AIから得られる成果物には、AIの能力だけでなく、使う人が何をコンテキストとして認知し、言葉や資料として渡せるかが表れる。経験が増えると、同じ状況から読み取れる関係者、制約、過去の経緯、失敗の兆候、判断基準が増える。認知特性や職業上の訓練は、その中で何に先に気づき、何を重く扱い、どう結びつけるかを変える。AIへのコンテキスト注入は、使う人が世界をどう見ているかの外部化である。
経験は認知できるコンテキストを増やす
初心者と熟練者が同じ案件を見ても、目に入る情報は同じにならない。初心者には依頼文と納期だけが見えていても、熟練者には、依頼者がまだ言葉にしていない期待、後工程で起きる手戻り、過去の類似案件との差、関係者ごとの判断基準、決定が将来の運用へ与える影響まで見えることがある。経験は知識の量として蓄積されるだけでなく、状況から意味のある差を見つけるための識別能力になる。
経験学習理論が扱うように、経験は体験した回数だけでは定着しない。起きたことを振り返り、なぜ成功したか、どこで失敗したか、別の場面にも使える原則は何かを考えることで、次の状況を見るための判断材料になる。この蓄積は、結晶性知能は年齢とともに成長し続ける知的資産であり、中年期以降のキャリア戦略の核となるでいう、経験から得た知識や判断の型ともつながる。
熟練者が短い依頼から多くを読み取れるのは、情報を勝手に補っているからとは限らない。過去の経験によって、確認すべき変数を多く持っているからである。誰が使うのか。どの場面で使うのか。何をもって成功とするのか。どの制約が強いのか。変更後に誰が保守するのか。経験が増えるほど、目の前の依頼を多くの関係の中に置いて見られる。
深いアウトプットは思考量として積み上げたコンテキストの豊かさから生まれるという命題の前には、この認知範囲の差がある。関係を認知できなければ、検討材料として積み上げることも、AIへ渡すこともできない。成果物の深さは、完成時の文章や造形だけでなく、作り手が作業前と作業中にどれだけ多くの意味ある関係を見つけられたかに左右される。
認知特性はコンテキストの選び方を変える
認知できるコンテキストには個人差がある。同じ経験年数でも、何に気づくか、どの差を重要と感じるか、複数の情報をどう関係づけるかは一致しない。この差には、生来の認知特性、これまで担った役割、訓練した技能、成功や失敗から身についた考え方の癖が重なっている。
ビジネス、エンジニア、デザイナーの役割の違いが示すように、職業は注意を向ける対象を訓練する。エンジニアは、動作条件、依存関係、例外、再現性、保守性を見つけやすい。デザイナーは、利用者の感情、情報の強弱、見た目の違和感、操作時の迷い、全体の調和を見つけやすい。クリエイティブな仕事を続けた人は、離れた要素の類似や、まだ形になっていない組み合わせに反応しやすくなる。
これは職種ごとに人間を固定的に分類する話ではない。職業上の反復が、特定の差に気づくフィルターを育てるという話である。デザイナーは違和感に早く気づける職能であるで扱う違和感も、過去に見たもの、作ったもの、外したものとの高速な照合から生まれる。センスとは無から作る力ではなく「これいいじゃん」と気づけるフィルターであるという命題も、経験によって注意の選別方法が変わることを示している。
考え方の癖は、コンテキストの構造にも表れる。因果関係から考える人は、原因と結果を詳しく渡す。具体例から考える人は、過去の事例や利用場面を渡す。反例を探す人は、失敗条件や例外を渡す。人の感情から考える人は、関係者の期待や不安を渡す。抽象化は効率的な判断と行動を可能にする一方で、抽象化を急ぐ癖があれば、個別の違和感や例外を削りすぎることもある。認知特性は、見える範囲だけでなく、残す情報と捨てる情報の判断にも関わる。
AIへ渡るのは認知して外部化できた範囲である
AIは、使う人の頭の中にある経験を直接参照できない。会話、指示文、資料、履歴、画像、コードなどとして外に出たものを材料にする。そのため、豊かな経験を持っていても、判断の背景を言葉や媒介物へ移せなければ、AIはその経験を成果物へ反映できない。言語化されていないコンテキストは音声入力と媒介物の往復から立ち上がるのは、暗黙の感覚を一度で説明し切るより、話す、作る、見る、違和感を返すという往復によって外部化できるからである。
AIへの指示文における5要素の詳細記述が成果物の質を決定し、その作成能力は個人の生産性を直接反映するという考えも、指示文の巧拙だけを指しているのではない。目的、前提、制約、判断基準、期待する形式を書けるためには、まずそれらを認知している必要がある。指示文は、認知したコンテキストをAIが扱える形へ変換したものである。
この変換では、情報量を増やせばよいわけではない。仕事の本質はコンテキストを調理することにあるでいう選別、組み合わせ、変換が必要になる。成果物の目的に効く情報を選び、互いの関係がわかるように置き、AIが判断に使える具体性で渡す。経験は材料を増やし、認知特性は材料の見つけ方と組み合わせ方に個性を与える。
AIの成果物は使う人の認知範囲と盲点を増幅する
AIへ豊かなコンテキストを渡せる人は、一般的な出力から、自分の仕事に固有の出力へ近づけられる。AIで生産性を上げるにはコンテキストのポータブル性が大事であるのは、過去の判断や対象への理解を、別のAIや別の作業でも再利用できるからである。経験が記録され、判断基準として持ち運べる状態になると、毎回ゼロから説明せずに済む。
同時に、AIの成果物には使う人の盲点も入り込む。本人が関係者の感情を認知していなければ、その情報は渡らない。運用後の保守を考えていなければ、初期実装だけが整った案になりやすい。見た目の違和感を捉えられなければ、平均的には整っていても、その場には合わない表現を採用しやすい。AIは与えられたコンテキストを展開できるが、何を与えるべきかという判断自体には、使う人の経験と認知特性が残る。
AIアウトプットの批判的検討が思考の解像度を向上させる本質的メカニズムであるのは、出力への違和感が、欠けていたコンテキストを見つける手がかりになるからである。返答のどこが違うかを考えると、自分が暗黙に持っていた基準が言葉になる。AIとの往復は、すでに認知できる範囲を成果物へ反映するだけでなく、自分の認知範囲と盲点を確かめ直す機会にもなる。
AIを使う人の差は、操作方法を知っているかだけでは測れない。どれだけ多くの意味ある関係を認知できるか。何を重要と判断するか。それをAIが使える形へ外部化できるか。返ってきたものから欠けている文脈を見つけられるか。この一連の働きに、経験、職業上の訓練、考え方の癖が現れ、最終的な成果物の質を変える。