てなワケで、今日の運動記録は
- ウォーキング(トレッドミルでの早歩き) 1km 7.1km/hペースで1500歩
- バイセップスカール 10kg 15×3回
夕食の買い出しあったから、今日は短時間。まさにchocozap
相変わらず腕の筋トレはしんどみ。毎日言ってるな。これからも言う
サブコンテンツ:「AI質問を考える」
今日は「本を読む 以外に情報の取り入れ」についても書く。のでビジネスタグも付けちゃお
前提
「本を読む」が大事。読書量is正義と言われがちな現代社会において、なぜ「読破」という考え方から変えた方がいいのか、という点を簡単に説明
①情報量がすごく増えている
一つ目の理由は「情報量の爆発」
今や出版物、学術論文、SNSの投稿などを合わせると、1日に公開される情報量は人間が読める量を余裕でぶっちっている。どれだけ速読ができても、すべてを読み切ることはどだいムリって時代。
これがAIの時代になると、倍付けドンでエグいことに。AIでコンテンツ量産! 読みものも雪だるま式! ……到底、人が読める量じゃない。
もはや「必要な本を全部読むの、流石に無理やん」と言わざるを得ない
②AIによってサマリーが簡単になった
二つ目は「AIサマリーの精度向上」
最近のLLM（大規模言語モデル）では、資料を渡すだけで、数秒で信頼性の高い要約が得られるように。AIが本の内容を短時間で要約してくれるなら、別段自分で読む必要性isドコという話。
情報が大量にある時代であり、かつ要約が秒でできちゃうんなら、「必要なもの」は「必要な”部分”」に圧縮されるのは自然の摂理ってね。
③プロンプトスキルという概念が生まれた
三つ目は「Prompt Skillの台頭」
AIに対して効果的な問いかけ（プロンプト）を作成できる人が、生産性において大きく差をつけれるように。
つまり、「何を読んだか」より「どんな問いを立てられるか」が重要になるということ。「AI質問を考える」はここを言ってるワケだね。
元の本やサイトは同じでも、どのような質問をしたかによってアウトプットが変わってくるので、より重要なスキルになってる
……となると、情報を頑張って読むことに時間を使うよりも、問いの力を上げる方に力を割いた方が、効率がいいよね感
さてじゃあ「問いの力」ってなんぞや
今までのやり方は、基本的には
- 情報を頑張って頭にインプットをする
- そこから思考したりアウトプットをする
という形だったけど、AI時代には問いで駆動させていく方がいいよね。具体的には
- 情報をとにかく集める
- それに対して問いを投げる
- AIによって要点を抽出
- AIに問いながら検証する
- それをまた情報として貯めておく
というような循環を加速度的に回していく。
「問い」がずっとベースにあり、それによって情報を集めたり、中身を要約したり深掘りをしたりする、という感じね。
ちなみに、「情報をとにかくたくさん集めておいて、そこから問うことで知りたいことを抽出する」というのはもちろん、「問いが先にあって、問いをもとに情報を収集する」という形もなくはないんかな。とにかく、「問い」が活動の中心にある。「思考力」がより「質問力」に偏ってっちゃう感じ? かも?
