あとがき
思考コストが下がるとは、どういうことか
序章で、テクノロジーはいつもコストを下げてきたという話をしました。蒸気機関は移動コストを、印刷機は情報複製コストを、インターネットは情報流通コストを下げた。そしてAIは「思考コスト」を下げようとしている、と。
17章を読み終えた今、この言葉の意味が少し変わって聞こえるのではないでしょうか。
ノーベル経済学賞を受賞した心理学者のカーネマン（Kahneman）は、人間の思考には2つのモードがあると説明しています（カーネマン（Kahneman）, 2011）。直感的に素早く判断する「システム1」と、論理的にじっくり考える「システム2」。日常の判断のほとんどはシステム1で処理されています。なぜなら、システム2は疲れるからです。考えること自体にコストがかかる。だから人間は、できるだけ考えなくて済む方法を選ぶようにできています。
経済学でも似たことが言われています。企業の中で情報を集め、判断し、指示を出す。このプロセスにかかるコストを、経済学では取引コスト（コース（Coase）, 1937）と呼びます。AIが下げているのは、まさにこの「判断のために必要な情報収集と整理のコスト」です。
でも、ここまで読んでくださった方は気づいたはずです。思考コストを下げるには、「考えるベース」がなければ始まらないということに。
考えるベースがないと、AIは一般論しか返せない
AIが便利だという認識は、もう多くの方が持っています。メールの下書き、文章の要約、ちょっとした調べもの。それだけでも確かに楽にはなります。
しかし、そこで止まっている方が大半です。
なぜ止まるのか。AIに渡しているものが足りないからです。何も渡さなければ、AIはインターネット上にある一般的な情報をまとめて返すことしかできません。「情報を整理してくれる便利なツール」で終わってしまいます。それは思考コストを下げているのではなく、検索コストを下げているだけです。
本当に思考コストが下がるのは、自分自身の仕事のやり方、判断基準、過去の行動ログ、失敗から学んだルールをAIに蓄積していったときです。
科学哲学者のポランニー（Polanyi）は、「私たちは語れる以上のことを知っている」と書きました（ポランニー（Polanyi）, 1966）。暗黙知（あんもくち）と呼ばれるこの概念は、経験から身についた知識の多くが言葉にされていないことを指しています。営業メールの書き方、提案書の構成、顧客への電話のタイミング。長年の経験で「なんとなく」できていることが、実はたくさんある。でも、それを言葉にしようとすると難しい。
CC Company（シーシーカンパニー）で私がやったのは、この暗黙知を言葉にする作業でした。育成マニュアルには自分の仕事の進め方を書きました。合格基準には「自分ならこのレベルでOKを出す」という判断基準を数値化しました。業務手順書には、繰り返す作業の手順を一つずつ言語化しました。活動ログには、毎日の行動と気づきを蓄積しました。
経営学者の野中郁次郎（のなかいくじろう）と竹内弘高（たけうちひろたか）は、この「暗黙知を形式知（けいしきち。文書やデータとして共有できる知識）に変換するプロセス」こそが組織の知識創造の核心だと論じています（ノナカ & タケウチ（Nonaka & Takeuchi）, 1995）。AI社員を育てるとは、まさにこのプロセスを実行することなのです。
AIに渡したのは、プロンプト（指示文）ではありません。自分自身の仕事そのものです。
この蓄積があるから、AIは私の文脈で考えられるようになりました。「久原さんならこう判断するはず」「この品質基準に照らすと、ここが不合格」「過去にこういうケースではこうした」。一般的な回答ではなく、私の仕事に即した回答が返ってくる。これが「思考コストが下がる」ということの本当の意味です。
他人が育てたAIは、自分にとっての最高のAIにならない
CC Companyを運用する中で、一つの確信が生まれました。
AIは「コピー」では育たない、ということです。
世の中には優れたプロンプト集やテンプレートがたくさんあります。それらを使えば、ある程度の品質は出せます。しかし、それは「他人の暗黙知」が入ったものです。他人が経験から積み上げた判断基準、他人の業界の文脈、他人の仕事のやり方。それをコピーしても、自分にとっての最高のAIにはなりません。
AIが本当に力を発揮するのは、あなた自身の仕事の文脈が入ったときです。あなたの会社の業務フロー、あなたの判断基準、あなたの顧客が求めていること、あなたが過去に失敗して学んだこと。これらは、あなたにしか蓄積できません。
だから「育てる」というメタファー（たとえ）が正しいのです。ダウンロードやインストールではなく、育成。時間をかけて、自分の仕事を少しずつ教えていく。この過程を省略する方法はありません。
これが、「AIをツールとして使う」と「AI社員を育てる」の決定的な違いです。
技術は変わる。思考法は残る
正直に言えば、この本で紹介したツールや技術は、数年後には変わっているかもしれません。もっと高性能なAIが登場し、今の制約の多くは解消されるでしょう。
