「おっと！ChatGPTが一時的に利用できません！」：LLMの離脱に対する知識労働者の経験を記録する日誌研究

arXiv cs.AI / 2026/3/30

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

頻繁にLLMを利用する人たちを対象に、4日間の行動日誌研究を実施し、知識労働者が一時的なLLMの離脱をどのように経験し、業務フローがどれほど迅速に中断されるのかを検討した。
研究者らは、離脱によってタスク遂行における不足が露呈したことを見出しており、参加者が仕事の一部についてLLMの支援に依存するようになっていたことが示唆された。
参加者の自己主導的な対応には、専門職としての価値を取り戻すことが含まれており、「単にツールを再起動する」だけではない、対処と回復の行動が観察された。
本研究は、LLMをインフラストラクチャ的な存在として特徴づける。つまり、システムが欠けている場合であっても、日常の実践に深く組み込まれているため、その利用は実質的に規範（ノーマル）になっている。
著者らは、LLMが広く浸透していて無視しがたい環境において、専門職としての価値を支えるためのアプローチとして「価値駆動型の取り込み（value-driven appropriation）」を提案している。

概要: LLMは知識労働に深く組み込まれるようになり、依存の高まりや、人間の技能が損なわれる可能性に関する懸念が生じています。仕事の実践におけるLLMの浸透度を調査するために、私たちは頻繁にLLMを利用するユーザー（N=10）を対象として4日間のダイアリー研究を実施し、知識労働者がLLMの一時的な提供停止にどのように対応したかを観察しました。その結果、LLMの提供停止が、タスク遂行における欠落を特定することで参加者のワークフローをどのように混乱させたのか、自律的な取り組みが参加者にどのように専門的な価値を取り戻させたのか、そして日常的な実践が、LLMの利用がどの程度まで逃れがたいほど規範的になっていたかをどのように明らかにしたのかが示されました。現代の知識労働における基盤（インフラ）としてのLLMを概念化することで、本研究はしばしば見過ごされがちなLLMの役割に関する実証的な知見を提供するとともに、現在の「LLMが遍在する」作業環境において専門的な価値を支えるためのアプローチとして、価値に基づく取り込み（appropriation）を提案します。