効果に影響していたことも示されています。
論文情報を見る DOI: 10.1108/pr-10-2023-0854
被引用1,800件超。PsyCapは、職務満足・組織コミットメント・心理的well-being・組織市民行動・各種のパフォーマンス指標と正の関連を示し、冷笑的態度・離職意向・職務ストレス・不安とは負の関連を示しました。自己評価か上司評価か客観指標かによる大きな違いは見られなかったと報告されています。
論文情報を見る DOI: 10.1002/hrdq.20070
キャリア適応力は、キャリア計画、キャリア探索、職業的自己効力感、意思決定の自己効力感といった「適応する行動」と結びつき、さらにキャリア・アイデンティティ、仕事満足、組織コミットメント、雇用可能性、昇進可能性、低い離職意向、収入、エンゲージメント、職務遂行、人生満足といった結果と関連していました。他の個人差要因を統制しても、なお予測力を持つことが示されています。
論文情報を見る DOI: 10.1016/j.jvb.2016.09.002
認知行動的アプローチとポジティブ心理学的アプローチを用いたコーチングを統合。目標達成（g=1.29）と自己効力感（g=0.59）で効果が確認されました。特筆すべきは、単一の手法（g=0.45）よりも、複数の枠組みを組み合わせた統合的なアプローチ（g=0.71）のほうが効果が大きかった点です。また、自己評価より360度評価などの他者評価のほうで、より大きな効果が見られました。
論文情報を見る DOI: 10.1108/jwam-04-2021-0030
厳密な基準でランダム化比較試験（RCT）だけを集めた分析で、全体の効果量は g=.59（中程度）と報告されています。ただし出版バイアスの兆候も認められており、自己評価による指標のほうが観察による指標より効果が大きく出る傾向も示されました。コーチングの総期間の長さは、効果にあまり影響していませんでした。
論文情報を見る DOI: 10.5465/amle.2022.0107
大規模な医療組織で、コーチング参加者と条件を揃えた対照群を比較。コーチングへの参加は、従業員の定着率と昇進率に肯定的な影響を示し、従業員エンゲージメントとも結びついていました。さらに、コーチング参加と離職の関係を、エンゲージメントが部分的に媒介していたと報告されています。
論文情報を見る DOI: 10.1177/00218863261465035
この領域の詳しい解説は こちらのページ をご覧ください。
日本国内の調査データと、AIによるキャリア支援の実装事例です。海外の研究知見を国内の文脈で読むための材料になります。
キャリア自律度が高い層は、低い層に比べて個人パフォーマンス（自己評価）、ワーク・エンゲージメント、学習意欲、仕事の充実感、人生満足度が高いと報告されています（学習意欲は1.28倍、仕事の充実感は1.26倍）。
重要なのは転職との関係です。キャリア自律度そのものは、転職意向と相関していませんでした。ただし主観的な市場価値が高い層では、キャリア自律度が高いと転職意向も高まる傾向が見られました。逆に市場価値が低い層では、キャリア自律度が高いほど転職意向は低くなっていました。
そして、「昇進の見通し」「やりたい仕事ができる見込み」が転職意向を抑制し、その見込みを高める要因として、組織目標と個人目標の関連性、ポジションの透明性、キャリア意思の表明機会が挙げられています。なお、社内公募での異動経験があるのは全年代平均で2.9%にとどまっていました。
2026年2月10日、人事総務領域で生成AIを業務補助ツールと位置づけ、2026年春までに新たに10件のAI活用ツールを順次運用開始すると発表されました。そのなかに「キャリア自律支援AI」が含まれており、従業員が自身の経験や関心事項を入力すると、生成AIが社内の公募ポジション情報を横断的に参照し、条件に合う職務を整理・提示する仕組みとされています。あわせて「社内公募活性化AI」も挙げられ、箇条書きのメモから対話を通じて社内公募向けの職務経歴文を作成することで、応募書類作成の負担を軽減するとされています。
AIによるキャリア支援は、すでに構想段階ではなく実装の段階に入っていることを示す事例です。
