部下としてのAI　世界一流エンジニアの進化術 (文春e-book)

部下としてのAI

• インパクトの小さい仕事には時間を使わない

エフォートレス思考

• 1日の作業量に下限と上限を決め、上限で止める

部下としてのAI

• コードよりも、何を解くかというインサイトが価値になる

エフォートレス思考

• ほかの人が持っていない分野の知識を深める

部下としてのAI

• 深い理解とは、関係・グループ・構造を自分の言葉で説明できる状態
• 思い出して確かめる練習を繰り返すと、認知が自動化されて速く読めるようになる
• マインドマップは眺めるものではなく、自分でつくるもの

エフォートレス思考

• 考え方を結びつけて体系化すると知識が累積的に効く
• 読んだら要点を自分の言葉で要約すると理解に変わる

部下としてのAI

• 頑張るより、価値を出すことを一番楽にできる方法を先に問う
• 楽しいという気持ちを保つことが、無理な努力より成果につながる
• 自分がボトルネックだと受け入れ、無理のないペースを持続する

エフォートレス思考

• 努力量ではなく、最優先事項を最も楽に進める方法を探す
• やり方に遊びや満足感を組み込む
• 行動の直後に報酬を結びつけ、結果までの時間差を縮める
• 不足ではなく充足に注意を向ける

部下としてのAI

• もっと雑に、速く、他人基準でつくる

エフォートレス思考

• 最小限の試作や粗い下書きから始め、小さな失敗を許容する

部下としてのAI

• コードは概要から全体のモデルをつくり、エントリーポイントとトリガーから見る
• 学習前に主要アイデアとその関係をざっと把握すると吸収率が上がる

エフォートレス思考

• 個別のテクニックより、根底の原理を先に正しく学ぶ

部下としてのAI

• 繰り返す指示を粒度ごとにパッケージ化する
• 迷うこと自体を減らすため、意思決定を排除して選択肢を与えない
• 決まった動作をきっかけに集中を呼び起こすルーティンを持つ

エフォートレス思考

• 下限と上限を決めて一定のペースを保つ
• チェックリストやルールで判断を事前に仕組み化する

部下としてのAI

• 知見をAIが呼び出せる形で残し、再利用する

エフォートレス思考

• 繰り返す問題は根本から直して、将来の負担を減らす

部下としてのAI

• コードを書くことより、何を解き、どんな体験をつくるかというインサイトが価値になる
• 何の問題を解くべきかは、人と話す中でしか見えてこない
• 自分が賢くなる方向ではなく、誰の何を楽にするかに努力を最適化する
• 自分に余裕があるほど他者への想像力が育ち、ユーザー理解が深まる

SOFT SKILLS

• 相手の利益の観点から提案すると協力を得やすい

部下としてのAI

• コードよりも、何を解くかというインサイトが価値になる

SOFT SKILLS

• 対象を絞って専門化すると、機会を勝ち取れる確率が上がる

部下としてのAI

• 正しく動く前提を捨て、エラーへの対処を決めておく

SOFT SKILLS

• 引き返すコストが小さいなら情報が揃わなくても動く

部下としてのAI

• 頑張るより、価値を出すことを一番楽にできる方法を先に問う
• 楽しいという気持ちを保つことが、無理な努力より成果につながる
• 自分がボトルネックだと受け入れ、無理のないペースを持続する

SOFT SKILLS

• 動機になる報酬を設計して習慣を根付かせる

部下としてのAI

• もっと雑に、速く、他人基準でつくる

SOFT SKILLS

• 引き返すコストが小さいなら、情報が揃わなくても動く
• 失敗は価値ある成果に至る必須の過程として受け入れる

部下としてのAI

• 繰り返す指示を粒度ごとにパッケージ化する
• 迷うこと自体を減らすため、意思決定を排除して選択肢を与えない
• 決まった動作をきっかけに集中を呼び起こすルーティンを持つ

SOFT SKILLS

• 期間ごとのノルマの構造で、外からの動機づけに頼らず進む
• 目標へのステップを毎日のルーチンに組み込む
• きっかけと報酬を設計して習慣を置き換える
• 大きなタスクを小さく明確な作業に分解する
• 大切な仕事ほどルーチンに乗せて手を付け、心理的な抵抗に勝つ
• 事前に決めたルールと原則をモチベーションの代わりにする

