はじめに——なぜ今、「世代×生成AI×自己呈示」を問うのか
SNSが日常インフラとなった現代において、「どう見られるか」を意識的に設計する行為——すなわち自己呈示（self-presentation）——は、もはや一部の人だけの話ではない。プロフィール文の一言、投稿するタイミング、使うフィルターの加減、さらにはDMの文体に至るまで、私たちは無意識のうちに印象を管理している。
そこに加わった新たな変数が**生成AI（Generative AI）**だ。ChatGPTをはじめとする大規模言語モデル（LLM）は、文章の生成・修正・トーン調整を劇的に低コスト化した。自己呈示の「手間」が変わるとき、自己意識のあり方や、SNSでの戦略そのものも変化する可能性がある。
この変化は、すべての世代に均質に起きているわけではない。Z世代（1997〜2012年生まれ）とミレニアル世代（1981〜1996年生まれ）では、デジタル環境への馴染み方も、SNSとの付き合い方も、生成AIの受容スピードも異なる。本記事では、心理学・コミュニケーション研究の知見をもとに、この問いを丁寧に解きほぐしていく。
自己呈示とは何か——基礎理論から整理する
印象管理の2過程モデル
自己呈示研究の出発点は、LearyとKowalski（1990）が提唱した印象管理の2過程モデルだ。このモデルでは、自己呈示は「動機づけ（見られたい欲求・評価回避）」と「印象構築（具体的な表現・戦術）」という2つのプロセスで成り立つと整理される。
日常生活の場面で考えるとわかりやすい。「就活の面接で有能に見せたい」という動機があって初めて、「どんな言葉を選ぶか」「どんな服を着るか」という構築行動が生まれる。SNSでも同じ構造が働いている。
自己意識——公的・私的の2次元
自己呈示と密接に絡むのが**自己意識（self-consciousness）だ。Fenigsteinらが整理した自己意識尺度（SCS）**では、自己意識を主に「公的自己意識（他者からどう見えるかへの関心）」と「私的自己意識（自分の内面への省察）」の2次元で捉える。日本語版は菅原健介（1984）により妥当化されており、公的自己意識が高いほど他者の視線を意識した自己呈示行動と関連することが示されている。
SNSはその構造上、公的自己意識を刺激しやすい空間だ。投稿が「いいね」や閲覧数として可視化され、不特定多数の目にさらされる環境は、「どう見られているか」を常に意識させる。
セルフ・モニタリング——自己呈示の個人差
自己呈示の「巧みさ」を測る指標として広く使われるのが、**セルフ・モニタリング尺度（RSMS）**だ（Lennox & Wolfe, 1984）。セルフ・モニタリングが高い人は、場の空気を読んで自分の表現を柔軟に変える傾向があり、他者の反応への感受性も高い。後述するように、生成AIがもたらす「印象最適化の低コスト化」は、セルフ・モニタリングの高い人ほど積極的に活用する可能性がある。
オンライン自己呈示の特殊性——文脈崩壊と複数アカウント戦略
文脈崩壊（context collapse）とは
リアルな対人場面では、「家族の前の自分」と「職場の自分」は自然と使い分けられる。しかしSNSでは、家族・友人・同僚・フォロワーが同一の空間に混在し、「想定していた受け手」が崩れる現象が起きる。これが**文脈崩壊（context collapse）**だ（Vitak, 2012）。
文脈崩壊に直面した利用者は、プライバシー設定・限定公開・投稿内容の調整などで対応する。しかし最もシンプルな解決策として若年層の間で広がっているのが、複数アカウントの使い分けだ。
FinstagramとRinsta——Z世代の分離戦略
メインアカウント（Rinsta: Real Instagram）と裏アカウント（Finsta: Fake Instagram）の使い分けは、Z世代の自己呈示戦略を象徴する実践だ。研究（Xiao et al., 2020; Darr et al., 2022）によれば、Finstagramは「嘘の自分を見せる場」ではなく、**「信頼できる少数に向けた真正性の高い自己表現の場」**として機能している。つまり、文脈崩壊という構造問題を「分離」によって解決する知恵と見ることができる。
ミレニアル世代が比較的、FacebookやLinkedInのような「統合的なプロフィール文化」に親しんできたのに対し、Z世代はSNSが普及した後の世界に育ったため、こうした分離戦略を自然に内面化しやすい背景がある。
生成AIが自己呈示を変える——AI媒介コミュニケーション（AI-MC）の台頭
AI-MCという新概念
Hancockら（2020）は、生成AIがコミュニケーションに介入する現象を**AI媒介コミュニケーション（AI-Mediated Communication: AI-MC）**と定義した。これは、AIがメッセージの修正・増補・生成を通じて対人コミュニケーション目標を達成する状況を指す。
自己呈示の文脈で言えば、「SNSのプロフィール文をAIに考えてもらう」「相手に送るDMの文体をAIで整える」「自己PRをAIで磨く」といった行為がすべてAI-MCに当たる。これにより、自己呈示のコスト構造——文章を書く手間、適切な言葉を選ぶ認知負荷、失敗への不安——が大きく変化する可能性がある。
生成AIが自己呈示に与える2つの経路
