多くの人は、AIに質問している。
落合陽一は、AIに仕事を発注している。
さらに言えば、1つのAIに発注して終わりではない。ChatGPTを開き、Geminiを開き、Claudeを開き、Grokを開き、Manusまで開く。同じテーマのディープリサーチを一斉に走らせ、回答を待つ10分間には、別のAIと「そもそも、これは何が面白いのか」を話している。
調査結果が返ってきたら、全部を丁寧に読むわけでもない。
自分の頭に引っかかった文献、奇妙な言葉、見慣れない事例、過去と現在をつなぐ小さな違和感を拾う。そして、その断片を新しい問いに変えて、もう一度すべてのAIへ投げ直す。
AIに正解を聞いているのではない。
自分一人では遭遇できなかった「思考の材料」を、大量に掘り起こさせている。
提供されたPIVOTの動画で語られているのは、便利なプロンプト集でも、仕事を時短する小技でもない。複数のAIを同時に走らせ、調査、発想、画像、コード、現実の装置までを一気通貫でつなぐ、異常なほど回転数の高い仕事術である。
先に断っておくと、タイトルの「12時間」は、落合陽一が毎日必ず12時間AIを使うと公表している、という意味ではない。
本人が12時間チャット画面に張り付く生活でもない。
AI側には朝から夜まで、あるいは眠っている間も仕事を続けさせる。一方、人間は問いを作り、結果を選び、現場へ行き、また次の仕事を投げる。この人間の労働時間ではなく、計算機の稼働時間を最大化する生活を、本記事では「12時間動かし続ける変態生活」と呼ぶ。
普通の人がAIで1時間を30分に縮めようとしている間に、彼は同じ1時間で10本、20本、50本の探索ルートを走らせようとしている。
ここに、AIを使う人と、AIによって能力そのものが拡張される人の決定的な差がある。
AIを「答えを出す機械」として使わない
落合陽一のAI活用を理解するうえで、最初に捨てなければならない常識がある。
それは、AIは質問に答えてもらうものだ、という常識だ。
一般的なAI活用は、ほとんどが次の形をしている。
「企画を10個出して」
「このメールを丁寧にして」
「この文章を要約して」
「売れるキャッチコピーを作って」
これらは間違いではない。実際、作業時間は短くなる。しかし、この使い方では、AIは高性能な文章作成ソフトのままである。
落合式は違う。
AIに最終回答を出させる前に、下調べをひたすらさせる。
現在、何が起きているのか。
過去には何が行われてきたのか。
似た発想は別の業界に存在しないか。
古い文献には、忘れられた概念が残っていないか。
歴史、論文、技術、芸術、言語、文化を横断しながら、自分の頭に引っかかりそうな材料を大量に運ばせる。
動画では、本を食べる虫である「紙魚」を調べた例が語られていた。紙魚について知りたいと思ったとき、百科事典的な説明を1つ読んで終わるのではない。複数のAIでディープリサーチを同時に回し、その歴史や文献、文化的な文脈まで掘らせていく。
大切なのは、紙魚について詳しくなることだけではない。
調査の途中で、
「本を食べる生物とは何なのか」
「知識が物質として食べられるとはどういうことか」
「デジタルデータにも紙魚は存在するのか」
という、当初は存在しなかった問いが生まれる可能性がある。
AIが優秀なのは、正しい答えを返すからだけではない。
人間がまだ質問にできていなかった領域を、雑に広く掘れるから強い。
したがって、AIの役割は「答える人」ではない。
落合式では、AIは大量の土を掘り返す作業員であり、人間は、その土の中から妙な化石を見つける人である。
1社に寄せない。AIを「意見の違う研究員」にする
落合陽一は、1つのAIを信仰しない。
動画では、ChatGPT、Gemini、Grok、Claude、Manusなどでディープリサーチを同時に走らせる方法を語っている。別の場面でも、OpenAI、Anthropic、Google、xAI、中国系モデルなどを横断して使い、必要に応じてDeepSeekも利用すると説明している。
