AI・科学技術の小論文頻出テーマ5選【論点と答案例】生成AI・責任

生成AIの登場以降、この分野の出題は急速に増えています。理工学部だけでなく、法学部や経済学部でも扱われます。

単に技術の説明で終わってしまうと、十分に評価されません。仕組みを正確に書いても、それは知識であって意見ではありません。

この記事では頻出5テーマの論点・賛否の根拠・使える語彙を整理しました。実際の出題を想定した問題文と、600字の答案例も載せています。

科学技術系で問われる傾向

見られる点	具体的には
技術と社会の関係	技術だけを見ていないか
責任の所在	誰が判断し、誰が負うかを考えているか
推進と規制の緊張	どちらか一方に偏っていないか
使う人の視点	開発する側からだけ語っていないか

最も避けたいのは、技術礼賛と技術否定のどちらかです。

避けたい書き方	望ましい書き方
AIは人間を超える	AIが担える判断と担えない判断がある
AIに仕事を奪われる	どの業務が置き換わり、何が残るか
技術の進歩は止められない	どう使うかは社会が決められる

3つ目が重要な視点です。「技術は中立で、使い方次第」という常套句がありますが、技術そのものに設計者の判断が組み込まれていることも指摘できます。

頻出テーマ1：生成AIと社会

試験では、次のような形で問われます。

問われ方	例
①教育での利用	学習にどう位置づけるべきか
②著作権	学習データの扱いをどう考えるか
③雇用	仕事はどう変わるか
④情報の信頼性	誤りを含む出力とどう向き合うか

①が最も多い設問です。受験生自身が当事者であるため、実感を伴った答案が書けます。

現状

項目	内容
普及	文章・画像の生成が誰でも使える段階に
教育現場	レポートへの利用をめぐる対応
著作権	学習データと生成物の扱い
雇用	一部の業務が置き換わる可能性

主な論点

論点	対立する見方
教育での利用	学習を助ける／考える力が育たない
著作権	学習は自由に／創作者の権利を守る
雇用	新しい仕事が生まれる／移行できない人が出る
情報の信頼性	効率的に情報を得られる／誤りを含む

使える視点

視点	内容
禁止は現実的でない	使えないようにするより、使い方を教える
答えより問いが重要になる	何を尋ねるかが問われる
移行の負担は均等でない	学び直せる人とそうでない人

2つ目が使いやすい視点です。「AIが答えを出すなら、人間は何をするのか」という問いに対し、「適切な問いを立てること」という答え方ができます。

頻出テーマ2：AIと責任の所在

試験では、次のような形で問われます。

問われ方	例
①事故の責任	自動運転の事故で誰が責任を負うか
②判断の委譲	どこまでAIに委ねてよいか
③公正性	AIの判定は公平と言えるか
④説明の必要性	理由を示せない判断をどう考えるか

法学部では①、経済・経営では③が出やすい傾向があります。

現状

項目	内容
自動運転	事故時の責任をめぐる議論
医療診断	AIの判断をどこまで信頼するか
採用・審査	AIによる選別の公正性
説明可能性	なぜその結論かを示せるか

主な論点

論点	対立する見方
事故の責任	製造者が負う／使用者が負う
判断の委譲	精度が高ければ任せる／最終判断は人
公正性	人より偏りが少ない／学習データに偏りがある
説明の必要性	結果が良ければよい／理由を示すべき

使える視点

視点	内容
精度が高くても説明は要る	納得できるかは別の問題
データの偏りが結果に出る	過去の差別を再生産しうる
責任の空白が生まれる	誰も責任を負わない状態を避ける

2つ目が最も評価される視点です。「AIは客観的だから公正だ」という前提を疑い、過去のデータに含まれる偏りを学習する点を指摘できます。

頻出テーマ3：技術と倫理

試験では、次のような形で問われます。

問われ方	例
①研究の規制	倫理的な制限は必要か
②技術の中立性	技術自体に善悪はあるか
③予防原則	危険が不確かなとき止めるべきか
④決定の主体	専門家が決めてよいか

