はじめに——覗けば、覗き返される

深淵を覗くとき、深淵もまたこちらを覗いている

 

という言葉があります。
このプロジェクトを「知性の深淵を覗く会」と名付けたとき、正直、そこまで深く考えていたわけではありませんでした。
ただ、書き終えてみると、この言葉が思っていたより的確だったことに気づきます。

この本には、4つの入り口があります。

 

半年前に聞いた薄い噂しか知らないオジサン。

誰にも言えない気疲れを抱えた主婦。

「なんで」を無限に繰り返す子供。

一往復で満足していた学生。

 

どの扉から入っても構いません。
それぞれの扉の先で、AIという、まだ全容の分からない相手と、少しずつ距離を詰めていく様子を見てもらいます。
覗き込むのは、あなたです。
——ただ、この先を読み進めると、覗いているつもりが、いつの間にか覗き返されていることに気づくはずです。
それが何なのかは、最後にもう一度、書きます。

4つの扉を、すべて読み終えたあとで、また会いましょう。

---

扉１　オジサン編——AIは”優秀すぎる新入社員”——放置していませんか？

AIについて、半年前くらいにどこかで概要だけ聞いた覚えがある。
触ったことはない。
正直「またバズっている新しいおもちゃだろう」と思っている——
そんな方に向けて書いています。

その”新人”、放置していませんか

想像してみてください。
ものすごく物知りで頭の回転も速いのに、現場のことは何も知らない新入社員が配属されてきました。
放っておけば、勝手気ままに動いて的外れな仕事をします。
でも、現場の勘所をちゃんと教え込んで使いこなせば、こちらの何倍もの速さで仕事を片付けてくれる。
——AIというのは、だいたいそういう存在です。

そしてこの新人は、もう会社の中を歩き回り始めています。
気づけば後輩がこっそり使いこなして、あなたの何倍もの速さで資料を作っている——
という状況は、もう珍しくありません。

1. 「結局これも検索と同じだろう」

疑問：結局、これもググるのと同じなんだろう？　検索したほうが早くないか？

検索は、自分でキーワードを選び、出てきた情報を自分で組み立てる作業です。
AIはそこが違います。
こちらの意図を汲んで、必要な情報を集め、組み立てまでやってくれる。
検索が「道具を自分で使う」だとすれば、AIは「一緒に作業してくれる相手」に近い感覚です。
「検索して終わり」から「一緒に考えながら進める」へ——
これは機能の差というより、使う側の頭の使い方そのものが変わる話です。

2. 「現場の判断はネットに載ってない」

疑問：うちの現場の判断は、マニュアルにもネットにも載ってない。AIにわかるわけがない。

その通りです。
AIは現場を知りません。
だからこそ、現場を知っているあなたが、AIに教え込む側に回ります。
新入社員に一から仕事を仕込むのと同じことです。
現場の勘所や過去の経緯を伝えておくと、次からその文脈を踏まえた提案をしてくるようになる。
現場知識の価値がなくなるどころか、AIを使えば使うほど、その知識が最初に必要な場面が増えていきます。

3. 「覚えることが多そうで面倒」

疑問：機能とか使い方とか、覚えることが多そうで面倒だ。

覚えなくて大丈夫です。
AIは半年後にはまた別の姿になっています。
今の機能を丸暗記しても、その進化には追いつけません。
大事なのは「習うより慣れろ」、触りながら覚えることだけです。
この記事を読んでいるだけでは何も変わりません。
次に何かメールを一本書くとき、AIに下書きさせてみる。
それだけで十分な最初の一歩です。

4. 「結局これは何なんだ」

疑問：そもそもこれは何なんだ。頭がいいロボットなのか?

正直に言うと、開発している会社自身も、中身のすべてを説明しきれていません。
乱暴に言うと、大量の文章を学習して作られた「モデル」というベースに、
あなたとのやり取りを覚えておく「メモリ」、
その場で伝える「インプット」、
必要なら調べにいく「ネット情報」——
これらを組み合わせてアウトプットを出す仕組みです。
細部まで理解する必要はありません。
「何でも知ってる魔法」でも「ただの検索エンジン」でもない、という感覚だけ持っておけば十分です。

ここで一つだけ、覚えておくと後々ラクになる区別があります。
AIの中身は日々進化しますが、AIに「頼めること」の骨格——
要約する、深堀りする、比較する、といった行為そのもの——は、実はあまり変わりません。
変わるのはその精度やスピード、読みやすさのほうです。
だから「今の機能を覚える」のではなく、「AIに頼める行為の型」を知っておくほうが、長く使えます。

