Skip to main content

WAIS指標で見る、生成AIの活用法

WAISとは？

WAIS（ウェクスラー成人知能検査）では、以下の項目で判定している。

  • 言語理解：言葉を中心とした理解力、知識など。
  • 知覚推理： 視覚を中心とした状況の把握、理解の力など。
  • ワーキングメモリー：聴覚を中心とした記憶や注意力、集中力など。
  • 処理速度：作業の正確さやスピード、処理能力など。

WAIS-IVの4つの主要指標と低値時の傾向

1. 言語理解（VCI: Verbal Comprehension Index）

  • 主な測定内容: 言語的な概念形成、言葉の意味の理解、語彙力、文化的知識、得られた知識を言語化して表現する能力。

  • 代表的な下位検査:

    • 「類似」（2つの言葉の共通点を答える）
    • 「単語」（言葉の意味を説明する）
    • 「知識」（一般的な事実や知見を答える）。

  • スコアが低い場合の傾向:

    • 抽象的な概念や慣用句、メタファーを文字通りに受け取ってしまいがみになる。
    • 自分の意図を正確に表す言葉が見つからず、感覚的な表現や回りくどい説明になりやすい。
    • 専門用語や複雑な定義の理解に時間がかかり、他者との間で「言葉の定義のズレ（認識齟齬）」が発生しやすい。

2. 知覚推理（PRI: Perceptual Reasoning Index）

  • 主な測定内容: 視覚情報を正確に捉え、その構造や関係性を非言語的に分析し、手や空間を使って問題解決を図る能力。

📝 現行のWAIS-IVでは視覚空間(VSI)と流動推理(FRI)に細分化される要素を含む。

  • 代表的な下位検査:

    • 「積木模様」（見本通りに積木を並べる）
    • 「行列推理」（図の法則性を推論して穴埋めする）

  • スコアが低い場合の傾向:

    • 図表、グラフ、空間的な位置関係、デザインの意図などをパッと視覚的に理解することが苦手になる。
    • 地図を読むこと、組み立て家具のマニュアルを視覚的に追うこと、手際よく物理的な作業をこなすことに負荷がかかりやすい。

言葉による説明を受けた方が、状況を理解しやすくなる傾向がある。

3. 作動記憶（WMI: Working Memory Index）

  • 主な測定内容: 耳から入った情報を一時的に頭の中で保持し、それを操作・加工したり、複数の情報を同時に頭に留めながら作業したりする能力。

  • 代表的な下位検査:

    • 「数唱」（数字を聴いて順序・逆順・昇順で復唱する）
    • 「算数」（暗算で文章題を解く）

  • スコアが低い場合の傾向:

    • 口頭での長い指示や、会議での複雑な決定事項を一度で覚えきれず、メモが不可欠になる。
    • 「あれをしながら、これを考える」といったマルチタスクや、頭の中で情報を組み立てながら同時並行で話すことが難しくなる。
    • 会話の途中で「今、何の話をしていたっけ？」と文脈の糸が切れやすくなる。

4. 処理速度（PSI: Processing Speed Index）

  • 主な測定内容: 簡単な視覚情報を素早く、正確に、継続して処理・識別する能力。

  • 代表的な下位検査:

    • 「符号」（記号と数字を素早く対応させて書き写す）
    • 「記号探し」（特定の記号が提示された中にあるか素早く探す）

  • スコアが低い場合の傾向:

    • 書類の文字を読み込むこと、板書を書き写すこと、タイピングなどの単純作業に時間がかかる。
    • スピードを求められる状況や、矢継ぎ早に会話が展開する環境で、情報処理が追いつかずに疲弊しやすい。
    • 「能力がないわけではないが、タイムリミットや制限速度のある状況でパフォーマンスが著しく落ちる」という現象が起きる。

WAIS指標から紐解く、生成壁打ち・拡張としての生成AI活用法

1. 言語理解（VCI）× 生成AI

概念的思考、語彙力、知識の応用力を拡張する

  • 活用アプローチ: 抽象概念の壁打ち、多角的な視点の導入、文章の構造化・推敲
  • 具体的ユースケース:
    • 抽象的なアイデアを壁打ちし、類義語や異なるフレームワーク（経済学、心理学など）に置き換えてもらう。
    • 論理構成の綻びや、前提条件の漏れを指摘する「批判的レビュー官」としての役割を担わせる。

2. 知覚統合（PRI）× 生成AI

視覚的情報処理、非言語のパターン認識、全体像の構築を拡張する

  • 活用アプローチ: 複雑な概念の構造化（マインドマップ的テキスト出力）、メタファーの生成
  • 具体的ユースケース:
    • 混沌とした要件や多岐にわたる要素を、Markdownの表や階層構造（ツリー構造）に整理・マッピングさせる。
    • 複雑なシステムアーキテクチャや概念モデルを、視覚的にイメージしやすい比喩や全体図のテキスト設計に落とし込む。

3. ワーキングメモリ（WMI）× 生成AI

情報の短期保持、操作、マルチタスクの負荷を軽減する

  • 活用アプローチ: 外部脳（メモリ）としての保持、膨大なコンテキストの要約・構造化
  • 具体的ユースケース:
    • 複数の資料や長文スレッドの要点を瞬時にまとめさせ、思考のキャッシュクリアを行う。
    • 次に実行すべきステップやタスクのチェックリストを自動生成させ、脳内ワーキングメモリの専有領域を解放する。

4. 処理速度（PSI）× 生成AI

単純作業の効率化、ルーチンワークのスピードアップを拡張する

  • 活用アプローチ: ボトルネックの排除、プロトタイプの超高速生成
  • 具体的ユースケース:
    • 定型的なメール文面、コードのスニペット、フォーマット変換などを瞬時に出力させ、実装までのリードタイムを最小化する。
    • ブレインストーミングの初期段階で、質より量を重視した選択肢のリストを大量に爆発的に生成させる。