あらすじ
白熱の対談録――二人の知性が示す「仕事の原理原則」
生成AIがスキルを代替する時代、人間の役割を問い直す
本書は、知的生産のプロセスである「入力（インプット）」「保存（ストレージ）」「変換（コンバージョン）」「出力（アウトプット）」の各段階における、両氏の思考と実践を紐解きます。
長年の試行錯誤を経てたどり着いた判断基準や原理原則を突き合わせ、「知的生産のセンス」の輪郭を浮き彫りにします。日々の仕事における具体的なアプローチからその哲学まで、余すところなく語り合います。
【目次】
はじめに――スキルのデフレとセンスのインフレ
序章 生成AI
生成AIを歴史の中に位置づける
需供ギャップ
「作業」と「仕事」
知的アウトプットの4象限
文脈の貧困
中央値と外れ値
第１章：入力（インプット）
リサーチはインプットのごく一部
本からのインプット
頭の中に「タグ」を持つ
自分の「土俵」を見極める
本の選び方
本の読み方
人からのインプット
偶然性
旅からのインプット
第２章：保存（ストレージ）
ストレージの趣味化
過剰在庫を回避する
シンプルなシステム
保存と検索性
人に伝えたくなる話
知的生産における「野生の思考」
在庫厳選の戦略
「教養」の誤解
第３章：変換（コンバージョン）
「解」よりも「理解」
基本動作としてのクリティーク
自分のポジションを取る
「面白い」とはどういうことか
思考の横糸：概念と対概念
思考の縦糸：具体と抽象の往復運動
「中央値から外れよう」とする意志
センスの集大成としての「芸風」
「規律」と「ゆとり」
客体化と身体化
第４章：出力（アウトプット）
アウトプットの価値
動機は自分、評価はお客
価値基準を手放さない
嫌なことはAIにやらせる
モーツァルトの知的生産
「発表」という本能
「受ける」か「受けない」か
「頑張る」より「凝る」
「ビートルズ・ストラテジー」
自分の模倣をしない
音楽のメタファー
おわりに――知的生産の民主化された先に
感情タグBEST3
Posted by ブクログ
我々が行っている知的生産、問題解決はどのように高めていくのか、どのステップを踏んでいるのか、がよく分かった。入力→保存→変換→出力、測定できるものは管理できる、ヒトラー、スターリン、馬券偽造師、仕事ができるとはどういうことか、今日は丸ごと１日空いている状態を作れ、アウトプットのディテールにこだわれ、等非常に参考になることが多くあった。
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
『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
読んで共感することの多いお二人の共著。
それぞれの過去の発言にリフレインされる部分が多くありながら、体系立てて整理できた。生成AIとの関わり方も、しっくりくるもの。
Posted by ブクログ
中盤ででてくる概念と対概念、具体と抽象という思考のマトリクスの話が面白かった。読み終えてから、チェックした箇所を読み返していると、序盤からそのフレームで話している所が多くて、本当にそうやって考えてるんだと実感した。
Posted by ブクログ
インターネットや生成AIなどのテクノロジーの進化により、"スキルのデフレとセンスのインフレ"が起こっている。
スキルは、本来的に"要素分解"へ向かうが、センスは、"統合"を向いている。だからこそ、スキルは生成AIに外部化されていく。
知的生産には、"非連続の中の連続"が求められる。単純に非連続で新奇なものとは違う。ここがセンス。
概念と対概念 × 具体と抽象 という思考の四象限がなるほど。
Posted by ブクログ
身体的反応の大切さを山口周が言及していたり、「何をインプットすべきかは先生から教わるべきではない」という教えを紹介していたり、共感するポイントも沢山あった。そして、「理解負債」という概念は初めて知った。紹介されている書籍を何冊か面白そうだと購入した。
読む価値はあったかなとは思うけど、これも、一種のハウツー本。ハウツーの部分はAIに取って代わられるだろうと言っている割には、結局は、「ハウツー」を求めている人のための本になっているような気がした。でも、そのためには、何をすればいいんだろう？と考えさせられるつくりにはなっている。
二人とも知識が豊富でよく考えているから、二人の対談は楽しく、お互いに刺激を受けるものだったに違いない。けれど、きっと、二人は自分たち自身、こういう種類の本を読みたいと思わないのではないか？
Posted by ブクログ
安定の山口本。
本の中にも出てきている「意外性と納得感」。まさに山口さんの本にはこれがある。
AIが平均を出す中で、この意外性を生み出せるようなセンスこそが人間の価値。
Posted by ブクログ
直近読んだ本の中でダントツ。楠木先生のなぜ本を読むのか理論を読んで、僕も一緒だな、と思った。それぞれのAIとの付き合い方、アウトプットとは、みたいな観点が少し違ってその違いが良かった。ハッとしてグッとくるアイデアって思いつくの難しいよなあ。
Posted by ブクログ
楠木建さんと山口周さんの対談形式の本。
二人の思考・実践を通して、「情報を価値にする知の工程」を紐解く。
序章の生成AIについては考えながら読んだので時間がかかったが、それ以降の「入力」「保存」「変換」「出力」はすんなり読めた。
知的生産では、スキルよりも「センス」が重要だという。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という。
お互いの質問も「それ、自分も知りたい」と思うものが多かった。
特に、AIがさらに増えていく未来を二人がどう見ているのか、それぞれの見解が参考になった。
Posted by ブクログ
今後はスキルと呼ばれてきたものの多くを生成AIが担う。
人間に残された知的センスはセンスへ集約されていく
仕事は結果責任を伴う→人間
作業は結果責任を伴わない→ AI
人と会って話す、人を見るということは、センスを磨くための基本中の基本
思考の五悪 怒り 恨み 妬み 悔やみ 悩み
情報のストック これは面白いな、人に話したいな
考える→対象を理解する
理解→物事の構造や因果を捉える新しい枠組みやフレームが自分の中に同時にできあがる、つまり自分自身が変容して、従前の自分とは同じでいられない
意外だけど、納得感がある ハッとしてグッと
仮説が先、AIが後
自分の中で、対話を起こすことがアウトプットの原動力になる
