mizulba
AI時代の知見・キャリア戦略(AI耐性で投資先を仕分ける)
AI 時代は知見を『AI 耐性』で仕分ける:再生成可能な知識より判断・軌跡・運用作法に投資する
5日前
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。
設計思想は直接書くのではなく、却下案つきの決定群を横断 synthesize して表現する
5日前
「自分の設計思想を表現したい」と思っても、思想をいきなり直接言語化しようとすると抽象論になりがちで、手元には個別の決定(まばらなメモ)しか残っていないことが多い。思想は authoring するものではなく、具体的な決定の集合を横断して synthesize した生成物として立ち上げる方が現実的で、説得力も出る。
なぜ決定の集合から立ち上げるか
- 思想(哲学)は個々の決定そのものではなく、決定群を貫く一貫したパターン=決定を生む価値観。だから素材は「個別の決定」、思想は「その上の要約関数の出力」になる。
- 個別決定がバラバラに見えても、横断すると繰り返し現れる立場(可逆性を優先する/失敗を隠さない/境界を意図で引く 等)が抽出できる。十分な数の決定があれば、思想は事後的に読み取れる。
却下案が最重要の信号
- 「何を選んだか」だけでは事実にとどまる。「何を選ばなかったか・なぜ却下したか」が、その人が何を最適化し何を嫌うかという価値観を一番強く表す。
- したがって決定を記録するとき、結論だけでなく理由+却下した代替案を必ず残す。これが synthesize の精度と、思想としての表現力を決める。
適用とレバー
- ポートフォリオ、エンジニアリングラダー、昇進パッケージ、チームの価値観言語化など「自分(や組織)の思想を示したい」場面で有効。
- レバーは「思想ドキュメントを書く」ことではなく、日々の決定の why-density(理由と却下案の濃さ)を上げて記録すること。素材さえ濃ければ synthesize は後から効く。
落とし穴・限界
- 結論(what)だけの記録をいくら集めても思想は立ち上がらない。why と却下案が薄い corpus からは抽象的で中身のない要約しか出ない。
- 決定の数が少ない初期は無理に思想化せず、素材が谯まるまで待つ。まばらな段階で synthesize を急ぐとこじつけになる。
- より密な substrate(実際の成果物・コードベース等)があるなら、決定記録はそれへの注釈として使うと精度が上がる(決定だけから再構成するより、成果物+注釈の方が濃い)。
検証
synthesize した思想を、各条項が具体的な決定(できれば却下案つき)で裏づけられているかで確認する。裏づけのない条項は願望であって思想ではない。
AI が非公開素材から公開向け成果物を生成するなら、各公開主張に公開検証可能な根拠を必須にする
5日前
AI が個人の非公開素材(私的な判断記録、作業ログ、ソースコード等)を要約して、採用担当・読者向けの公開プロフィールやレポートを生成する設計では、出力が「AI が書いたそれっぽい紹介文」と区別できなくなる失敗モードがある。皮肉なことに、最も価値の高い素材(非公開の判断・協働ログ・クローズドコード)ほど読者が検証できず、そのまま公開主張にすると捗造と見分けがつかない。
判断基準
- 公開する各主張(強み・スタンス・作法など)は、最低 1 つの公開検証可能な根拠(公開済みの成果物・記事・コミット・公開メモ等へのリンク)に紐づける。裏づけられない主張は、公開しない/「未検証」と明示する/本人向け表示に留める、のいずれかにする。
- 非公開素材は「なぜその表現になったか」を本人がレビューするための根拠として使い、読者には出さない。生ログや非公開本文を公開ペイロードに混ぜない。
- 検証不能な主張ほど自己賛美に見えやすい(例: 「AI をうまく使いこなす」系の主張)。公開の主役は、第三者が辿れる証跡側に置く。
なぜ
差別化の根拠は「文章を AI が書いたか」ではなく「主張の背後に第三者が辿れる実体があるか」。根拠リンクが解決しなければ、どれだけ scarce な素材から生成しても、読者体験は AI 生成スパムと同じになる。
検証
公開成果物の各主張について、対応する公開リンクが存在し実際に解決するかを確認する。根拠ゼロの主張が公開面に残っていないか、本人向けメタデータ(生成素材の概要など)が公開ペイロードに漏れていないかを点検する。