強い生成 AI が普及するほど、「保有している知識」そのものの希少性は下がる。何を記録・蓄積・表現するかを決めるとき、知見を AI 耐性 という一軸で仕分けると投資先を選びやすい。

判断軸

未来の強いモデルが、一般公開情報からその知見を再生成できるか。それとも、自分の固有文脈（直面した制約・実際に下した判断・経た時系列）に紐づくか。

再生成できるものほど commodity（堀が浅い）、固有文脈に紐づくものほど scarce（堀が深い）。

AI に溶ける（投資を抑える）

• 一般的・再利用可能な技術知識そのもの（ライブラリの使い方、定番パターン、用語解説）。次世代モデルが本人より上手く説明する。
• 公開ドキュメントの要約、「学んだことの再記述」。
• これらは一次資料として自分の言葉で引ける利便性はあるが、差別化や資産価値の源にはしにくい。

AI に溶けない（投資を寄せる）

• 判断の来歴: ある制約下で A でなく B を選んだ理由・却下案・トレードオフ。AI は選択肢を列挙できても、当時の制約と実際の決定は再現できない。
• アイデンティティと軌跡: 何にどう取り組み、どう伸びたかの時系列。検証可能な実作業の記録は、AI 生成物が溢れるほど真正性の信号として価値が上がる。
• 運用の作法（メソドロジー）: 計測・eval の組み方、観測（observability）の置き方、レビュー規律、AI への委譲と検証の線引き。生成行為自体が commodity 化するほど、ここが差になる。

適用のしかた

• 何かを文書化・保存・公開しようとしたとき、「強い未来モデルは自分の文脈なしにこれを再現するか？」と問う。Yes なら durable value は低い。
• ドキュメントやポートフォリオ、プロフィール表現は、「何を知っているか」の列挙より「どう判断し・どう運用するか」を前面に出す。
• 仕組みとして知見を貯めるなら、commodity 知識の網羅より、判断の来歴・軌跡・運用作法を捕捉する導線を優先する。

落とし穴

• commodity 知識を一律に捨てない。自分の一次資料としての検索性・利便性は残る。「売り・差別化にしない」だけ。
• 「運用・メソドロジーを残す」を口実に何でも日誌化しない。再利用できる判断基準・作法に一般化できるものだけ残す。

検証

仕分けが効いているかは、後から自分の蓄積を見て「これは外部の誰か（採用担当・同僚・未来の自分）に、AI では代替できない自分の判断・作法・軌跡として読めるか」で確認する。読めないものは commodity 側であり、投資の主対象から外す。