コードは過去60年間で自然言語が数万年かけても達成できなかった進化を遂げたが、AIの登場により文章執筆もコード開発と同様の進化を遂げる可能性があることを論じた動画である。従来の文書作成ツールは単にコンピュータに「後付け」されただけであったが、AI言語モデルの登場により、コード開発で使われるDevOps手法のような高度な文書作成パイプラインが実現できると主張している。
コードと自然言語の進化速度の違い
コードは過去50年から60年で、自然言語が20万年前に発明されてから、そして文章が数万年前に発明されてから経験したよりも多くの進化を遂げました。要点は、コードが急速に進化しているということです。なぜなら、コードは発展し続ける、より強力なコンピュータシステムと共に進化するように設計されたからです。一方、自然言語は単にコンピュータに後付けされただけなのです。自然言語は本当の意味での計算技術ではありません。
コードについて考えてみてください。コードは最初、あなたが作成し、それを入力し、動作することを祈るというものでした。私たちはすでにそこから遥かに先に進んでおり、より複雑な計算と、より優れたコード実践を活用することで、段階的な改善を見てきました。
現代的な開発手法の登場
現在、私たちは一つの分野としてDevOpsを持っています。これは私が成長していた頃には存在しなかったものです。これは2010年代以降にのみ存在するようになったものです。テスト環境を持つという考え、ステージング環境を持つという考え、CI/CDパイプラインを持つという考え、GitHubという考えなど、これらはすべて計算の力とコードを組み合わせた革新なのです。
これらが可能になったのは、コードが何よりもまず、コンピュータとうまく機能する言語として設計されたからです。そのためにコードが存在するのです。それは簡素化された言語で、従来のコンピュータとうまく機能しました。
自然言語理解の革命
時は進んで2022年、機械は自然言語を理解するようになりました。機械は私たちが何十万年もの間話してきた言語を理解します。機械は私たちが書いてきた言語を理解します。私たちは初めて、言語の意味的で技術的な複雑さを習得できる機械を持つことになりました。
言語は、自然言語は、コンピュータコードよりもずっと複雑です。はるかに広い範囲の意味を表現できます。それが扱える複雑さはずっと大きいのです。特に偉大な文学は極めて密度が高く、非常に複雑です。機械はそれを話し、理解できます。機械はそれで訓練されています。
はい、私は機械がまだ偉大な文学を書いていないと最初に言う人間です。ここでその主張をしようとしているわけではありません。
従来の文書作成ツールの限界
要点はこれです。コンピュータ上での文章執筆のためのツールは、何十年もの間後付けされてきました。それらは後付けされ、私たちは本当に最初から持っていたのと同じ根本的な技術をタップし、書き出しているだけなのです。
2025年の新しいホットなものの一つが音声であることは知っています。しかし、それがそれほどホットであるはずがありません。それは実際には、私たちが口承文化にいた時、文字を発明する前に戻っているだけなのです。それは再び音声でしかなく、ただ今度はコンピュータが混在しているだけです。それは実際には新しい革新ではありません。それは私たちの脳が元々配線されていた方法に戻っているだけなのです。
そして、文字は学習された技術であり、人間の脳はまだそれを真にネイティブにするまでには進化していないため、脳のその部分を関与させる方が簡単であることが多いのです。
AIネイティブな文書作成ツールの可能性
ここまでは良いでしょう。しかし、真に計算に整合し、計算ネイティブな文章執筆における革新として起こることは何でしょうか。私たちはAIネイティブな文章執筆ツールを持つことになるでしょう。
チャットバーがあって、突然すべてが現れるという意味ではありません。私はそのヒントを少し与えるつもりですし、このことから、ちなみにホワイトカラーの仕事がどうなるかについて多くのことを推測できると思います。なぜなら、考えてみると、今の私たちの仕事のうち、コーディングをしていない場合、文書作成がどれだけを占めているでしょうか。
コーディングは私たちが見てきたように計算ネイティブで、率直に言ってAI以前に最も急速な発展を見せており、CursorやWindsurfなどがあることを考えると、AI以降も最も急速な発展を見せていると私は主張するでしょう。私たちの残りは文書を作成しており、AIを使用する文書パイプラインを持つ企業があることは知っていますし、いくつかにアドバイスしたこともありますが、それらはほぼ例外なく複雑さが厳しく制約されています。規模を考えるとそうしなければならないからです。
知識労働の複雑さと自動化の課題
一方、従来の知識労働は実際には非常に複雑さが拡張的です。それは自然言語の範囲により近いのです。文書で多くの異なることをしなければなりません。これがホワイトカラーの仕事を理解し、自動化するのが実際に非常に困難である理由の一部です。それは本当に複雑なのです。
私がここで言っているのは、AからBへの自動化への直接的な道筋のようなものではありません。私が言っているのは、機械が私たちの言語を理解するにつれて、私たちはついに計算を活用してより多くの選択肢を与えてくれるソフトウェアを開発できるようになるということです。
ここで私は再び戻って言います。それはおそらくチャットボットではないでしょう。今私たちが使っているのはチャットボットですが、それはおそらく選択肢の可能性と影響力を何よりも最優先に置くものになるでしょう。
