楠木建のレビュー一覧
-
-
Posted by ブクログ
『Hidden Potential』を読んで最も印象に残ったのは、人の可能性を決めるのは、現在の才能ではなく、成長し続けるための「性格スキル」であるということだ。
成長するために必要なのは、まず「自分にとって最適だ」と信じている方法を捨てる勇気。そして、心の準備が整う前に挑戦の場へ飛び込む勇気。さらに、誰よりも多くの失敗を経験する勇気だ。
人は不快な経験をすることで成長する。だからこそ、居心地の悪さを避けるのではなく、むしろ**「不快感を味わうこと」を目標にしてもいい**。失敗を恐れず、失敗の数を増やすほど、失敗への恐怖は小さくなり、進歩は速くなる。
そのためには「人間スポンジ」のように、常に吸収し、適応していく姿勢も重要だ。自分のやり方に固執せず、新しい知識や言葉、異なる価値観を積極的に吸収する。成長とは、努力量だけではなく、どれだけ学び、変われるかなのだと思う。
一方で、完璧主義は成長の妨げにもなる。細部にこだわりすぎて「木を見て森を見ず」になってはいけない。完璧な答えを出してから動くのではなく、まず終わらせ、動きながら改善する。必要なのは完璧な地図ではなく、大体の方向がわかるコンパスなのだ。
また、成長には必ず停滞がある。閉塞状態は失敗のサインではなく、方向転換を促す合図かもしれない。ブレイクスルーに見える成功も、実際には小さな成功の積み重ねである。進歩は瞬間的には見えず、長い時間をかけて初めて実感できるものなのだ。
そして、人の可能性は一人の努力だけで開花するものでもない。人は、所属する集団から期待され、自分が必要とされていると感じたときに驚くほど強くなる。だからこそ、**「あなたを信じてくれる人を信じる」**こと。そして、自分自身も他者の可能性を信じ、その力を引き出せる人になりたい。
チームにおいても、最も優秀な人を集めればいいわけではない。重要なのは、心理的安全性をつくり、皆の意見を引き出し、集合知を生み出すこと。その意味で、リーダーに必要なのは、最も多く話す能力ではなく、最もよく聴き、他者の力を引き出す能力なのだと思う。
本書を通じて改めて感じたのは、才能はスタート地点を決めるが、ゴールを決めるのは性格であるということ。
先天的な才能だけで人生が決まるわけではない。学び続ける姿勢、挑戦する勇気、不快感を受け入れる力、失敗から立ち直る力、そして何のために努力するのかという意義。
そうした性格スキルを磨き続けることで、まだ自分自身にも見えていない可能性が開いていく。
「今の自分に何ができるか」ではなく、「これから自分はどこまで成長できるか」。
この視点を持ち続けたいと思わせてくれる一冊だった。 -
-
-
-
Posted by ブクログ
流石の山口周さん＆楠木建さん。非常に楽しく読ませていただいた1冊。
以下印象的だった表現・視点だけメモ。
●スキルのデフレとセンスのインフレの加速
産業革命以降（正確にはそれ以前から）の全ての技術（機械化、IT化、AI化）は人間がそれまで行ってきたことの外部化の歴史。より速く移動したいから車を生み出したわけで、”技術は人間を凌駕するか？”なんて議論は生じ得なかった。凌駕して当然であり、そうでないならわざわざ外部化なんてしない。その意味では昨今のAI恐怖論は
いささか奇妙/滑稽。
●知的生産では、スキルよりも「センス」が重要。スキルの多くはAIが担えるようになるが生成AIは「アジェンダ設定」や「仮説構築」が不得意で、そこに人間のセンスが必要になる。スキルは分解のベクトル、センスは統合の視点。
●物理的・認知的 / 定型的・非定型的の4象限での労働整理/近代化の歴史
①物理的・定型 --->産業革命の本丸。蒸気/内燃機関によって外部化。勝利国：英国
②認知的・定型 ---> コンピュータ＆インターネット。勝利国：米国
③認知的・非定型--->目下のAI競争。米国or中国
④物理的・非定型---> ロボティクス/ヒューマノイドの世界
④は最後のフロンティアともいえる。イーロンマスク/孫さん中心に皆が注目している
