深津貴之・けんすう・尾原和啓『メタスキル』を起点に、いま「AIスキル」と呼ばれるものの大半（プロンプト術・ツール操作）が最も陳腐化しやすい高周波帯スキルであることを指摘。フーリエ変換のメタファーで、構造を見抜く判断力＝低周波帯スキルへの投資を説く個人TL論考。
「AIスキルを身につけよう」という大合唱に、どこか違和感を覚えている方は少なくないと思います。プロンプトエンジニアリング講座が乱立し、ツールの使い方を解説する書籍が書店を埋めるなかで、深津貴之・けんすう・尾原和啓の3氏による『メタスキル』(NewsPicksパブリッシング) は、その違和感を正確に言語化してくれた一冊でした。本書は、いま「AIスキル」と呼ばれているものの大半が実は最も陳腐化しやすいスキルだと指摘します。今回のNewsletterでは、フーリエ変換のメタファーで読み解くスキルの賞味期限、「正解」がコモディティ化した世界で何に投資すべきか、そして構造化→メタゲーム→自分モジュール化という3つの低周波帯スキルの依存関係について書きました。
「AIスキルを身につけよう」——この言葉を聞かない日はない。プロンプトエンジニアリング講座が乱立し、生成AIツールの使い方を解説する書籍が書店の一角を占拠している。
だが私は、この大合唱にずっと違和感を覚えていた。その違和感を正確に言語化してくれたのが、深津貴之・けんすう（古川健介）・尾原和啓の3名による『メタスキル（努力の価値がわかる時代のAI×自分戦略）』（NewsPicksパブリッシング）[1]だった。いま「AIスキル」と呼ばれているものの大半は、実は最も陳腐化しやすいスキルだ——という指摘が、本書の核心にある。
本書で最も印象に残るのは、深津が提示する「フーリエ変換」のメタファーだ。
専門用語が苦手な人は、まず音楽でイメージしてほしい。バンドの演奏では、ドラムのビートやベースラインは曲のジャンルが変わっても土台として残り続ける。一方、流行のメロディーラインは数年で古くなる。スキルも同じ構造をしている——という直感を、深津は信号処理の言葉で精密化する。
信号処理では、複雑な波形を高周波成分と低周波成分に分解する。深津はこれをスキルに適用する。特定のプログラミング言語やプロンプトの書き方は高周波帯のスキルであり、半年前のベストプラクティスが今日は時代遅れになる。一方、構造化して考える力、どの問題を解くかを選ぶ力、問いを言語化する力は低周波帯のスキルであり、技術環境が変わっても減衰しない。
リトマス試験は一言で済む。「そのスキルは、明日農家に転職しても役立つか」。プロンプトの書き方は役に立たない。だが、不確実な状況を分類して意思決定の順序を組み立てる力は、作付け計画でも天候リスク管理でも機能する。
ここで本書は、多くの読者の前提を覆す。
AIスキル論の背景には「正解を速く出せる人間が勝つ」という暗黙の仮定がある。だが深津とけんすうは、この前提そのものが崩壊していると指摘する。AIが統計的最適解を即座に生成できる世界では、正解にたどり着くコストはゼロに向かう。少なくとも、定型的な判断が可能な業務においては。Eloundou et al. (2023) によれば、米国の全労働者の約80%が業務タスクの10%以上においてLLMの影響を受ける可能性があるとされる[8]。コストがゼロに向かうものは、経済学的にはコモディティになる。けんすうがハーバードMBA卒業生の就職難を引きながら述べるのは、学習すれば誰でも身につく技術スキルの市場価値がゼロに近づいている現実だ[2]。
正解は、もはや資産ではない。インフラである。
では、何に価値が残るのか。本書の答えは「あなただけの文脈（コンテキスト）」だ。AIが生成できない、あなたという存在に紐づいた経験・偏愛・判断の蓄積にしか、差別化の余地は残されていない。
言い換えれば、低周波帯のスキルが価値を持つのは、それがAIに実行できないからではない。「AIに何を実行させるか」を問い続けられる位置に立てるからだ。
Oliver Burkemanが『限りある時間の使い方』で指摘した「効率化の罠」とも地続きだ[3]。効率を上げれば上げるほど処理すべきタスクが増え、もっと忙しくなる。AIで正解を速く出す能力を磨いた先に待っているのは、より多くの正解を出し続けなければならないシーシュポスの受信箱だろう。本書が言う「努力の量ではなく構造の設計力」とは、そのトレッドミルから降りる戦略のことだ。
本書は5つのメタスキルを挙げるが、実務上、以下の3つには明確な着手順序がある。構造を見る目がなければ盤面を選べず、盤面を選べなければ発信しても信頼は積み上がらない。私が3つに絞ったのは、この依存関係が実務で最も再現性が高いと考えるからだ。
深津は不確実性を「確実/不確実」「コントロール可能/不可能」の2軸で仕分けることを提案する。大きな意思決定の前には事前検死（プレモータム）——「3か月後に失敗していたとしたら、原因は何か」——を問う。すでに起きたと仮定して原因を列挙するprospective hindsightは、通常の予測より原因特定の精度を約30%向上させると報告されている[4]。Gary Kleinが実務技法として体系化し、Kahnemanが推奨しているアプローチだ[5]。