部下としてのAI

• 知見をAIが呼び出せる形で残し、再利用する

SOFT SKILLS

• 時間の使い方を記録し、最大の浪費源だけを削る
• 資産は維持コスト以上の価値を生み、負債は見合わない

部下としてのAI

• インパクトの小さい仕事には時間を使わない

ロングゲーム

• イエスは他へのノーと受け入れ、一つの目標に集中する

部下としてのAI

• コードよりも、何を解くかというインサイトが価値になる

ロングゲーム

• 手を広げず、最大のリターンが見込める一つの目標に集中する
• 手持ちの強みをてこにして、弱い要素を補う

部下としてのAI

• 正しく動く前提を捨て、エラーへの対処を決めておく

ロングゲーム

• 基盤収入を確保し、失っても困らない範囲で挑戦に賭ける
• 失敗しても得られる最低限の利益を先に確かめる

部下としてのAI

• 頑張るより、価値を出すことを一番楽にできる方法を先に問う
• 楽しいという気持ちを保つことが、無理な努力より成果につながる
• 自分がボトルネックだと受け入れ、無理のないペースを持続する

ロングゲーム

• 収入ではなく興味を基準に進む方向を選ぶ
• 途中で達成を祝う

部下としてのAI

• もっと雑に、速く、他人基準でつくる

ロングゲーム

• 失敗しても得られる最低限の利益を確かめて挑む
• 小さく試して学びに変え、目標への複数の道筋を持つ

部下としてのAI

• 繰り返す指示を粒度ごとにパッケージ化する
• 迷うこと自体を減らすため、意思決定を排除して選択肢を与えない
• 決まった動作をきっかけに集中を呼び起こすルーティンを持つ

ロングゲーム

• 開始日を決めて周囲を巻き込み、実行に移す

部下としてのAI

• 知見をAIが呼び出せる形で残し、再利用する

ロングゲーム

• 総所要時間・機会費用・心身のコストで引き受けるか判断する
• 一度の行動を再利用するなど、時間にレバレッジを効かせる

部下としてのAI

• インパクトの小さい仕事には時間を使わない

スペンディングマネー

• 幸福は期待と現実のギャップ。持っているものに満足する
• 目標を達成しても人生は期待ほど変わらない
• 必要なものすべてと欲しいものの一部を持つのが良い人生
• ステータスゲームには終わりがない
• 「もう少し上」を追い続けるなど、惨めになる使い方は普遍的

部下としてのAI

• コードを書くことより、何を解き、どんな体験をつくるかというインサイトが価値になる
• 何の問題を解くべきかは、人と話す中でしか見えてこない
• 自分が賢くなる方向ではなく、誰の何を楽にするかに努力を最適化する
• 自分に余裕があるほど他者への想像力が育ち、ユーザー理解が深まる

スペンディングマネー

• 十分な情報があれば、他人のお金の使い方にも意味がある

部下としてのAI

• 正しく動く前提を捨て、エラーへの対処を決めておく

スペンディングマネー

• 失うのが怖いものが多いほど脆くなる
• 短期間で得たお金は脆く、失いやすい
• 取り返しのつかない大失敗を避けながら小さな失敗から学ぶ
• 悲観主義者のように貯蓄し、楽観主義者のように投資する

部下としてのAI

• 頑張るより、価値を出すことを一番楽にできる方法を先に問う
• 楽しいという気持ちを保つことが、無理な努力より成果につながる
• 自分がボトルネックだと受け入れ、無理のないペースを持続する

スペンディングマネー

• 脳が求めるのはモノではなく手に入れるまでのプロセス

部下としてのAI

• もっと雑に、速く、他人基準でつくる

スペンディングマネー

• 状況が変わったら信念や戦略を素早く捨てる
• 幅広く試し、合わないものは素早く手放す
• 大失敗を避けながら、小さな失敗を通じて学ぶ

部下としてのAI

• 知見をAIが呼び出せる形で残し、再利用する

スペンディングマネー

• 何を買うかより何を買わないか

部下としてのAI

• インパクトの小さい仕事には時間を使わない

エッセンシャル思考

• より少なく、しかしより良く、正しいことを選ぶ
• 何をあきらめるかより何に全力を注ぐかで選ぶ
• 最低限と理想の基準の両方を満たすかでチャンスを判定する
• 成功で選択肢が増えても、選び続ける意識を持つ