背景。また、技術の世界では発明国（内燃機関なら英国）と育てる国（フォードを中心に自動車の大量生産は米国で確立）、そして成功する国（日本・ドイツ）が得てして異なることもあるため、日本としてのポジショニングが重要。
●需要の創出の重要性・それにはセンスが不可欠
技術の進展は多くの場合供給の加速（過剰・コスト低下）をもたらすが、それ自体は
経済の成長ドライバーとしては必要条件。産業革命により紡績が高速化されコスト低下をしたが、”擦り切れるまで同じ服を着る”という前提の社会では全く市場が拡張しなかった。そこに”モード”という考え方（流行。まだ着れるけど捨てる）”が到来したことがアパレル業の発展につながった。
●AIはスキルを陳腐化し提供コストを下げた。寧ろインフレしたのはセンス
センス≒統合。タスクを個別分解して処理することは一定”正しい”が個別最適化、
深堀することで全体が見えなくなる”ゲシュタルト崩壊”に陥る。
マッチングアプリが好例。年収・容姿・背格好などを定量的に扱うのはAIの得意領域だが、結果として”相性”という人間が5感を持って判断していた領域が損なわれマッチ率/Goal in率が低下したりもする。”全体の統合したView”はいまだに人間の得意技。洋服のセンスもそう。数値化できるものだけではない。
●仕事と作業
AIが奪うのは作業。AIが人間の仕事を奪う、と嘆く人はそもそも”仕事”をしていない.
仕事は結果責任を伴うが、逆を言えば手段や経過はどうでもいい。
●競争戦略：他者との”違い”をつくること
① betterである：納期が早い、品質がよい、などの特定の物差しで測れる違い
② different：物差しが存在しない違い。65%あたなより男性だ、なんて存在はいない
①は他社にとっても同じ基準のため模倣されやすく、優位性の賞味期限が短い。
②は”良いこと”と”良いこと”のどちらを取るかという話。戦略とは”外在的な基準がない状況で下すリスクを伴う意思決定”。
戦略は”場合によりけり”のはず。絶対的な正解があるなら皆、そこに集中する訳で、
もはや戦略にならない。マネジメントも同じ。Context Leadershipそのもの。
●バカと間抜け
バカはalwaysバカ。スキルの欠如。
間抜けはまさに間が悪い。効果的に動けないセンスの欠如。
--> 場数が重要。センスはSensingが語源。周囲を敏感に感じ取り当意即妙に振舞う.
AIに依存し切ると外部との生身のやり取りが減少することへの警鐘。
●AIによるスライド制作＝点の情報の羅列で繋がり/ストーリーがない
意外性がなく納得できること : 従来通り What --- Why--- Howのフレームで構成すれば
よい。一方で当人にとって意外性が高く受け入れがたいことを説明するには、いきなりWhatではなくWhyで積み上げて理解の土壌を作るべき。
”評価しているけど左遷しなければいけない / 離婚を切り出す”時をイメージ。
この辺のスライド間の繋がりや、相手の脳の動きを踏まえた再構成はAIにはまだできない。
逆に言えば、意外性もなく、当然納得できるような領域は（情報としての価値も低い
ので）AIに作らせればよい。
●スキル偏重・センス軽視
スキルに飛びつく群衆。ただいくらスキルにフォーカスしても、200km投げれるピッチャーなんて居るわけもなく、結局は配給（センス）がモノをいうことが多い。
●AIの回答は陳腐。プロの仕事の価値は”中央値からの乖離”にこそある
意外性がありかつ納得感がある、というような”その人が言わなければ誰も思いつかなったような視点”にこそ価値がある。
-->激しく同感。この敢えての乖離（position取り）ができない人間の価値は確実に
減少していく世の中（別にAI時代に限らないけれど）。
●人を評価する際に軸を加える
仕事ができる・できないで2分してしまっては多くのひとが救われなくなってしまうし
仕事ができることはセンスにも大きく依存するから辛い。
ただそこに例えば教養（＝一定の努力で身につくスキル）の有無を軸として加えれば
仕事はできないけど教養がある vs 仕事はできるが教養なし、の挽回のチャンスが出てくる。
