生成AI (以下 GenAI) の進化と普及で、1 年前どころではなく、数週間前に比べて圧倒的にできることの範囲と量が増えてきました。生産性が上がったとかだけでなくて、計測可能な指標として会社の収益増加にも直結しています。
「これをみんな使うと、うちの会社いらなくなるやん?」
正直なところ、GenAI の進化と普及で、デジタル広告の運用業務、プログラミング開発業務などが陳腐化され、数年で怪しくなるかと思っていました。ChatGPT が一般公開されてから、大学の授業でも毎年、もう来年私たち(の会社) いないかも、と言い続けてきたが、まだ需要はありそう。
今回は、いま体感していることを 4 点に分けて、綴っていきます。
(1) 利用時間無制限の精神と時の部屋
(2) スーパーサイヤ人のバーゲンセール
(3) ジュボンズのパラドックス
(4) 魔法の油田採掘(1) 利用時間無制限の精神と時の部屋
GenAI の主導権は人間で、あくまでも人間が起点 (catalyst)
結局のところ、AIがどれほど進化しても、
- 「何のために、何を達成したいのか（Desire & Intent）」という意志と、
- 「的確な言語化（Logical Direction）」
だけは、人間にしかできません。
2026年の今の所は….. という条件付きで。
完全自律系AI (命令が不要、人間が主導権や起点にならないAI) がない今は 、的確なプロンプト、を送れるかどうかがポイント。
人間でいえば、的確に業務目標や計画をつくり、制約条件を整理し、優秀な部下たちに指示を出せるかどうかが重要。
その部下というのは、あらゆる学術•実業分野に秀でた Ph.D. 1000人くらいの知識と頭脳を併せ持ち、実装能力も速く、まあまあいい質の成果物を出してきてくれる。
「デジタル機器に慣れているから使える」とは限らない
大学や企業で授業や会議をしていて密かに思うのが、「今発したその疑問、そのままGeminiやChatGPTの入力窓に打てばいいのに」ということです。かつての「ググれよ」と同じ感覚です。
考えられる原因は、
- 検索能力の欠如と受動的な消費に特化: 「何をキーワードにすれば答えに辿り着けるか」という論理的な逆算ができず、SNSのハッシュタグや動画のレコメンドを眺めるだけの受動的な情報摂取に偏っている。
- プロンプトが書けない: 生成AIを使いこなすには、目的を構造化し、言語化する論理的思考力が不可欠です。しかし普段から思考や指示のトレーニングをしていないと、GenAIを目の前にしても、「何を聞けばいいかわからない」という知的なフリーズが起きる。 「いい感じにして」という曖昧な指示では、AIは平均的な回答しか返せません。何回か対話を繰り返すと高みの答えに辿り着くこともある。「いい感じ」の定義を明確にできることがポイントです。
逆に、ゴール設定と制約条件を論理的に設計できる「
言語化能力」を持つリーダー層は、1人で100人規模の仕事を回し、段違いのスピードとクオリティを叩き出す。「AIが仕事を奪う」と言われますが、実際には「AIに的確な指示を出せる一握りの人間に、仕事と成果が集中している」のが実態ではないだろうか。
今使っている用途
基本的には大規模言語モデル (LLM) の Gemini, Claude が主体。他にももっといろいろあるとは思うのだけど、これだけ使っているだけで1日終わります。クリエイティブ系とか、もっとしてみたいことはいろいろあり、結局自分がボトルネック化している⁉️
- コミュニケーション
典型的な使い方の一つかと思う。根幹の原稿を自分で作成。目的、行動、条件、期待成果物など、具体的な内容は全部書く。どうしても書き方が、アカデミック寄りに論文化してしまったり、ビジネスシーンには向いてない表現もあるので、専門家でなくてもわかりやすい表現を選んでもらり、尚且つ、ビジネスシーンでも対応できる表現に推敲してもらう。これだけでも1日数時間はセーブ。Email, Slack などでメッセージを送るのが本当に時間かかってもったえなかった。
次の段階は、返信内容の根幹をつくり必要資料をすでにあるツールから作ること。
- コーディング