しかし、この本で語った思考法は変わらないと確信しています。
問題を特定し、仕組みで対処し、定期的に検証する。合格基準を先に決め、満たすまで繰り返す。うまくいかないことを人のせいにするのではなく、構造を変えて解決する。これらは、AIの時代に限った話ではありません。仕事の基本そのものです。
未来に新しいモデルが出ても、新しいツールが登場しても、「目的を決める」「仕事を分解する」「基準を作る」「仕組みで回す」という型は同じように機能します。技術は道具に過ぎません。道具の使い方を考える「型」こそが、本当の資産です。
世界はこちらに向かっている
本書を書き終えた頃、興味深いレポートがいくつか出てきました。
ガートナー（Gartner）の2026年1月の予測では、2026年末までに企業アプリの40%がAIエージェントを組み込むとされています。2025年はわずか5%でした。たった1年で8倍です。
しかし、ここからが重要です。デロイト（Deloitte）の2026年レポートでは、「多くの企業がAIエージェント導入で壁にぶつかっている」と分析されています。既存のプロセスにAIを押し込もうとしている。しかし、仕事のやり方そのものを再設計していない。つまり、40%が導入しても、大半は失敗するだろうという見立てです。
これを読んだとき、既視感がありました。本書の第1章で書いた話そのものだったからです。
「議事録を作って」とAIに投げて、的外れな結果が返ってきた。これは「AIが使えない」のではなく、「仕事の渡し方が設計されていない」という問題でした。CC Companyで私がやったのは、AIに仕事を任せる前に、仕事の流れそのものをゼロから設計し直すことでした。目的を定義し、分解し、合格基準を決め、チェックの仕組みを入れる。既存のやり方にAIを追加したのではなく、人間とAIの役割分担を前提にした仕事の型を最初から作ったのです。
IBM（アイビーエム）の2026年レポートには、「エンジニアの役割は創造者から管理者へ変わる」と書かれています。コードを書くことよりも、AIの出力を統括する力が求められる時代になると。これはエンジニアに限った話ではありません。あらゆる職種で、「自分で手を動かす人」から「AIと人間のチームを統括する人」への移行が始まっています。
オーケストラの指揮者を思い浮かべてください。指揮者はバイオリンを弾きません。トランペットも吹きません。しかし、全体を統括しています。ここは強く、ここは静かに、ここはテンポを上げて。個々の楽器のプロフェッショナルでなくても、全体を最高の形にまとめる力を持っています。
AI社員を育てるとは、この指揮者になるということです。
あなたが20年、30年かけて身につけてきた経験。「あの顧客にはこういう言い方をしないと通らない」「この時期はこういうリスクが高まる」「うちの会社はこういう提案の通し方がある」。こういう暗黙知は、データにはなっていません。だからAIは知りません。しかし、あなたは知っている。
AIエージェントが細かい作業を高速にこなせるようになるほど、「何を作るべきか」「何がリスクか」「どこで人間が判断すべきか」を決められる人の価値が上がります。それは経験を積んだ人にしかできない仕事です。
本書を読んで「自分の会社でもできるだろうか」と不安に思った方がいるかもしれません。しかし、世界の先端と呼ばれる企業が今まさに取り組み始めていることと、本書で紹介した仕組みは、本質的に同じことを言っています。仕事の流れを再設計し、AIと人間の役割を明確にし、チェックの仕組みを入れ、経験に基づいて判断する。特別なことではなく、仕事の基本に立ち返るだけです。
川島さんのその後
本書で何度も登場した川島さんのことを、少しだけお話しさせてください。
第1章で「議事録を作って」と指示して失敗するところから始まった川島さんは、目的を書き足すことを覚え、仕事を分解し、合格基準を作り、品質サイクルを回せるようになりました。
今の川島さんは、部署のAI活用を推進する立場になっています。後輩から「AIってどう使えばいいんですか」と聞かれると、「まず目的を書いて」と答えるそうです。特別なITスキルを身につけたわけではありません。本書で紹介した仕組みに乗って、一つずつ試した結果です。
ただし、川島さんが最初に直面した壁は、AIの使い方ではありませんでした。
最大のハードルは「最初の一歩」だった
川島さんがAI社員の仕組みを自分の会社で始めようとしたとき、最初にぶつかったのは「環境構築」でした。
ターミナル（黒い画面にコマンドを打ち込むあの画面）を開いた瞬間、何をすればいいか分からない。Git（ギット：ファイルの変更履歴を管理するツール）をインストールしてください、と言われても手順が分からない。設定ファイルを編集してくださいと書いてあるけれど、どのファイルをどう開くのかが分からない。
やりたい気持ちはある。本を読んで「うちでもやろう」と思っている。でも、最初のセットアップが技術的すぎて手が止まる。1週間が経ち、2週間が経ち、気づいたら本棚に戻っている。
