iPhoneでOpenAIの人工知能モデル「GPT-5」を使用する人物の手元のアップ。モデルを紹介するテキストが表示されている。2025年8月7日、カリフォルニア州ラファイエットにて。
サム・アルトマンをはじめとする経営幹部のコーチとして知られるジョー・ハドソンは、現代の市場で優位性を獲得する方法について興味深い持論を持っている。OpenAIやAnthropic、DeepMindの研究チームとも活動する彼は、歴史におけるあらゆる重大な技術シフトは、ある特定の変化をもたらしてきたと考えている。それは、その時代に最も経済的価値の高かった人間のスキルを駆逐し、別のスキルに置き換えるということだ。
彼が語るその変遷はこうだ。産業革命前は「身体的な強さ」が優位性だった。機械が肉体労働を引き受けたことで、優位性は「習得された技能」へと移行した。その後、情報化時代が到来し、価値の源泉は「生の知能（インテリジェンス）」へと移った。そして今、AIが知能をアウトソーシングしつつあり、優位性は再び移行した。
次に来るものに対する彼の答えは「知恵」だ。「もし70人のAIエージェントに無料で会社を経営させることができるなら、問題は『その会社を成功させるために、自分自身がどのような意思決定を下すか』になる」
ハドソンの位置づけでは、思考はAIが処理するが、決定を下せるのは人間に限られる。この議論は洗練されているように聞こえるが、「知恵とは実際には何なのか」「それは誰に適用されるのか」「訓練で身につけられるのか、それとも持って生まれた資質なのだろうか」と問い直すと、一筋縄ではいかなくなる。
歴史的な変遷は事実なのか？
産業革命に関する主張は概ね支持できる。機械化が特定の労働市場において、肉体的強さの価値を低下させたのは事実だ。しかし、実際の歴史はもっと複雑である。機械化は同時に、機械組立工やエンジニア、機械工といった熟練労働者への膨大な需要を生み出した。身体的な強さが必要なくなったわけではなく、機械に代替されたというよりは、機械と協調する能力へと移行したのだ。世界の労働人口に占める農業の割合の低下は非常に緩やかであり、建設、物流、採掘における肉体労働は、20世紀に入ってもなお主流であり続けた。
情報化時代における「知能」への移行も同様に限定的だ。分析的推理やシステム思考の価値は明らかに高まった。しかし、専門的な実務技能が崩壊したわけではない。それらは先進国の多くで今なお高い報酬を得ており、その主な理由は、機械が実務に求められる物理的な器用さや文脈に応じた判断を行うことを驚くほど苦手としているからだ。
この事実は、今回の主張を考える上で重要となる。もし、新たなテクノロジーがもたらす真のパターンが、かつてのスキルを排除するのではなく、その相対的な価値を移行させることにあるのだとすれば、AIが知恵の価値を高めるからといって、知能が重要でなくなるわけではない。認知的な作業がコモディティ化する境界において、知恵がますます他者との差別化要因になるということを意味している。これこそが、ハドソンの議論をより控えめに、そしておそらくより正確に解釈したバージョンだろう。
ジョー・ハドソンの「知恵」に関する仮説：歴史的な変遷は本当に事実なのだろうか？
ここで言う「知恵」の本当の意味とは
「知恵」という言葉は、分解して考えなければ曖昧すぎて実用性に欠ける。ハドソンの実際の議論を注意深く読み解くと、特定の能力の集合体を指していることがわかる。
「曖昧な状況下での方向設定」とは、問題をうまく解決する前に、どの問題を解決すべきかを見極める能力である。これは、従来測定されてきた知能とは異なる。優秀なアナリストが、誤った目標を最適化してしまうことは日常茶飯事だ。ここで説明されているスキルは、意思決定研究者のゲイリー・クラインが「認識プライム意思決定（RPD）」と呼ぶものに近い。すなわち、状況のどの特徴が判断において重要であるかを見抜く能力であり、通常は長期にわたるパターンの経験を通じて培われる。
「適切に調整された自己認識（キャリブレーション）」とは、自分が何を知らないか、自分の判断がどこまで信頼できるか、そして自分がどこで騙されやすいかを理解していることを意味する。これは知能とは完全には相関せず、正規の教育ともほとんど関係がない。ハドソンの言う「知恵」の中で、実用的に最も重要な構成要素であり、AIの出力に対して検証するのか、委ねるのか、あるいは自ら覆すのかといった、AIとの関わり方を最も直接的に決定づけるものである。
「協調（アライメント）の創出」とは、異なる動機や枠組みを持つ人々を同じ方向に向かわせる能力である。AIが「実行」というボトルネックを解消し、その根底にある「調整」というボトルネックを浮き彫りにするにつれて、この能力の価値は高まっていく。
「困難な行動を起こす覚悟」とは、たとえ代償が大きく、不評を買うことであっても、導き出された結論に基づいて行動することを意味する。大半の組織は、なすべきことをある程度は理解している。制約となっているのは、変化を受け入れる意志の有無だ。AIはこの制約を解決しない。むしろ、かつては言い訳の盾となっていた情報格差が縮小するため、この制約はさらに浮き彫りになる。
これら4つの現象は実在する。観察でき、訓練でき、人によって差が出る。知恵という言葉は、高齢者だけが持つ属性としてではなく、これらの能力を指し示す言葉として使うのであれば、便利な略称として受け入れられるだろう。
この枠組みが適用される人とされない人
ハドソンがコーチングを行っているのは、AI研究所を率いる人々だ。そうした人々にとって、ボトルネックは純粋に「意思決定の質」である。必要な認知的労働力はいくらでも手に入る。しかし、それをどの方向に向ければよいかという明確さは、お金で買うことができない。
