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
待望の、お二人コラボ本！！
アウトプットを前提にインプット
コレは読書についての話題でしたが
正にワタシ、noteでのアウトプットに繋がらなそうな行動は控えてる（話題性や気乗り度合い）
人間関係の整理でもあるのかも?!
『良い読書』＝「著者との対話」そんな感覚を得られる本
『自分の違和感に言葉を与えられる人』でありたい
Posted by ブクログ
気になった言葉
P.144
大前健一さんからの言葉。人間が変わる方法は3つしかない。
時間の使い方を変えるか、付き合う人を変えるか、住む場所を変えるか。最も意味がないのは「絶対に変わるぞ」という決意だ。
P.146
「怒り・恨み・妬み・悔み・悩み」は「思考の五悪」
これらに脳をハックされると思考のエネルギーを大量に奪われてパフォーマンスがみるみる落ちます。
なので、自分の知的生産のパフォーマンスを崩さないようにするために、心身のコンディションを維持しやすい環境を意識しています
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
技術は人間がそれまでやっていたことの外部化
生産性があがっても、需要がボトルネックになる
需要を生み出せるか
センスは意外性があって納得できるもの
プロの仕事の価値は中央値からの乖離
分析と統合は別物
本来思考の本質は統合、統合はAIは苦手
情報の豊かさが注意の貧困をつくる
思考の五悪
怒り、妬み、恨み、悔み、悩み
解ではなく「理解」
理解負債
それが「何か」を考える時「何ではないか」を考える
知的生産の価値は平均からの乖離
誰から嫌われるか、仮想敵
生産性の向上は需要があるからこそ価値がある
Posted by ブクログ
知性とは何か。
インプットからストレージ、変換、アウトプットの方法を体系的に学ぶことができた。
平均点なAIに問いを立てる力が必要だと感じた。
Posted by ブクログ
生成AIはWEB上の情報を組み合わせた平均的な解を出すことを得意としているので、人間は「魅力的な思考の歪み（センス）」を元にした知的生産が求められると。「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）」の思考プロセスにおいて、山口さんと楠木さんの経験に即したセンスのあるアウトプットを出すコツが書かれていた。
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
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
インプットからアウトプットへの変遷に対してそれぞれのポイントでお二人が何を考え、感じるのかを細かく知ることができた。
特に趣味化してしまうか否かの部分について自身でも考え直すきっかけになった
Posted by ブクログ
・技術は特定の領域で人間を凌駕するだけです（新幹線と徒競走をして悔しがる人間はいない）。人間のやってきた仕事のある部分がAIへと外部化されつつある今、人間が担う知的生産の本領がどこにあるのかについて考える必要があります。
・AIについては仕事と作業をきちんと分けて考えることが大事だと思っています。仕事は結果責任を伴うのに対して、作業は結果責任を伴わない
・意外性×納得感の4象限（意外だけど、納得感がある、を目指す）
・相手にとって受け入れがたいことを申し渡すときには、いきなり結論としてのWhatを伝えるのではなく、最終的にWhatにつながるWhyの情報を少しずつ渡して心の準備をさせる
・「陳腐」とか「凡庸」というのは「ありふれていてつまらない」という意味ですから、統計でいう中央値・平均値のことで、まさに統計で動いている生成AIのアウトプットがそうなるのはある意味で当然のこと
・Let them come : 自分のチューニングがあっていれば、取り込むべきものが近づいたら自然と共鳴する。その音に耳を澄ませ
・当たり前だと思っている物事をあえて見知らぬ物事のように捉え直すことを、美学の概念では「異化」といいますが、この異化の支店がないと、逆に見知らぬ外国に行っても「ふーん、どこの国も同じようなものだな」で、何もインプットを得られない、ということも起こりうるでしょう
・人間が変わる方法は3つしかない。時間の使い方を変えるか、付き合う人を変えるか、住む場所を変えるか。最も意味がないのは「絶対に変わるぞ」という決意だ
・「怒り・恨み・妬み・悔やみ・悩み」は「思考の五悪」だと思っていて、これらに脳をハックされると思考のエネルギーを大量に奪われてパフォーマンスがみるみる落ちます。
・「オポチュニティ対クオリティ」：柳井さんはオポチュニティの追い風がガンガン吹いているわけではない場所でも、自分たちで独自の価値を作っていけば儲かるという考え方で経営をしている。一方の損さんはユニクロみたいな商売には関心がない。ひたすら新しいオポチュニティを全力で掴みに行く
・マーケティングというのはもっと単純な話なんじゃないか。買い物をして家に帰ったとき、家族に「こんないいものを買ったよ」と言いたくなる。これさえできればいいんだ
・話を「入れる、捨てる」をフィルタリングする重要な基準は「これは面白いな、人に話したいな」と思えるかどうか
・「考える」は入力して保存した材料を使って「解」を見つけるということではありません。対象を「理解」しようとしている。理解しないと理解負債が生まれる（なんとなくシステムは動いているけど、なぜ動いているかがわからないものになる）
・わかるというのは、それによって自分が変わるということ。わかってしまった以上、分かる前の自分とは同じではいられない。それくらい大きいことなんだ
・それが「なにか」をかんがえるときに、「なにではないか」を考える。ある物事の反対にあるものは何かを見つける。これがセンスとして大切になると思います。対概念になるものを置かないと、言葉が「ムービングターゲット」になって思考の軸足が定まらない
・「全てはコンセプトから、全てはコンセプトのために」という循環。これが戦略ストーリーに一貫性をもたらします。
・後出しジャンケン：かつてのファッション業界では、「次はどんな複が流行るかな」とみんなが一生懸命じゃんけん（予測）をしていたのですが、ZARAは「予測するから外す。予測をしなければ外さない。今よく売れている服を作れば売れるはずだ」と考えた。
・価値を創るプロセスにおいては複雑だが、顧客が近くする価値においてはシンプルというのが儲かる商売の一つのパターン
・アウトプットの規律がないところに思考はない。変換の先に自分意外の誰かに向けたアウトプットがあると思うからこそ、人間は考える
・起点に自分の仮説がないとだめだ。仮説というのは、基本的には因果関係です。相関関係ではない。
・常に聞いているのは「あなたはあの局面でどういう選択肢を持っていたのか」「なぜそれを選んだのか」「なぜ別の選択肢を選ばなかったのか」
・「80点でいいんじゃないですか？」と思うようになったら、一流の仕事はできない
・AIには「凝る喜び」がない
・プレゼンテーションの本質は「相手が良くなる情報やアイデア」をプレゼントすること
・そもそも好奇心というのは自然と湧いてくるものであって、「持て」と言われてやっと出てくるレベルの好奇心で取り組んでも「先は知れてるね」という話だと思います
Posted by ブクログ
AIにできることできないことを中心に対談形式の本。
400ページくらいあるが一気に読んだ。
アウトプットに責任を持つ、AIは毒にも薬にもならない意見が多いので大学教授とは相容れない
本のタイトルがたくさん出るので参考文献を入れてほしかった
Posted by ブクログ
スキルが供給側、センスが需要側に関わっている。AIは前者を得意とするが、後者はまだ苦手。だから人間は、現場に出て、センスを磨け。AIと人間の関係、そして特にビジネスパーソンとして、どう立ち居振る舞うべきか、磨いていくべきかをスパッと表現してくれて腑に落ちた。
ダンデミスやモンテスキューの幸せに関する名言も面白かった。
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
