ある知識系ブロガーが自身の経験を共有していた。2019年、彼は1年間で100冊読むという目標を立てた。結局、読めたのは60〜70冊ほどだった。
その後、元上司からこうフィードバックされた。「お前は知識が足りないんじゃない。ありすぎるんだ。行動しろ」。それ以来、彼は読む量を減らし、仕事により多くの時間を充てるようになった。
これを見て、多くの人がまさにこの状態だと思った。
本も読んだし、ノートも取った。本のアイデアについて議論するとき、どの言葉にも見覚えがある。しかし、いざ実際にそれを使って問題を処理しようとすると、3文目で続かなくなる。
読んでいる間は、うなずくのは簡単だ。ある本にも、また別の記事にも納得できる。正反対の2つの主張でも、並べればどちらももっともらしく見える。読書は、その場でどちらかを選ぶことを要求しないからだ。
アウトプットは、選択を強制する。
記事を書く、PPT を作る、授業を準備する——どれも同じ感覚だ。始める前は頭の中で整理できたつもりでも、実際に書き始めると、2番目と3番目のパートがつながらない、事例が結論を証明していない、よく使う用語なのに明確に定義すらできないことに気づく。
これは表現の問題ではない。まだ考えが整理されていないのだ。
文章の書き方を教えている知人もいる。彼は AI ライティングの実験をし、AI に自分自身の文体を模倣させようとした。まず一連のシステムプロンプトを書き、AI に大量のテキストを出力させ、そこから一文ずつ欠陥を拾い出した。
毎回、3つの質問に答える必要があった。どの文が悪いのか、なぜ悪いのか、どういう状況ならその書き方が許されるのか。毎回のフィードバックが、次のバージョンのルールに組み込まれた。
1か月以上経って、彼はこう書いた。「このプロセスで訓練されていたのは AI ではなく、私自身だった」
なぜなら彼は、何が嫌いかは元々分かっていても、その基準を明確に言葉にできなかったからだ。AI がテキストを出力して初めて、問題点を指摘できた。しかも一度指摘するだけでは足りず、理由を説明する必要があった。こうしたフィードバックが積み重なるうちに、習慣の中に隠れていた判断の数々が、少しずつ言葉にできるルールへと変わっていった。
これがアウトプットの力だ。
「なんとなく分かっている」を、検証可能なものに変える。記事が書かれて初めて、他人は「ここが分からない」と指摘できる。製品が作られて初めて、ユーザーは「ここは使いたくない」と伝えられる。研究計画が書かれて初めて、指導教員は因果関係のどこが途切れているかに気づける。
ネガティブフィードバックが役に立つのは、この時点からだ。
ビジネスをしている友人がかつて言っていた。ネガティブフィードバックは、情報レベルではポジティブフィードバックだと。売上の低下も、データの悪化も、周囲の反対も、少なくとも「ここに対処すべき何かがある」ことを示している。
しかし、フィードバックは自動的に人を成長させない。
記事が理解できないと言われれば、「読者のレベルが足りない」と思える。製品を使う人がいなければ、「市場が理解していない」と説明し続けることもできる。行動が変わらない限り、フィードバックはただの不愉快な知らせにすぎない。
だから、アウトプットの本質は「公開する」という単発の行動ではない。何かを作り、フィードバックを得て、それが正しいかを判断し、何を変えるかを決める——そこまでを含んでいる。
このプロセスのどのステップでも、作り手自身が選択しなければならない。
これは、毎日更新していても判断力が身につくとは限らない理由も説明している。
1〜2年間、毎日発信を続けている人でも、記事をまとめて見ると、結局同じ数文の繰り返しだ。具体的な問題を出されると、それまでの内容では答えられない。私の教え子の一人が、こんなテストを提案した。ある人が過去にアウトプットしたコンテンツをすべて AI の知識ベースに入れて、その知識ベースが具体的な質問に答えられるかどうかを試す、というものだ。
これは素晴らしいテストだと思う。
何百本もの記事を入れても、正しくはあるが役に立たない言葉しか生成できなければ、記事の数は多くても、その中に判断はほとんどない。具体的な質問に答え、過去の事例や条件、異なる選択肢を提示できれば、その人は確かに何かを残してきたことになる。
だから私は「大量にアウトプットし続ければ、いつか運命が変わる」という言葉には賛成しない。
インプットがなければ、アウトプットはすぐに薄くなる。事実、事例、新しい経験がなければ、すでに下した判断を繰り返し使うしかない。
いつも文章を書いている親戚がいる。その人の観察によると、アウトプットで空っぽにならない人は、インプットの速度がアウトプットの速度を上回っているのだという。
ここでいうインプットは、読書だけを指すわけではない。プロジェクトを進める、クライアントに会う、失敗を処理する、人と議論する——すべてが材料になる。実際に多くのことを経験し、対処してきた人の文章には、自然とディテールが宿る。そうしたものがないまま公開頻度を上げるだけでは、すぐに文章は空っぽになる。
読書とアウトプットは、二者択一ではない。
読書は、概念と事実と、他人の経験を提供する。アウトプットは、それらの材料を再構成し、自分自身の因果関係を提示することを求める。フィードバックは、その説明が他人にも通用するかを教えてくれる。そして修正は、最終的な選択を残す。
AI の登場以来、こうしたステップはより明確になった。
以前は、書けないのは構成力の不足やタイピングの遅さが原因かもしれなかった。今は、構造的に完成された記事を生成するのは難しくない。タイトルも、事例も、結論も、すべて揃う。だから「書き出す」こと自体が能力を示す度合いは、以前より低くなった。
本当に差を生むのは、AI にどんな材料を与えたか、何を削除したか、どんな事実を追加したか、そして最終的にどの判断を残したか、だ。
AI は10のバージョンを生成できる。しかし、どの見解に本当に同意するのか、どの事例が検証に耐えられるのか、自分の名前で責任を持てるのはどの文章なのか——それを代わりに決めてはくれない。
この決定は、結局自分で下すしかない。
アウトプットは公開でなくてもいい。研究メモ、コード、未発表の草稿、授業の概要——どれもこの一連の処理を完結させられる。重要なのは、終えたときに、始めたときよりも問題が明確になっているかどうかだ。
そうでなければ、ただ材料の形式を変えただけだ。
そうであれば、読書はようやく、あなた自身の判断へと変わっていく。