●これからの知的生産では、人間の理解力が律速となる（byアンドレイ・カーバシー
理解負債（Comprehension Debt）が課題に。
”ロジックは不明だが、どうやら無事にテストも通るし動作するコード”。
技術的負債は、設計が間違っている・バグがあるなど問題の所在はモノ（コード）に
あるが、理解負債は人間の側に蓄積していく・多くの場合負債が溜まっていることに
気づかなくなっている。
■技術領域では、こうした理解負債は、
①障害時に原因がわからない/どこを直せばいいか分からない（人間がコード開発の
文脈を捉え切れていないので）
② フランケンシュタイン化、と呼ばれるアーキテクチャの崩壊。個々の機能や関数は
正しく動いているものの、システム全体を俯瞰した設計の意図（e.g.なぜこのファイル構成なのか）を分かっている人がいなくなり、少しの仕様変更でシステム全体が破綻しやすくなる。
③エンジニアのスキル低下。AI作成物を無批判に採用することでシステムへの理解が
減退していく。
--->理解こそが思考の原点。そこで負債が蓄積することは局所的・場当たり的な判断
（＝スキルで置換可能）に重心が移り、全体最適なセンスの領域を毀損し得る。
■ビジネス側で言えば、
①概念の理解負債：DXや心理的安全性など、厳密には理解も腹落ちもしていない概念を皆が使うから・なんだかイケているからという理由で使っている状態
②構造の理解負債：なぜこういう仕組みなのか、なぜこういう結果が出るのかという因果関係や全体構造を分かっていないままに、”これまでそうやってやってきたから・それでとりあえず動いているから”という思考停止に陥り考えを深められない状態
③文脈の理解負債：なぜこの組織改編を行っているのか、このプロセスを続けている
のか、という過去の経緯や背景といったコンテキストを踏まえず表層の事象だけが共有・伝達されている状態。
●戦前の日本は終身雇用どころか米国よりも雇用の流動性が高かったという事実。
”日本的経営”なんて100年すら歴史のない概念。
● コンサル提案：広さか深さで勝つしかない。
クライアントが既に”持っている情報”を提供しても価値がないので、その”外側”を
追及する必要あり。広さは”認識していなかった観点”だし、深さは”認識はしていた
が理解の深度をより深める、構造をより詳らかにする”こと。
--->提案の際に、今回はどちらで勝とうとしているの？という会話が良くある。
● 儲かるビジネスは”たこやき”
たこ焼きは表面がかりっと焼けていて、なかはドロッとしているからたこ焼きは
美味しい。価値を創るプロセス（内側）は複雑だが、顧客の知覚する価値（外側）
についてはシンプル、というのが重要。
典型例はトヨタ。舞台裏で動いてるトヨタ生産システムは極めて複雑なものであり
競合他社は容易には追随できないが、その複雑なシステムを総動員して最終的に
顧客に提供する価値は”燃費が良くて壊れない”というシンプルなもの。
逆は儲からない（シンプルな価値創造プロセスで、顧客が知覚する価値は複雑）
●規定演技と自由演技
平均からはみ出してポジションを取る意志を持つ。
●余談：知的生産≒ 慎重念入りな情報収集・思考
ヴァージン・アトランティックを創業した時のリチャード・ブランソンの調査方法
---> British Airwaysに予約電話を入れるだけ。結果は”いくら電話しても繋がらない
---> ①お客様からの予約がひっきりなし（＝市場が活況）か② British Airwaysが
電話を取るつもりがない（サービス品質の不備）
---> 参入を決断。
●情報の変換：レンズやプリズムを交換するイメージ。
情報をツリー図や図化して表現することはもちろん重要だし、基礎行動として
行うが、行き詰った時にはいっそレンズやプリズムを交換するイメージを持つ。
単色（白）だったものが7色に分解して大きく見方がわかることもある。 -
-
-
-
Posted by ブクログ
ここ最近読んだビジネス本の中で最も感銘を受けた本でした。生成AIを使う事が前提になる世の中で、知的生産業で第一線を走るお二方の対談本は非常に示唆に富む内容です。
