AI時代、AIに代替されないのはどんな人か？

未来の世界における三つの人間像と、あなたの選択

Dan Koe氏は、未来の人間を三つのタイプに分類しています。これらは固定された人口統計的なカテゴリーではなく、むしろ三つの行動パターンとして捉えるのが適切です。同じ人物でも、タスクによってこれらの間を行き来することがあります。

第一のタイプは純粋主義者です。彼らはAIを拒否し、自然、シンプルさ、スクリーンのない生活へと向かいます。オフラインでの生活自体に問題はありません。しかし、「テクノロジー拒否」がアイデンティティになると、タスクにツールが適しているかどうかは重要ではなくなり、陣営の純粋性を守ることが現実的な判断に取って代わります。身体、仕事、または財務上の問題が外部のツールを必要とする場合、このようなアイデンティティは、利用可能な選択肢をすべて遮断してしまいます。

第二のタイプはロボット化された人です。彼らは摩擦のない状態と継続的な最適化を追求し、検索、執筆、スケジュール管理、さらには目標の選択までもモデルに委ねます。効率は向上するかもしれませんが、判断力は訓練不足のために退化します。AIがなければ始められず、何が良いのか分からず、自身の決定とモデルのデフォルトの回答を区別することもできません。

第三のタイプはデジタルルネサンス人です。彼らはAIを使って行動能力を拡張しつつも、目標、トレードオフ、審美眼、責任を手放しません。仕事ではテクノロジーを活用しますが、仕事を離れれば、運動、読書、自然、現実の人間関係へと戻ることができます。彼らはAIをどれだけ使うかで先進性を判断するのではなく、タスクに応じてツールをどこに取り入れ、どこから遠ざけるかを決定します。

下の四つのビューをクリックすると、それぞれのモードに焦点を当てつつ、他の二つのタイプを参照として表示できます。

三つのモードの境界線は主体性です。純粋主義者は陣営のアイデンティティに、ロボット化された人はモデルのデフォルトに決定を委ねます。一方、デジタルルネサンス人は目標と基準を自ら設定し、その上でツールを選択します。

この境界線は、相互に影響し合う四つの側面、すなわち心、身体、精神、お金にもつながっています。内面の世界だけを発展させると、現実的な能力が崩壊するかもしれません。お金、効率、進歩だけを追求すると、生活は絶え間ない最適化に飲み込まれてしまいます。多面的な発展は、四つの分野に均等に力を注ぐことを要求するのではなく、ある分野の成長が他の分野にどのような結果をもたらしているかを認識できることを要求します。

なぜ「ゼネラリスト」がAI時代を支配するのか？

Dan Koe氏は、スペシャリストモデルの形成を工業化によって説明します。複雑な生産は職務に分割され、教育と雇用のシステムは人々を一つの工程の熟練した実行者へと訓練します。その結果、人は与えられたタスクを完了する方法は容易に理解できますが、作品が問題、解決策、制作、流通、価値交換へとどのように進むのかは見えません。

ルネサンス期の工房は、別の能力構造を提供しました。レオナルド・ダ・ヴィンチはヴェロッキオの工房で絵画を学びながら、解剖学、工学、光学、青銅鋳造にも触れました。これらの知識は実際の作品を中心に結びつき、互いに無関係な資格へ分断されることはありませんでした。職人は思考者であると同時に製作者であり、孤立した作業ではなく全工程を理解していました。

この歴史的な物語は整理されすぎています。産業革命以前の社会にも専門化、貧困、身分による制限は存在しましたし、現代の専門教育も多くの信頼できる知識を生み出しています。しかし、この物語が指し示す現代的な変化は依然として有効です。AIは分野を横断して試行するためのハードルを下げ、人はかつて馴染みのなかった分野により速く進出できるようになりました。

Dan Koe氏は、第二次ルネサンスを三つの変化として要約しています。実績が履歴書に取って代わり、顧客層が雇用主に取って代わり、審美眼が資格に取って代わるというものです。人の能力は作品を通じて見られるようになり、インターネットは作品を顧客層へ直接届け、AIは個人がリサーチ、デザイン、コード、ページ制作、運営まで担うのを助けます。