なぜ、そんな面倒なことをするのか。
最高性能のモデルを1つ選び、そこに全部任せたほうが楽に見える。
しかし、AIはモデルごとに、見ている世界が違う。
検索で拾いやすい情報も違う。
説明の仕方も違う。
慎重さも違う。
文学的な連想が得意なモデルもあれば、論理構造を固めるのが得意なモデルもある。コードに強いモデル、画像理解に強いモデル、速報性に強いモデル、長文の統合に強いモデルもある。
同じテーマを投げても、全員がまったく同じ回答を返すわけではない。
ここで普通の人は、「どれが一番正しいか」を決めようとする。
だが、落合式で価値があるのは、一致よりもズレである。
5つのAIのうち、4つが同じ説明をしているのに、1つだけ異なる文献を持ってきた。
1つだけ古い芸術運動との共通点を挙げた。
1つだけ質問の前提そのものを疑った。
このズレが、新しいコンセプトの起点になる。
AIを複数使うとは、同じ答えの多数決を取ることではない。
違う偏りを持つ研究員を同じ部屋に入れ、意見が食い違う場所を探すことである。
1人の天才AIを探すより、考え方の違うAIを5人並べたほうが、未知の領域には強い。
だから落合式の本質は、モデル選びではない。
モデルのオーケストレーションである。
10分の待ち時間すら、別の思考に変える
動画の中で特に異常なのは、ディープリサーチの起動方法だけではない。
ChatGPT、Gemini、Grok、Claude、Manusなどへ次々に調査を投げるところまでは、およそ1分で終わる。そして結果が返るまで約10分ある。その間、別のAIと会話しながら、「このテーマの何が面白いのか」を考える。
つまり、待っていない。
処理が終わるまでSNSを見るわけでもない。
1つ目のAIを眺めながら、進捗バーが100％になるのを待つわけでもない。
AIが調べている間に、人間は問いの質を上げている。
ここに、従来の仕事とAIエージェント時代の仕事の違いがある。
従来の仕事は直列だった。
調査が終わったら、企画を考える。
企画が決まったら、資料を作る。
資料ができたら、画像を作る。
画像ができたら、実装する。
AI時代は、この工程を並列にできる。
調査エージェントが動いている間に、対話用AIと論点を整理する。
別のAIには反対意見を作らせる。
画像AIには仮のコンセプトを視覚化させる。
コーディングエージェントには、とりあえず動く試作品を作らせる。
人間は、完成を待ってから次へ進むのではない。
複数の未完成を同時に育てる。
これは単なるマルチタスクではない。
人間が複数の作業を同時にすると集中力が壊れるが、AIに複数の作業を持たせ、人間は判断が必要な瞬間だけ割り込めばいい。
自分が作業者になるのではなく、作業待ちの列を設計する。
これがAIエージェント時代の仕事術である。
「文学的なAI」を発想装置として使う
落合陽一は動画収録時点で、GPT-4.5を「文学的なAI」として好んでいると語っている。
理由は、文章が美しいからだけではない。
文学的な言葉は、論理的に一直線には進まない。
言葉と言葉の関係が飛ぶ。
回る。
離れた概念が突然つながる。
比喩が生まれ、音が意味を連れてきて、記号が別の記号を呼び込む。
説明文では、「AだからB、BだからC」と進む。
文学では、Aから突然、遠く離れたXへ飛ぶことがある。
事実確認に使うなら、この飛躍は危険だ。しかし、新しいコンセプトを考える段階では、この不安定さが武器になる。
ここから、AIの役割を2つに分けられる。
1つは、真実に近づくAIである。
出典を探す。
数字を確認する。
反例を集める。
過去の研究を整理する。
もう1つは、意味を飛躍させるAIである。
離れた概念を結びつける。
妙な比喩を作る。
常識と逆の解釈を出す。
言葉の響きから別の構造を見つける。
多くの人は、1回のプロンプトで両方をやらせようとする。