中央値を出力する生成AIにはない「外れ値」を如何に生み出し、納得感を持って相手に伝えるか。
普段からのインプットの質を高めて、それを材料に落とし込む思考を繰り返して、対面で人と対峙してセンスを磨き続けること。
思考経路を成す、横の糸(対概念)と縦の糸(抽象と具体の往復運動)の2軸の整理も、非常に納得感があって面白かったですね。
自分が面白い仕事や思考は生成AIには委ねない、つまらないと感じる作業は委ねる。
結構ロジカルな部分はありますが、結局自分が感じる感情に忠実に沿う事が、知的生産にとってプラスに働く事は確かにその通りですね。
時間をおいてもう一回読み直したい良書でした。 -
Posted by ブクログ
章見出しも多く読みやすいが、見出しの問いかけが解決されないことも多い。
例えば、「批判的に考察し建設的に論じる力の伸ばし方」という見出し、私は批判的に考察することが得意だが建設的な議論ができず場を見出してしまうのでこの見出しには大いに期待した。
内容は子どもたちに必要なのはアンラーニング、問題について多角的な視点で考え建設的に論じるスキルを身につけることな重要、最近の傾向ではファクトチェッカーの様に考えることを教える。とあり短めのエピソードで終わる。建設的な議論をするスキルはどこにあっただろうか。これができないから困っているし、不要な衝突になるだけの批判も避けることがあるのに…！
とはいえ、思考が凝り固まった自分には、日々の考え方や感じ方を再考するヒントや問いかけがあった。少なくとも、来週からの仕事で考えたり判断する場面になったら過去の自分の信念や考え方にとらわれず色々な可能性に手が伸ばせるようになりたいと感じた。
長くて読み飛ばした所も多いのでまた読みたい。 -
-
-
Posted by ブクログ
知的生産のセンスのあるなし=「タグ」の有無
知的生産のセンスとは何か？
核になるのは「タグ」を持っているかいないかだ。
タグというのは、自分が興味関心を持っているテーマやコンセプトで、そのタグが情報収集の時のフィルターになるもの。色眼鏡みたいなものかもしれない。
例えば楠木さんは「オポチュニティとクオリティ」というタグがあるそう。これはビジネス経営のスタイルで、前者の代表がチャンス追及型の孫正義さん、後者がブランディング重視の柳井正さんが引っかかるようで、そのタグをコアとして見聞きした話や読んだ本の情報がスルスル出てきている姿が印象的だった。特に孫さんが大損したオフィスビジネスを、柳井さんは全然わからないと言っていた話が印象的。どっちがいい、という話ではないのに注意ですが
こういうタグを持っていれば、そのタグに引っかからない情報は多少面白くても捨てて身軽でいられる。あとタグは自分の興味関心が結晶したものなので、タグを意識していれば好奇心も刺激される。
タグ、つまり好奇心をギュッとまとめたコンセプトがあれば、情報はそれを支えるエビデンスとして「使える」ようになる、つまり知の生産手段になるということなんだろうな。
タグって多分概念の五感みたいなもの。第六感とも言えるかもしれない。 -
-
-
Posted by ブクログ
山口さんと楠木さんの対話形式で進んでいくため、お二人の考え方のプロセスが追えてとても良かった。
自分にはまだまだ噛み砕ききれない思考もたくさんあって、何度も読み直すことでその都度違う部分に反応するんだろうなと思う。
知的生産については「入力」「保存」「変換」「出力」の4つの要素があるが、今回は特に変換が重要だと感じた。
インプットしても思考が深まらなかったり論理が整っていなかったりするのは頭に入れたものを自分の中で噛み砕いてつなげようとする変換が上手くいっていないからなんだと思った。
うまく変換するには思考を縦と横で行き来することが重要。
縦というのは「具体と抽象」。ある考えを深めるときに具体例を出して考えてみる。それを抽象化するとどうなるか整理することでクリアになる。
横というのは「対の考え」。自分の論点と逆の論点は何かを考え、それを批判することで自分の考えをクリアにする。
まずはこの縦と横のプロセスを踏んでみようと思う。