部下としてのAI

• 正しく動く前提を捨て、エラーへの対処を決めておく

エッセンシャル思考

• 不確実な出来事に備えて予定にバッファを持たせる

部下としてのAI

• 頑張るより、価値を出すことを一番楽にできる方法を先に問う
• 楽しいという気持ちを保つことが、無理な努力より成果につながる
• 自分がボトルネックだと受け入れ、無理のないペースを持続する

エッセンシャル思考

• 前進している手応えがモチベーションを支える

部下としてのAI

• もっと雑に、速く、他人基準でつくる

エッセンシャル思考

• 最大の障害（ボトルネック）を一つ特定し、それだけを優先して取り除く
• 完璧を目指す姿勢そのものがボトルネックになる。完成度よりも終わらせることを優先する

部下としてのAI

• 繰り返す指示を粒度ごとにパッケージ化する
• 迷うこと自体を減らすため、意思決定を排除して選択肢を与えない
• 決まった動作をきっかけに集中を呼び起こすルーティンを持つ

エッセンシャル思考

• 小さな前進の手応えがモチベーションを支える
• 行動のきっかけ（トリガー）に着目して習慣を置き換える

部下としてのAI

• 知見をAIが呼び出せる形で残し、再利用する

エッセンシャル思考

• 「今持っていなかったら手に入れるか」と問い直し、過大評価を補正する

部下としてのAI

• インパクトの小さい仕事には時間を使わない

1440分の使い方

• やることは無限にあると受け入れ、適当なところで切り上げる
• 一つのイエスは他へのノーを意味する。目標に役立たない依頼は断る

部下としてのAI

• コードよりも、何を解くかというインサイトが価値になる

1440分の使い方

• 強みと情熱を活かせることに時間を注ぎ、不得意は委託する

部下としてのAI

• 正しく動く前提を捨て、エラーへの対処を決めておく

1440分の使い方

• 未来の自分への過信を想定し、仕組みで対策する

部下としてのAI

• 繰り返す指示を粒度ごとにパッケージ化する
• 迷うこと自体を減らすため、意思決定を排除して選択肢を与えない
• 決まった動作をきっかけに集中を呼び起こすルーティンを持つ

1440分の使い方

• 重要なことはToDoではなく時間を決めた予定に入れる
• 未来の自分への過信を想定し、あらかじめ仕組みで対策する
• 同じ種類の仕事を曜日単位でテーマ化する
• 5分以内のタスクはその場で処理する（一度しか触らない）
• 判断を事前に記録・スケジュール化し、実行中の判断を減らす

部下としてのAI

• 知見をAIが呼び出せる形で残し、再利用する

1440分の使い方

• 重要でない仕事は断念・委託・簡略化で扱う

部下としてのAI

• インパクトの小さい仕事には時間を使わない

サイコロジー・オブ・マネー

• 「十分」の感覚を持ち、比較のゲームに参加しない
• 「十分」を知らずに「もっと」を求めると破滅する
• 身の丈に合った生活で、高収入なしに自立できる

部下としてのAI

• コードを書くことより、何を解き、どんな体験をつくるかというインサイトが価値になる
• 何の問題を解くべきかは、人と話す中でしか見えてこない
• 自分が賢くなる方向ではなく、誰の何を楽にするかに努力を最適化する
• 自分に余裕があるほど他者への想像力が育ち、ユーザー理解が深まる

サイコロジー・オブ・マネー

• 人は自分独自の経験に基づいて、その時々に意味のある判断をしている

部下としてのAI

• 正しく動く前提を捨て、エラーへの対処を決めておく

サイコロジー・オブ・マネー

• かけがえのないものを失うリスクは取らない
• 得ることと保つことは別スキル。保つには倹約と心配性
• 最も重要なのは市場から退場しないこと
• 計画通りに進まない前提で誤りの余地を組み込む
• 世界には予測できない驚きが潜んでいる
• 確実性ではなく確率のゲームとして臨む
• 負けたときに破滅する賭けは、勝率が高くても取らない

