泥臭くあれ。非効率を愛せ。そして、思考し続けろ。

泥臭くあれ。非効率を愛せ。そして、思考し続けろ。 生成AI時代に復権する「泥臭い経験」の真価 角渕由英氏の論考より

「20年の蓄積」が15分で 危機を救う。 だが、心には疑問が残る。 深夜、重大なシステム障害が発生。 若手エンジニアはマニュアルとAIツールを手に途方に暮れる。 しかし、ベテランエンジニアA氏(55)は、ログデータに漂う「匂い」から、自身が20年前に手作業でメモリ管理を実装した際の失敗と同じパターンを直感。 わずか15分で原因を特定し、システムを復旧させた。

「あの非効率な時間は、 無駄だったのか？」 A氏の自問。一行一行コードを書き、何時間もデバッグと格闘した過去の膨大な努力。それに対し、AIが数秒でコードを生成し、若手が効率的に仕事を進める現在。ヒーローとなった一夜の後、彼の心にはこの問いが重くのしかかる。

否。その泥臭いスキルは、これから「二重においしい資産」になる。 1. 言語化 (Verbalization): 暗黙知を形式知へ 2. 配る (Distribution): AIと若手への継承 鍵は、無意識の有能性を具体的な資産に変えること。 それはベテランにしかできない「言語化」と「配る」という二つの行動によって達成される。

身体が覚えている知識―― 「なんとなく」の正体 特許調査員Hさん（キャリア20年）は、特許を一瞥しただけでその重要性を瞬時に判別できる。 しかし、その理由を問われると、彼女はこう答えるしかない。 「経験でわかる」「なんとなく…重要な感じがする」。 ここに専門家の暗黙知の謎が横たわっている。

無意識は、15以上の基準を並列処理していた。 1. 出願人の名前と、その企業の戦略的動向 2. 出願時期と市場トレンドの関係 3. 発明者の過去の実績とパターン 4. 請求項の構成と権利範囲の広さ 5. 図面の複雑さが示唆する技術的野心 6. 引用文献の質と量 7. 審査経過での補正パターン 8. 類似特許との微妙な差異 9. 技術用語の選択と精度 10. 実施例の具体性レベル 11. クレームの階層構造 12. 優先権主張の有無とタイミング 13. 国際出願の展開パターン 14. 技術分野における位置づけ 15. ビジネスモデルとの適合性

AIは「表層のパターン」を、人間は「因果の理解」を持つ。 AI：表層のパターン 高評価レシピで頻出する食材の組み合わせ（統計的相関）は知っているが、「なぜ」その組み合わせが機能するのかは理解していない。 人間：因果の理解 食材が機能する化学的理由、調理の文脈（湿度・温度）、そして失敗からの回復戦略まで、物事の「なぜ」と「どのように」を深く理解している。

失敗だけが、「境界線」を教えてくれる。 「AIのルート」 「ベテランの地図」 真の専門知識は、失敗の経験から生まれる。失敗は、何が機能し、何が機能しないかの「境界線」を教える。ベテランの頭の中には、この失敗から得られた「地雷原の地図」が存在する。

暗黙知が、若手とAIを導く「フローチャート」に変わる瞬間。 新人Kくんは、ベテランHさんの15の判断基準を構造化し、具体的な意思決定ツールへと昇華させた。これは「言語化」という錬金術の実例である。 暗黙知 (Tacit Knowledge) 形式知 (Explicit Knowledge) STEP 1: 出願チェック 主要競合企業か？ [YES] 重要度+3 [NO] STEP 2: 発明者チェック 過去のキープレイヤーか？ [YES] 過去実績: 重要度+ポイント

一つの言語化が、三重の価値を生む。 第一の価値：若手の教育ツール 新人が判断に迷った際の明確なチェックリストとなり、ランダムなエラーを劇的に削減する。 第二の価値：AIへのプロンプト フローチャート自体が、AIへの高精度な構造化プロンプトとして機能し、一次スクリーニングの精度を飛躍的に向上させる。 第三の価値：ベテラン自身の再発見 自身の思考プロセスを可視化することで、判断基準を客観視し、さらに洗練させることが可能になる。