アウトプットに関しては、自分がやりたいことだけではなくて、需要側の求めていることに注意を向けることも必要。 -
Posted by ブクログ
ネタバレ『知的生産のセンス』統合レポート
生成AI時代に、人間の価値はどこへ移るのか
0｜エグゼクティブサマリー
『知的生産のセンス』の議論を、今回共有いただいた範囲全体から一本の論理として整理すると、核心は次のようにまとめられます。
生成AIによって「つくる能力」は急速にコモディティ化する。だからこそ、人間の価値は「何をつくるか」「何を選び、何を捨てるか」「相手にウケているか」「最後にどこまで凝るか」という、上流の判断と下流の感覚へ移る。
AIは、情報収集、分析、整理、翻訳、文章作成、資料化といった知的生産の供給能力を劇的に高めます。しかし供給能力が増えても、需要まで自動的に増えるわけではありません。むしろ大量の知的成果物が生成されるほど、「何が本当に求められているのか」を見抜く力が希少になります。
その結果、知的生産の競争力は、スキルからセンスへ、OutputからAgendaへ、BetterからDifferentへ、正解探しから意思決定へ移っていきます。
本書における「センス」は単なる直感ではありません。自分の価値基準を持ち、仮説を立て、現実にぶつけ、反応を読み、修正し、さらに細部を磨く。その反復によって形成される、文脈依存の高速な判断能力だと理解できます。
⸻
1｜生成AIが生み出す「需給ギャップ」
技術の発展には、それまで人間が担っていた作業を外部化する作用があります。生成AIもその延長線上にあり、知的生産の供給量を飛躍的に増加させます。
文章を書く、要約する、調査する、翻訳する、データを分析する、スライドをつくる。これまで一定の訓練を必要としていた行為が、AIによって短時間・低コストで実行できるようになります。
しかし、ここに大きな非対称性があります。
供給はAIによって増やせるが、需要はAIによって同じようには増やせない。
誰も欲しくないレポートを100倍速く作っても、価値は生まれません。生産性向上と価値創造は別問題です。
そのため、AI時代の競争では、
「こんなことができます」
という供給側の能力よりも、
「誰が、何を欲しているのか」
を見抜く需要側の能力が重要になります。
これは衣服の大量生産とファッションデザイナーの関係にも似ています。衣服を作る能力が一般化すると、「何を着たいと思わせるか」を考える仕事の価値が高まった。同じことが知的生産にも起こるというのが、本書の基本認識です。
⸻
2｜「スキルのデフレ」と「センスのインフレ」
生成AIは、従来「人間のスキル」とされてきた領域を急速に外部化します。
語学、文章力、情報整理、分析、プレゼンテーション作成など、「できること」自体の希少価値は低下していきます。
本書では、この現象をスキルのデフレとして捉えています。
一方で重要性が高まるのが「センス」です。
スキルが、
「どうやればできるか」
に関する能力だとすれば、センスは、
「そもそも何をやるべきか」
「どれを選ぶべきか」
「何に価値があるのか」
を判断する能力です。
AIが「How」を強力に支援するほど、人間には「What」「Why」の比重が高まります。
⸻
3｜知的生産のボトルネックは上流へ移動する
知的生産は、おおむね次のような流れで進みます。
工程主な問いAIの有効性
アジェンダ設定何を問うのか低い
仮説構築何が起きていると考えるか部分的
情報収集何を調べるか高い
分析・統合情報から何が言えるか高い
出力どう表現するか非常に高い
AIは知的生産の後工程ほど強力です。
そのため、従来は「調べる」「分析する」「書く」ことがボトルネックだったものが、AI時代には、
「そもそも何を問うのか」
へ移ります。
つまり、AIによって知的生産能力が均質化するほど、アジェンダ設定と仮説形成の差が最終成果の差になるということです。
⸻
4｜戦略とは「外在的な正解がない中で決めること」
この議論は、そのまま戦略論につながります。
生成AIに条件を与えれば、多数の戦略オプションを提示させることはできます。