情報の質が悪かったらーみたいな話もある程度AIによって調査、検証ができるんで、質の精査にそこまで時間をかける必要もなくなってくはず。というか自分でググるより精度上がるまでありそう。
もうちょっとイメージしやすいように補足すると・・・今までは、本が鉱山だとしたら、読破＝掘削という感じ。
つまり、価値ある情報を得るためには、本全体を読み通す必要があった。一度採掘をしてから、使えそうなものを取り出すイメージ。
でもAIがある時代には、「高性能レーダーで鉱脈を即座に特定し、最小限の掘削で鉱石を取り出す」感じ。必要な情報だけを効率よく抽出できる上に、その取り出したものをそのまま爆速で調査したり、加工したりすることもできちゃう。
となると、質の高そうな情報を集めて、それらを人の目で読破して、そこから取捨選択をして情報をまとめてみたいなのは全スキップが板。
このあたりの考え方を変えると、AI時代の最適なインプット→アウトプットのフローを回すことができるわけ。
AI時代に必要とされるスキル
じゃあ、AIユーザー側はどのようなスキルを身につけるべきか? だけど、
特に重要なのが、以下の4つのスキルかなあ、と思っています。
1. 視点設計力
まず大切なのは、「どの視点で問いを立てるか」。視点設計力と言いますか・・・。
同じ情報でも、マーケティング担当者として見るのか、エンジニアとして見るのか、あるいは肯定的なのか、批判的な立場なのか、によっても得られる洞察は大きく変わるわけなので、「どの視点なんだっけ」というのはとても重要。
例えば、組織論に関する情報を集めて「まとめて」と言うだけではふわっとした要約が出てくるだけ。使えない。
一方で、「これを組織を率いるリーダーが、メンバーのモチベーションアップに使うためにはどのような切り口で読むべきか？またそこからリーダーがするべきタスクを優先順位をつけながら10個作ってください」みたいな問いを立てると、その視点ならではの洞察が得られるように。これなら、少なくとも「リーダーポジションの人」にとっては「使える」。
もちろん「この組織論の情報を参考に、結婚生活10年目の夫婦の関係性を良くするためにするべきことを教えてください」とすると、全く違うアウトプットになる。
どの視点なのか？と言うのは意外と忘れがちなので、視点設計の概念を持つと良さげ。
2. 分解力
大きな問題を複数の小さな問いに分解できるのもスキル。
「この業界の将来性は？」という漠然とした問いよりも、
- 「この業界の5年後の市場規模予測は？」
- 「主要プレイヤーの戦略変化は？」
- 「新規参入の障壁は？」
というように分解することで、より具体的で深い理解になりやすそう。
他にも例えば、「リモートワークの効果を知りたい」という時も、問いを細かくするとしたら、
- 「リモートワーク導入企業と非導入企業の生産性指標の差は？」
- 「リモートワークが従業員のメンタルヘルスに与える影響を示す最新の研究結果は？」
- 「リモートワークが最も効果的な業種・職種と最も課題が多い業種・職種は？」
- 「ハイブリッドワークモデルの最適な設計パターンとその成功事例は？」
- 「リモートワークにおけるコミュニケーション課題を解決するための具体的なツールと手法は？」
とか?
このように問いを分解することで、AIからより精度の高い回答を引き出せるだけでなく、自分自身の思考も整理され、見落としていた視点に気づくチャンスが増えるよねー。
3. 検証力
AIが出力した情報の根拠やバイアスを点検する能力も大事。AIも当然、万能ではなく、時に誤った情報や偏った見解を提示することがある。というかしょっちゅう。SNSばりにエコーチェンバー誘発装置だよAIってやつは。
ここに関しては、むしろ「ちゃんと基礎を勉強する」とか「コアとなる知識をきちんと持っておく」と言うのが大切。読破的なインプットはムダじゃあなく、こーゆーとこで精査の可否に関わってくる。
例えばそうだね。私はスポーツ業界については超暗いので、AIに「アメフト業界の現状と将来性について調べて」とやっても、お出しされたものが正しいかどうかがそもそもわからんわけで。
逆に、「TRPGをより隆盛させるには、新しいターゲットを見つけるには」みたいな話だったら、まぁ多少は「話になる」。ある程度「ここは怪しいな」とか「大体あってそうだな」という土地勘を身につけるには、やはり基礎の知識を知っておく必要があるわけね。
それがない場合には、ファクトチェックなどを一通りちゃんと人の目でやったりすることが必要になったり、或いは……結局「勉強」ってやつが必要になるんかね～。
4. リフレーミング力
得られた答えを、再度問いに変換する能力も重要。
