標語やキャッチコピーを生成AIに考えさせると似た案ばかりになるのか｜発想の多様性の研究

休み時間に文化祭の標語を考え、手もとのメモに候補を書き足すとき、生成AIにも頼んだら皆の案が似てしまうのでしょうか。「マクドナルド スローガン」のように企業の標語を調べて手本にしたくなることもありますが、実物の言葉はここでは引用せず、各社の公式の発表で読むことにします。生成AIの利用で案が似かよる研究も、集団の案が多様になる研究もあり、何を見せて何を比べたかで答えが変わります。 採用したくなる案が出たことと、候補全体の幅が広がったことは、分けて見たい点です。

標語やキャッチコピーを生成AIに考えさせると似た案ばかりになるのか｜発想の多様性の研究

休み時間に文化祭の標語を考え、手もとのメモに候補を書き足すとき、生成AIにも頼んだら皆の案が似てしまうのでしょうか。「マクドナルド スローガン」のように企業の標語を調べて手本にしたくなることもありますが、実物の言葉はここでは引用せず、各社の公式の発表で読むことにします。生成AIの利用で案が似かよる研究も、集団の案が多様になる研究もあり、何を見せて何を比べたかで答えが変わります。 採用したくなる案が出たことと、候補全体の幅が広がったことは、分けて見たい点です。

標語づくりでは、言葉の響きが整っていると、発想まで新しくなったように感じるかもしれません。けれども、同じ目標を似た言い方で表す候補が増えた場合と、伝える相手や行動の違う候補が増えた場合では、選べる方向が違います。研究を読む際にも、案ごとの評価、案どうしの違い、自力で考える力を区別すると、結果を取り違えずに済みます。休み時間の作業に取り入れるなら、完成案だけでなく、AIを見る前のメモと、見た後に自分で変えた箇所を残す方法が考えられます。

要点

• 個々の案の創造性と、候補全体の多様さの区別
• 最初に見た例への引きずられと、案の見せ方による違い
• AIの助けがある間の成績と、外した後の成績の区別
• 自分の下書き、AIの候補、修正した理由を残す進め方

マクドナルドのスローガンを探すときも、手本と評価を分けます

企業のスローガンは、組織の考えや伝えたいことを短く表す言葉です。文化祭や委員会の標語を作るときにも、短い言葉に目的を込める点が参考になります。ただ、手本の響きに近づけることと、自分たちの活動に合う言葉を探すことは別の作業です。検索で見つけた例から何を学びたいのかを、短さ、覚えやすさ、伝える内容などに分けると、似せる箇所だけを探す読み方から離れられます。

研究でいう「創造性」は、単に珍しい語が含まれるかだけで決まるものではありません。どのような課題で、誰が、何を基準に評価したかを添えて読む必要があります。「多様性」は、集まった案がどれほど違う方向に広がっているかを指します。案を個別に高く評価することと、集団の案が似かよっていないと評価することは、異なる物差しを使っています。

この違いは、休み時間に候補を選ぶときにも役立ちます。まず各案について、伝えたい相手と促したい行動をメモし、次に候補全体を並べて、内容の重なりを見ます。言葉を置き換えただけなら同じまとまりに入れ、目的の違う案は離して置きます。響きの好みで先に絞り込まずにおくと、採用しない候補にも別の着眼点があることを記録できます。

最初の例に引きずられる結果と、作文が似かよる結果があります

Wadinambiarachchi（2024）は、絵の発想に取り組む参加者60人を対象に、画像生成AIの支援を使う場合と使わない場合を比べました。AIを使った群では、最初に見た例に引きずられる傾向が強く、案の数、種類の幅、独創性が低くなりました。このように、最初の例から考えが離れにくくなることを「固着」と呼びます。著者らの分析では、指示文の作り方や、AIの提案にどう応じるかも、共同で考える作業の有効性に関わっていました。

文字の作品を比べたMoon（2025）は、大学入試の志望エッセイ2,200本を分析しました。人の文章を追加したときのほうが、GPT-4の文章を追加したときより、新しい発想が多く加わりました。文章の本数が増えるほど差は広がり、指示文や生成の設定を変える工夫をしても、その差は残りました。対象は人が書いた文章とAIが書いた文章であり、人がAIの助言を取り入れて推敲する作業とは区別されます。

前者は例を見た人の考え方を、後者は出来上がった文章の集まりを調べています。どちらも似かよりへの注意を促しますが、似かよるまでの過程が同じと決めると、実際に変えられる手順を見落とします。自分の案が最初の候補に寄っているなら、追加生成の前に、候補を隠して伝えたい内容を書き直す方法があります。集めた文章の発想が重なる場合には、語尾を変えるより、候補ごとの目的を比べるほうが違いを見つけやすくなります。