しかし、
「その中のどれが最善か」
という問いをAIに委ねることには本質的な限界があります。
なぜなら戦略とは、客観的な採点基準によって唯一の正解を選ぶ行為ではないからです。
戦略的意思決定とは、
外在的な正解が存在しない状況で、リスクを引き受けて選択すること
です。
Aにも一理ある。Bにも一理ある。それでも、どちらかを選ばなければならない。
この場面で必要なのが「センス」です。
⸻
5｜BetterではなくDifferent
競争における違いには、大きく二種類あります。
一つはBetterです。
品質が高い、速い、安い、性能が良い。共通の物差しで比較できる違いです。
しかしBetterは、競合も同じ方向へ努力できます。そのため、優位性が生まれても追いつかれやすい。
もう一つがDifferentです。
そもそも違う市場を選ぶ、違う価値を提供する、違うポジションを取る。
こちらは一つの尺度で「どちらが上か」を測れません。
本書が戦略の本質として重視しているのはこちらです。
戦略とは、より良くなることではなく、異なる存在になること。
生成AIは既存情報のパターンから「最も妥当そうな答え」を生成するため、放置すると平均や中央値へ向かいます。
だからこそ、Differentをつくる最終判断は、人間側に残ります。
⸻
6｜戦略とは「何をしないか」を決めること
北へ行くと決めることは、単に北を選択するだけではありません。
南、東、西へは行かないと決めることでもあります。
したがって戦略の本質は、
「何をするか」以上に「何をしないか」
に表れます。
企業のニュースを見れば、「新製品を出した」「新市場に参入した」といった、存在するものは分かります。
しかし、その企業が、
何をやめたのか
どこに参入しなかったのか
何を意図的に捨てたのか
までは見えにくい。
実はそこに戦略の輪郭があります。
戦略とは足し算ではなく、選択と排除です。
⸻
7｜「仮説が先、AIが後」
本書のAI活用論を最も端的に表す原則の一つが、
仮説が先、AIが後
です。
AIに「正解を教えてもらう」ことから始めるのではありません。
まず人間が、
「こうではないか」
という仮説を持つ。
そのうえでAIを使って、
情報を集める、反証する、類似事例を探す、補強する、整理する。
したがって役割分担は、
人間：Agenda・Hypothesis・Criteria・Decision
AI：Search・Analysis・Production
と整理できます。
AIは思考を代替するものではなく、人間の仮説検証能力を拡張する装置として使うべきだという考え方です。
⸻
8｜教養とは「自分の価値基準を持つこと」
では、外在的な正解がないとき、何を基準に判断するのか。
ここで登場するのが「教養」です。
本書における教養は、単なる知識量ではありません。
たくさんの本を読んでいる、歴史に詳しい、芸術を知っている、というだけではない。
自分自身の価値基準を持ち、それに基づいて考え、判断し、行動できること。
これが教養です。
「なぜ、その選択をしたのですか」と聞かれたとき、
「AIがそう言ったから」
「みんながそうしているから」
「上司に言われたから」
ではなく、
「私はこう考えたから」
と説明できるかどうか。
そこに自由と教養があります。
⸻
9｜AIは「博覧強記だが無教養」
AIは膨大な知識を持っています。
しかし、
何を大切にするのか
何を目指すのか
何を捨てるのか
という固有の価値基準や信念を持つわけではありません。
この意味で本書では、AIを「博覧強記だが無教養」と表現します。
さらに強い比喩として、AIを「知的奴隷」として使うという表現も登場します。
ここで言いたいのは、人間が主人でAIが低級だということではありません。
重要なのは、
目的を誰が決めるのか
です。
目的、価値基準、最終判断は人間。
その目的達成の手段としてAIを使う。
この主客関係を逆転させないことが重要だという議論です。
⸻
10｜AIとの役割分担は「得意不得意」より「好き嫌い」
さらに本書は、AIとの分業を能力比較だけで考えることにも疑問を投げかけます。
