AI時代の知見・キャリア戦略（AI耐性で投資先を仕分ける）

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。

「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。