生成AIが自己呈示へ与える影響は、一方向ではなく二方向に分岐すると考えられる。
第一の経路は**「戦略的最適化」**だ。文章生成の低コスト化により、より洗練された表現・説得的なトーン・印象に残るプロフィールを低い労力で実現できる。セルフ・モニタリングが高い人や、印象管理に強い動機を持つ人ほど、この経路を積極的に活用する可能性がある。
第二の経路は**「言語化支援による真正性の促進」**だ。「言いたいことはあるが、うまく言葉にできない」という人にとって、AIは自己表現の「翻訳ツール」として機能しうる。真正性志向が強いプラットフォーム（例：親しい友人だけが見る限定公開アカウント）では、AIが戦略化ではなく「自己を言語化する補助」として使われる可能性が高い。
この二分岐は、Baileyら（2020）の「真正性の高い自己表現がウェルビーイングと正の関連を持つ」という知見とあわせると、生成AI利用の「健全さ」が利用目的・文脈・透明性規範によって左右されることを示唆している。
AIが評価主体になるとき——公的自己意識の新展開
さらに注目すべきは、AIが「評価者」になる状況だ。Goergenら（2025）は、AIが審査・評価する環境では、人がより分析的・構造化された自己呈示を行うよう行動を変えることを示した。就活書類のAIスクリーニングや、コンテンツのAIレコメンドアルゴリズムが典型例だ。
この「AI評価環境」は、公的自己意識を新たな次元で刺激する。もはや「人間の目」だけでなく「AIの判定基準」を意識した自己呈示が求められるという状況は、従来の理論モデルを更新する可能性を持つ。
Z世代とミレニアル世代——世代差の実像と注意点
世代差を「個人差の連続変数」で捉え直す
世代を語るとき、「Z世代はデジタルネイティブだから〇〇だ」という一般化は危険だ。世代内にも大きな個人差があり、デジタル技能・利用経験・AIリテラシーは連続的に分布している。また、世代差と年齢差（ライフステージの違い）が混在しやすい点にも注意が必要だ。
そのため研究上は、「世代ラベル」をそのまま変数にするのではなく、「デジタルネイティブ度」を個人差の多次元指標（利用頻度・AIリテラシー・透明性規範・相互作用スタイルなど）として操作化する方が、より精度の高い検証が可能になる。
期待される世代差のパターン
それでも、コーホートとしての傾向は存在する可能性がある。Z世代は、SNSが既に存在する世界で思春期を迎えたため、文脈崩壊への対処戦略を早期から内面化している可能性が高い。複数アカウントの使い分けや、プラットフォームごとの自己呈示の使い分けは、Z世代においてより洗練されている可能性がある。
一方でミレニアル世代は、SNSの普及とともに職業的自己呈示（LinkedInなどのキャリア志向プロフィール）を構築してきた経験から、**「統合された一貫したアイデンティティ」**志向が相対的に強い可能性がある。
ただし、これらは仮説であり、実証的な測定等価性の検証（同じ尺度が世代をまたいで同じ構成概念を測っているかの確認）を経なければ、世代間の平均比較は意味をなさない。
生成AIリテラシーの世代差という盲点
見落とされがちなのが、生成AIリテラシーの世代差だ。「若い世代ほどAIを使いこなす」という直感は必ずしも正確ではない。Long & Magerko（2020）のAIリテラシー枠組みや、MAILSのような多次元尺度（Carolusら, 2023）が示すように、AIリテラシーは「使える」だけでなく、「検出できる」「倫理的に評価できる」「自己管理できる」といった複数の側面を含む。
これらの複合的なAIリテラシーが、実際の自己呈示戦略においてどの世代でより高いかは、実証的に確認する必要がある。
研究設計の要点——実証へのブリッジ
調査・実験・行動ログの混合法
この問いを実証的に検証するには、複数の研究手法を組み合わせた混合法が有効だ。横断的な質問紙調査（世代クォータを設けたオンライン調査、推奨n=1,200程度）では、自己意識・自己呈示戦術・生成AI利用度を同時測定する。
実験では、「生成AI利用可否」「評価主体（人間 vs AI）」「開示条件」を操作し、自己呈示成果物の質・受け手評価・状態自己意識への因果効果を推定する。行動ログ（14日間程度の日誌法）では、想起バイアスを緩和しながら実際のAI利用を捉える。
測定等価性の検証が前提
多母集団SEM（構造方程式モデリング）で世代比較を行う場合、尺度の**測定等価性（配置・弱・強不変性）**の検証が前提となる。等価性が成立しない場合、世代間の平均値比較は意味をなさないため、「不変性の確認→比較」という手順を研究設計の中心に据える必要がある。
まとめ——「誰の言葉で、誰に向けて」を問い直す時代
Z世代とミレニアル世代の自己呈示戦略の違いは、単なる「世代の好み」の差ではなく、育ったデジタル環境の構造・文脈崩壊への曝露・生成AIとの接触様式が複合的に絡み合った結果として理解できる。
生成AIは、自己呈示を「より洗練された印象最適化」へと向かわせる一方で、「言語化が苦手な人が自己表現できるようになる」という民主化的な側面も持つ。その分岐を決めるのは、利用目的・セルフ・モニタリングの強さ・開示に関する透明性規範——そして何より、「自分の言葉とは何か」という問い直しだ。
AI時代の自己呈示研究は、「誰が書いたか」だけでなく「何のために、誰に向けて」という問いを改めて中心に据えることを私たちに求めている。
コメント