機械的な実行が安価になるにつれて、人間の責任はより高次のレベルへと移行します。

ツールの操作は、職業上の価値の終着点から基盤へと変わります。人は依然としてツールと分野の知識を理解する必要があります。そうでなければ、エラーさえ認識できないからです。より希少な部分は、分野横断的な統合、品質判断、方向性の選択、結果への責任へと移ります。AIはページを生成できますが、そのページが誰のためにあるのか、情報が信頼できるのか、体験が効果的か、そして失敗した場合に誰が責任を負うのかを判断するのは人間です。

既存の研究は、特定のタスクにおける生産性向上を支持しています。ハーバード・ビジネス・スクールとBCGによる758人のコンサルタントを対象とした実験では、AIの能力範囲内では、作業速度が25%以上向上し、完了したタスク数が12%以上増加し、人間による評価スコアが40%以上向上しました。しかし、モデルの能力範囲外のタスクでは、同様のメリットは見られませんでした。HBSの研究について

5,172人のカスタマーサービス担当者を対象とした別の研究では、AI支援により平均生産性が15%向上し、そのメリットは主に経験が浅くスキルが低い従業員に集中していることがわかりました。最も熟練した従業員はわずかな速度向上のみで、品質がわずかに低下しました。Generative AI at Work

ゼネラリストの強みは、複数のステップを一人の人間が迅速に循環させることができることに由来します。リサーチ、制作、公開、フィードバックの間の引き継ぎが減り、個人があるステップでの発見を即座に別のステップに反映させやすくなります。能力の組み合わせは多ければ多いほど良いというわけではありません。同じ作品や事業を中心に相互に強化し合う場合にのみ、広さは複利効果を生み出します。

この構造は最終的に「ひとり企業」へと収束します。ここでのクリエイターはインフルエンサーを意味するのではなく、問題を発見し、解決策を生み出し、他者を助け、価値交換を完了できる人のことです。作品を継続的に公開することで、オーディエンスはその人の判断に対する理解を深め、その理解は信頼へと発展し、信頼は製品、サービス、協力におけるコミュニケーションコストを下げます。これが「オーディエンスが雇用主に取って代わる」ということが、単に配信アカウントを持つこと以上の意味を持つ理由です。

ひとり企業が得るものは、価値連鎖全体に対するより広い制御範囲です。分野の知識がどの問題を解決するかを決定し、コンテンツがオーディエンスに届き、フィードバックがニーズの修正に役立ち、製品またはサービスがソリューションを固定化し、収入が次の投資サイクルを支えます。モデル、ソーシャルプラットフォーム、決済、クラウドサービス、専門的なパートナーは、依然として外部インフラストラクチャを構成しています。

Dan Koe氏は、一人の人間が現在ではかつて10〜50人のチームが行っていた仕事を完了できる可能性があると述べ、James Clearのニュースレター、書籍、コンテンツを、個人ブランドが長期的な作品を届ける仕組みの例として挙げています。しかし、このような倍率効果が現れるのは、調整が少なく、デジタル化が進んだ一部のタスクに限られる可能性が高く、既存の証拠から、一人の人間が一般的に数十人に取って代わるという結論を導き出すことはできません。また、元の文章の最後は、このロジックを著者自身のCreator Bootcampへと誘導しています。これは著者が信じる方法論であると同時に、彼の製品が対応するニーズでもあります。

「代替不可能なスキルスタック」を構築する三つの層

ゼネラリストであることは、すべての興味を同時に追いかけることを意味しません。Dan Koe氏は、執筆、デザイン、マーケティング、プログラミング、フィットネス、哲学をひとつの中心的な媒体、つまり製品、コース、コンサルティングサービス、研究、または長期的なコンテンツテーマに統合することを要求します。

中心となるスキルは、三つの制約を同時に満たす必要があります。長期的に気にかけ続けられること、他者とは異なる組み合わせを形成できること、人々がその結果に対して金銭、時間、または注意を払う意思があることです。長期的な関心がなければ、蓄積は困難です。独自の組み合わせがなければ、同質的な競争に陥りがちです。価値交換がなければ、興味を持続可能な事業に変えるのは困難です。

第一の層は、人間性とビジネスの本質を理解することです。執筆、表現、マーケティング、セールス、心理学、注意力のメカニズムは、あなたがニーズを認識し、価値を説明し、他者に行動を起こさせることを可能にするかどうかを決定します。これらの能力は特定のソフトウェアに依存せず、最も移転性が高いものです。

