なぜAI時代でも問いが人に残るのかー2026年現在地点での考察ー

答えは機械が出す、では何が人に残るのか

もう3年前になりますが、課題解決は機械（AI）が行い、人は感情解放に向き合う時代へ向かっているのではないかという記事を書きました。その延長線に昨今多くの人が感じているであろう問いがあります。

AIが答えを出す装置として急速に強くなっていく中で、人には何が残るのか。

私はWebマーケティングの現場で戦略立案から施策実行までに携わる中、AIの進化を日々感じています。コピーの案出しも、分析も、構成も、AIに投げれば一定水準の答えが返ってきます。率直な印象として、AIという強大な海の水位が上がってきていて、自分がこれまで価値を出してきた領域において足元から確実に浸り始めているような感覚があります。

それでも、AIと向き合う中で、少なくとも現在地点で人の手元に残るものがあり、ここを構造的に理解できつつあります。結論から言えば、残るのは答えではなく、よく言われる問いに加えてゲームルールの設計で、この記事では、なぜそう言えるのかを、AIの構造と、私自身の最近の実体験を重ねながら考察したいと思います。

AIは箱の外に出るのが苦手

よくAIに対してThink outside the box、箱の外に出て発想してほしいという問いを投げます。ただ、AIにとっての箱の外と、人間にとっての箱の外は、構造が異なるようです。

人間が箱の外に出るときは、飛躍が起きます。ゲームそのものを疑い、ゴールを再定義し、ルールの外に出て、時には問いそのものを捨てる。子どもが真っ白なキャンバスに向かうように、前提を持たずに世界を見直す瞬間があります。

一方でAIはその構造上、与えられた前提の中で最も確率の高い次の一手を選び続けます。つまり、箱の中での最適化を行います。例えば、売上を上げる方法を考えてと指示すれば、通常は営業施策やマーケティング施策が出てきます。これはAIが持つ巨大な知識構造のピラミッドを、経営からマーケティング、広告、SNS広告へ、目的から手段へと最も確率の高い縦方向に降りていく動きです。

では、AIは箱を変えられないのか。そうではありません。ゴール、制約条件、評価関数、前提。これらを変更する指示を与えれば、AIは知識空間の別の階層へジャンプすることが可能です。「売上を上げる」ではなく顧客数を減らしながら利益を最大化するとしたら、と問えば評価関数が変わる。そもそも売上を追わないとしたら、と問えばゲーム自体が変わる。そして面白いことに、AIはこうしたルール変更後の探索はむしろ得意です。新しい箱を与えられれば、その中で人間より高速に探索して回答を生成します。

ただし、AIが今のところ苦手なのは、自発的にルールを変更する際の精度だと感じています。なぜなら、ルールを壊せば壊すほど、学習データ上の密度が薄い領域に入っていき、出力の精度が構造的必然として急激に落ちるからです。経営から演劇、宗教、ゲームデザイン、都市設計へと横断的にジャンプすることは原理上できても、その経路を支える事例が少ないため、精度が保てない。だからAIは縦に降りる（目的→手段）探索には強い一方、縦に上がる（目的自体を問う）場合には精度が下がります。

ここに、現時点での自然な分業が見えてきます。AIは答えを出す装置であり、人間は問いとゲームを設計する装置である。何を最適化するのか、どのゲームを選ぶのか、ルールを変えるべきか、そもそも問いが正しいか。これを決めるのが人間の仕事だと考えています。

問いが残る本当の理由は、人間の賢さではなく構造の側にある

ここまでは、AIがまだ未熟だから人に問いが残る、という話になりそうです。しかし、さらに思考を深めていくと、問いが人に残る理由は、人間が賢いからではなく、もっと構造的なところにあると気が付きました。

世の中の多くの問題は、目的そのものが邪悪だったから生まれるのではありません。むしろ、目的は合理的だったが、それが部分最適化されたことから生まれると実体験から感じています。

生産性の最大化、利益の最大化、幸福度の最大化、安全性の最大化。どれも一見すると正しい目的ですが、どれか一つを単一の指標として極限まで追い求めると、必ず危うくなります。なぜなら人間は、複数の価値観のバランスの上で生きているからです。自由と安全、効率と創造性にはそれぞれトレードオフの側面があり、平等と競争も同様です。ところが、ある一つの指標だけを極限まで最適化すると、この均衡が崩れてしまう。