私がこれまでDX（Digital Transformation：デジタル技術を使って仕事や会社の仕組みを変えること）支援やAI導入支援をしてきた中で、AI活用が定着しない本当の原因は「AIの使い方が分からない」ではありませんでした。多くの場合、課題は「使い続ける仕組みを構築できない」ことにあります。現場に合った運用ルール、品質基準、チェックの仕組み。本書で紹介してきたことそのものです。
しかし、その「使い続ける仕組み」を考える以前に、そもそもスタートラインに立てない企業が少なくありません。環境構築という最初の壁で止まってしまい、1歩も進めないまま諦めてしまうのです。
川島さんの場合は、最初のセットアップだけを手伝ってもらいました。ターミナルの操作、ツールのインストール、設定ファイルの準備。技術者に横についてもらって、一緒に画面を見ながら進めたのです。所要時間は2時間ほどでした。
そこから先は、拍子抜けするくらい簡単だったと川島さんは言います。セットアップさえ乗り越えてしまえば、あとはChatGPT（チャットジーピーティー）に話しかけるのとさほど変わりません。テキストを入力するだけです。「議事録を作って。目的は、欠席者が5分で要点を把握すること」。第1章で学んだ、あの指示の書き方がそのまま使える。
なんとなく使ってみる。なんとなく返ってくる。「ここは違うな」と思ったら直す。それを繰り返すうちに、なんとなく慣れてくる。特別な勉強をしたわけではありません。毎日少しずつ触っていたら、いつの間にかAI社員が仕事を覚えていた。川島さんの実感は、そういうものでした。
環境構築で止まってしまうと、何が起きるか。「ChatGPTでいいや」となります。もちろんChatGPTでも便利なことはできます。メールの下書き、資料の要約、ちょっとした調べもの。でも、それは本書の冒頭で書いた「ツール的な使い方」の域を出ません。自分の仕事の文脈、判断基準、過去の蓄積が残らないからです。使うたびにゼロから説明し直す。いつまでたっても「便利なツール」止まりで、業務効率化の本丸にたどり着けない。
もちろん、自分の文脈をAIに蓄積する方法はCC Companyだけではありません。しかし、仕組みとして設計し、運用し続けるのは、実際にやってみると相当に大変です。途中で挫折する企業を、私は何社も見てきました。本書の仕組みは、その「やり切る」ための設計図です。
まずスタートラインに立つ。会話を始める。そこから先は、企業ごとに頭をひねって、現場に合わせた使い続ける仕組みを定着させていけばいい。環境構築という壁の手前と向こう側では、見える景色がまったく違います。
学ぶな、触れろ
最後に、一つだけお伝えしたいことがあります。
プロンプトエンジニアリングを極める必要はありません。AIの技術を深く理解する必要もありません。
自分が毎日やっている仕事の中で、最も面倒で時間がかかるものを一つ選んでください。そのままAIに投げてみてください。完璧な結果は出ません。でも、どこまでできるかを自分の目で確かめることが出発点です。
「ここはうまくいった」「ここはダメだった」「次はこう指示しよう」。この繰り返しが、AIを育てるということです。蓄積が増えるほど、AIはあなたの仕事の文脈を理解し、あなたにとっての最高のパートナーに近づいていきます。
歴史が教えていることはたった一つです。転換点で最も得をするのは、最初に飛びついた人ではなく、現象を冷静に理解して、自分の文脈で使いこなした人です。
思考コストが下がる時代は、もう始まっています。この本が、皆さんの会社にとっての第一歩になれば幸いです。
久原健司
この先のステップ
まずやること
自分の仕事で一番面倒なものを1つ選んで、AIに投げてみてください。ChatGPTでもClaude（クロード）でも構いません。完璧な結果は出ませんが、「ここまでできるのか」という手応えが得られるはずです。
本書で学んだ実践事項を、取り入れる優先順位に応じて「必須5・応用8・上級8」の計21項目に圧縮したチェックリストを付録F「クイックリファレンスチェックリスト」に用意しています。まずは「必須5」を手元で確認するところから始めてみてください。印刷して机に置くか、ブックマークして月1回は開くのがおすすめです。
もっと知りたい方へ
noteで、本書に書ききれなかった運用事例や最新のアップデートを公開しています。AI社員の育て方を実践する中で気づいたこと、失敗したこと、改善したことを、リアルタイムで発信しています。
一緒に取り組みたい方へ
「やりたいけど、最初のセットアップが分からない」。そう感じたら、お気軽にご相談ください。環境構築のサポートから、御社の業務に合わせた仕組みづくりの伴走まで、一緒に進めます。川島さんのように、最初の一歩さえ踏み出せば、あとはテキストを打つだけです。
本書へのご感想をお寄せください
本書が実務で少しでも役に立ったら、率直な感想をお寄せください。改善点も歓迎します。どの章が役立ったか一言あると、次の改訂に反映しやすくなります。