だから、事実としては曖昧で、アイデアとしても平凡な文章が出てくる。
落合式では、調査と飛躍を分ける。
調査用AIには、勝手な創作をさせない。
発想用AIには、正解だけを求めない。
事実を固める頭と、概念を壊す頭を別々に持つ。
これが、AIで斬新な企画を作るための重要な設計になる。
調査、文脈、画像、コードを1本のループにする
落合陽一の仕事は、文章を書いて終わらない。
現在の状況を調べる。
過去の文脈を掘る。
自分なりの考え方を作る。
画像やコンセプトとして可視化する。
システムへ落とし込む。
現実空間で動かす。
動画では、調査に複数のLLMを使った後、画像やコンセプトの生成にNano Banana、Midjourney、Stable Diffusion、Adobe Fireflyなどを使い、実装ではCursor、Windsurf、Claude Codeなどを利用する流れが語られている。
ここで重要なのは、ツール名を暗記することではない。
思考の形式が変わるたびに、使うAIも変えていることだ。
文章だけで考えていると、文章として成立するアイデアしか出てこない。
画像にすると、形の矛盾が見える。
立体にすると、重力や材料の制約が出てくる。
コードにすると、条件分岐やデータ構造が必要になる。
現場で動かすと、光、音、遅延、温度、人間の動き、装置の故障など、生成画面の中には存在しなかった問題が出てくる。
この現実からの反撃が、アイデアを強くする。
文章生成だけで仕事を終える人は、AIが作った整った嘘に気づきにくい。
一方、実際に動かす人は、ごまかせない。
コードが動かなければエラーになる。
ロボットが動かなければ止まる。
構造物が成立しなければ壊れる。
観客が面白がらなければ、空気が冷える。
つまり、落合式の精度を支えているのは、AIの賢さだけではない。
AIの出力を現実へぶつける回数の多さである。
デジタル側で仮説を作り、物理側で変化を起こし、その結果を再びデジタル側へ戻す。このループ構造は、落合が説明するデジタルネイチャーの考え方とも重なる。
メールを速く書くだけでは、AI時代の本領に触れていない
動画の後半で、落合陽一は一般的な30代のビジネスパーソンがAIを使う場面として、メール返信、企画書、図、レポートなどを挙げている。
もちろん、これだけでも十分に便利だ。
しかし、そこには限界がある。
メールを30分から5分にしても、作っているものはメールのままだ。
企画書を2時間から20分にしても、企画書の外へは出ていない。
AIで既存作業を速くするだけでは、仕事の構造は変わらない。
落合陽一のような研究・制作の現場では、立体物、システム、空間、光、音、ロボットなど、複数の要素を同時に考えなければならない。そのため、AIは文章作成補助ではなく、現実のものづくりを加速する装置になる。
ここから得られる教訓は、エンジニアになれ、ということではない。
自分の仕事に「具体物」を作る工程を足せということである。
営業職なら、営業メールだけで終わらせない。
顧客分析、提案仮説、デモ画面、見積もり、FAQ、導入後の運用設計まで作る。
マーケターなら、投稿案だけで終わらせない。
実際のLP、広告素材、計測表、顧客導線、改善案まで作る。
講師なら、台本だけで終わらせない。
教材、演習、採点基準、受講者別フィードバック、復習用AIまで作る。
AI時代に強い人は、文章を書くのが速い人ではない。
文章から現実までの距離が短い人である。
ついに「AIエージェントにAIエージェントを作らせる」
落合陽一のAI活用は、複数のチャットAIを開く段階から、さらに先へ進んでいる。
2026年2月、本人はClaude Codeに、Claude Codeのようなものを作るよう指示し、「終わるまでやめないで」と伝えて眠った。朝になると、Claude Codeなしで動くローカルのコーディングエージェントができていた、と公式noteで報告している。軽量モデルと重いモデルをローカルで使い分け、必要なツールまで備えていたという。