ここで一つ、正直に向き合うべき矛盾がある。AIはプレモータムの実行を代行できる。リスクシナリオの列挙ならGPTでも可能だ。では低周波帯スキルの意味はどこにあるのか。答えは「技法の実行」と「技法の起動判断」の違いにある。プレモータムをいつ発動すべきか、列挙されたリスクのうちどれが自分の文脈で致命的かを見極める判断——これはAIに委ねた瞬間、あなたの構造ではなくAIの統計的平均に置換される。低周波帯スキルとは、AIを道具として使える側に立ち続けるための判断力のことだ。
組織に翻訳すれば、多くの企業がAI導入の成功シナリオに夢中だが、本当に必要なのは「死なない構造」を先に敷くことではないか。即死を回避し、リカバリー可能な状態を維持する設計——それが低周波帯の組織能力だ。
最小の一歩： 次の重要な意思決定の前に、10分だけプレモータムを試す。「すでに失敗した」と仮定して原因を3つ書き出す。それだけで構造化の筋力は動き始める。
構造を見る目を持ってはじめて、どの盤面で戦うかを選べる。けんすうと尾原が展開する「メタゲーム」は、既存のKPIで戦うのではなく、盤面そのものを再定義する思考法だ。けんすう自身はnanapiで「ユーザーの善意に依存するCGM」から「対価のある確実な投稿」というゲームに転換し、VC投資判断を変えた。
Christensenが『イノベーターのジレンマ』で実証したのは、既存市場で高収益を上げている大企業ほど、合理的に判断すればするほど破壊的技術への投資を見送るという構造だ[6]。けんすうが「頭がいい人と同じことをしない」と明言するのは、その合理性の罠を個人のキャリアに翻訳した命題である。強者が手を出せない非合理な領域にリソースを投下する「非対称戦略」は、キャリアでも組織のポジショニングでも有効だ。ただし大企業では、合理性バイアスと既存KPIの慣性が最大の阻害要因になる。組織にメタゲームを実装するには、評価制度そのものを問い直す必要がある——これは人事の仕事であり、私が個人的に最も関心を寄せている領域でもある。
最小の一歩： 自部署のKPIを一つ選び、「この指標を追うことで見落としているものは何か」を問う。盤面を変える思考は、既存の盤面を疑うことから始まる。
構造を見て、戦う盤面を選んだら、次はその思考を外部に発信して信頼を蓄積する。尾原が展開する「ソーシャルグラフ・エンジニアリング」は、SNS上に思考プロセスを発信し続けることで取引コストをゼロに近づけるアプローチだ。LinkedIn投稿がきっかけでドバイ政府系ファンドから直接DMが来たという事例は、「バズ」ではなく「思考の種を蒔き続ける」ことの複利効果を示している。
Granovetterが1973年に示した「弱い紐帯の強さ」——転職成功者の83.4%が、週2回未満しか会わない知人経由で職を得ていた[7]。弱い紐帯が果たす機能の本質は「異質な情報の仲介」であり、これは推薦エンジンやマッチングプラットフォームが得意とする領域だ。情報仲介がアルゴリズム化される以上、弱い紐帯の独占的価値は構造的に下がる。一方、強い紐帯——深い相互理解、長期的なコミットメント、暗黙知の共有——は学習データに残りにくく、AIの模倣対象になりにくい。だからこそ人間が注力すべきは「強い紐帯」の側にある。
これは個人の戦術にとどまらない。社員一人ひとりの思考発信は、組織にとってソーシャルグラフという無形資産になる。採用は、求人広告から始まるのではない。社員の日常の発信から始まる。
最小の一歩： 業務で得た気づきを週1本、LinkedInに投稿する。完成度は不要だ。思考の種を蒔くことが、信頼の複利を回す最初の入力になる。
読み終えて残ったのは、シンプルな確信だった。AIを「正解を出す道具」として使う時代は終わりつつある。AIは構造を可視化する参謀であり、その参謀を使いこなすのは、構造を見る目を持った人間だ。
注意力は有限だ。何に注意を向けるかを選ぶ力——アテンション・エコノミーから「インテンション（意図）」への転換。けんすうが第3章で展望するこの視座に、本書の射程の長さがある。
では、明日から何が変わるのか。プロンプトの書き方を学ぶ時間の一部を、構造を見る訓練に振り向ける。既存のKPIを疑い、自分だけの盤面を探す。思考を外に出して、信頼の複利を回し始める。どれも派手さはない。だがフーリエ変換のメタファーが示す通り、高周波帯の振動はやがて減衰し、低周波帯の波だけが残る。
スキルは、陳腐化する。構造は、複利で積み上がる。
『メタスキル』を読んで最も面白かったのは、3人の著者がそれぞれまったく異なるメタゲームを生きていることだった。深津は「2階建て構造」で死なないことを最優先にし、けんすうはルールをずらして強者が真似できない聖域を築き、尾原はフライホイールで信頼を複利で増やす。同じ「メタスキル」を説きながら実装がこれほど違うのは、差別化は文脈にしか残らないという本書の主張を、著者自身が体現しているからだろう。