詳しい解説は AI×キャリア自律 をご覧ください。
「AIを使えば成果が上がる」とは書きません。どんな条件で、どのくらいの大きさの効果が、どんな限界とともに報告されているかを示します。
AI利用が自分で考える働きを弱める可能性、内発的動機が下がる可能性、アイデアが似通ってくる現象など、都合の悪い知見も掲載します。
多くのメタ分析は相関にもとづくものです。因果を示すものではない旨を、該当箇所に明記しています。
すべての研究にDOIまたは出典リンクを付けています。要約が本サイトによるものであることも併記しています。
海外の研究がそのまま当てはまるとは限らないため、可能な範囲で国内の調査データを併記しています。
本サイトが提示する独自の整理（AIエンゲージメント経営、シナジーを生む5つの型など）は、学術的に確立したモデルではない旨を明記しています。
半年ごとに新しいメタ分析を検索し、既存の知見と矛盾する報告が出ていないかを確認します。最終更新月と掲載件数をページ上部に表示しています。
本サイトの診断ツールについて、統計的検証を済ませたものと研究段階のものを明示的に区別し、後者には「研究中」と表示しています。
AIシナジー実践チェック は、統計的な検証をまだ行っていない研究段階のツールです。項目は上記の研究知見にもとづいて作成していますが、因子構造の確認や信頼性の検証は未実施であり、ページ上でその旨を明記しています。
一方、AIGROW尺度 と AIPDCA尺度 は、確認的因子分析による構造妥当性の検証と信頼性係数の算出を済ませた心理尺度です。両者は性質が異なるため、区別して扱っています。
このページについて
本サイトの各ページで参照している国内外の研究を、1ページに集約したものです。人間とAIの協働、AIと改善サイクル、自己調整学習、心理的資本、キャリア・アダプタビリティ、職場コーチングの6領域について、メタ分析を中心に26本をDOI付きで掲載しています。
本サイトによる要約です。原著者の見解を代表するものではありません。正確な内容は、各項目のDOIまたはリンク先から原著をご確認ください。要約にあたっては、効果の大きさや限界に関する記述をできるだけ落とさないよう努めています。
AI活用を推奨するだけの情報では、実際に使うときの判断ができないためです。人間とAIの組み合わせが平均するとむしろ成績を下げるという知見や、AI利用が自分で考える働きを弱める可能性の指摘は、条件を知るうえで重要です。
メタ分析や系統的レビューを優先し、次いで無作為化比較試験、大規模な実験研究を採用しています。ただし網羅的な検索にもとづくものではなく、本サイトの各テーマを扱う過程で参照したものの集約です。系統的レビューではない点にご留意ください。
研究の読み方
介入の効果の大きさを表す指標で、おおよそ0.2で小、0.5で中、0.8で大が目安とされます。値が負の場合は、想定と逆方向の効果があったことを意味します。統計的に有意であることと、実務的に意味のある大きさであることは別だという点に注意が必要です。
個々の研究より信頼性は高くなりますが、限界もあります。ここで紹介した研究のいくつかでは出版バイアス（良い結果のほうが発表されやすい傾向）の兆候が指摘されています。また、実験室での短期的な課題を扱ったものが多く、実際の職場や継続的な支援の場面をそのまま扱ったものではありません。
そのまま当てはまるとは限りません。ここで紹介した研究の多くは日本国外で行われており、文化や雇用慣行の違いが結果に影響する可能性があります。傾向として読み、自組織で小さく試して確かめる姿勢が現実的です。
相関は2つのものが一緒に動くことを、因果は一方がもう一方を引き起こすことを指します。ここで紹介した研究のうち、心理的資本やキャリアに関するメタ分析の多くは相関にもとづくもので、因果を示すものではありません。実験研究や無作為化比較試験は、因果に近づく設計です。
AIを使いこなす鍵は、AIの操作方法ではなく「どんな問いを立て、何を振り返るか」です。コーチング心理学協会では、質問・目標設定・フィードバック・強みの活用を、演習中心のワークショップで学べます。
ご相談・ご提案の段階で費用はかかりません。