これは、ただの面白エピソードではない。
AI活用の主語が変わった瞬間である。
これまでは、人間がAIを使ってコードを書いていた。
ここでは、AIが次に使うAI環境を作っている。
さらに落合陽一が公開している「co-vibe」は、Anthropic、OpenAI、Groq、Ollamaを横断し、タスクの複雑さに応じてモデルを切り替えるマルチプロバイダー型のコーディングエージェントである。ディープリサーチ、複数エージェントの並列実行、セッションの永続化なども掲げられている。
ここで起きているのは、「どのAIが一番賢いか」というモデル比較からの卒業である。
重要なのは、モデル単体のIQではない。
どの仕事をどのモデルへ渡すか。
安いモデルで十分な仕事は何か。
強いモデルを使うべき瞬間はどこか。
失敗したら別のモデルへ切り替えられるか。
途中経過を保存できるか。
人間へ質問すべき条件は何か。
危険な操作を止められるか。
つまり、勝負はプロンプトからハーネス設計へ移っている。
ハーネスとは、AIが長時間働くための作業環境である。
タスクの分解、ファイル構成、進捗記録、テスト、権限、再開方法、失敗時の処理、モデルの振り分けまでを含む。
Anthropicも、長時間動くエージェントには、コンテキスト管理、進捗の引き継ぎ、複数エージェントの専門分化などが重要だと説明している。
強いAIを持つだけでは足りない。
強いAIが迷わず働き続けられる工場を作る人が強い。
12時間動かし続ける「変態生活」の正体
では、AIを12時間動かし続ける生活とは、具体的にどのようなものか。
ここからは、提供動画と公開されている実践を基に、一般の仕事へ転用できる形に再構成してみる。
朝8時──まず人間ではなくAIを出勤させる
パソコンを開いたら、いきなり自分で作業を始めない。
今日考えたいテーマを1枚のブリーフにまとめる。
目的。
現在地。
分かっていること。
分かっていないこと。
絶対に守る条件。
欲しい成果物。
そのブリーフを、複数のAIへ同時に渡す。
1人目には先行研究。
2人目には市場事例。
3人目には反対意見。
4人目には過去の歴史。
5人目には、まったく別の業界との類似点を調べさせる。
人間がコーヒーを飲んでいる間に、AIは5方向へ走り始める。
朝9時──回答ではなく「引っかかり」を探す
結果が届いたら、すべてを均等に読む必要はない。
自分が知らなかった固有名詞。
妙に気になる古い事例。
複数のAIで意見が割れた論点。
直感的に「何かある」と感じる一文。
それらだけを拾い、seeds.mdのようなファイルへ保存する。
AI時代に重要なのは、情報を全部覚えることではない。
次の問いを生む断片を残すことだ。
午前10時──発想AIを走らせる
集めた断片を、今度は文学的なAIや発想用AIへ渡す。
「この5つの概念を強引につないでほしい」
「最も不自然な組み合わせを作ってほしい」
「この企画を、100年前の芸術家ならどう表現するか」
「反対の意味になるタイトルを付けてほしい」
ここでは、正しさより飛躍を優先する。
事実調査のAIと同じ設定を使わない。
午前11時──画像と試作品を作らせる
文章のまま考え続けず、画像へ変える。
画面案を作る。
構造図を作る。
簡単なデモを作る。
モックアップを作る。
コーディングエージェントには、同じアイデアを別々の実装方針で作らせてもいい。
A案は最小構成。
B案は高品質。
C案は低コスト。
最初から完璧な1本を目指さず、比較できる未完成品を複数作る。
正午──AIを残して、人間は現場へ行く
昼食、会議、取材、移動、顧客との会話。
人間にしか取れない情報を取りに行く。
この間も、AIにはテスト、修正、追加調査、資料整理を続けさせる。
人間が席を離れたら止まる仕組みでは、まだチャットボットである。
エージェントにするなら、作業の継続条件と停止条件を先に決めておく。
