古舘伊知郎さんはAIエージェントで世界を取れる（かも）――音声入力が武器になる本当の理由

古舘伊知郎さんはAIエージェントで世界を取れる――未圧縮の言語化能力がAI時代の競争力になる理由

以前にも一度論じたテーマだが、生成AIやAIエージェントを使う際の入力方法については、いまなお大きな誤解が残っている。一般には、短く整理され、誤字脱字のない、理路整然としたプロンプトこそが望ましいと考えられがちである。実際、単純な質問応答や、局所的な修正指示においては、その考え方は一定の妥当性を持つ。対象が狭く、目的が明確で、答えの形もほぼ決まっているなら、情報を絞ったほうが速く、扱いやすいからである。

しかし、ゼロから一を生み出す仕事、すなわち新規プロダクトの構想、機能設計、UIやUXの温度感、ブランドの方向性、あるいはサービスに込める思想まで含めた設計においては、事情が大きく異なる。その段階で本当に重要なのは、整った短い命令文ではなく、まだ要約されていない思考そのものに近い情報である。迷い、違和感、例外条件、不安、譲れない価値観、そして表面的には矛盾して見える複数の希望まで含めた未圧縮の入力のほうが、最終的に目指しているものへ近づきやすい場面がある。

この論点は、単なるプロンプトの書き方の問題ではない。人間の思考とAIの関係をどう捉えるかという、より根本的な問題である。とりわけ、音声入力のように、考えながらそのまま言葉を吐き出す方法が、AI時代において過小評価されているのではないかという問題意識は、近年の研究や実務の知見と照らしても、十分に検討に値する。

---

整理された短文より、未圧縮の文脈が強い場面がある

生成AIの初期には、プロンプトはできるだけ簡潔に、構造的に、明瞭に書くべきだという助言が繰り返された。Markdownで箇条書きを整え、目的、制約、出力形式を明示し、曖昧さをなくす。それ自体は間違いではない。とくに、モデルの文脈理解能力が現在ほど高くなかった時代には、入力側で整形してやる意味が大きかった。

だが、近年のモデル、とりわけ長文コンテキストや多段推論を扱える生成AI、さらに計画立案やツール実行を行うAIエージェントにおいては、入力の価値は少し違う形で評価されるようになっている。重要なのは、見た目の美しさより、意思決定に必要な情報が落ちていないことだからである。

短いプロンプトは、しばしば人間側の自己要約を含む。本人は「わかりやすくしよう」として、背景事情を削る。例外条件を削る。迷っていることを削る。感情的な抵抗や懸念を削る。その結果、文章は綺麗になるが、設計意図は薄まる。人間は、自分の頭の中にあるから伝わっているつもりになるが、AIに渡っているのは、その要約後の薄い断面だけである。

一方で、長く、少し脱線もあり、誤字も混じり、途中で「やはり違う」「いや、ここはこうしたい」と揺れながら続く入力には、通常の仕様書には載りにくい重要情報が残る。たとえば、「速いが安っぽく見せたくない」「親切だが説教くさくしたくない」「高機能だが初見で怖いUIにはしたくない」「将来の拡張を見越したいが、最初から複雑にしたくない」といった設計上のバランス感覚である。こうした情報は、最終的な一文の要約に落としてしまうと消えやすい。しかし、プロダクト開発においては、むしろそのバランス感覚こそが本体である場合が多い。

したがって、比較すべきなのは「千文字の整理された文章」と「一万文字の雑な文章」の見た目ではない。比較すべきなのは、「自己要約によって落ちた情報の量」である。長文が強いのではなく、削られていない文脈が強いのである。

音声入力は、思考の圧縮を防ぐ手段になりうる

この問題を考えるうえで、音声入力は非常に重要である。人はタイピング速度に合わせて思考を削るが、話す速度に合わせると、その圧縮が起きにくい。自然な発話速度は概ね毎分120語から200語程度とされ、スマートフォン入力の比較研究では、2016年にスタンフォード大学やワシントン大学などの研究者が行った実験で、英語の短文入力において音声入力は毎分153語、キーボード入力は毎分52語だった。単純計算で約2.9倍の差がある。中国語でも同様に、音声入力が約2.9倍速いという結果が報告されている。