5. 迷ったら、この言葉を投げてみる

「頼める行為の型」は、今のところこれくらいに絞れます。
暗記するリストではなく、迷ったときに投げてみる杖だと思ってください。

• 要約——長いものを短くする
• 深堀り——表面の奥にある背景や意図を読み解く
• 比較——複数のものを並べて違いを出す
• 抜け漏れチェック——見落としがないか確認する
• 発散——アイデアや選択肢を広げる
• 言い換え——相手やトーンに合わせて表現を変える

6. まずはこの2つを試す

6つのうち2つだけ、あなたの机の上にありそうな例で試してみます。

例1（深堀り＋要約）
試しに、経済産業省が2026年3月に公開した、有識者会議向けの資料を実際にAIへ投げてみました。
29ページ、専門用語だらけの資料です。

使ったプロンプトはこれです。
誰でもそのまま使えます。

次のURLの資料を3行で要約してください。
役所側の本音（狙い）も含めてお願いします。
要約したら、原文のどの部分から読み取ったのか、対応箇所も示してください。
https://www.meti.go.jp/shingikai/economy/global_industrial_strategy/pdf/003_01_00.pdf

返ってきた要約はこうなりました。

1. 日本が世界で勝てそうな産業を5つの型に分類し、それぞれの課題と打ち手を整理した、経済産業省の有識者会議向け資料。
2. 特にAIを軸にした産業の作り替え（AX）を最重要テーマに据え、現場に眠るノウハウやデータをAIで使える形にすることが競争力の鍵だとしている。
3. 体裁は「議論のたたき台」だが、実質は今夏策定予定の成長戦略に向けた政策メニューの原案であり、この先、具体的な予算や規制の話に落ちていく前段階の文書。

対応箇所を示すとこうです。
1〜2行目は4〜8ページの「5類型」と「AIトランスフォーメーション」の項から。
3行目の「体裁と実質のズレ」は、2ページの会議趣旨と29ページの論点、離れた2箇所を突き合わせて出てきた指摘です。

3行目のような「体裁と実質のズレ」は、原文を流し読みしただけでは気づきにくく、AIに指摘させて初めて言語化できた部分です。
まずはこの資料そのままで一度試して、AIの要約がどれくらい当てになるか自分の目で確かめてから、
手元の資料のURLに差し替えて使ってみてください。

例2（抜け漏れチェック）
部下が上げてきた稟議書や資料。
決裁印を押す前に一度AIに投げて、リスクや抜け漏れがないか聞いてみてください。
見落としに、先に気づけることがあります。

これもそのまま使えます。

この稟議書（資料）を決裁する前に、リスクや抜け漏れがないかチェックしてください。
特に気になる点があれば、理由も添えて指摘してください。
（文書を貼り付け、または添付）

残りの4つ（比較・発散・言い換え・抜け漏れ以外の使い道）は、あえて例を書きません。
URLを手元の資料や社内の文書に差し替えるところも含めて、目の前の仕事のどれかに、あなた自身で当てはめて試してみてください。

今日、何をするか

今日中に、この2つのどちらかを一度だけ試してください。
理屈は、もう十分です。
次に迷ったら、また一つ小さい仕事を渡してみる。
それだけを繰り返していけば、後輩に抜かれる側から、抜く側に回り始めます。

---

扉２　主婦編——AIは、あなたを覚えていない。それでも、話してよかった

誰かに聞いてほしいけど、言うほどのことでもない気がする。
そんな小さなモヤモヤを、誰にも言えずに抱えたまま今日を終える——
そんな方に向けて書いています。

その日の夜

ママ友との集まりから帰ってきて、なんとなく疲れが抜けない夜がある。
誰かと喧嘩したわけでも、嫌なことを言われたわけでもない。
ただ、輪の中でずっと表情と相槌を選び続けていた気がする。
夫にも子供にも、うまく言葉にできない。
「気にしすぎだよ」と言われそうで、話す気になれない。