午後3時──失敗した成果物から次の仕事を作る
戻ってきたら、完成品だけを見ない。
失敗ログを見る。
AIが勘違いした場所。
テストで落ちた場所。
複数のAIが共通して理解できなかった指示。
現実の反応とズレた場所。
ここには、次に改善すべきコンテキストが入っている。
AIの失敗を毎回その場で手直しするだけでは、永遠に同じミスが起こる。
指示書、データ、フォルダ構造、テスト、スキル、権限のどこに問題があったのかを直す。
成果物ではなく、成果物を生む仕組みを改善する。
夕方6時──統合する
朝から走らせた調査、発想、画像、コード、現場情報を1つへまとめる。
この統合作業こそ、人間の重要な仕事になる。
AIは大量に作れるが、何を残すべきかは自動では決まらない。
企画の中心は何か。
何を捨てるか。
誰のために作るか。
どの違和感を追いかけるか。
ここには、その人の経験、執着、美意識、倫理観が出る。
夜8時──翌朝までの仕事を投げる
人間が一日を終える前に、AIの夜勤を設定する。
コード全体のレビュー。
競合調査。
テストケースの追加。
資料の出典確認。
複数案の比較。
ドキュメントの整理。
翌朝に人間が判断できる形へ、結果をまとめさせる。
落合陽一が公開するco-vibeのビジョンにも、論文調査、実験結果の解釈、次のステップの提案、ラボ機器の監視、そして「長時間の自律的R&Dセッションを毎日稼働させる」構想が明記されている。
人間が8時間働いた後に、さらに4時間頑張るのではない。
人間が休み始める前に、機械へ次の4時間を渡す。
これが12時間稼働の本質である。
なぜ普通の人は、複数のAIを使っても伸びないのか
AIを5個開くだけなら、誰でもできる。
しかし、多くの人は、5個分の似た回答を受け取って疲れる。
原因は、AIの性能ではない。
仕事の出口が決まっていないからだ。
「このテーマについて調べて」と投げる。
大量の情報が返る。
保存場所がない。
比較基準がない。
次に何をするか決めていない。
結果として、読んで満足して終わる。
これはAI活用ではなく、AIコンテンツの消費である。
複数AIを動かすなら、最低でも次の4つが必要になる。
入力の共通化。
全AIに同じ前提資料を渡す。前提が違えば、回答を比較できない。
役割の分離。
全員に同じことを聞かない。調査、反論、発想、検証、実装を分ける。
成果物の固定。
回答をチャット欄に残さず、ファイル、表、コード、画像、スライドなどへ落とす。
次工程の設定。
調査結果が出たら、何をどのAIへ渡すのかを先に決める。
AIをたくさん使うほど、プロンプト能力より、交通整理能力が重要になる。
48人の社員がいても、全員が好き勝手に働けば会社は崩壊する。
AIも同じである。
非エンジニアは「3体のAI」から始めればいい
落合陽一のように大量のモデルやコーディングエージェントをいきなり並列起動する必要はない。
最初は3体で十分である。
1体目は、調査員
事実、データ、事例、出典を集める。
「分からないことは分からないと書く」
「一次情報を優先する」
「引用元を必ず残す」
というルールを持たせる。
2体目は、批評家
調査員の結果を疑う。
数字の矛盾。
都合のよい解釈。
見落としている反例。
読者が感じる違和感。
実現上の障害を探させる。
3体目は、制作者
調査と批評を受け取り、記事、企画、スライド、LP、台本、商品案などへ変える。
重要なのは、3体を別々に会話させて終わらせないことだ。
1つの作業フォルダに、
brief.md
sources.md
critique.md
decisions.md
next.md
を置く。
人間はdecisions.mdだけは自分で書く。
何を採用したか。
何を捨てたか。
なぜそう判断したか。
次に何を試すか。
この判断ログが蓄積すると、AIは徐々に、その人らしい仕事を再現できるようになる。
逆に、最終判断までAI任せにすると、出力はいつまでも「それっぽい平均」に戻っていく。