この速度差は、単なる利便性の問題ではない。思考そのものに影響する。入力が遅いと、人は無意識に「そこまで書かなくていいか」と省略しはじめる。少し気になる懸念、まだ言語化できていない違和感、念のため考慮したい例外条件、あるいは「これは自分でもうまく説明できないが重要だ」と感じている温度差が、打つのが面倒という理由で脱落する。結果として、AIに渡る情報は、本人が本当に考えていたものより、かなり整理され、かなり薄くなったものになる。

音声入力は、その削減を抑える。とくに、話しながら考えがまとまるタイプの人にとっては決定的である。文章を書き終えてから考えるのではなく、話すこと自体が設計であり、探索であり、仮説検証になっている人が存在する。そうした人にとって、音声入力は単なる入力手段ではない。思考速度をそのままAIに接続するインターフェースである。

ここでは便宜上、そのような人材を「トーキングエンジニア」と呼ぶ。黙って考え、要点をまとめてから書くのではなく、話すことで設計空間を探索し、その過程をAIにそのまま渡せる人材である。従来型の職場では、説明が長い、独り言が多い、散らかって見える、といった評価を受けやすかったかもしれない。しかしAI時代には、その散らかって見える過程こそが、極めて価値の高い一次情報になる。

ただし、話すほうが常に優れているわけではない

もっとも、この点は過度に一般化すべきではない。音声入力や口頭思考には弱点もある。2015年に行われた創造的発想に関する研究では、アイデア生成の流暢さは、話す条件より書く条件のほうが高かった。研究者たちは、話すことのほうがワーキングメモリへの負荷が大きく、認知的コストが高くなりやすい点を指摘している。つまり、誰にとっても「話すほうが考えやすい」わけではない。

この点は非常に重要である。音声入力は速い。しかし、速いことと、深く考えられることは同義ではない。ある人にとっては、話すことが思考を押し出す力になるが、別の人にとっては、話している最中に整合性を保つ負荷が高すぎて、かえって発想が狭まる。そのため、「これからは全員音声入力を使うべきだ」といった単純な結論は成立しない。

ただし、逆もまた真である。現在の社会では、書いて整理できる人の能力が正統な知性として認識されやすい一方で、話しながら思考を深められる人の能力は軽視されがちである。しかしAIとの協働においては、後者の価値は確実に上がる。特に、曖昧な構想を具体的な要件へ変える段階では、書く力に劣らないどころか、場合によってはそれ以上の優位性を持つ。

さらに、音声入力の弱点である誤認識についても、今日では評価が変わりつつある。医療文書作成を対象とした研究では、音声認識が文書作成速度や文量、満足度を上げる一方、誤認識の修正コストが課題になることが示されている。2018年のJAMA Network Openの研究では、音声認識を用いた初期文書に100語あたり7.4個の誤りが確認された。しかし、現在の生成AI環境では、その誤りを人間が逐一修正しなくても、一度AIに整形・要約・再構成させることができる。つまり、音声入力の欠点であった雑さや誤りが、以前ほど致命的ではなくなったのである。

AIにとって有効なのは「長さ」ではなく「関連する具体性」である

ここで注意すべきは、「長文プロンプト礼賛」に陥らないことである。長ければ良い、情報量が多ければ良い、という単純な話ではない。AIにとって本当に有効なのは、関連する具体的情報が十分に入っていることであって、文字数そのものではない。

近年の研究では、曖昧で情報量の少ないプロンプト、すなわちアンダースペックな指示は、モデルの性能を不安定にしやすいことが示されている。2026年の研究では、最小限の指示しか含まないプロンプトは、より具体的な条件を含んだプロンプトに比べて、性能の分散が大きく、安定性も低かった。2025年の別の研究でも、推論タスクにおいて、詳細な指示のほうが曖昧な指示より精度を上げやすい傾向が確認されている。これは、モデルが「何を重要視すべきか」を入力から逆算していることを考えれば自然である。

ソフトウェア開発ではその傾向がさらに顕著である。2026年のコード生成研究では、テストを通るコードを引き出すために有効な改善要素として、入力と出力の形式、前提条件、事後条件、例外処理、依存関係、曖昧さの解消などが整理された。調査対象の実務家50人の中でも、I/O形式の明示はとくに有用と認識されていた。つまり、AIにとって価値があるのは、洗練された言い回しではなく、意思決定に必要な条件群が十分に渡されることである。

この観点から見ると、整理された千文字が負けるのは、短いからではない。短くする過程で、最も大事な条件が消えるからである。逆に、雑な一万文字が勝つことがあるのは、そこに重要な条件や設計思想が取りこぼされずに残っているからである。