第二の層は、個人的な興味と直接的な経験の交差点です。哲学、フィットネス、デザイン、教育、プログラミング、栄養は、それぞれ単独では希少ではありませんが、その組み合わせ方が独特の問題意識を形成します。「哲学を理解するフィットネス愛好家」は、書斎でのみ身体について議論する人よりも、現実的な検証を一段多く持っています。「デザインを理解するプログラマー」も、機能と体験の両方を扱いやすくなります。

第三の層は、具体的なツールと技術です。メールソフト、Photoshop、ノーコードツール、ソーシャルメディア管理、コード構文はすべてこの層に属します。これらは、要求を出し、エラーを発見し、結果を修正できる程度には学ぶ必要がありますが、職業上のアイデンティティを特定のツールのインターフェースにのみ賭けるべきではありません。機械的な部分が自動化されると、人間の役割はオペレーターから、編集者、ディレクター、システム責任者へと上方に移動します。

スキルスタックには、審美眼を養う方法も必要です。プロジェクトベースの学習は問題を明らかにし、徒弟的な学びは品質を見る目を育てます。まず、模倣する価値のある達人の作品を選び、その構造、トレードオフ、基準を観察し、実際のプロジェクトで再現します。模倣が失敗する場所は知識のギャップを露呈し、外部からの結果は人が理解を修正することを促します。複数回の比較と制作を経て、判断は「達人に似ているかどうか」から「なぜこれがより良いのか」へと徐々に進化します。

学習は、実際の成果物から始まります。まずウェブページ、記事、製品、自動化フローなどを作成し、最初の試みが具体的な障害を明らかにするようにします。その後、現在の障害を乗り越えるために必要なコンテンツのみを学び、新しい知識をプロジェクトに戻し、実行結果、読者の理解、ユーザーの使用、または支払い行動によって検証します。書籍、メンター、YouTube、AIはすべてアドバイスを提供できますが、アドバイスは実験と再確認を経る必要があります。

AIの実践的な活用法

AIの価値は、検索や一度きりの生成をはるかに超えています。それは、馴染みのない分野を分析し、ページやソフトウェアを計画し、ドラフトを作成し、反復的なステップを実行し、フィードバック後に修正を続けることを支援します。効果的な使用は、四つの連続したアクションに依存します。

第一に、AIを使って自分がまだ知らないことを発見します。新しい分野に入ったばかりの時、人はしばしば正しい質問をすることさえできません。まずモデルに典型的なプロセス、必要な能力、成功事例、失敗パターン、検証方法をリストアップさせ、それを実際の作品や信頼できる資料と照合します。AIはここでは探索ツールとして機能し、最終的な審判として直接機能することはできません。

第二に、目標と「良い成果」の基準を明確にします。誰のためにどのような問題を解決するのか、最終成果物は何か、最低限の品質基準は何か、検証が必要な事実、失敗条件を書き出します。Dan Koe氏はAIを、形を整える必要のある水の袋に例えています。方向性が曖昧な場合、モデルは一般的なパターンに基づいて推測するしかなく、出力は平均的なレベルに留まります。

第三に、ドラフトを最終版として扱わないことです。ページ、ソフトウェア、コピー、自動化の初期バージョンは、通常非常に粗削りです。熟練した人は、デザイン、機能、構造、事実、言葉を継続的に修正し、各ラウンドで明確な問題のタイプを解決し、観察可能な前後の差を保持します。AIが短縮するのは実行時間であり、市場の理解、審美眼、信頼は依然として長期的な蓄積を必要とします。

第四に、自分の日常的なタスクの自動化を試みます。頻度の高い作業を一つ選び、入力、ステップ、出力、チェック条件を書き出し、AIにそれがprompt、skill、tool、softwareのいずれに適しているかを判断させます。実際に実行してエラーを記録し、プロセスを修正し、再度実行します。自動化システムもまた初期ドラフトです。最初の失敗は現在のプロセスが十分でないことを示すだけで、タスク全体が自動化不可能であることを直接証明するものではありません。

タスクは最終的に、異なる人間と機械の役割分担に割り当てられます。反復的でエラーのコストが低い作業は優先的に自動化できます。反復的だがエラーのコストが高い作業には、決定論的な検証が必要です。判断が多いが結果が可逆的な作業は、AIが代替案を提供するのに適しています。アイデンティティの表現、重要な関係、またはリスクの高い責任を含む作業は、人間が主導します。