基準は非常にシンプルです。
嫌で、やりたくないことはAIへ。
好きで、自然とやってしまうことは自分へ。
同じ仕事でも、人によって意味が違います。
文章校正が面倒な人もいれば、文章を推敲して少しずつ良くすること自体が楽しい人もいる。
ファッションが好きな人にとって、「どの服が似合うか」と悩む時間は非効率ではなく、価値そのものです。
そのプロセスをAIに外部化すれば、効率は上がっても本人の効用は下がります。
したがって、
AI活用とは、すべてを効率化することではなく、自分が本当に楽しみたい知的生産に時間を戻すこと
だと整理できます。
⸻
11｜Concept・Direction・Productionを分ける
知的生産は、
Concept → Direction → Production
の三段階でも整理できます。
Conceptは「何をつくるか」。
Directionは「どういう方向性・構成にするか」。
Productionは「実際につくる作業」です。
ただし、
「ConceptとDirectionは人間、ProductionはAI」
と固定する必要はありません。
文章を書くこと自体が好きならProductionまで自分でやればよい。
逆に文章化だけが苦痛なら、その部分をAIに任せればよい。
つまり「作業」とは客観的な工程名ではなく、
その人にとって意味や喜びを感じない部分
だということです。
⸻
12｜知的生産の価値は「ウケるか」で決まる
ここから議論は供給側から需要側へ戻ります。
どれほどロジックが正しく、データが精緻でも、
相手に響かなければ価値はない。
BCGでの顧客向けプレゼンでも、最終的な評価基準は、
「ウケたか、ウケなかったか」
だったというエピソードが紹介されます。
「ウケる」とは単に笑わせることではありません。
相手が、
身を乗り出す、質問する、表情が変わる、行動したくなる。
こうした変化が起きることです。
したがって、知的生産の価値は作り手ではなく、需要側が決めることになります。
⸻
13｜「ロジックが正しい」は必要条件にすぎない
センスが乏しい人ほど、
「自分のロジックは正しい」
という主張に固執しがちです。
しかし論理的に正しいことと、相手に価値があることは同義ではありません。
知的生産には、
Logicだけでなく、RelevanceとResonance
が必要です。
相手に関係があるか。
相手に響いているか。
相手がスマートフォンを見始めた、表情が消えた、ページをめくり始めた。
その瞬間、
「この方向はウケていない」
と察知できることがセンスです。
⸻
14｜センスは「直接経験」と「場数」でつくられる
AIから情報は得られても、
* 相手の表情
* 声色
* 沈黙
* 場の緊張感
* 身体的な違和感
までは完全には代替できません。
だから直接経験が重要になります。
知的生産の学習サイクルは、
仮説を持つ → 世に出す → 相手の反応を見る → 外す → 修正する → 再び出す
という反復です。
この「ウケた／ウケなかった」の場数が蓄積されることで、
どこを掘れば相手が反応するのか
を瞬間的に察知できるようになります。
これがセンスの正体の一つです。
⸻
15｜価値と投入時間は一致しない
コンサルティングを例にすると、何カ月もの調査・分析に大量の工数を使う一方で、
最初の1時間で設定したアジェンダや仮説
が、最終価値の大部分を決めている場合があります。
つまり、
時間をかけた仕事ほど価値がある
とは限りません。
AIによって情報収集や分析の工数が圧縮されれば、タイムチャージ型の価値観はさらに揺らぎます。
一瞬で出された優れた仮説には、実は長年の経験や失敗、思考が圧縮されています。
価値ある一瞬は、それまでに積み重ねた人生の時間によってできている。
この観点が非常に重要です。
⸻
16｜「頑張る」より「凝る」
センスを磨く最後のキーワードが、
「頑張る」より「凝る」
です。
頑張るとは、時間や労力を増やすこと。
凝るとは、
細部の違和感を無視せず、最後の数点を詰めること
です。
90点を95点へ、95点を96点へ。
