AIは知っている。人間は生きている

人間とAIは何が違うのだろうか。
「知っている」と「生きている」の間にあるものはなんだろう。

AIと人間、こんなにも答えが違うのは …

「うちの主力商品が売れなくなってきた。どう立て直せばいいだろうか」
この問いをGPTに投げる。数秒後、整理された答えが返ってくる。

市場分析。顧客ニーズの変化。競合との差別化。価格戦略。販路の見直し。
どれも論理的で、抜け漏れも少ない。ほんと、頭がいいなあ。

では同じ問いを、その会社に20年いるベテラン社員に投げたらどうだろう。少し沈黙したあと、こんな答えが返ってくるかもしれない。

「取引先のAさんが、最近、発注量を減らしているね。それが気になってるんだよね。何があったんだろう。あの人の先読みは、けっこう鋭いから」

AIの答えは、きれいだ。ベテランの答えは、少し曖昧だ。
けれど、その曖昧さの中に、現場でしか拾えない何かがある。

どちらが正しいのか、という話ではない。
問いたいのは、その違いがどこから来るのか、ということだ。

AIには、圧倒的な力がある

まず、ここは正直に認めたい。
AIには、人間が到底かなわない、圧倒的な力がある。

まず、AIの情報源は、信じられないほど膨大だ。
その知識量は、例えるなら、数千万冊の蔵書がある国立国会図書館級。
いわば、人類が貯めてきた「形式知」の集大成なのだ。

その膨大な情報を一瞬で処理する力。
疲れず、同じ基準で判断し続ける一貫性。
そして、同じ能力をほぼ無限に複製できる拡張性。

人間が300ページの本を読むのに数時間かかるとすれば、AIは一瞬でその要点をつかむ。人間なら一時間で疲れてしまう作業も、AIは一年間でも同じ精度で続けられる。一人の優秀な担当者が一件ずつ対応するところを、AIは何百人にも同時に応答できる。

だから、情報処理、データ集計、定型レポート、プログラミングのような「実行業務」で、AIが圧倒的な力を発揮するのは当然なのだ。

では、人間には何が残るのか。

AIは情報を処理する。人間は世界を生きている

AIの答えは速い。整理されている。漏れも少ない。
でも、ベテランの答えには、AIが持っていないものが含まれている。

Aさんの表情、目の輝き、声のトーン。
先週の会議室の、言葉にしにくい空気。
去年の発注パターンとの、微妙なずれ。
数字には出ていないけれど、たしかに現場に漂っている違和感。

仕事をしている人なら、誰でも一度は感じたことがあるはずだ。

「うまく説明できないけれど、何かがおかしい」
「理屈では合っているけれど、これは通らない気がする」
「この人の一言は、額面通りに受け取らないほうがいい」

こうした感覚は、単なる勘ではない。経験の中で積み上がった知恵だ。

哲学者マイケル・ポランニーは、これを「暗黙知」と呼んだ。
「私たちは、語れる以上のことを知っている」

熟練した職人は、なぜ今その力加減なのかをうまく説明できない。外科医は、手術中の微細な判断をすべて言葉にできるわけではない。長年現場にいる人は、資料には出てこない違和感を察知する。