コンテンツ販売でも、落合式はそのまま使える
たとえば「ADHDの人がAIで稼ぐ方法」という記事を書くとする。
普通のAI活用なら、ChatGPTに1万文字を書かせて終わる。
落合式なら、まず複数の調査を走らせる。
1体には、ADHDと仕事に関する研究。
1体には、AIを使った具体的な職種。
1体には、当事者が失敗しやすいパターン。
1体には、既存記事で使い古された表現。
1体には、読者が本音では欲しがっている変化を探させる。
その結果から、頭に引っかかったものを拾う。
「集中力を上げる」のではなく、「集中力が切り替わる前提で仕事を分割する」。
「継続力を身につける」のではなく、「AIに継続を持たせる」。
「苦手を克服する」のではなく、「思いつきを即座に具体物へ変える」。
こうした視点が見つかったら、文学的なAIにタイトルや比喩を飛躍させる。
次に批評AIへ渡し、誇張、偏見、医学的に危険な表現を削る。
その後、記事AI、図解AI、サムネイルAI、販売文AIへ流す。
最後に人間が、読者へ本当に伝えたい主張を決める。
AIが記事を書いたのではない。
AIを使って、1つの主張が複数の工程を通過したのである。
この差は大きい。
1プロンプトで書かせた1万文字は、長くても薄い。
複数工程を通った1万文字は、同じテーマでも、論点の密度が変わる。
長時間エージェントに必要なのは、根性ではなくハーネス
「12時間AIを動かす」と聞くと、巨大なプロンプトを書き、あとは放置すればよいように見える。
実際には逆である。
長時間動かすほど、一発の指示は小さく、構造は細かくしなければならない。
AIは長く動けば動くほど、少しずつ目的からズレる。
最初の勘違いが、10工程後には巨大になる。
間違ったファイルを参照する。
古い仕様を使う。
終わった仕事を繰り返す。
テストを通すためだけの不自然な修正をする。
したがって、長時間エージェントには、少なくとも次の仕組みが要る。
作業前に計画を書く。
現在地をファイルへ残す。
小さな単位でテストする。
完了条件を明文化する。
失敗したら同じ方法を繰り返さない。
重要な変更の前には人間へ確認する。
作業終了時に次の担当者向けの引き継ぎを書く。
Anthropicも、長時間エージェントでは、コンテキストを圧縮しながら状態を維持し、途中から再開できる設計が重要だと説明している。また、複数エージェントを使う場合は、実装、品質確認、文書化などへ役割を分けることで並列化できる。
つまり、長時間稼働を可能にするのは、モデルの根性ではない。
忘れても戻れる設計である。
「多種多様なAIを同時に使う」は、検証を捨てることではない
AIを複数動かすと、間違いも複数生成される。
5体のAIが同じことを言ったから正しい、とは限らない。
同じ検索結果、同じ二次情報、同じ誤解を参照している可能性がある。
大量の出力には、大量の検証が必要になる。
さらに、コーディングエージェントへファイル操作やターミナル操作を許可すると、文章生成とは違う危険が生まれる。
ファイルの削除。
秘密情報の送信。
危険なコマンドの実行。
依存関係の破壊。
本番環境への誤デプロイ。
落合陽一のco-vibeの説明でも、自動承認モードは上級者向けとされ、意味の分からないコマンドを許可しないことや、sudo、rm -rfなどの危険な操作への注意が明記されている。
長時間動かすなら、権限は狭くする。
作業用のコピー環境を作る。
削除可能な範囲を限定する。
秘密情報を置かない。
テストを通さなければ完了にしない。
重要な操作には人間の承認を残す。
「全部任せる」と「全部の権限を渡す」は違う。
優れたエージェント運用者は、自由に働かせるために、先に安全な柵を作る。
人間に残るのは「何に引っかかるか」
AIが長時間働けるようになると、人間の価値はなくなるのか。
むしろ、逆である。
出力が少なかった時代には、作る力そのものが希少だった。