コーディング自体は非常に苦手/向いてないのだが、嫌いではない。デジタル広告管理でも API 経由で設定確認や統計取得をしてきていて、手作業では時間がかかることを 1 秒くらいで終わるし、何回も実行できる。API ドキュメントを読んで、追加機能を作っていくとか、毎回毎回時間がかかっていて、「これしたい」と思ってから実装できるまで 2-3 日かかることも珍しくなかった。この辺の作業が、5~10 分くらいで一つの機能/スクリプトを実装して、すぐに業務で使えるようになったのが非常にでかい。1日で複数の機能追加とかが平気でできるようになり、楽になったと思いきや落とし穴もあり（後述）。
公式ドキュメントが充実していないAPI やライブラリでも、実装が楽になったのもでかい。レビューは大変だけど、「こうやって書けばいいんだな」という新しい知見が増える。慣れすぎると、後でこまるかもしれんが。Graph API とかマジでわかりにくかったのだけど、「こんな技術仕様でできるか」と聞いたら「できます」と実装できるのも頼もしい。
- 取引の統計処理と評価と相談役
パータン認識、最適化計算、無次元化変数の構築、Repaintingの問題処理、読むのに一生どころでは済まない量の非構造化データからの知見収集やノウハウの享受、TOS のデバッグやスクリプト構築など。全部で 20-50 年はかかるボリュームを 4-6 週間くらいで完了させました (利用時間無制限の「精神と時の部屋」)。領域を超えて、流体力学、心理学、政治経済、コーディング (Python, TOS) の専門家を束ねる有能なキャディーがいる感じ。
- アカウントの監査 (Account Audit)
デジタル広告アカウントの管理は、基本専門家（人）で行います。が、やはり規模が大きくなってきたりすると、見逃しが発生したり、今まで知らなかった異常値 (anomalies) の発見に役立ちます。キーワードや検索語句を全網羅してチェック、アカウント状態、クリエイティブの一覧作成してレビュー、品質スコアを高めるための施策とか、結構時間がかかって手作業ではしんどい作業も楽になりました。そもそもアカウント毎、キャンペーン毎に、キーワードレポートをとってくるだけで作業が大変で、ターミナルからだと 数秒で複数アカウント分、キャンペーン別に分割してとってこれたり、これだけでも分析に使えるエネルギー量が 10 倍に増えました。
- ランニングのメニュー作り
これは仕事ではないのだけど、年間目標、直近の目標、レースの履歴、トレーニングの履歴、怪我の履歴、などなどの条件と目標を定義し、日々のログを入れながら、明日、来週、直近 4-6 週間、年間のトレーニング内容を作成する。基本的に、したいことは自分の頭の中で明確にあり、それを微調整してもらう役割になります。
例えば、400m x 12 本をするときに、設定ペースは 84 秒がいいと思うのだけど、怪我の状態を考慮するとどうか? とか、600m, 1000m x 5 の方がいいんじゃないかとか、ITBS のためには小刻みな分割の方がよいので、いまは 400m の方がおすすめだ、とか。tempo走は 3000m x 3 を、4 本したり、4000m x 2 にしたらどうかは、7000m ~ 10000m を連続した方が LT ペースを引き上げるのに役立つので、連続した方がいいぞ、とか。そもそも E ペースが速すぎで故障した原因と対策調査とか。具体的な細かい事実、拘束条件とゴールを決めると、最適化計算しやすいようです。
他にやりたいのは定期レポートを 90% くらいの進行度合いで Google Slide API で作る。図表の出力はすでに定期のルールベースの動作を自動で行っているのだけど、ドキュメントそのものを作り、パフォーマンス評価や講評、次の施策案を作るのに労力を集中できるようにしたい。
(2) スーパーサイヤ人のバーゲンセール
AIツールによって平均点が底上げされたため、かつての経験値が高い人の仕事が、誰でもできやすい仕事に格下げされました。
まだまだ全部が然りではないけど、端的に表現するとそういう感じ。
平均点の底上げでエントリーレベルの仕事のレベルがあがって、基準がインフレする。