失敗を「発見」と呼び直し、組織の「免疫」に変える。 Failure Museum 1. 状況 (Situation) 何が起きていたか(客観的事実) 2. 判断 (Judgment) なぜそう判断したか(当時の思考) 3. 結果 (Result) 何が起きたか(具体的な結果) 4. 原因 (Cause) なぜ失敗したか(根本原因の分析) 5. 教訓 (Lesson) 何を学んだか(抽象化された学び) 6. 予防策 (Prevention) 今後どう防ぐか(具体的なアクション) 「失敗の博物館」では、各エントリーを以下の6要素で構造化する： 1. 状況(Situation): 何が起きていたか(客観的事実) 2. 判断(Judgment): なぜそう判断したか(当時の思考) 3. 結果(Result): 何が起きたか(具体的な結果) 4. 原因(Cause): なぜ失敗したか(根本原因の分析) 5. 教訓(Lesson): 何を学んだか(抽象化された学び) 6. 予防策(Prevention): 今後どう防ぐか(具体的なアクション)

「答えを持つ人」から、「問いを立てる人」へ。 AIが「答え」を持つ時代、ベテランの役割は進化する。自ら手を動かすプレイヤーから、チーム全体のパフォーマンスを最大化する戦略家へ。その新しい役割は二つある。 ・知の設計者 (Architect of Knowledge)：AIと若手が使うためのシステム、プロセス、判断基準を設計する。 ・問いの壁 (The Wall of Questions)：AIの安易な答えに対し、文脈、リスク、暗黙の前提を問うことで、思考を深めさせる。

30年前の知恵が、今日のAIプロンプト設計に生きる。 ベテランV氏は30年前、訴訟の勝敗を分けた単語『密着』を、辞書的意味ではなく、発明の目的と文脈から再定義した。若手Wさんは気づく。『それは、AIに的確な指示を出すためのプロンプト設計と全く同じ思考プロセスだ』と。

若手の技術 × ベテランの洞察 ＝ 誰も思いつかなかったイノベーション 「逆メンタリング」の実践。若手WさんがV氏に画像認識AIを教えた際、V氏の経験が「特許図面と明細書の矛盾を自動検出する」という、技術者だけでは発想し得ない画期的な応用アイデアを閃かせた。

深夜11時、新人Mさんを救ったのは、3年前に記録された「Tさんの失敗」だった。 金曜の深夜、判断に窮した新人Mさん。社内ナレッジベースを検索し、3年前にTさんが記録した全く同じ状況の「失敗カタログ」を発見する。記録された教訓が彼女に進むべき道を示し、危機を回避させた。後日、感謝のコメントが、Tさんの過去の失敗を意味のあるものに変えた。

組織の記憶を、未来の力に変える設計図。 組織の知恵 判断フローライブラリ 失敗カタログ 境界線マップ 語彙辞書 ケーススタディ集 組織の経験

変化は、今日の一つの行動から始まる。 個人 (Individual) 「なんとなく日記」を始める。日々の業務で直感的に下した判断とその理由を記録し、自己の暗黙知の言語化を試みる。 チーム (Team) 週に一度、10分間の「学びの共有会」を設ける。成功だけでなく失敗も安全に共有できる場を作り、チームの学習を促進する。 組織 (Organization) 「探索予算」を確保する。直接的な成果を求めない「非効率」な学習や実験のための時間とリソースを意図的に確保する。

AIは優秀な「猟犬」だ。だが進むべき道を決めるのは、森を知る「猟師」である、あなただ。 AIは速く、疲れず、獲物を見つける。 しかし、どの森に入り、何を狩り、いつ帰るかを決めるのは、地形と獲物を知り尽くした猟師の経験と戦略である。 AIのペットになるか、主人になるか。選択はあなた次第だ。

AI時代の「読み・書き・算盤」は、泥臭い経験の中でしか磨かれない。 読み (Reading): 解釈と評価 情報の摂取ではなく、AIの出力の背景にある文脈を読み解き、真贋を診断する洞察力。 書き (Writing): 言語化と構造化 思考を構造化し、暗黙知を形式知に変換する力。AIへの的確な指令（プロンプト）を作成する能力。 算盤 (Arithmetic): 戦略設計 単なる計算ではなく、コスト、リスク、見えない資産のバランスを考慮したプロセスを設計する論理的思考力。

あなたの「なんとなく」「違和感」「失敗」こそが、AIにはない宝物だ。 さあ、発掘を始めよう。 1. 問い1：あなたは何を「なんとなく」判断しているか？ 問い2：あなたは何に「違和感」を感じるか？ 問い3：あなたは過去にどんな「失敗」をしたか？

あなたの泥臭さは、未来を照らす光になる。 あなたの非効率で困難だった過去は、無駄ではなかった。それは次世代とAIがその上に立つための土台そのもの。今こそ、その経験を言語化し、未来への贈り物に変える時だ。

泥臭くあれ。非効率を愛せ。そして、思考し続けろ。 角渕由英（つのぶちよしひで）氏の論考より