Dan Koe氏自身は、AIに大量の情報とトレンドをスキャンさせていますが、執筆は自ら行っています。一つには執筆プロセスを楽しんでいるからであり、もう一つには、記事の価値は言葉、リズム、読者の感情に依存し、繊細なコントロールが必要だからです。自動化の境界は、タスクの性質と、本人が生活のどの部分を残したいかの両方によって決まります。

高生産性の生活リズム：ダーウィンに学ぶ「対照的な生活」

デジタルルネサンス人は、二つの強度の間で生活しています。仕事中は最先端のツールを使用し、困難な問題に集中的に取り組みます。仕事を離れると、最適化とインプットを止め、運動、自然、読書、人間関係、休息へと戻ります。半分仕事、半分スマホ閲覧、半分不安という状態を続けると、両方の状態が弱まります。

Dan Koe氏は、この対照の中に意義を見出します。困難があるからこそ、完了した後の満足感に重みが生まれ、没頭があるからこそ、休息が完全なものになります。高生産性は、高い集中と十分な回復の交互作用から生まれ、すべての分を作業で埋めることからは生まれません。

このリズムはまた、仕事をタスクとエネルギーに従属させることを可能にします。固定された八時間労働は、産業化された仕事の組織化の一つの方法にすぎません。作品や問題中心の人にとって、より実用的な手配は、最も難しい判断に頭が明晰な時間を割り当て、タスクが完了したら停止し、回復を次の作業の条件と見なすことです。AIが節約した時間が、すぐにより多くの通知と生成タスクで満たされるなら、レバレッジはスループットを増加させただけで、生活を改善したわけではありません。

Dan Koe氏は、このリズムをダーウィンを例に説明しています。午前8:00から9:30まで最初の仕事をし、手紙や家庭の用事を処理した後、10:30から正午まで仕事をし、その後散歩、読書、休息を取ります。公式のDarwin Correspondence Projectは、基本的に午前中の二回の作業と複数回の散歩を支持しており、午後4:30から5:30にその日の事務を処理したことも記録しています。ダーウィンの日常に関するアーカイブ

この事例は、「最も頭が明晰な時間を核となる仕事に割り当て、散歩と休息が思考を助ける」ことを支持できます。しかし、一日三時間だけ働くことでダーウィンの成果を再現できることを証明するものではありません。通信、読書、観察、午後の仕事も同様に彼の労働の一部でした。

すぐに採用できることと、まだ予測に過ぎないこと

すぐに採用できる方法には、複数の能力をひとつの中心的な事業に結びつけること、実際のプロジェクトと達人の作品を通じて審美眼を養うこと、品質を定義してからAIに実行させること、日常的なタスクを反復可能なプロセスにすること、深い仕事と完全な休息を意図的に分離することが含まれます。

継続的な検証が必要なのは、著者による規模と歴史についての推論です。

「一人で10〜50人分の仕事を代替する」という表現は、現時点では一部のデジタル業務にのみ当てはまります。「作品が履歴書に代わり、センスが資格に代わる」という傾向は、ライティング、デザイン、ソフトウェア、マーケティングの分野で急速に広がっています。一方で、医療、法律、航空、構造工学などの分野では、依然として資格、同業者による審査、組織としての責任が重視されています。

「現代の仕事の歴史は約250年しかない」という見方も、歴史を過度に単純化したものです。産業革命によって、農業や手工業中心の経済が機械製造や工場システムへと移行し、多くの仕事の在り方が再編されたのは事実です。しかし、産業革命が人類史における最初の専門職を生み出したわけではなく、教育や自由、センスの変化のすべてを産業革命だけで説明することもできません。Britannicaの産業革命の概要をご参照ください。

元の文章では、Naval Ravikant氏の「現在は約70億人、将来は約70億の企業が存在する」という見解が引用されていますが、この人口の数字はすでに古いものです。国連の記録によると、世界の人口は2022年11月に80億人に達しました。国連の人口に関する資料 このことは、「より多くの人々が独立して生産能力を持つ」というビジョンの価値を損なうものではありません。ただし、このビジョンがまだ普遍的な現実ではなく、あくまで方向性を示すものであることを意味しています。

AI時代において代替されにくい人材とは、ツールを拒否することで自分を証明しようとする人でも、思考を外部に委ねて効率だけを追求する人でもありません。そのような人は、取り組む価値のある問題を自ら選び取り、さまざまな能力を結集して結果を生み出します。機械的な実行はシステムに任せつつ、最終的な判断、検証、そして責任は自らが担うのです。