部下としてのAI

• もっと雑に、速く、他人基準でつくる

サイコロジー・オブ・マネー

• 結果の大部分は少数の成功が生むので、半分失敗しても成功できる

部下としてのAI

• 知見をAIが呼び出せる形で残し、再利用する

サイコロジー・オブ・マネー

• 過去の自分の目標の囚人にならず、必要なら捨てる

部下としてのAI

• インパクトの小さい仕事には時間を使わない

ナヴァル・ラヴィカント

• お金・時間・健康のどれか一つに偏らない

部下としてのAI

• コードよりも、何を解くかというインサイトが価値になる

ナヴァル・ラヴィカント

• 簡単には教えられない独自の知識が、収入を決める要素の一つ

部下としてのAI

• もっと雑に、速く、他人基準でつくる

ナヴァル・ラヴィカント

• ひらめきは、湧いたその場で行動に移す
• 「いつか」を待たず、今取りかかる

部下としてのAI

• 繰り返す指示を粒度ごとにパッケージ化する
• 迷うこと自体を減らすため、意思決定を排除して選択肢を与えない
• 決まった動作をきっかけに集中を呼び起こすルーティンを持つ

ナヴァル・ラヴィカント

• 失敗のない形にして瞑想を続ける
• 成果を出せる条件を満たす環境を意図的に整える

部下としてのAI

• 知見をAIが呼び出せる形で残し、再利用する

ナヴァル・ラヴィカント

• 「時間がない」は優先していないことの表れ

部下としてのAI

• インパクトの小さい仕事には時間を使わない

ステイ・スモール

• 「どう大きくするか」ではなく「どう良くするか」を問う
• 望む暮らしを軸に仕事を組み立て、必要なら仕事を減らす
• 利益や規模に「十分」の上限を決め、断る自由を得る
• 手元の資源ですぐ始められる最小版に縮める
• 低めの最低利益水準で早く安定し、ゆっくり成長する
• 一対多の手段で、事業を大きくせずに届く範囲を広げる

部下としてのAI

• コードを書くことより、何を解き、どんな体験をつくるかというインサイトが価値になる
• 何の問題を解くべきかは、人と話す中でしか見えてこない
• 自分が賢くなる方向ではなく、誰の何を楽にするかに努力を最適化する
• 自分に余裕があるほど他者への想像力が育ち、ユーザー理解が深まる

ステイ・スモール

• 何を得られるかではなく何を提供できるかに意識を向ける

部下としてのAI

• コードよりも、何を解くかというインサイトが価値になる

ステイ・スモール

• 核となるスキルを把握し、磨いておく
• 万人受けを狙わず、特定の層に刺さる尖ったものをつくる

部下としてのAI

• もっと雑に、速く、他人基準でつくる

ステイ・スモール

• 最小版に縮めて、目立たないところで小さく試す
• 恥ずかしさが残る段階で出し、測って調整を繰り返す

部下としてのAI

• 知見をAIが呼び出せる形で残し、再利用する

ステイ・スモール

• 計画を続けるかは、価値を生み続けるかで判断する

部下としてのAI

• コードを書くことより、何を解き、どんな体験をつくるかというインサイトが価値になる
• 何の問題を解くべきかは、人と話す中でしか見えてこない
• 自分が賢くなる方向ではなく、誰の何を楽にするかに努力を最適化する
• 自分に余裕があるほど他者への想像力が育ち、ユーザー理解が深まる

自分で選んでいるつもり

• 「なぜこの人は今それをしていないのか」から考えて障壁を取り除く
• かけた労力は相手に見えて初めて価値として伝わる
• 抽象的に理解している専門家ほど、自分の説明が漠然としていることに気づかない

部下としてのAI

• 深い理解とは、関係・グループ・構造を自分の言葉で説明できる状態
• 思い出して確かめる練習を繰り返すと、認知が自動化されて速く読めるようになる
• マインドマップは眺めるものではなく、自分でつくるもの

自分で選んでいるつもり

• 答えを自分で考え出す労力が、情報を記憶に定着させる

部下としてのAI

• 頑張るより、価値を出すことを一番楽にできる方法を先に問う
• 楽しいという気持ちを保つことが、無理な努力より成果につながる
• 自分がボトルネックだと受け入れ、無理のないペースを持続する