AIの案を見て、集団の多様さが増えた実験もあります

Ashkinaze（2025）の実験では、40か国以上の800人超の参加者が、ChatGPTの案か、それ以前に参加した人の案を見てから自分の案を出しました。前の人の案が次の人の手本になる連鎖の中で、AIの案に触れる量を変えた設計です。AIの案を多く見せた条件では、個々の案の創造性は変わらず、集団としての案の多様さと、その変化の速さが増しました。少なく見せた条件では同じ効果は出ておらず、AIの案が入るかどうかだけでなく、その見せ方が比較に含まれています。

Lee（2024）では、ChatGPT（GPT-3.5）を使って出した案が、AIなしや検索を使って出した案より創造的と評価されました。特に効果的だったのは、根本から異なる案より、既存の考えに少し新しさを加える案でした。著者らは、離れた概念をまとまりのある形に結びつけ、案を明瞭に表現する働きに注目しています。これは、案の内容に加えて伝え方が評価に関わる点を考える材料になります。

平均より良い案と、人の最良の案は別に比べます

Koivisto（2023）は、人256人とAIチャットボットを、身近な物の変わった使い道を挙げる課題で比べました。平均ではAIの案が人を上回った一方、人の最良の案はAIと同等か、それ以上でした。人の回答には質の低い案も含まれていたため、平均の差と最も良い案の差では見える景色が変わります。最終的に採用する候補を探す場面なら、平均値だけで人が考える意味を判断すると、良い案を出す余地を見落とします。

Bellemare-Pepin（2026）は、人100,000人のデータと大規模言語モデルを比較しました。大規模言語モデルは、大量の文章から言葉のつながりを学び、文章を生成する仕組みです。離れた意味の語を挙げる課題では、モデルが人の平均を上回る一方、創造性の高い参加者層の平均には及ばない結果でした。また、言葉の出し方を促す指示や、出力のばらつきに関わる「温度」という設定を変えると、いくつかのモデルで語の意味の広がりが増しました。

先に見たMoon（2025）の結果と合わせると、設定を変える工夫の評価にも、課題ごとの見方が要ります。離れた語を挙げること、長い作文に新しい発想を加えること、活動に合う標語を選ぶことでは、求める成果が違います。設定の数値をまねる前に、何を変えたいかを、語の響きなのか内容の方向なのかに分けます。利用中のサービスで調整できる項目は、そのサービスの最新の説明を読むようにします。

AIを外した後にも考えられるかを見ます

Kumar（2025）は、1,100人が参加した実験で、多くの方向に案を広げる「拡散的思考」と、条件に合う答えへ絞る「収束的思考」を調べました。答えを直接出すAI、助言するコーチ型のAI、AIなしの条件を比較しています。支援を受けている間には創造性を押し上げる効果がありましたが、支援なしで取り組む段階では、自力の成績を妨げる場合もありました。案が似ているかに加え、支援を終えた後に本人が何をできるかを見る研究です。

自分の発想の練習を目的にする休み時間なら、候補が行き詰まるたびにAIへ続きを頼む進め方は避けたいところです。候補の良し悪しを選ぶ作業だけを続けると、自分で方向を探した記録が残りません。まずAIを開かず、活動の目的や気になっている点をメモして、その材料から案を作ります。支援を使った後にも画面を閉じ、別の伝え方を自分で書く時間を取ると、自力で進められる部分が見えてきます。

完成した候補を増やす作業と、発想の練習とでは、終える目安も変わります。提出する案を選ぶ作業なら、目的に合う理由を説明できる候補があるかを見ます。練習なら、AIの案に無かった着眼点を自分で加えられたか、採用しなかった案から別の方向を考えられたかも記録します。この使い分けは、AIの使用回数を数えて発想力の良し悪しを決めるより、手もとの作業を振り返る材料になります。

休み時間のメモで、方向の違いと修正理由を残します

始めに、自分たちが標語で伝えたいことを普通の文章で書きます。文化祭への参加を呼びかけたいのか、委員会で日常の行動を変えたいのかで、材料になる言葉は変わります。ここでは響きの良さを急いで整えず、誰がどんな行動をする場面を思い浮かべているかを具体化します。自分たちの活動で見聞きしたことを、短いメモとして添えておく方法もあります。

次に、AIを見る前の候補を複数残してから、足りない方向を探します。AIに頼むなら、「伝える相手と促す行動が異なる方向を挙げてください」のように、変えたい点を短く指定する方法があります。返ってきた候補は、名詞や語尾の違いだけで別案と数えず、内容ごとに並べ直します。自分の下書きにも同じ分類を使うと、AIの案だけを甘く評価したり、反対に厳しく扱ったりせずに済みます。