どういうことかというと・・・。例えば、「他に反証はありますか？」「逆の立場から見るとどうなりますか？」といった質問をAIに投げかけることで、思考の幅を広げ、より多角的な視点を見ることができる。
このような問いのループを作ることで、単なる情報収集を超えた深い洞察が得られるよね。
たとえば
ちょっとまだイメージが湧きづらいと思うので、実際のステップはこんな具合
ステップ1：一次問いを投げる
まずは素直に知りたいことをAIに質問。基本的には添付した書籍やPDF、サイトなどをもとに「簡単に要約して」とかを投げかけたり。
そのときに、例えば「このPDFの要旨を”反対論者”の視点でまとめて」というように、最初から視点を指定すると面白い洞察がお出しされる。
他にも「このコンテンツを20代の若手社員に説明するとしたらどうまとめる？」「このテーマについて保守的な立場と革新的な立場それぞれの主張を対比して」「このビジネス書の内容を実際に導入して失敗した企業があるとしたら、どのような問題が起きた可能性があるか」といった角度からの問いかけもOK。
ステップ2：即席サマリーを確認する
ステップ1でAIが生成した要約を読み、気になる点や内容の漏れがあればどんどん質問を重ねる。
「それってこういうことなの？」と自分の理解を聞いてもいいし、気になったところを「深く掘り下げて」とか「もっと詳しく教えて」とかもアリ。
ここでは、「内容を理解できるレベルまで聞いてみる」がゴール。
ステップ3：二次問いを生成する
そこから、さらに内容を独自に深掘り。
例えば、「こういう批判もあるのでは」とAIが出したものに批判的な視点で言及をしてみたり、「この意見に反対の人がいるとしたら、どのような批判をすると思いますか」と聞いて、それに対して答えさせたりとか。
この意見に対して、どのようなバイアスがあると思いますか？などを聞いてみるのも面白い。まぁそのバイアスの判断もアレなんだけど……
ステップ4：メモを統合する
得られた洞察を自分のメモなどにまとめ。
メモアプリとかに貼り付け、AIに自動タグ付けで仕分けしてもらうと知識グラフが更新されていくので、他のノートとの連携ができるようになり、溜まれば溜まるほど、自分だけの知識データベースがはい完成☆
ステップ5：アウトプットを作成する
例えば、ブログを書いたり、社内で文章としてまとめる必要が出たら、その原稿をもとに、さらにAIに「これを社内用の文章としてまとめて」みたいな感じでアウトプット。
社内チャット用、メール用などと、いろいろなアウトプットパターンで出せるので、自分が必要なアウトプットの形で出すと良さげ。
メリットと注意点
リスクはどーゆーのがあるかなー
速いが間違いもある
この「質問型」アプローチの最大の魅力は、情報処理の圧倒的な速さ。従来の読破方式と比較すると、情報処理時間を、体感で8-9割くらい短縮でき得る。
具体的には、これまで1時間かけていた情報整理が、わずか10分程度で完了するとかザラ。
一方で、この速さの裏には、AIによる要約ミスというリスクが潜んでいます。重要な判断を下す場合には、必ず原典へのリンクを保存し、随時検証できる体制を整えておくことが重要です。
まあ、書籍とか人に聞いても間違いは多かったりするので、AIに限った話ではないんですが・・・。あまりに速度が早いが故にミスに気づきづらいと言うのがあるので、より注意が必要かなと。
網羅性があるが、AIによるバイアスもある
また、網羅性もこのアプローチの強みです。質問の角度を少し変えるだけで、多様な視点からの洞察が得られる点です。同じ資料に対しても、質問の仕方を変えることで、まったく異なる気づきを得られることがあります。
一方で、AIが持つ潜在的なバイアスに引きずられてしまう危険性も。ChatGPTとか、自分の過去の話したこととかのデータを参照とかしやがるからヤバいよ。「間違いっつったことを前提にするなや」ってツッコミたくなることしょっちゅう。
対策としては複数のAIモデルで回答を比較検証するとかをやってバランスを取るとかかなぁ
深い理解がしやすいが、意外と人間は偏りがち
最後に「なぜ？」「どうやって？」といった再帰的な深掘り質問を繰り返すことで、表面的な理解を超えた本質的な洞察へと到達できる。これは従来の読書法では難しかった深い理解を可能にするという面でとても強烈
ただ、人間が質問をしていると、重要な深掘りポイントを見逃してしまうリスクもあります。例えば、人間は「whyが気になる人」と「howが気になる人」「whatが気になる人」などの、思考に”癖”っつーか”偏り”があったりするんよね。
なので、この課題に対しては、「5W1H」などの質問テンプレートを活用し、意図的に多角的な質問を強制するとかを意識すると偏りを防げるよ。防ぎたい人はね
こんなとこかな!