それでも、長文には限界と危険がある

一方で、長文コンテキストにははっきりした限界もある。2025年の長文コンテキスト研究では、必要情報にアクセス可能な条件でも、入力が長くなるだけでモデルの性能が13.9パーセントから85パーセント低下するケースが報告されている。つまり、文脈が長ければ長いほど賢くなるわけではない。関連性の低い情報、重複、ノイズ、枝葉末節が増えれば、むしろモデルは迷いやすくなる。

この事実は、音声入力を重視する立場にとっても重要である。未圧縮の入力には価値があるが、それをそのまま最終的な実行命令として使うのが常に正しいとは限らない。正しい運用は、まず未圧縮の状態で十分に出し、その後にAI自身に整理させる、という二段構えである。

この発想は、近年の研究とも整合的である。2025年にMicrosoftとメリーランド大学などの研究者が発表した研究では、人間とAIの実会話ログをもとに、質の低いユーザー入力を別のLLMが書き換えることで、応答品質が改善することが示された。情報探索型の質問では、gpt-4oにおいて書き換え後の応答が元の応答より良いと評価された割合が70パーセントを超えた。人間評価でも、書き換えの74パーセントは強く意図を保持し、21パーセントはある程度保持し、大きく外したものは5パーセントだった。さらに、推論型モデルでも、入力書き換え工程を挟むことで勝率が約10ポイント上がっている。

これは極めて示唆的である。現代のAI活用では、ユーザーが最初から完璧なプロンプトを書く必要はない。むしろ、生の会話、揺れ、補足、迷い、脱線、言い直しを含んだ未整理の入力を一度出し切り、そのうえでAIに「ここまでの文脈を踏まえて、目的・制約・優先順位が正確に伝わる仕様に書き換えよ」と再構成させるほうが、実務上は強い。

ゼロから一の開発では、要約しすぎること自体が損失になる

この問題がもっとも顕著に現れるのが、新規プロダクト開発である。既存コードの局所的なバグ修正なら、再現手順、エラーログ、期待値、実際値を簡潔に書けばよい。しかし、新しいサービスを立ち上げる段階では、それでは足りない。

ゼロから一には、仕様書にしにくい情報が大量にある。どのような人にどのような感情を抱いてほしいのか。競合とどう違うのか。どこに高級感を出し、どこはあえて親しみやすくするのか。どこまで自動化し、どこは人間の余白を残すのか。課金導線は強く出すのか、慎重に出すのか。ユーザーが怖がるのはどこで、安心するのはどこか。将来の拡張性を見越すとしても、初期体験をどこまでシンプルに保つのか。こうした設計上の中核は、表向きの要件定義書には十分に残らないことが多い。

そのため、思考の過程をそのままAIに流し込み、途中で「あれは違う」「ここは譲れない」「やりすぎは嫌だ」「だが弱すぎても伝わらない」といった揺れまで含めて渡せる人材は強い。重要なのは、最初から綺麗にまとめることではない。設計の迷いと重みづけを失わずにAIへ渡せることである。

生成AIは、単に文章を整える装置ではなく、複数の条件を同時に考慮しながら設計案を更新していく装置でもある。そのため、本人の中にある「言葉になりきっていない制約」をどれだけ供給できるかが、成果物の質を大きく左右する。中途半端に整理された指示では、表面的に整ったが、本当に望んだものではない成果物が返ってきやすい。逆に、多少荒削りでも設計意図が濃く注入されていれば、修正を重ねながら理想像へ寄せやすい。

古舘伊知郎さんは、AI時代に極めて強い言語化能力の象徴である

ここで古舘伊知郎さんを取り上げる理由は、単に著名なアナウンサーだからではない。AI時代において極めて価値の高い能力を、非常に高い密度で体現しているからである。

古舘伊知郎さんは1977年にテレビ朝日に入社し、プロレス実況で「古舘節」と呼ばれる独自の語り口を確立した。その後もF1実況で広く知られ、NHK紅白歌合戦の司会を3年連続で務め、さらに報道ステーションでは12年間キャスターを担った。実況、司会、報道という異なる領域で長年第一線を維持し、現在は立教大学の客員教授でもある。ここで注目すべきなのは、活動分野の広さではなく、どの領域でも高度な言語化能力を発揮してきた点である。