修正では、きれいな言葉を残すことより、活動とのつながりを説明することを優先します。AIの表現の一部を、自分で見聞きした具体的な行動に結びつく語へ置き換え、なぜ替えたかを余白に書きます。珍しい語でも、読んだ人が何をすればよいか伝わりにくければ、その点を修正の対象にします。候補に開催内容や活動上の約束が含まれた場合には、実際の計画と照らし、内容の誤りも直します。

候補を並べる紙には、出した順番と、参考にした材料も書き添えます。似た案が続いたとき、最初の自分の案を広げていたのか、AIの提案を言い換えていたのかを後からたどれます。最終案だけを清書して途中を消すと、この違いが見えなくなるため、選ばなかった候補も下書きに残します。修正のたびに全文を写す必要はなく、変えた語と変更の理由を矢印で結ぶ程度から始められます。

保護者が見るときは、完成した文の巧みさだけで判断せず、次の箇所を一緒にたどれます。AIの候補を使ったかどうかだけで話を終えず、子どもが自分で決めた箇所を尋ねます。大人が完成案を代わりに選ぶ前に、本人の選択理由をメモに残すと、言葉を決める作業のどこを担ったかが見えます。

• AIを見る前に書いた、伝えたい相手と目的
• 内容の重なる候補を同じまとまりにした跡
• 自分で置き換えた語と、その理由
• AIを閉じてから加えた着眼点

よくある質問

言葉が違えば、別の発想と数えてよいですか

言葉の違いだけで数えると、候補の幅を大きく見積もってしまいます。伝える相手、促す行動、活動のどの部分に注目したかを候補ごとに短く書き、同じ内容なら近くに置きます。逆に、同じ語を使っていても、伝える内容が違う案なら別に残せます。採用候補を減らす前にこの並べ替えをすると、まだ試していない方向がメモの上で見えます。

AIに「もっと独創的に」と頼めば十分ですか

その言葉だけでは、内容を変えたいのか、表現を珍しくしたいのかが曖昧です。先に見たBellemare-Pepin（2026）の結果を踏まえて工夫する場合も、手もとの候補で変えたい点を先に決めます。目的を変えずに言い回しを整える段階と、伝える相手や行動から考え直す段階を分ければ、返ってきた案を評価する基準が定まります。元の候補と修正版を並べ、どの点が動いたかを自分の言葉で書き添えます。

自分の案がAIより拙くても残す意味はありますか

下書きには、完成案からは見えない着眼点が残るため、拙い段階でも保存する意味があります。休み時間に気づいた活動上の困りごとなど、後から表現を整える材料として使えます。響きが整っていないという理由で消す前に、何を伝えようとした案かを横に書きます。その内容がAIの候補に含まれているかを比べれば、文章の巧みさと材料の違いを分けて扱えます。

この記事の限界

比較の対象は、絵の発想、大学入試の長い作文、物の使い道などで、短い標語やキャッチコピーを人と生成AIで比べた研究は、今回集めた範囲にはありませんでした。複数国の参加者を含む一方、国や年齢が抄録に示されない実験もあり、日本の中高生による日本語の標語づくりや、長期間使った後の発想力を示す結果ではありません。

GPT-3.5やGPT-4を用いた結果が、更新後のモデルでも同じように現れるかは未検証です。短い日本語の標語を同じ条件で作り、案どうしの違いと、AIを外した後の生徒の発想を別々に追ったデータが、この記事の数字の空白として残ります。

参考文献

1. Wadinambiarachchi S ほか. The Effects of Generative AI on Design Fixation and Divergent Thinking. In: Proceedings of the CHI Conference on Human Factors in Computing Systems (CHI ’24). 2024:1-18.
2. Moon K ほか. Homogenizing effect of large language models (LLMs) on creative diversity: An empirical comparison of human and ChatGPT writing. Comput Hum Behav Artif Hum. 2025;6:100207.
3. Kumar H ほか. Human Creativity in the Age of LLMs: Randomized Experiments on Divergent and Convergent Thinking. In: Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems. 2025:1-18.
4. Lee BC ほか. An empirical investigation of the impact of ChatGPT on creativity. Nat Hum Behav. 2024;8(10):1906-1914.
5. Ashkinaze J ほか. How AI Ideas Affect the Creativity, Diversity, and Evolution of Human Ideas: Evidence From a Large, Dynamic Experiment. In: Proceedings of the ACM Collective Intelligence Conference. 2025:198-213.
6. Bellemare-Pepin A ほか. Divergent creativity in humans and large language models. Sci Rep. 2026;16(1):1279.
7. Koivisto M ほか. Best humans still outperform artificial intelligence in a creative divergent thinking task. Sci Rep. 2023;13(1):13601.

よくある質問