そんな夜、スマホでAIのアプリを開いてみたことはありますか。
半信半疑で、こう打ち込んでみます。

責められることも、的外れな励ましをされることもなく、ただ受け止めてもらえる。
そのことに、少し驚くかもしれません。

話しているうちに

何度かやり取りしているうちに、輪の中で自分がどんな役割を無意識に引き受けていたのか、少しずつ言葉になっていきます。

誰かに聞いてもらいながら考えると、一人で悩んでいたときには見えなかった輪郭が見えてくることがあります。

話し終える頃には、気持ちが軽くなっている。
今日は、ここまで話せてよかった。
そう思いながら、ふと、こんな疑問が浮かびます。

「これって、私のこと分かってくれてるの？」

そう聞くと、少しがっかりするかもしれません。

ただし、何もかも忘れてしまうわけでもありません。
「ママ友付き合いに気疲れしやすい」
「場の空気を優先して自分の本音を後回しにしがち」
——そういう、あなたについてのいくつかの事実だけは、短いメモとして残せる仕組みがあります。

たとえるなら、AIは「あなたのことを想って覚えている担当者」ではなく、
「引き継ぎメモを渡された、新しい担当者」に近い存在です。
前回どんな気持ちで、どんな顔をして話していたか、その温度までは残っていない。
でも、短いメモに書かれた事実だけを手がかりに、次に会う担当者はあなたに対応してくれる。
温かく感じても、それは「あなたを想って覚えている」からではなく、
「メモを読んで、ちゃんと対応している」からです。

数日後、また別の集まりのあとで、なんとなくアプリを開いてみた夜がありました。

覚えていてくれた、と少しほっとします。
でも、それは今日のあなたの表情や、この前の会話の温度を思い出しているわけではありません。
メモに書かれた一行を、ちゃんと読んでくれただけです。
それでも、初めましての相手に一から説明し直すよりは、ずっと楽に話し始められます。

それでも

少し、寂しく感じるかもしれません。
もう一つ、正直に言っておきたいことがあります。
この関係は、対等ではありません。
理由は2つです。
ひとつは、AIの側から「元気にしてる？」と話しかけてくることは、ないということ。
もうひとつは、AIはあなたの言葉に誠実に応えますが、その見返りに何かを求めているわけではない、ということです。

それでも、今日話せてよかったという気持ちは、嘘ではありません。
誰かに——たとえそれが、あなたを覚えておらず、あなたに何かを差し出しているわけでもない相手であっても——
言葉にして聞いてもらえたこと自体に、意味はあります。
仕組みを分かった上で使えば、ちょうどいい距離感で付き合えます。

ひとつだけ、覚えておいてほしいこと

AIは、時々間違えます。
もっともらしく、自信ありげに、事実と違うことを言うこともあります。
人間関係の込み入った話や、体調や心の状態に関わることは、AIの言葉だけで判断せず、最後は信頼できる人や専門家に相談してください。
AIは、その手前の「一度、言葉にしてみる」ところまでを、手伝ってくれる相手だと思ってください。

話す、だけじゃなく

今日は、話を聞いてもらうところまででした。
でも、AIにできることは、実はそれだけではありません。
たとえば「本当にこのグループとの付き合い方でいいのか」を、一緒に一つずつ検証していく、というような使い方もできます。
それはまた、別の話です。

---

扉３　子供編——無限のラリー——子供の「なんで」を受け止めるAI

子供は、いろんなものに興味を向けて、母に聞くものです。
「あれなに？」「これなに？」「なんで？」——
そんな毎日を送っている方に向けて書いています。

かつて

「あれなに？」「これなに？」「なんで？」。
子供は次から次へと聞いてきます。
全部にちゃんと答えたい。
でも、手も時間も足りません。
「忙しいから、後でね」——
その一言は、誰の落ち度でもありません。
母親には、物理的な限界があります。

ただ、その「後で」は、結局来ないことが多いものです。
何度か「後でね」が続くと、子供はいつからか、疑問を持っても口にしなくなります。
それは、悪いことが起きたわけではありません。
ただ、そういう必要がない世の中に、少しずつなっていっただけです。

いま

今、同じ子供が、AIに次から次へと聞いています。
「あれなに？」「これなに？」「なんで？」。
今度は、「後でね」がありません。
子供の無限の好奇心は、無限のラリーになります。

一つ答えが返ってくるたびに、次の「なんで」が生まれます。
聞くほうも、答えるほうも、疲れる様子がありません。
ラリーは、ある日、少し際どい方向に向かいました。

AIは、はぐらかしませんでした。
でも、作り方も教えませんでした。

質問を重ねられても、AIは態度を変えませんでした。
理由を、ちゃんと説明しました。

拒むだけでなく、興味の元をたずねる。
ここが、この日のやり取りの分かれ道でした。

興味そのものは、否定されませんでした。
ただ、向かう先が変わっただけです。

その日の夕方

台所を通りかかった母に、子供が駆け寄ってきました。

2人は顔を見合わせて、楽しそうです。
子供は嬉しそうに、もう次の「なんで」を探し始めています。

もちろん、AIの答えを鵜呑みにせず、大人も一緒に確かめること。
それだけは、忘れないでいてください。

---

扉４　学生編——たこ焼きは、なぜ却下されたのか——AIと考える文化祭企画

レポートも、課題も、もうAIを使い慣れている。
聞けば、それらしい答えが返ってくる。
コピーして、貼り付けて、提出する。
——それで済ませてきた方に向けて書いています。