しかし、大半の人はそのレベルにはない。コピーライティングのためにClaudeの使い方を学んでいるマーケティングマネージャーにとって、制約となっているのは知恵ではない。彼女を制約しているのは「技能（クラフト）」、すなわち、優れた出力を見極め、効果的にプロンプトを入力し、主張の真偽を検証する能力だ。AIコーディングツールを使用する若手ソフトウェア開発者も、組織的な判断力がボトルネックになっているわけではない。彼に求められるのは、モデルが何を間違えやすいかを理解し、もっともらしく見えるエラーに騙されることなくコードをレビュー・テストするスキルを養うことだ。
この層にとっての実践的な優位性は、クラフトと批判的検証の組み合わせに近い。CEOに必要なものというよりは、優秀な編集者が持っている能力に近い。
「知恵」という枠組みが正確になるのは、自ら実行するのではなく指揮する段階、つまり、仕事の単位が「制作」ではなく「依頼とレビュー」になるあたりだろう。そして、その境界線は変化しつつある。AIは、多くの人が気づくよりもはるかに速いスピードで、この境界線を組織の階層の下方へと押し下げている。現代の有能な個人事業主や一般社員は、適切なツールを使えば、かつてはチームを必要とした成果物を一人で生み出すことができる。
知恵を重視する見方は、規範としては正しいが、多くの人々にとって現状描写としては時期尚早である。それは、優位性が「どこに向かっているか」を示しているのであり、必ずしも「今どこにあるか」を示しているわけではない。
知恵は訓練で身につけられるのか？
「意思決定の質としての知恵」が希少な資産であるならば、実用的な問いは、それを意図的に培うことができるか否かだ。
臨床診断、軍事指揮、投資判断といった特定の領域における判断力は、構造化された経験によって向上する。しかし、そのメカニズムは領域特有のパターン認識であり、他の分野に応用できる汎用的な知恵ではない。フィリップ・テトロックによる「超予測力」の研究や、ダニエル・カーネマンによる「ノイズ」に関する研究はいずれも同じ方向を示している。すなわち、意思決定の質は向上させることができるが、それは意図的なフィードバックループを通じて、特定の領域において実現されるということだ。
「自己認識（キャリブレーション）」の調整は、最も確実に訓練可能な要素である。スコアリングルールとフィードバックを用いた予測訓練を重ねることで、自己認識の精度は確実に向上する。事前検分（プレモータム）を行い、意思決定の記録を残し、予測と実際の結果を体系的に検証している組織は、より優れた組織的判断力を養う傾向がある。これらの取り組みは手続き的で地味なものであるため、概念としての「知恵」のほうが魅力的に見えてしまうのだろう。
「困難な行動を起こす覚悟」はおそらく最も直接的な訓練が難しく、個人の成長というよりも、心理的安全性やインセンティブ構造に左右される部分が大きい。ハドソンのコーチングが真に役立っているのはまさにこの部分だろう。リーダーが、自分の「知っていること」と「行うこと」との間の内的摩擦を軽減するのを支援しているのだ。
実用的な示唆として、「知恵を身につけること」を目標に掲げるのは抽象的すぎて実行に移せない。自身の領域における自己認識の精度を向上させること、構造化された意思決定のレビュープロセスを構築すること、そして具体的なフィードバックを通じて協調スキルを磨くこと。これらこそが、実行可能なアプローチである。
この議論の誇張されている点
「AIが知能をアウトソーシングしている」という主張は、知能とは「情報を処理し、有用な出力を生成する能力」であるという特定の定義に基づいている。しかし、人間の知能には、現在のAIには不可能な要素が含まれている。極めて少ない例から領域を超えて一般化する能力、物理的・社会的な常識に基づいた推論、そして提示された枠組みの中で最適化するのではなく、その枠組み自体が誤っていることを見抜く能力などだ。これらの能力は（今のところ）代替されていない。
また、根拠となっているデータには選択バイアスが存在する。ハドソンのクライアントは、高度な方向設定を必要とする複雑な組織のトップに君臨する人々だ。彼らにとって知恵が極めて重要であるという彼の観察は正しい。しかし、彼らは歴史的に見ても、常に知恵が最も求められてきた層である。AIがもたらしている変化とは、彼らの置かれた状況をより広い層に可視化しているだけであり、必ずしも全人類に共通する新たな要件を生み出しているわけではない。
さらに、この枠組みには甘え（心地よさ）の罠がある。「知恵」とは通常、年齢が高く、経験豊富で、報酬の高い人々に備わっていると考えられがちだ。「優位性は知恵に移行した」という主張は、偶然かもしれないが、現在AIに関する議論を主導している層にとって極めて都合が良い。もしこの主張が、そうした利害関係を持たない人物によってなされた場合でも、同じように響くかどうかは一考の価値がある。
率直な総括
ハドソンが提示した変遷は、現実の方向転換を捉えている。特定の認知的成果物の価値は、適切な指示を出し、的確に意思決定することの価値に比べて低下しつつある。
実践的な知恵を構成する4つの要素（方向設定、自己認識の調整、協調の創出、困難な結論に基づいて行動する意志）は、すべて実在し、観察可能であり、部分的に訓練可能である。この枠組みは、組織的レバレッジが低い層よりも高い層においてより正確だが、AIはその関連性の閾値を下方へと押し下げている。
知恵という言葉は、その特定の能力群を指し示すために使われるのであれば、便利な総称として受け入れられる。しかし、その具体性を失った瞬間、あらゆるものを意味し、結果として何も要求しない、単なる抽象的な言葉に成り下がってしまう。「知識労働者」から「知恵労働者」への移行は現実に起きている。しかし、その移行は単なるマインドセットの転換ではなく、人間のフィードバックを得ながら、意図的に練習を重ねて、具体的なスキルを構築し維持していく泥臭いプロセスなのだ。