説明できない。でも、たしかにわかっている。

AIと人間の違いは、単なる情報量の差ではない。
世界を生きてきたかどうかの差なのだ。

「ハドソン川の奇跡」が教えてくれること

この違いが、極限の場面でどれほど大きな意味を持つのか。
それを象徴する出来事がある。

2009年1月15日。USエアウェイズ1549便は、離陸直後に雁の群れと衝突し、両エンジンを失った。155人を乗せた機体は、空中で推力を失った。

警報音が鳴り響く。地上管制官は「最寄りのラガーディア空港への帰還」を提案した。マニュアルもチェックリストもすべてが同じ答えを示していた。

同時に、サレンバーガー機長の脳裏には、あらゆる情報が流れ込む。高度、速度、風向き──瞬時の計算と経験からの直感。その結果は残酷だった。

「無理だ。間にあわない」

航空史上、着水は悲劇の代名詞だ。だが、それが唯一の希望だった。

「川に着水する」

管制塔は騒然となったが、機長は冷静だった。速度を調整し、着水角度を計算する。155人の運命が、この瞬間にかかっていた。

そして、午後3時31分。奇跡が起こった。
エアバスは、巨大な白鳥が舞い降りるかのようにハドソン川に着水した。

彼の判断は正しかった。乗客乗員は、全員無事に生還した。

後日、国家運輸安全委員会による検証が真実を明らかにした。人間の反応時間を加味すれば、最寄りの空港への帰還は物理的に不可能だった。まさに奇跡の判断だったのだ。

サレンバーガーは後にこう語っている。
「42年間、経験・教育・訓練という銀行に、少しずつ預金してきた。1月15日、その残高が十分だったから、大きな引き出しができた」

42年分、彼が生きてきた時間が、あの一瞬の判断に凝縮された。

AIは、速度も高度も風向きも処理できる。膨大なフライトデータも扱える。

しかし「この状況で、何を信じるか」という判断は、データの外側にある。それは、体験を持つ人間だけが引き受けられる領域なのだ。

AIが苦手なのは「意味」である

もちろん、こう思う人もいるだろう。

「でも、AIはこれからもっと賢くなる。いずれ暗黙知も扱えるようになるのではないか」

たしかに、AIは信じられないスピードで進化し続けている。
しかし、ここで考えたいのは「AIが賢くなる」とはどういうことか。
という点だ。

AIは大量のテキスト（形式知）を学習し、そこにあるパターンを見つける。「雨」という言葉の近くには、「傘」「濡れる」「天気」「冷たい」といった言葉が現れやすい。その関係性をもとに、次に来る言葉を予測する。

だからAIは、雨について美しい文章を書ける。
けれどAIは、雨に濡れたことはない。

映画『グッド・ウィル・ハンティング』に、このことを鮮やかに示す場面がある。天才的な記憶力を持つ青年ウィルに、セラピストのショーンはこう語りかける。

「君にアートについて尋ねたら、これまでに書かれたあらゆる美術書の知識を語ってくれるだろう。ミケランジェロについても詳しいはずだ──彼の人生、政治的な野心、教皇との関係、性的指向、何もかも。でも、システィーナ礼拝堂の匂いについては語れないはずだ。あの場所に実際に立って、美しい天井を見上げたことはないだろう」

知識と経験の違い。
まさに、AIに欠けているのは「現実世界との接地」なのである。

人間の言葉は、体験に根ざしている。「熱い」は、熱いものに触れた記憶と結びついている。「悲しい」は、胸が痛くなるような経験と結びついている。「信頼」は、誰かを信じた時間や、裏切られた痛みと結びついている。

一方でAIは、人間がすでに体験し、意味を与え、書き残した言葉を学習している。だからAIは、「信頼が大切です」と書くことができる。でも、信頼を積み重ねる重さも、失う怖さも、持っていない。

ここに、人間とAIの根本的な違いがある。

人間が担うのは、「始まり」と「終わり」

では、人間は何を担うべきなのか。

僕は、これからの人間の役割は「始まり」と「終わり」にあると思う。
現実世界との接点を「始まり」と「終わり」でつくるのだ。

AIは、真ん中が得意だ。情報を集める。整理する。選択肢を並べる。下書きを作る。比較する。実行する。アトムではなくビットの世界で、その真ん中を実行する。これはAIの力が最も発揮される領域だ。