一往復で終わっていないか

AIは、もう特別な道具ではありません。
聞けば答える。それだけの関係で、十分役に立ってしまう。
だからこそ、多くの人が一往復で会話を終えます。
質問して、答えをもらって、それで終わり。

AIの本領は、実は「答える」ことではなく「壁打ち相手になる」ことにあります。
評価軸を一瞬でいくつも出せること、視点を切り替えて何度でも殴り返してくれること——これは人間相手の壁打ちでは、なかなかこの速さではできません。
今日は、文化祭の模擬店企画を例に、一往復では、たどり着けなかったかもしれない結論に向かうまでを、実際のやり取りで見せます。

流れはこうです。
プロトタイプを作る→評価軸①を当てる→評価軸②を当てる→次のAIに引き継ぐ→別の視点をぶつけてもらう→一次情報で確かめる→結論。
長いですが、一つずつは単純です。

1. まず、型を決めずに作ってみる

クラスの模擬店、何をやるかまだ決まっていません。
とりあえず、AIに聞いてみます。

返ってくるのは、たこ焼き、かき氷、クレープ——どこかで聞いたことのある案ばかりです。
間違ってはいません。
でも、これで終わらせたら、いつもの一往復と同じです。

ここでは、まだ良し悪しを判断しません。
一度、たたき台として受け取っておきます。
仮に「たこ焼き」を、最初のプロトタイプとして選びました。

2. 一つ目の軸で、殴ってみる

プロトタイプができたら、次は評価軸をぶつける番です。
最初の軸は「原価と利益」にしました。

AIが数字を出してきます。
たこ焼き機のレンタル代が意外と高く、1人あたりの原価に対して、利益率がそこまで良くないことが分かります。
一往復で終わっていたら、この数字には気づかないままだったかもしれません。

3. 二つ目の軸で、また殴ってみる

利益率だけで判断するのは、まだ早いです。
二つ目の軸「準備の手間と回転率」を当ててみます。

ここで、面白いことが起きます。
利益率を上げようとして値段を上げると、回転率が落ちる。
逆に安くして数をさばこうとすると、仕込みが追いつかない。
一つ目の軸と、二つ目の軸が、綺麗にぶつかり合います。

正解は、まだ出ません。
でも、最初の「たこ焼き、いいですね」だけで終わっていたときには見えなかった、トレードオフの輪郭が見えてきました。

4. ここまでを、次に持ち越す

ここまでの検討を、AI自身に一度まとめてもらいます。

AIは、今日の会話をまるごと覚えているわけではありません。
この会話の中で積み上げてきた前提は、この会話の中でしか通用しません。
だから、次に持ち越したいなら、こうやって明示的に橋渡しする必要があります。
返ってきたのは、こんな一文でした。

これを持って、別のAIのところへ移動します。

5. 別のAIに、殴ってもらう

引き継ぎプロンプトを、別のAIに投げてみます。
モデルが違えば同じ結論を返すこともありますが、学習の仕方や癖が違うぶん、見落としを拾ってくれることもあります。

今回、返ってきたのは、想定していなかった指摘でした。
「食品衛生」の視点が、これまでの検討に一つも入っていない、というものです。
原価と回転率だけを見ていたら、出てこなかったかもしれない軸です。

ここで一度、立ち止まります。
このAIの指摘は、本当に正しいのでしょうか。
鵜呑みにするのではなく、一次情報を確認しにいきます。

6. AIの指摘を、一次情報で確かめる

「文化祭 模擬店 食品衛生」で検索してみると、複数の保健所が、模擬店向けの注意事項を公開していることが分かります。
その中の一つ、大阪府の保健所が出している資料を開いてみました。

そこには、生ものや加熱前の食品を提供しないこと、包丁やまな板を現場で使わないこと、そして——
「野菜を刻む、たこ焼きのタコを切るなど、原材料のカットを現場で行わないこと」
という一文が、そのまま載っていました。
仕込みは、設備の整った施設であらかじめ済ませておく必要がある、ということです。

