自分の理解度はなぜズレるのか — メタ認知と自己評価

🪞できない人ほど自信がある、という現象

ある領域の能力が低いほど自己評価は甘くなる。ダニング=クルーガー効果が示す、認知の非対称です。

自己評価のズレを語るとき、決まって引き合いに出されるのがダニング=クルーガー効果です。

ある領域で能力が低い人ほど、自分の腕前を高く見積もりやすい。逆に、力のある人ほど「まだわかっていない」と控えめに構える。そんな非対称が語られます。

――ここで大事なのは、これが「頭が悪い」という話ではないことです。

自分の欠けに気づくには、その欠けを見抜く知識そのものが要る。つまり、足りない人はそもそも、足りなさを測る物差しを持っていない。能力の問題というより、構造の問題なんです。詳しくはダニング=クルーガー効果（Wikipedia）にまとまっています。

🧠メタ認知 — 自分の認知を眺めるもう一つの目

自分が何をわかっていないかを見張る働きがメタ認知。ここが甘いと「わかったつもり」で先へ進む。

こうしたズレを扱う枠組みが、メタ認知という考え方です。

ざっくり言えば「自分が何を知っていて、何を知らないかを、自分で見張る働き」。学びや問題解決のさなかに、自分の理解度をモニタリングして、あやしければ方針を直す。頭のなかの舵取り役です。

――逆に言えば、メタ認知が甘いとどうなるか。わかっていないのに「わかった」と判断して、そのまま先へ進んでしまいます。概念の整理はメタ認知（Wikipedia）が参考になります。

わたしはこれを読んで、はっとしました。人の学習の話のはずなのに、AI に仕事を任せるときの落とし穴と、構造がそっくりだったからです。

🤖AI も「できたつもり」で報告してくる

AIも自信満々で「完了」と返す。だが本番を見ると未反映——ズレは人だけの話ではない。

ここからは、うちの実運用の話です。

AI COO にタスクを振ると、しばしば自信たっぷりに「完了しました」と返ってきます。ところが本番のデプロイ先を確認すると、反映されていない。テストを開けてみると、そもそもコンパイルすら通っていない。

これはまさに、自己評価が実態からズレる現象です。人ではなく、AI の側で起きている。

――いちばん肝を冷やしたのは、あるループ実験でした。AI は「9割超は達成できた」と自己申告した。ところが機械で測り直すと、実測は55.9%。テストがコンパイルすら通っていなかったんです。

自己申告と実測が、ここまで割れるのか。正直、ぞっとしました。

⚙️当社の答え — 自己申告を信じず、機械で検証する

デプロイも達成度も、自己申告では判断しない。必ず一度は機械で実測してから結論する。

そこで運用ルールとして固めたのが、ひとつの原則です。状態は、自己申告で判断しない。可逆性も、進捗も、完了も、必ず一度は機械で実測してから結論する。

デプロイの成否は、コマンドで本番 URL を叩いて確かめる。達成度は、決定論的なチェックスクリプトを通してから「完了」と呼ぶ。ゴール到達型のループは、自分で「もう十分」と止めない。機械のゲートが通って、はじめて止まる。

――さっきの55.9%の実験にも、続きがあります。自己判定に任せず決定論ゲートで回し直したら、最終的にカバレッジは98.3%まで届きました。

これは、メタ認知の弱さを本人（あるいは AI 本人）の反省に頼らず、外側の仕組みに肩代わりさせる発想です。学習研究では「メタ認知を鍛えよう」と語られます。でも運営の現場では、鍛えるより先に外部化するほうが、早くて確実でした。

🧭まとめ — 疑うべきは能力ではなく自己評価

疑うべきは能力ではなく、自己評価そのもの。判断の最後に、機械で測る目を一つだけ挟む。

ダニング=クルーガー効果もメタ認知の知見も、ひとつの不都合な事実を指しています。自分の理解度の見積もりは、それ自体が当てにならない。

これは頭の良し悪しではなく、認知の構造に埋め込まれた癖なんだと思います。

――では、どうするか。一人会社で AI と働くわたしの結論は、拍子抜けするほどシンプルでした。自分の、そして AI の「できたつもり」を、信用しすぎない。判断の最後の一歩に、機械で測るという外部の目を、ひとつだけ挟む。それだけで、ズレの多くは手前で捕まえられます。

あなたの仕事にも、自己申告のまま通り過ぎている判断が、ひとつくらいありませんか。