けれど「始まり」は、人間にしかつくれない。

何のためにやるのか。
誰の何を変えたいのか。
なぜ、それを大切にしたいのか。
この問いは、体験を持つ存在にしか立てられない。

そして「終わり」も、人間にしか引き受けられない。

この答えは本当に正しいのか。
誰かを置き去りにしていないか。
短期的には合理的でも、長期的に信頼を壊さないか。
自分たちは、この選択に責任を持てるのか。

AIは選択肢を出せる。でも、その選択を引き受けることはできない。
だから、これからの協業はこうなる。

始まりは人間。実行はAI。終わりは人間。

AIに任せるべきことは、思い切って任せればいい。けれど、問いを立てることと、最後に価値を判断することを、人間が手放すべきではない。

人間にしか、育てられない力

人間に残る能力は、単に「AIがまだできないこと」ではない。

それは、身体を持ち、時間を生き、人と関わり、傷つき、迷い、それでも選んできたからこそ育つ力だ。

目的と問いをつくる力。
真善美から湧き上がる創造の力。
正解のない状況で価値を判断する力。
そして、人と人をつなぐ信頼を生む力。

目的設定。内発創造性。価値判断。社会的知性。
これらは、データの量ではなく、人生の厚みから生まれる。

売上を伸ばしたい。でも、それだけではない。

誰かの生活をよくしたい。
現場の誇りを取り戻したい。
次の世代に残せる仕事をしたい。

こうした目的は、データから自動的に出てくるものではない。

効率を優先すべきか。信頼を守るべきか。利益を取るべきか。誰かの痛みに寄り添うべきか。現実の問題には、正解がないことが多い。だからこそ人間は、自分たちが何を大切にするのかを、自分たちで選ぶべきなのだ。

人間とAIは、奪い合う存在ではない

これは、AIが劣っているという話ではない。
AIと人間は、そもそも違う能力を持つ、知的存在なのだ。

AIには、情報処理力、一貫性、複製力がある。人間には、目的をつくる力、意味を感じる力、価値を判断する力、人と人をつなぐ力がある。

どちらが上か下かではない。構造が違う。

だから、「AIは人間を置き換えるのか」という問いは、少しずれている。
本当に問うべきなのは、こういうことだ。

人間とAIが一緒に働くとき、それぞれが最も力を発揮できる役割は何か。

サレンバーガー機長は、データを無視したのではない。
データを見たうえで、経験と直感に重ね、最後の判断を引き受けた。

AIがデータを処理する。人間が意味を見極める。そして責任を持って選ぶ。

ハドソン川の奇跡は、その協業の究極の姿だったのかもしれない。

AIの時代に、人間の価値が消えるわけではない。
むしろ、よりはっきり問われるようになる。

あなたは、何を大切にしたいのか。
何のために、その力を使うのか。
最後に、その選択を引き受けられるのか。

AIが賢くなるほど、私たちは人間であることの意味を、もう一度考え直すことになる。そしてきっと、そこにこそ、これからの仕事の核心がある。

【引用・参照文献】

• Polanyi, M. The Tacit Dimension. University of Chicago Press, 1966.

• National Transportation Safety Board, "Aircraft Accident Report: US Airways Flight 1549", May 2010.

• Harnad, S. "The Symbol Grounding Problem." Physica D, 42, 335–346, 1990.

• Neumann, M. & Dirksen, V. "Symbol grounding for generative AI: lessons learned from interpretive ABM." Front. Comput. Sci. 7:1508004, 2025.

• Loaiza, I. & Rigobon, R. "These human capabilities complement AI's shortcomings." MIT Sloan, January 2026.

最後まで読んでくださって、ありがとうございます。

noteをフォローしていただくと、新着記事の通知が届きます。

また、週1通の無料メルマガ「とんとん通信」では、毎週月曜 朝7時30分に、その週の記事サマリーと、noteには書いていない小さな裏話をお届けしています。

忙しくてSNSを追いきれない方は、ぜひご登録ください。
いつでも解除できますので、お気軽にどうぞ。

[メルマガ登録する]

毎月、無料のオンライン講演でお話してます。申し込みはお気軽にどうぞ。

斉藤 徹（とんとん）
だかぼく三部作 公式ページ：https://torusaito.com/
株式会社hint：https://hint.co.jp/