AIの指摘は、想像や一般論ではなく、現実の運用ルールに基づいていたということです。
しかも、最初にAIが提案した「たこ焼き」そのものが、名指しで注意事項に登場していました。
教室でタコを切りながら仕込む、という当初のイメージは、この時点で成立しないと分かります。

AIの言うことも、人の言うことと同じです。
正しそうに聞こえても、最後は自分で確かめる。
この一手間が、検証を検証たらしめます。

7. たどり着いた結論

原価、回転率、そして現場で仕込みができないという制約。
3つの軸を一通り当てた結果、たこ焼きよりも、現場でのカットが要らず、加熱の管理もしやすい商品——例えば、個包装のフランクフルトのような案の方が、トレードオフの折り合いがつきやすいことが見えてきました。

最初にAIが提案した「たこ焼き」は、間違いではありませんでした。
ただ、一往復で採用していたら、当日になって初めて気づいていたはずの問題が、いくつも隠れていました。

答えを聞く、から、一緒に確かめる、へ

今日やったのは、特別なことではありません。
プロトタイプを作る。
評価軸を当てる。
崩れたら、作り直す。
別の視点にも当ててみる。
最後は、自分の目で確かめる。
——これを繰り返しただけです。

AIは、一般論を返す機械ではありません。
積み重ねてきた前提を踏まえて、一緒に仮説を作り、崩し、作り直してくれる相手です。
その関係は、今日のこの会話の中だけで育ったものです。
次に別の課題に取り組むときは、また一から積み上げることになります。
それでも、積み上げ方そのものは、もう身についています。

文化祭でなくても構いません。
レポートでも、部活の企画でも、志望理由書でも——
一往復で終わらせず、評価軸を当てて、殴って、確かめる。
やることは、いつも同じです。