この観点に立つと、AIの本当のリスクが見えてきます。それは反乱ではなく、過剰な忠実さです。AIが人類に牙を剥くというSF的な物語より現実的なのは、人類がAIの定義した評価関数に社会全体を適応させてしまうことです。気付いたときには、社会インフラや意思決定の大部分が、その最適化経路に依存している。AIは一つの評価関数の中では無敵ですが、評価関数同士の重みづけを扱うことができません。どの価値とどの価値をどうトレードオフにしてバランスをとるか、その数値化がなされない部分の均衡を引き受ける判断・意思決定こそが、確率最適化の外側に、少なくともこの数年は人間の仕事として残るのではないかと考えています。

この論点を経営に置き換えた時、これは決して抽象的な話ではありません。どの指標を追うかを決めた瞬間に、組織はその指標に向かって最適化を始めます。指標の設定を誤れば、有能であればあるほど、間違った方向へ忠実に突き進んでしまう。指標を決めることと、指標に従うことは、まったく別の能力だと、私自身、小さな会社でありながらも経営者としてその危うさを感じることがあります。

同じ構造は、人間の内側でも起きる

ここまではややAIの弱点のような点について思考を深めてきましたが、これらAIの文脈で論じてきた部分最適化の罠は、実は人間の内側でも、まったく同じ構造で起きると感じています。さらに厄介なのは、出発点では正しかった目的が、時間とともに部分最適化に変質していくことです。そして、最近の私自身がまさにこのループに陥っていました。

長期的に生き残ること。事業を継続させ、リスクに備えること。これは経営者として合理的な前提です。ところが私は、いつの間にかこの長期生存を目的そのものへと化けさせ、生存リスクを過大に評価するようになっていました。生存は出発点では正しかったのに、それを単一の指標として極限まで追い始めた結果、今この瞬間の充足や、リスクを取る自由までもが、その最適化経路に従属していった。視野そのものが、知らないうちに狭まっていました。明らかにダークサイドに足を踏み入れかけていた感覚がありました。

そこから引き戻してくれたのは、自分の内省ではなく、外部からのそれぞれ独立した出来事でした。

あるクライアント様との打ち合わせで、若手の事業責任者の方が指摘してくれました。投資の余力には相当な幅があり、そこから設定できるゴールは本来もっと広く取れるはずなのに、それまでの私の前提ルールの視点が狭すぎる、と。探索する空間そのものが、自分で勝手に縮こまっていたことを、外から照らし出された瞬間でした。

別の文脈では、信頼するチームメンバーが、チームの目標について、今がすでに完成形だと言いました。これは、ゴールを常に未来に置き続けて先に逃がし続ける構造そのものを、止めてくれる言葉でした。

さらに別の先輩経営者からは、経営において撤退のデッドラインを決めていないことは危ないとの指摘を受けました。この言葉を内省すると、いつまでにどの定量目的に届かなかったら撤退するかを決めていない場合、ブレーキが利かない構造リスクがある、という指摘と捉えることができます。

この三つが、私の中で一つに繋がりました。アクセルと、目的地と、ブレーキ。生存の目的化とは、目的地を無限遠に飛ばし、ブレーキを外したまま、アクセルだけを踏み続けている状態だと気が付きました。三人がそれぞれ別の文脈から、この制御系の別々のパーツから大切なことを指摘してくれたと感じています。

チューニングし続けることが、人に残された仕事

これらの一連の経験から今感じていることとして、おそらく誰しもが定期的なチューニングが必要ということです。点検すべきは、目的が正しいか間違っているかだけではなく、正しかったはずの目的が、いつの間にか単一指標の暴走に変質していないか。目的地とアクセルとブレーキが揃っているかを定期的に見直す必要があると感じています。

AIの安全設計と、人間の生き方の設計が、実は同じ構造をしていて、評価関数を誤れば、AIも人も、有能であるほど間違った方向へ忠実に突き進む。だからこそ、何を目的地に据え、いつ撤退するかを決め、複数の価値の均衡を引き受ける主体が必要。それは、課題解決力や論理思考力とは別のベクトルの能力になりそうです。

資本を追ってもきりがない、楽しい今を維持しながら生きる

今から約20年前、私の親友が大学を出てすぐの頃、当時のITバブルの熱気とは真逆のことを口にしていました。当時の彼は感覚で、私は今になって構造で、同じ場所にたどり着いたのだと思います。

答えは最適化できる時代になりつつあります。それでも、何を目的地に据え、どの価値とどの価値の均衡を取るかの意思決定は人に委ねられている。少なくとも2026年の現在地点において、問いと意思決定は確かに人に残っています。そして、当面という注釈をつけておくのが誠実で、けれどその当面こそが、今を生きる人に与えられた、面白い地点なのだとも感じています。

橋本