これが仕事を”奪われる”と言われるポイントかと。
- 議事録の作成
- リサーチの初期段階調査
- 定型コード作成
- 翻訳の下訳
- 広告文の素案作成
かつてはインターン、アルバイト、新入社員、未経験者など、エントリーレベルの仕事が、GenAI などに置き換わっている。やっかいなのが、これらは AI の最も得意な領域。
月額利用料金20ドル程度のAIが、新人の100倍の速さで、かつ文句も言わずにこなします。Vertex API へ非同期処理させると、複雑なタスクを数十件こなすのも(体感）数分でできる。
それよりもすごいのは、疲労しないので、稼働時間が長くなってもパフォーマンスが一定している。
労基違反もありません。
土日も関係なし。昼夜関係なし。
したがって、雇い主側の考え方では、教えるコストを払ってまで、いろいろな規則•倫理を考慮してまで、新人を雇う理由が減ってきたのではないでしょうか。
GenAIという超優秀なアシスタントを最初から使いこなせる、即戦力のマネージャー (司令塔) だけを欲しがるようになっているのではと思います。
私の感覚としては仕事はめちゃくちゃある。あるのだけど、採用基準のインフレが起こり始めている。ちょっとできるだけだとダメで、入社の時点で GenAI ツールを使えて数人分のタスクを、経験者並みかそれ以上のクオリティで仕上げてくれることが期待されていると思う。結局、プロンプトは人が書いて送信しなければならないので、その作業はやはり人が必要です。
言い換えると、最初からかつてのシニアレベル複数人の仕事をすることが求められる。
今の大卒に求められているのは、単に知識ではなく、GenAIという100人の部下を指揮して、初日からシニアレベルのアウトプットを出す能力。
石器時代 (21世紀初頭)では「Word / Excelが使える」で通用したのが、今はAIを駆使してデータ構造を設計し、統計的な洞察を引き出し、自動化スキームまで構築できることがスタートライン。
極端には書いているけど、イメージとしてはそんな感じ。
バリバリ勉強して基礎学力（自分の知らないこと以上のことは聞けない）、論理的思考力、判断力、計画力など、よりリーダーシップを求められる学習や成長が人に求められているのかもしれません。
これから起きてくるのは、エントリーレベルの縮小、平均点のインフレと、ピンキリの差の拡大です。二極化がどんどん進むような気がする。
スーパーサイヤ人のバーゲンセール
ここまでのことをまとめると、”
スーパーサイヤ人のバーゲンセール” になっている。
(原作40巻・第472話)
伝説だったはずのスーパーサイヤ人（戦闘力50倍) が、誰でも、子供でもできるようになってしまった。
Gen AIという変身能力（倍率）が民主化 (commodity) されたことで、誰でも超越したパフォーマンスを発揮できる可能性がでてきた。これは逆に、変身前の素の戦闘力、基本状態の差が、最終的なインパクトの差になるかもしれません。
掛け算の法則
AIによる生産性の向上を数式化すると、まさに以下のようになります。
[Output] = [Base Power] × [AI Multiplier]
- 基本状態の力 (Base Power): 読解力、論理的思考、専門知識、美学、問題発見能力。
- AI倍率 (AI Multiplier): プロンプト、ツール活用、自動化スキーム。ツールの組み合わせ、選び方で 100 倍、150 倍になる。
AI Multiplier（50倍）が誰にでも手に入るようになったため、最終的な出力差は「変身前の素の戦闘力（Base Power）」に依存する。
AIで便利になったからこそ、人間自身が絶えず修行を続け、基礎学力や思考力を高め続けなければならないというパラドックスが起きている。結局、ドラゴンボールでも修行を続けた主役らが最後まで強かったし、どんどんライバル•敵も強くなった (物語を面白くするための設定でもあるが…)。
GenAI で便利に楽になった。
けども、技術進化を享受し続けるため、競争を勝ち抜くため、逆に絶えず修行を続け、磨き続ける必要があります。