古舘伊知郎さんの実況は、単なる説明ではない。目の前で起きている出来事を、比喩、速度感、構造、感情の高低差を含めて、視聴者の脳内に再構成する営みである。見えているものを言葉にするだけではない。まだ明確に認識されていない熱量や危うさを、一歩早く掴み、適切な比喩によって可視化する。これは、情報を持っていることとは別の能力である。観測された現象を、他者が理解可能な高密度の言語へ変換する能力である。

AIエージェントにおいて、この能力は極めて強い。エージェントは、与えられた目的、制約、優先順位、評価基準に従って動く。その際、もっとも重要なのは、対象の本質を過不足なく言語化できることである。「重厚だが古臭くない」「鋭いが攻撃的には見せない」「親切だが説明過多にはしない」といった微妙な条件は、多くの人にとって言葉にしにくい。しかし古舘伊知郎さん級の語り手は、それを比喩と構造で幾重にも渡せる可能性がある。

もしそのような人がAIエージェントを本格的に使いこなせば、極めて強力なプレーヤーになると考えられる。AI時代において優位なのは、単に知識を持つ人ではない。自分の頭の中にある構造、映像、ニュアンス、懸念、期待値を、高速かつ多層的に言語化できる人である。その意味で、古舘伊知郎さんは、AIエージェント時代の入力能力の象徴として非常にわかりやすい存在である。

企業は「トーキングエンジニア」を見落としてはならない

この論点は、個人の生産性にとどまらない。組織設計にも関わる。近年、多くの企業が出社回帰を進めている。対面の雑談、教育、即時連携に価値があることは確かであり、その判断自体は理解できる。しかし、その運用を全員一律で行うと、AI時代に伸びる人材の一部を潰しかねない。

トーキングエンジニア型の人材は、静かな環境でこそ力を発揮することがある。設計の途中経過を音声で吐き出し、AIとの往復を繰り返しながら仕様を磨くからである。オープンオフィスでは、その行為自体がやりにくい。周囲の視線や雑音が認識精度と集中を下げる。独り言のように見える思考プロセスが、心理的に抑制される。結果として、本来出せるはずの設計密度が出なくなる。

したがって、これからの企業に必要なのは、「全員出社」か「全員リモート」かという二項対立ではない。出社の価値を認めつつ、声で思考する人材のために、個室、静音ブース、テレキューブ、あるいは自宅作業の裁量を設計することである。会議での共同作業と、個人の高密度なAI対話は、同じ場所、同じ環境が最適とは限らない。

これは単なる福利厚生ではない。知的生産の手段に合わせた設備投資である。かつて工場が熟練工に適切な機械を与えたように、AI時代の企業は、言葉で設計し、AIに意図を注入する人材に、最適な環境を渡さなければならない。そうしなければ、本来は一流の成果を出せる人材が、ただ「やや扱いづらい人」として見過ごされる可能性がある。

結論――AI時代に強いのは、綺麗に要約する人だけではない

以上を踏まえると、生成AIとAIエージェントの時代において、価値を持つのは整った短文を書く能力だけではないことが見えてくる。むしろ、未整理な思考、迷い、例外条件、感情の温度差、設計上の譲れなさを、一度失わずに外へ出せる能力は、これまで以上に重要になっている。

もちろん、最終的には整理が必要である。未圧縮の入力を、そのまま最終命令として使えば、ノイズも増える。しかし、その前段階で十分に出し切ること、そしてAIに再構成させることは、従来型の「最初から綺麗にまとめる」というやり方では得にくい深さをもたらす。重要なのは、長文か短文かではなく、設計意図がどれだけ削られずに渡っているかである。

この観点から見ると、これからの有能な開発者像は少し変わる。沈黙のなかで仕様を整える人だけが優秀なのではない。話すことで思考し、思考しながら設計を進め、その過程ごとAIに渡せる人もまた、極めて強い。トーキングエンジニアという仮称は、その変化を指し示すためのものである。

そして、その能力の極端に高い一例として、古舘伊知郎さんのような存在がある。もし古舘伊知郎さん級の言語化能力を持つ人が、AIエージェントを自在に使い、頭の中の構造や映像をそのまま多層的に注入できるなら、従来の発想を超える成果を出す可能性は十分にある。AIは、整った文章だけを求めているわけではない。むしろ、人間の頭の中にある、まだ要約されていない本音と構造こそを最も必要としているのかもしれない。