ここに一流の仕事の特徴があります。
AIによって誰でも80〜90点の成果物を作れる時代になれば、むしろ差が生まれるのは、
AIが作ったものを人間がどこまで磨き込めるか
という部分になります。
⸻
17｜文章・プレゼン・音楽に共通する「リズム」
「凝る」対象として重要なのが、リズムです。
文章であれば、
* 語彙
* 文の長短
* 語順
* 句読点
* 間
* テンポ
によって読み心地が大きく変わります。
プレゼンも、
何を言うか
だけではなく、
どの順番で、どのタイミングで、どこで止めるか
が重要です。
音楽も同じです。
知的生産には、論理では完全に説明できない「流れ」があります。
このリズムを自分の身体で感じ、何度も磨くことが、その人独自の文体や表現をつくります。
⸻
18｜統合すると「AI時代の知的生産ループ」はこうなる
今回の添付全体を統合すると、AI時代の知的生産は次のような循環として捉えられます。
Demand / Agenda
誰にどんな需要があり、何を問うのか
↓
Hypothesis
自分はどう考えるのか
↓
Choice / Trade-off
何を選び、何を捨てるのか
↓
AI Augmentation
情報収集・分析・制作をAIで高速化する
↓
Output
現実の相手にぶつける
↓
Feedback
ウケたか、ウケなかったかを見る
↓
Learning / Sense
反応から価値基準を更新する
↓
Refinement
違和感を手掛かりに細部まで「凝る」
↓
再び次のAgendaへ。
このループを何度も回すことで、センスが育ちます。
⸻
19｜本書全体を貫く対比
ここまでの内容は、いくつかの対比に圧縮できます。
供給能力 → 需要発見
Skill → Sense
How → What / Why
Output → Agenda
Better → Different
足し算 → 選択と排除
正解探し → 意思決定
AIに相談して決める → 仮説を持ってAIを使う
知識量 → 自分の価値基準
効率化 → 好きなプロセスへの集中
ロジックの正しさ → ウケるかどうか
間接情報 → 直接経験
努力量 → 凝り
平均品質 → 独自の文体・リズム
本書の主張は、この右側に競争力が移っていくということだと理解できます。
⸻
20｜最終結論
『知的生産のセンス』が示しているのは、単なる「生成AI活用術」ではありません。
むしろ問われているのは、
AIによって何でも作れる時代に、人間は何を自分の仕事として残すのか。
という問題です。
AIに任せるべきなのは、検索、整理、分析、制作といった、すでに方向性が決まった後の仕事です。
人間が手放すべきでないのは、
何を問うか。
何を欲しいと考えるか。
どんな仮説を持つか。
何を選び、何を捨てるか。
何を面白いと感じるか。
相手の反応をどう読むか。
最後にどこまで凝るか。
という領域です。
したがって、本書における「知的生産のセンス」は、次のように定義できます。
自分の価値基準を起点に問いと仮説をつくり、AIを使って高速に形にし、現実の反応から学び、細部まで磨き込みながら、他者とは異なる価値へ昇華する能力。
そして、AI時代に最も重要な原則を一文にするなら、
仮説が先、AIが後。アウトプットの後は現実を見て、最後は自分の違和感を信じて凝る。
これが、今回共有いただいた『知的生産のセンス』の内容全体を貫くメッセージだと整理できます。 -
Posted by ブクログ
ネタバレ名著
・利他に徹すればさらに恩恵を受ける
・テイカーはフェイスブックの写真がナルシスト、友達がやたら多い、傲慢
・うまく行けば他人を褒め、うまく行かないと責任を負う
・期待を抱けば成績が上がる
・人が才能を伸ばすのはやる気、つまりセンスとか言う概念は無い、天才とは継続する人
・有能だと思われていれば弱みを見せる事は効果あり
・他人に好かれる行動の一つがアドバイスを求める事
・１００時間が最もパワーが得られ、疲労感が少ない
★より多く与えればより多く稼ぐ、他人のために金を使うと幸福度が上がる
・テイカーと付き合うときはマッチャーになればいい -