(3) ジュボンズのパラドックス (Jevons Paradox)
GenAI を本格的に使い始めて、最初は楽だなぁ、いいなぁと連呼していましたが、なんだかんだ仕事量が増えて、家には寝に帰るだけの生活に逆戻り。猛烈に忙しくなりました。
これは、経済学でいう
「ジェボンズのパラドックス」(Jevons Paradox) と呼ばれるそう。
効率性が向上すると、資源の消費が減るどころか、逆に需要が増大する現象。
1ヶ月かかっていた実装が1日で終わるなら、空いた 29 日間を休んですごせばいいのだけど、そうもいかない。
これまで不可能だった難易度の高いタスクを 30 個詰め込めてしまう。
僕の場合、実装自体に新技術が必要で実現可能かどうかの検証は不要で、ドキュメントを読み、時間をかければできるタイプのものが多い。あと、ドキュメントが整備されていないライブラリ、API だと実装ペースがさらに遅くなる。TOS, GraphAPI など、なんだかいろいろ抜けてたり、読むのが萎える系のものは特に遅い。
その辺のボトルネックが解消されるので、どんどん進行させられる。
どんどん先に進めるから、
連続ドラマを見るような感覚で、一気に全部見てしまって疲れるような感覚に近い。
また新しい知識がどんどん入ってくるので、
脳自体も疲労する。
明日も早く起きて実装の続き、資料作成、調査の続きをしたいから、
遠足前の子供状態で寝つきが悪い。
どこかで今日はここまで、
ファミコンは1日 30 分までみたいな制限を設けないと、どんどん仕事を進めてしまって永久に帰宅できなくなるリスクがあります。
※現在このパラドックスに直結している、やらかしている失敗としては、ターミナル上で動かすことが前提のものばかりつくり、そもそも CLI に慣れていないと使えず、仕事が自分に集中してしまっているところ。これは GUI を作るなどして対応かも。
構想の限界が出力の限界
多忙を極めている理由をまとめると、実装の限界が消えたことで、
人間の構想の限界がそのまま仕事の境界線になる。
(技術や科学の最先端を突き詰める活動をしているわけではないので、あくまでも実業•ビジネスでの点においてです。)
- 以前:やりたいけれど、コードを書く時間（物理的限界）がないから諦める、後回し。優秀な人を雇うにも、費用対効果的に厳しい。
- 現在: アイデアが浮かんだ瞬間、AIによって実装の目処が立ってしまう。レビューは大変だけど、労力は 100 分の 1。
- 結果: 自分の脳が思いつく限りのタスクをすべて並列で走らせることが可能になり、クリエイティビティのフルスロットル状態が続く。
むしろ複数人で、いろいろアイディアを出し合いながら、仕様を決めたり、プロンプトを作るとすごくいいと思うので、ここでも優秀なチームメンバーを揃えるのが AI Multiplier をフル活用するポイント。
一人では限界があったり、偏りも発生しかねない。AI 時代にこそ、チーム大事です。
これ、機械が完全自動、意識や意志を持ち始めたら、世界の発展のためのボトルネックがもしかして人間と判断されかねないと思った🧐。
(4) 魔法の油田採掘
Gemini, ChatGPT などが従来の検索と違うのは、魔法の油田採掘と化している点。
検索 (地表の水たまり) から、生成（深層のマントル) へ到達
検索エンジンが地表にある水たまり（Webページ）をすくう作業だったのに対し、GenAIは、地殻を突き抜けて深層にある情報のマントル（特に膨大な非構造化データ）に直接アクセスし、さらにそれを精製して送り届けてくれるパイプラインそのもの。
検索時代は、目当ての油田を当てるまで、キーワードを変えながら何度も掘り直す必要がありました。
しかし GenAI は、適当な場所、油が眠っている近しい場所から掘り始めても、瞬時に油が湧き出す。さらに、そこから近郊の油田も一緒に掘り起こして、トータルでは考えられないボリュームをもたらす。そこから、自動的に精製もしてくれるので、すぐにパイプラインに流し込んで目的地へ送り出すことができるという優れもの。