具体的な実装例
例えば、AIで複数のバリエーションを簡単に取得できる方法を見てください。それがポイントアンドクリックや入力から離れている必要はありません。それはネイティブで明白であることができます。すでにこのアイデアで遊んでいるツールがいくつかあり、あなたが書くすべてのものの複数のバリエーションを持つだけです。
もう一つ、なぜ文書作成にプロダクションコードの概念を持たないのでしょうか。ドラフトがあり、最終版があることは知っていますが、私たちは文書用のソフトウェアを、AIと共に進化できるものとして本当に考えていません。そうすれば、ドラフト作成に適したモデルがあり、事実や主張をチェックするための適切な検証ステップとステージングがあり、明確さをチェックし、一貫性をチェックし、最終的にプロダクションにデプロイするというように、コードのように扱うのです。
それは考え方として技術的すぎるでしょうか。そうは思いません。なぜなら、同じ原理を取って、最終的にそれを着飾って素敵なレポートにしたい場合、それはプレゼンテーション層での別のステップになるだけだからです。コンテキストの核心、テキストの核心はまだそこにあります。
マルチチャンネル展開の可能性
複数のチャネルに一度にテキストをデプロイできれば、どれほど簡単になるか想像してください。それは複数のボックスにコードをデプロイできるようなものです。このようなことが言えるでしょう：「よし、この核心メッセージを調整して、マルチバリアントストリームで送信しよう。コホート1は経営チーム、コホート2はマーケティング担当者、コホート3はカスタマーサクセスにして、同じ更新を送るが、彼らが聞く必要があり、焦点を当てる必要があることに調整する」
これらはすべて以前は不可能だったことです。なぜなら、AIは大規模言語モデルの普及まで、自然言語を理解する機会を私たちに与えてくれなかったからです。それ以前にもAIはありましたが、真の大規模言語モデルが、テキストの深さと複雑さを把握するために必要なブレークスルーでした。
新たな思考と執筆の可能性
そしてそれにより、私たちが考え、書く方法を実際に進化させ、数万年間続けてきたことを超えて私たちを連れて行く計算プラットフォームを、初めて持つことができるのです。
私はこれにとても興奮しています。それがどのように見えるかを正確にお伝えすることはできませんが、私はすでにプロフェッショナルなAIワーカーがこれを手動で行っているのを見ていると言えます。
実践的なワークフロー例
例えば、私は自分の文書フローをChatGPTからo3での下書きに移行する予定です。o3は良い概念的思考者だと思うからです。もしそれが難しい問題の場合、時々o3 Proに行き、そこからOpus 4に移って問題を理解し、構造化するかもしれません。
私がどのように考えているかわかりますか。開発環境から移動し、今度は私が書いているものの構造と、それが私が書いた他のもの、私が焦点を当てている他のものと合致しているかどうかを考えなければならない、ほぼプルリクエストマージシナリオに移行し始めています。
そして、その文書をPerplexityに持っていき、主張が真実かどうかをテストするテストと呼ぶものに移り、最後にSonnet 4への研磨に移ります。これもClaudeモデルですが、Sonnet 4は例外的なライターで、そのテキストをもう少し研磨できます。これをステージング、プロダクション準備と呼ぶかもしれません。何と呼んでも構いません。
要点は、私は本質的にその開発パイプラインを模倣しているということです。
そして私だけではありません。多くの人がこれを行っていますが、私たちは個人で自分たちだけでそれを行ってきたと思います。そして私たちはこれを、これとこれのための最良のモデルを見つけることとして話し、常により良いモデルを選び続けなければならないような気がして頭痛の種になります。
私たちはまだ文章執筆をAIにネイティブにするツールを備えていないと考える方が、より安定的で役立つと思います。最終的にはできるかもしれません。その間、これは私たちがそれを手動でシミュレートする最良の方法です。
知識労働への応用
仕事を、コードがより多くの計算を通じて得ることができた影響力にある程度対応するものとして理解すれば、私たちはより遠くまで行けると思います。なぜなら、正直に言って、ほとんどの知識労働は開発を経て、テストを経て、私たちがピアレビューと呼ぶマージプロセスを経て、最終的にプロダクションに到達するということを言うのは、それほど大きな飛躍ではないからです。それはそのような仕組みなのです。
より小さなスケールの計算でコンピュータプログラムでそれを行う方法を理解できれば、より大きなスケールの計算とLLMと、知識労働をそれほど興味深いものにする自然言語のすべての力で、自分たちにとってそれをより簡単にする方法を理解できるでしょう。
結論：新たな文章執筆の時代
そういうわけです。これが私を夜も眠らせないでいることです。これが私が考えることをやめられないことです。私たちは非常に長い間で初めて、異なる文章執筆の方法の端に立っているような気がして、とても興奮しています。
もしあなたがそれに取り組んでいるなら、それに取り組んでいるなら、何人かの創設者を知っていますが、あなたたちに興奮し、応援しています。その間、私は自分がどのように構築し、学び、考えるかを文書化し続けるつもりです。そして、皆さん、そこで頑張ってください。乾杯。
コメント