文章を書ける。
画像を作れる。
コードを書ける。
調査できる。
それだけで価値になった。
しかし、AIが文章も画像もコードも大量に作る時代には、作れるだけでは差になりにくい。
代わりに重要になるのは、
何を面白いと感じるか。
どの違和感を放置できないか。
何を美しいと思うか。
どの問題を自分の問題として引き受けるか。
大量の案の中から、何を残すか。
という、人間側の選択になる。
落合陽一は、AI研究で独自性を出すには、自分しか取り組んでいない問題を見つけることが重要だと語っている。流行している技術をそのまま追うのではなく、その技術でまだ誰も面白がっていない場所を探す。
AIは、世界中の情報を集められる。
だが、その中の何に執着するかまでは決めてくれない。
AIは、100個の企画を出せる。
だが、101個目を作るために人生を使いたいかは決められない。
AIは、正しそうな結論を作れる。
だが、その結論に違和感を覚える身体は持っていない。
だから、人間の仕事は「答えること」から、「引っかかること」へ移る。
AIで楽をする人と、AIで異常進化する人の違い
AIで楽をする人は、今の仕事を短くする。
AIで異常進化する人は、今までできなかった量の試行を始める。
前者は、メールを速く書く。
後者は、顧客ごとに別の提案、別のデモ、別の検証を作る。
前者は、記事を速く書く。
後者は、同じテーマを歴史、心理、経済、当事者、反対派の5方向から調べ、最も強い切り口を選ぶ。
前者は、コードを書いてもらう。
後者は、複数の実装を並列で作らせ、テスト、レビュー、文書化まで別のエージェントに回す。
前者は、AIによって空いた時間を休憩に変える。
後者は、空いた時間へ次の実験を入れる。
ここに「変態生活」の正体がある。
睡眠を削ることではない。
長時間労働を礼賛することでもない。
自分が手を動かしていない時間まで、試行錯誤が進む環境を作ることである。
普通の人は、AIに仕事を終わらせてもらおうとする。
落合陽一は、AIによって次の仕事を増やしている。
答えが出たら終わりではない。
答えの中から引っかかりを見つけ、別の調査を始める。
画像が出たら終わりではない。
立体やシステムへ変える。
コードが動いたら終わりではない。
現実空間へ持ち込み、またデータを戻す。
AIが自分の代わりに働くのではない。
AIと現実の間に、終わらないループを作っている。
まとめ──人間の仕事を短くするな。機械の思考時間を長くしろ
落合陽一のAI活用術から学ぶべきなのは、特定のモデル名でも、派手なプロンプトでもない。
核心は、次の仕事の構造にある。
AIに最終回答を急がせず、まず大量の下調べをさせる。
1つのAIに依存せず、異なるモデルを同時に走らせる。
回答の一致ではなく、モデル間のズレを見る。
待ち時間には別のAIと問いを深める。
事実調査と文学的な飛躍を分ける。
文章で終わらず、画像、コード、立体、現場まで落とす。
AIの失敗を直すだけでなく、失敗が起きた仕組みを直す。
寝る前には、翌朝までの仕事を渡す。
そして人間は、どの断片に引っかかるかを決める。
AI時代の強者は、一番賢いモデルを契約している人ではない。
AIが止まらずに考え、調べ、作り、検証し続ける環境を持っている人である。
1回の回答を高品質にするだけでは足りない。
10回試せるようにする。
10回では足りなければ、100回試せる構造を作る。
人間の24時間は増えない。
集中力も体力も有限である。
しかし、計算機の稼働時間は増やせる。
同時に動く頭数も増やせる。
眠っている間にも、次の朝の材料を作らせられる。
だから、これから必要なのは「AIでどう楽をするか」ではない。
自分が休んでいる間にも、思考と制作が前へ進む世界をどう設計するか。
落合陽一の変態性は、12時間働くことではない。
12時間、AIが働き続けられる問いと環境を作り、その結果を見て、翌日にはさらに面白い仕事を投げてしまうことにある。