キーワードだけで探索できる範囲は、主にキーワードの言語に対応したWebページだけだった。いまの Gen AI は動画の内容、普段は (少なくとも僕は) 読まない SEC や銀行の公式文書、政府の公式文書など、オンラインに存在するあらゆる情報を深く広く掘り下げられるため、人間の叡智に、ユーザーの想像力次第でいかようにもアクセスできる点が革命的です。人間としてはあまり読みたくない、膨大な非構造化データの内容に瞬時にアクセスできるのがすごい。これを人力ですると 50 ~ 100 年、一生や人類の人文明分の時間をかけても無理なボリュームです。
言い換えると GenAI は、
垂直堀と水平掘りと同時進行していて、
クロスドメイン（領域横断）な統合能力に優れている。
垂直掘り
難解なSEC（米証券取引委員会）の年次報告書や政府のホワイトペーパーを、数万ページにわたって瞬時に解読する深さ。
こんなの素では読みたくない。
水平掘り
全く別の異分野（例えば歴史、哲学、心理学、統計学、最先端のプログラミング、最新の政治経済時事）の知見を、その報告書の内容と照らし合わせて、新しい洞察を生み出す広さ。
ここにまた
言語の壁がない (はずの仕様)。実は英語ではウェブ上に存在しないがスワヒリ語なら存在するとか、ドイツ語の哲学書の内容とか、領域横断 + 言語横断も問題ない。
ユーザーの母国語が何であれ、人間の教養と思考次第で、世界中の叡智の総量を自分のものにできるようになった。
唯一の採掘許可証は想像力
この巨大な油田を掘り当てるためのドリルの先端は、プロンプトの質そのもの。
そもそもドリルという扱いにくい重機でなくて、ストローかも❓
指揮官である人間の役割というのは、どの条件で、どんな目的で掘らせるのか。
人類が膨大な時間をかけて積み上げてきた知識の塊は、決して一部の限られた人だけのものではなく、想像力や探究心を持つすべての人に開かれている。
誰もが自分の意志で、これまでの限界を超えた未知の領域へ自由に切り拓いていける。そんな信じられない時代が、今まさに始まっているのだと思います。
一年後、どのように変化しているか興味津々。
----- ----- ----- ----- ----- ----- ----- ----- -----
※ この文章は Gemini を利用し作成しています。プロンプトの起点や原文は私が作成し、石油採掘、バーゲンセール、通常状態の戦闘力強化が不可欠な点 (一層の勉強が必要な点) など、コアな部分は私自身がプロンプトに「例えて言うならこういうことよね」という感じに組み込んでいます。Gemini は文章の校正、それってジュボンズのパラドックスだよねとか、油田の例え、ストローの例えなど、理解を助けるワードを当てはめてくれました。
※ 冒頭の挿絵の prompt: 'Abstract conceptual art. Cinematic wide shot. A massive, sophisticated industrial drilling rig labeled "GEN AI," is punching through the complex deep deep deep multiple layers of a digital landscape. Below the ground, it has tapped into a glowing, multi-colored, flowing ocean of digital data (Intelligence Oil), labeled with words like "SEC," "GOVERNMENT REPORTS" "GLOBAL KNOWLEDGE" in various languages. Above ground, a single human figure, representing the "IMAGINATION," directs the entire operation from a realistic command post, wearing casual short-sleeve polo and chino pants. A clean, professional line art illustration. blue scale color.'
