生成AIが表彰事業を揺るがす以前から、科学・技術の進歩に伴って、新しい発見・発明に到達するまでのコストが上昇し続けているという現象が、経済学・科学社会学の分野で実証的に指摘されてきました。Benjamin Jonesの研究(2009)は、発明者が初めて特許を取得する年齢が世代を追うごとに上昇していることを示し、これを「知の重荷(burden of knowledge)」と呼んでいます。

Bloom, Jones, Van Reenen, Webb(2020, American Economic Review)は、研究投入あたりの新規アイデア産出効率が、半導体・医薬品・農業など複数の分野で長期的に低下し続けていることを定量的に示しています。生成AIの登場は、一見この知識獲得コストを引き下げる福音に見えますが、表彰事業の現場で起きているのは、審査というプロセス自体の前提を揺るがす事態です。

日経「星新一賞」の応募者数データは、この変化を具体的に示しています。

同賞は第1回から「人間以外(人工知能等)の応募作品」を受け付けており、最終審査会では審査員から「人間の手による作品か、AIによって書かれた作品か、全く区別がつかない」という声が上がったことが報じられています(日本経済新聞、2026年4月16日)。

この逆説は、小説の公募に限った話ではありません。学術出版の分野でも同様の構図が観測されています。

500万本以上の論文を分析した調査(Enago, 2026年5月)によるこの数値は、開示を義務化するという規定を作ることと、それが実際に機能することの間に大きな距離があることを示しています。

「経験豊富な審査員が見抜けばよい」という発想には、理論的な弱点があります。心理学者Daniel KahnemanとGary Kleinは、専門家の直観が信頼できる条件を、(1)評価対象の環境が十分に規則的で予測可能であること、(2)その規則性を迅速で曖昧さのないフィードバックを伴う長期の訓練を通じて学習する機会があったこと、の2条件に整理しています(2009, American Psychologist)。

表彰事業の審査は、この難しい条件に近い構造を持っています。落選した応募がその後どうなったかを審査員が追跡することはほとんどなく、フィードバックのループが構造的に欠落しているのです。

さらに厄介なのは、この目利きの脆弱性が、審査員自身のAI利用によってさらに複雑化している点です。英国バース大学経営大学院のLindebaumらの研究(2026, Human Resource Management Journal)は、人が思考・意思決定・解釈をAIに外部委託し始めると、経験・文化・批判的思考を通じて培われる「身体化された知」が時間とともに衰えると警告しています。

MIT・カーネギーメロン大学・オックスフォード大学の研究者らは、AIへの依存によって人はタスクが下手になるだけでなく、努力すること自体をやめてしまうと指摘しています(APA Monitor on Psychology, 2026年7月)。スイスSBSビジネススクールのGerlich(2025)の調査では、AIツールへの依存度と批判的思考スコアの間に有意な負の相関があり、特に若年層(17〜25歳)でその傾向が強いことが報告されています。

審査員が日常的にAIを使って考えている場合、その評価能力自体が、検証されないまま静かに摩耗している可能性を排除できません。応募者側のAI利用だけでなく、審査する側の認知能力そのものが、同じ技術によって変質しているという二重構造が、この問題の核心にあります。