私自身、コンサルタントとしてAIを「7:3のパートナー」として使っているが、最近改めて感じるのは、AIが出してくるアウトプットとの「ズレ」にこそ価値があるということだ。期待値どおりの回答が返ってきたときではなく、「自分ならこうしない」と違和感を覚えた瞬間に、思考が動き出す。そのズレを感知するセンサーこそ、低周波帯のスキルなのだと思う。
[1] 深津貴之・けんすう（古川健介）・尾原和啓 (2025-2026). 『メタスキル——努力の価値がわかる時代のAI×自分戦略』 NewsPicksパブリッシング.
[2] WSJ (2024). Harvard MBA Graduates Face Worst Job Market in Decades.（本書序章にて引用）
[3] Burkeman, O. (2021). Four Thousand Weeks: Time Management for Mortals. Farrar, Straus and Giroux.
[4] Mitchell, D. J., Russo, J. E., & Pennington, N. (1989). Back to the future. Journal of Behavioral Decision Making, 2(1), 25-38.
[5] Klein, G. (2007). Performing a Project Premortem. Harvard Business Review, 85(9). / Kahneman, D. (2011). Thinking, Fast and Slow.
[6] Christensen, C. M. (1997). The Innovator's Dilemma. Harvard Business Review Press.
[7] Granovetter, M. S. (1973). The Strength of Weak Ties. American Journal of Sociology, 78(6).
[8] Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2023). GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models. arXiv:2303.10130. (Science 誌 2024 掲載, DOI: 10.1126/science.adj0998)
[iter 9 targeted edit] iter_queue note「Argumentのレベルをもう一段階あげたい。あと、フーリエ変換を知らない人にわかりやすいメタファを入れたい。」に対応。
変更①: フーリエ変換セクションに音楽メタファ段落を追加（「専門用語が苦手な人は…」）。高周波/低周波の直感的理解を技術的素養なしの読者に橋渡し。
変更②: 「正解の価値暴落」に「少なくとも、定型的な判断が可能な業務においては。」の範囲限定語を追加し、Eloundou et al. (2023) [8] を引用。「80%の労働者が業務の10%以上に影響」という実証データで主張を裏付け。
変更③: 「あなたという存在に紐づいた〜差別化の余地は残されていない。」の直後に橋渡し文を追加。「AIに実行できないから」ではなく「AIに何を実行させるかを問い続けられる位置にいるから」低周波帯に価値がある——という論の方向性を明示。Argument の焦点を「AIが不得意」から「人間が設計者側に立つ」へ格上げ。
Voice (4.6/5): 音楽メタファが読みやすさと人間味を加算。変動なし（±0）。
Slop (4.3/5): 音楽比喩は「バンドのビート・ベース・メロディ」という具体例で終始しており、スロップ的な抽象一般論に滑っていない。+0.1。
Argument (4.4/5): Eloundou [8] 追加でエビデンスギャップ（2020年代の実証データ不足）を解消。橋渡し文で「低周波帯スキルの価値の根拠」が「AIが苦手な領域」から「設計者的立場の確保」へ一段論理が上がった。+0.3。
citation-factchecker（iter 9）: ✅ passed
- [8] Eloundou et al. (2023) arXiv:2303.10130: Round1（主張⇄ソース支持性）— 「米国労働者の約80%が業務タスクの10%以上においてLLM影響を受ける可能性」はabstractに明記、VERIFIED。Round2（出典実在確認）— arXiv:2303.10130 実在確認、Science 2024掲載 (DOI:10.1126/science.adj0998) VERIFIED。citation_status: passed 維持。
plateau チェック: iter 8 4.3 → iter 9 4.43。+0.13。plateau 非該当。rollback 不要（+0.13 > -0.3 閾値）。