④は近年重視されている論点です。影響を受けるのは社会全体である以上、専門家だけで決めてよいのかが問われます。

現状

項目	内容
遺伝子技術	治療と改変の線引き
研究の自由	規制と発展の均衡
軍事転用	民生技術が兵器に使われる場合
監視技術	安全と自由の関係

主な論点

論点	対立する見方
研究の規制	倫理的な制限が必要／自由が発展を生む
技術の中立性	使い方の問題／技術自体に方向がある
予防原則	危険があれば止める／過度な慎重は損失
誰が決めるか	専門家／社会全体

使える視点

視点	内容
できることと、してよいこと	技術的な可能性と倫理は別
専門家だけでは決められない	影響を受けるのは社会全体
後戻りできない技術がある	一度広まると止められない

1つ目は技術倫理の基本です。「できるようになった」ことが「してよい」ことを意味しないという区別は、多くのテーマで使えます。

頻出テーマ4：科学技術と格差

試験では、次のような形で問われます。

問われ方	例
①デジタル格差	使えない人にどう対応すべきか
②効率化の影響	窓口の削減をどう考えるか
③技術の設計	誰に合わせて作るべきか
④国際的な配分	技術をどう共有すべきか

2つ目が書きやすい設問です。身近な例で具体的に論じられます。

現状

項目	内容
デジタル格差	使える人と使えない人の差
地域差	通信環境や医療技術の偏り
国際的な差	先端技術を持つ国と持たない国
世代差	新しい技術への適応

主な論点

論点	対立する見方
格差の縮小	技術は差を縮める／新たな差を生む
公的な支援	誰もが使える環境を／自助努力も必要
技術の設計	高機能を追求／誰でも使える簡素さ
国際的な配分	技術を共有／開発した国の権利

使える視点

視点	内容
前提にされることの不利	使えて当然とされると、使えない人が困る
設計が排除を生む	誰を想定して作られたか
効率化の裏で失われるもの	窓口の廃止・対面の機会

1つ目が具体的で書きやすい視点です。行政手続きがオンラインのみになると、使えない人は手続きそのものができなくなります。

頻出テーマ5：エネルギーと技術

試験では、次のような形で問われます。

問われ方	例
①電源構成	どのような組み合わせが望ましいか
②原子力	活用すべきか、縮小すべきか
③技術への期待	革新に頼る計画をどう考えるか
④需要の抑制	使う量を減らす発想は可能か

③は注意が必要な設問です。「技術が解決する」という前提に立つと、今取るべき行動を先送りすることになります。

現状

項目	内容
電力需要	データセンターなどで増加
蓄電技術	再生可能エネルギーの安定化に必要
原子力	安全性と脱炭素をめぐる議論
資源	電池に必要な鉱物の偏在

主な論点

論点	対立する見方
技術への期待	革新が解決する／今ある手段で対応すべき
原子力	排出が少ない／事故と廃棄物のリスク
資源の確保	調達を進める／採掘地の環境と人権
需要の抑制	供給を増やす／使う量を減らす

使える視点

視点	内容
技術に先送りしない	将来の革新を前提にした計画の危うさ
負担が見えにくい場所へ移る	採掘や廃棄が他国で行われる
使う量そのものを問う	供給を増やす発想から離れる

2つ目が国際的な視点です。電気自動車は走行時の排出が少ない一方、電池の材料をめぐる採掘の問題が別の場所で生じています。

答案例【600字】

問題文

【問題】

企業の採用選考や金融機関の与信審査において、AIによる判定を導入する例が増えている。大量の応募書類を短時間で処理でき、担当者による評価のばらつきを抑えられるという利点が指摘されている。