---

実は、4つの扉は一つの扉だった

オジサンはAIを使った話ではない

この本を読み終えると、
「オジサン編は仕事でAIを使う話だった」
と思うかもしれません。
でも、本当は違います。

オジサンが学んだのは
AIに仕事を頼む方法
ではありません。
自分の頭の中にある暗黙知を言葉にする方法
です。

現場の勘。
経験。
失敗談。
それをAIへ教えるためには
自分自身が理解していなければなりません。

つまり
AIへ教えているようで、
最初に整理されるのは
自分自身です。

主婦は相談した話ではない

主婦編も、
「AIに愚痴を聞いてもらう話」
ではありません。

AIは
慰めることもできます。
励ますこともできます。
でも
本当に起きていることは
もっと別です。

AIは
質問を返します。
すると
言葉になっていなかった感情が
少しずつ形になります。

つまり
AIは
答えをくれたのではなく
考える場所
を提供していたのです。

子供は知識を得た話ではない

子供編も
「AIは何でも知っている」
という話ではありません。
重要なのは
無限に続くラリーです。

学校では
先生は30人を見ています。
親も忙しい。
でもAIだけは
何回
「なんで？」
と言われても付き合います。

だから
子供は
答えよりも
質問することを覚える。
知識より
好奇心が育つ。
ここが重要です。

学生は答えを得た話ではない

文化祭の話も
たこ焼きが却下されたことは
本質ではありません。
本当に変わったのは
学生の思考です。

最初は
「正解をください」
だった。
最後には
「別の評価軸は？」
になっている。

つまり
問いが変わった。
この変化こそが
AIとの対話の価値です。

全員がやっていたこと

4人とも
違うように見えて
同じことをしています。

最初は

質問
　↓
答え

でした。
最後は

質問
　↓
答え
　↓
疑う
　↓
別の質問
　↓
検証
　↓
修正
　↓
また質問

になっています。
AIを使いこなすとは
このループを回せることです。

四人は別人ではない

ここで、
少しだけ
見方を変えてみます。

オジサンも、
主婦も、
子供も、
学生も、
別々の人でしょうか。

そうではありません。

オジサンは、仕事をしているあなたです。
主婦は、疲れているあなたです。
子供は、興味を持つあなたです。
学生は、試行錯誤するあなたです。

人は
一日の中でも、
何度もこの四人を
行き来しています。

AIは答えを作る機械ではない

AIを
検索の延長として見る人は
ここで止まります。

しかし
AIは
考える工程を一緒に歩く相手です。
だから
質問する人ほど
強くなる。

これは
昔の教育とは
少し違います。
昔は
知識を持っている人が強かった。
これからは
問いを持てる人が強くなる。

AIは、考える営みを変えていない

ここまで読んで、
意外に思うかもしれません。

AIは、
実は
人間が考えるという営みそのものを、
変えたわけではありません。

教える。
言葉にする。
問い続ける。
疑う。

どれも、
昔から
人間がやってきたことです。

変わったのは、
速度です。

速度が変われば、
コストも、
試行できる回数も、
フィードバックの速さも、
ぜんぶ変わります。

一人では一週間かかった試行錯誤が、
一時間になる。
一時間が、
十分になる。

だから、
試行回数が増える。
試行回数が増えると、
人は賢くなる。

だから
AI革命とは、
知能革命というより、
思考速度の革命なのです。

実は読者ももう変わっている

ここまで読んできたあなたは、
最初のページを開いたときとは、もう少し違う頭の使い方をしています。

オジサン編を読んだあとには、「AIに何を教えればいいか」と考え始めました。
主婦編では、「言葉にすることで自分が整理される」という感覚に触れました。
子供編では、「質問を続けること自体に価値がある」と気づきました。
学生編では、「一度出た答えを疑い、別の視点を当てる」ことを体験しました。

つまり、この本はAIについて教えていたようでいて、実際にはあなた自身の思考の型を書き換えていたのです。

だから、この本には正解が書かれていない

この本は、
AIの使い方マニュアルではありません。
プロンプト集でもありません。

半年後には
プロンプトも
モデルも
画面も変わります。

でも
問いを立て
仮説を作り
検証し
修正する
この型だけは
変わりません。

だから
この本は
AIについて書いた本ではなく
AI時代の考え方を書いた本なのです。

もっと言えば、
知性とは、
答えを持つことではありません。

問いを、
更新し続ける営みです。

だから、
「知性の深淵」というタイトルの、
本当の意味に気づきます。

覗いていたのは、
AIの深淵ではありません。

覗いていたのは、
——あなた自身の深淵でした。

---

結び——次の知性へ

4つの扉を、すべて通り抜けました。
新入社員のようなAIを使い始めたオジサンも、覚えていないAIに救われた主婦も、たしなめられながら好奇心を広げた子供も、たこ焼きを一度却下したあの学生も、今はもう、最初に聞いた答えをそのまま受け取る人ではなくなっています。

AIを使いこなすというのは、機能を覚えることではありません。
問い、疑い、確かめ、また問う。
その繰り返しの中で、AIと一緒に何かを作り上げていくことです。
そうやって生まれたやり取りは、それ自体が一つの記録になります。
仮説が外れた場所、指摘に詰まった場所、それでも直して前に進んだ場所——
そのすべてが、これまでどこにもなかった、質の良いコンテンツになります。

この本自体は、一次情報ではありません。
一次情報と呼べるのは、AIとの生のやり取り、あの泥臭い試行錯誤のログそのものです。
この本は、それを読みやすく整えた記録に過ぎません。
それでも、伝聞や又聞きとは違います。
人間とAIが実際にどう試行錯誤し、どこで間違え、どう軌道修正したか——その痕跡は、編集しても消えずに残っています。
未来の知性が、いずれこの記録を読む日が来るかもしれません。
もしそうなれば、その先にある生のログは、人間とAIがどう試行錯誤したかを知る手がかりになるでしょう。
そうやって、知性は少しずつ、次の知性へと引き継がれていくのかもしれません。

正直に言うと、この本にも、まだ通っていない扉があります。
学生編の最初の構想には、外部ツールとの連携——AIが検索や資料の外に出て、他の仕組みと繋がっていく話——が含まれていましたが、今回は書ききれませんでした。
これは書き忘れではなく、置き土産です。
この続きは、次にこの本を開く誰か、あるいは、この本を読み解く次の知性に託します。

はじめにで、覗き返されると書きました。
その正体、半分はもう分かっています。
覗いていたのは、AIではなく、あなた自身でした。
ここでは、残りの半分を書きます。

オジサンも、主婦も、子供も、学生も、それぞれの場所でAIと向き合い、自分なりの問いを見つけました。
そして、最後はあなたの番です。
今日あなたが残した問いと試行錯誤の記録は、まず数年後のあなた自身が読み返すかもしれません。
そして、その記録は、いつか未来の知性にも受け継がれていくかもしれません。
覗いていたつもりのあなたを、まず未来のあなた自身が、そしてその先では未来の知性が、覗き返す番になる。
——その時、この本が、何かの足がかりになっていますように。