自分で選んでいるつもり

• 確実な報酬より不確実な報酬のほうが行動を動機づける

部下としてのAI

• 繰り返す指示を粒度ごとにパッケージ化する
• 迷うこと自体を減らすため、意思決定を排除して選択肢を与えない
• 決まった動作をきっかけに集中を呼び起こすルーティンを持つ

自分で選んでいるつもり

• 人は考えずに済むよう習慣に頼り、同じ状況で同じ行動を繰り返す
• 新しい期間の始まりという習慣が崩れやすいタイミングを使う
• モチベーションだけに頼らず、はっきりしたきっかけを組み合わせる
• 新しいきっかけをつくるより既存の習慣に積み上げる
• 定着させたい行動は簡単にし、小さな単位に分解する
• 推進力を足すより、していない理由（障壁）を環境から取り除く

部下としてのAI

• コードよりも、何を解くかというインサイトが価値になる

複利で伸びる1つの習慣

• 生まれ持った特性や強みに合った分野を選ぶ

部下としてのAI

• 頑張るより、価値を出すことを一番楽にできる方法を先に問う
• 楽しいという気持ちを保つことが、無理な努力より成果につながる
• 自分がボトルネックだと受け入れ、無理のないペースを持続する

複利で伸びる1つの習慣

• 結果よりプロセスそのものを大切にすれば満足して続けられる
• やりたいこととやるべきことをセットにする
• 記録などで、その場で小さな成功を感じられるようにする
• 自分が楽しめて強みに合う分野を選ぶ

部下としてのAI

• 繰り返す指示を粒度ごとにパッケージ化する
• 迷うこと自体を減らすため、意思決定を排除して選択肢を与えない
• 決まった動作をきっかけに集中を呼び起こすルーティンを持つ

複利で伸びる1つの習慣

• 目標より、日々の行動を支える仕組み（入力側のプロセス）を変える
• 「はっきり・魅力的・易しく・満足」の4法則で習慣を設計する
• 実行する時間と場所を決め、既存の習慣につなげる
• きっかけを見える所に置き、良い行動の手間を減らす環境を整える
• 自動化できる作業は仕組みや道具に任せる
• 気分ではなくスケジュールに従って取り組む

部下としてのAI

• インパクトの小さい仕事には時間を使わない

DIE WITH ZERO

• 資産を増やし続けるだけを目指さず、ある時点から減らしていく

部下としてのAI

• もっと雑に、速く、他人基準でつくる

DIE WITH ZERO

• 行動しないことのリスクは過小評価されやすい

部下としてのAI

• コードよりも、何を解くかというインサイトが価値になる

投資で一番大切な20の教え

• 他人と違うことは目的ではなく、良い結果を得るための手段

部下としてのAI

• 正しく動く前提を捨て、エラーへの対処を決めておく

投資で一番大切な20の教え

• 最悪の時期にも手放さずに済む資金と心理的な余裕を持つ
• 高リスクは高リターンの保証ではなく、損失の可能性も広げる
• リスクのコントロールと回避は別物
• 未来を確率分布で捉え、どのシナリオでも悲惨にならない構成にする
• 安く買って誤りの許容範囲を広げる
• 「起きるはずのこと」をあてにしすぎない
• 資金が余るとリスクが軽視され、より大きなリスクが生まれる
• 分散は異なる反応をする資産の組み合わせで初めて効く

部下としてのAI

• コードを書くことより、何を解き、どんな体験をつくるかというインサイトが価値になる
• 何の問題を解くべきかは、人と話す中でしか見えてこない
• 自分が賢くなる方向ではなく、誰の何を楽にするかに努力を最適化する
• 自分に余裕があるほど他者への想像力が育ち、ユーザー理解が深まる

苦境を好機にかえる法則

• 他者のために改善する方法を考えると行動の方向が見える

部下としてのAI

• 頑張るより、価値を出すことを一番楽にできる方法を先に問う
• 楽しいという気持ちを保つことが、無理な努力より成果につながる
• 自分がボトルネックだと受け入れ、無理のないペースを持続する

武器になる哲学

• 深く没頭しているとき（フロー）に充実感を覚える
• 約束された報酬は創造性を下げ、最小努力へ向かわせる