一方で、AIがなぜその判定に至ったかを説明できない場合があることや、過去のデータに含まれる偏りを引き継ぐ可能性も指摘されている。

こうした場面でAIを用いることについて、あなたの考えを600字以内で述べなさい。

答案例

私は、AIによる判定を導入すること自体には反対しない。しかし、判定の理由を説明できないまま用いることには反対である。

問題文にあるように、AIには処理速度と評価の安定という利点がある。人が審査すれば、その日の状況や担当者の主観によって結果が変わりうる。その意味で、AIのほうが一貫した判断を下せる場面はある。

しかし、判定を受ける側から見ると、状況は異なる。採用を断られた人が理由を知りたいと考えるのは自然である。そのとき「AIが判定した」としか説明されなければ、納得のしようがない。人による判断であれば、少なくとも誰がどう考えたかを問える。AIの判定は、その問い先を失わせる。

さらに、過去のデータには過去の慣行が反映されている。ある職種で特定の属性の採用が少なかった場合、AIはその傾向を学習する。結果として、これまでの偏りが将来にわたって再生産される可能性がある。人が判断すれば意識して是正できたことが、機械的に繰り返される。

したがって、導入の条件として二点が必要だと考える。第一に、判定の理由を本人に説明できることである。第二に、学習データに偏りがないかを定期的に検証することである。

もっとも、説明の義務を課せば、企業の負担は増える。応募者全員に理由を示すことは容易ではない。それでも、不採用の理由を求められたときに答えられる状態を保つことは必要だと考える。

効率は重要だが、判断を受ける側が納得できることも同じく重要である。説明できない判定は、たとえ正確であっても使うべきではないと考える。

この答案のどこが評価されるか

箇所	評価される点
冒頭で立場を限定した	賛成でも反対でもなく条件を示した
問題文の利点を認めた	一方的でない
「判定を受ける側から見ると」	視点を切り替えている
「問い先を失わせる」	本質を言語化している
偏りの再生産を指摘	問題文の記述を掘り下げた
条件を2点に絞った	提案が具体的

3段落目が要です。効率という提供する側の視点から、判定を受ける側の視点へ切り替えています。

また「問い先を失わせる」という表現で、説明できないことの本質を示しました。単に「不安だ」ではなく、何が失われるかを言語化しています。

この答案が避けたもの

ありがちな展開	なぜ避けたか
AIは人間を超えられない	根拠が示せない
最終判断は人が行うべきだ	言い古されていて具体性がない
技術の進歩は止められない	考えることを放棄している
AIに頼りすぎるのは危険だ	何が危険かを述べていない

2つ目は多くの答案が書く結論です。書くこと自体は誤りではありませんが、なぜ人が判断すべきかまで踏み込まないと、印象に残りません。

使える語彙と表現

基本の用語

語	意味
説明可能性	なぜその結論に至ったかを示せること
アルゴリズムの偏り	学習データに含まれる偏りが結果に出ること
デジタル格差	技術を使える人と使えない人の差
予防原則	危険の恐れがあれば慎重に対応する考え方
技術的失業	技術の導入によって仕事が失われること
二重用途	民生にも軍事にも使える技術

「説明可能性」は最も使える語です。AIをめぐる議論の中心にあり、多くのテーマで応用できます。

使うと論が深まる表現

表現	使う場面
できることと、してよいこと	技術倫理全般
判定を受ける側から見ると	AI判断・自動化
過去の偏りを再生産する	学習データ・公正性
使えて当然とされると困る人がいる	デジタル化・格差
責任の空白が生まれる	自動運転・自動判定

2つ目が答案の質を上げます。技術を提供する側の視点から、受ける側の視点へ切り替える合図になります。

注意したい表現

避けたい	理由
AIは人間を超える	根拠が示せない
技術の進歩は止められない	考えることの放棄
最終判断は人が行うべき	言い古されていて具体性がない
AIに仕事を奪われる	何がどう変わるかを述べていない
技術は中立である	設計に判断が組み込まれている

3つ目は使ってもよいが、それだけでは足りません。なぜ人が判断すべきかまで書いてください。

よくある失敗

失敗1：技術の説明で終わる

直す前	直したあと
生成AIは大量のデータを学習し、確率的に次の語を予測することで文章を生成する。	（仕組みの説明は最小限にし、社会への影響に字数を使う）

知識の正確さより、考察が問われています。

失敗2：極端な立場を取る

直す前	直したあと
生成AIの教育利用は全面的に禁止すべきである。	禁止は現実的でない。使い方を教える方向へ転換すべきである。

全面禁止や全面肯定は、実現性を欠きます。条件つきの立場を示してください。

失敗3：SF的な想定で書く

直す前	直したあと
AIが人類を支配する未来が来るかもしれない。	（現在起きている問題に焦点を当てる）

遠い未来の想定より、いま起きている課題を扱ってください。採用判定の偏りや、説明できないことの問題は、すでに現実の課題です。

失敗4：技術を擬人化する

直す前	直したあと
AIが判断を間違えた場合、AIが責任を負うことはできない。	AIの判定に誤りがあった場合、責任の所在が不明確になる。

AIは意思を持つ主体ではありません。「AIが決める」という書き方は、責任の所在を曖昧にします。

失敗5：利便性だけで評価する

直す前	直したあと
手続きがオンライン化され、利便性が向上した。	オンライン化は多くの人にとって便利だが、窓口が廃止されると、使えない人は手続きそのものができなくなる。

効率化で不利になる層にも目を向けてください。

よくある質問

どのテーマを優先して準備しますか

優先度	テーマ
高	生成AIと社会・AIと責任の所在
中	技術と倫理・科学技術と格差
低	エネルギーと技術

上の2つで大半をカバーできます。

ただし工学部・エネルギー系ではエネルギーも出やすいので、志望先で調整してください。

理系と文系で書き方は違いますか

	理系（理工・情報）	文系（法・経済・社会）
重視される点	技術の可能性と限界・開発者の責任	制度・規制・社会への影響
出やすいテーマ	研究倫理・技術の応用	AIと法・雇用・格差

理系でも社会への影響は問われます。技術の説明だけでは足りません。

専門的な知識は必要ですか

高校の範囲で十分です。

AIの仕組みを正確に説明する必要はありません。「大量のデータから傾向を学ぶ」程度の理解があれば書けます。

知識より、それが社会にどう影響するかが問われています。

AIを使った経験を書いてもいいですか

書いてください。具体性が出ます。

良い使い方	避けたい使い方
使ってみて気づいた限界	便利だったという感想
誤った情報が出た経験	使い方の紹介

限界に気づいた経験のほうが、考察につながりやすくなります。

賛否の分かれるテーマはどう扱いますか

この分野は特に立場が分かれます。

生成AIの教育利用、著作権、原子力——いずれも正解がありません。

条件つきの立場が扱いやすくなります。「導入自体には反対しないが、〜という条件が必要である」という形です。

最新の動向を知らないと不利ですか

不利にはなりません。

最新の製品名や技術名を挙げる必要はありません。構造的な問題は変わらないためです。

説明可能性や責任の所在といった論点は、技術が変わっても残ります。

字数はどのくらいが多いですか

字数	出題の傾向
600字	最も多い
800字	次に多い
1000字以上	国立大で出ることがある

次にやること

まず生成AIとAIの責任の2テーマについて、メモを作ってください。定義・現状・論点・賛否の根拠・具体例の5項目です。

そのうえで、この記事の問題文を使って実際に書いてみてください。

この分野は課題文型での出題も多くあります。技術と社会に関する文章を読み、要約と意見を書く形式です。課題文型の解き方をまとめた記事もあわせて確認してください。

総合型選抜や推薦入試を受ける場合は、志望理由書の準備も並行して進めてください。