餃子を前にして、未来の自分を考える
中華料理を食べているとき、目の前に餃子が並んでいる。
本当は食べたい。熱々で、香りもいい。けれど、この後に商談がある。
「食べたいけど、やめとこ。一応な」
そう思って箸を止めることがある。
これは単なる我慢ではない。次の一時間の自分を想像して、今の行動を変えている。
この後、人と会う。話す。提案する。相手に不快感を与えたくない。自分の集中力も落としたくない。だから、今ここで何を食べるかを調整する。
つまり、未来の自分に向けて設計している。
今日は二郎系を食べたい。けれど明日は朝から商談がある。そういう日にも、同じ判断が起きる。
食べたいかどうかだけで決めるなら、食べればいい。けれど、明日の自分の状態まで含めて考えると、判断は変わる。
私たちは普段から、次の自分のために行動を微調整している。
ここまでは、どちらかというと「食べない選択」の話に見える。
でも、本当に書きたいのは、我慢の話ではない。
むしろ逆で、エネルギーを入れること、蓄えること、そしてそれをちゃんと回すことについて考えたい。
カロリーは、身体に渡すトークンである
AI生成では、トークンという単位がある。
ざっくり言えば、AIが文章や情報を処理するときの単位だ。プロンプトを入れるにも、返答を生成するにも、トークンを使う。
無限に見えるAIの出力も、実際にはトークンという単位で処理されている。
そしてカロリーも、身体にとっては似たようなものだと思っている。
カロリーは体を動かす燃料であり、活動するための予算である。
足りなければ動けない。集中も続かない。けれど、ただ多ければいいわけでもない。タイミングや内容によっては、眠くなったり、重くなったり、翌日のコンディションに響いたりする。
AIに長すぎる入力を雑に投げれば、出力がぼやけることがある。人間も同じで、身体に入れるものやタイミングが雑だと、その後の出力に影響する。
カロリーは、身体に渡すトークンだ。
何を入力するかで、次の出力が変わる。
ただし、この比喩で大切なのは「少なくすればいい」という話ではない。
トークンは使わなければ出力されない。カロリーも、身体に入らなければ活動の材料にならない。
削ることだけを正解にすると、出力そのものが小さくなる。
省エネだけが正義ではない
カロリーの話になると、どうしても「少ない方がいい」という空気がある。
トークンの話にも、少し似たところがある。短く、安く、軽く済ませることが賢い、という感覚だ。
もちろん、無駄に使う必要はない。食べすぎれば身体は重くなるし、雑に長いプロンプトは出力を濁らせる。
でも、省エネだけが正義になると、別の問題が出てくる。
エネルギーが足りなければ、そもそも打席に立てない。
トークンを極端に絞れば、AIに十分な文脈を渡せない。モデルも考える余白を持てない。
カロリーを極端に絞れば、人間も動く余白を失う。集中する、移動する、試す、作り直す。そういう余力が細っていく。
節約は大事だ。けれど、節約が目的になると、出力のための材料まで削ってしまう。
だから、この記事では「減らす」よりも「回す」という見方をしたい。
打席に立つには、入力がいる
野球で言えば、ヒットを打つには打席に立つ必要がある。
どれだけセンスがあっても、一度もバットを振らなければヒットは出ない。
AIでも同じことが起きる。
上位のモデルを使う。APIで試行回数を増やす。長めに文脈を渡す。複数案を出す。そこには当然コストがかかる。
でも、その分だけ打席は増える。
1回の出力で当てにいくより、10回出して比べる方が、良い案に出会える確率は上がる。
人間の仕事も似ている。
少し多めに食べた日を、ただ「食べすぎた」と切り捨てることもできる。
でも見方を変えれば、その分だけ動く材料を得たとも言える。
歩く。考える。作る。人に会う。試す。直す。もう一回出す。
その打席に入るためのエネルギーを身体に渡した、と捉えることもできる。
もちろん、食べた分が自動的に成果になるわけではない。
大事なのは、入れたエネルギーをどう使うかだ。
大きいモデルと多い試行は、なぜ強いのか
AIの世界では、計算資源、モデルサイズ、データ量が性能に影響するという研究がある。
たとえば「Scaling Laws for Neural Language Models」では、言語モデルの損失がモデルサイズ、データ量、計算量と関係して変化することが示されている。
ざっくり言えば、AIは魔法ではなく、材料と計算を入れて出力している。
さらに、1回だけ答えを出すより、複数の推論経路を試して、もっとも一貫した答えを選ぶと性能が上がるという研究もある。
「Self-Consistency Improves Chain of Thought Reasoning in Language Models」は、その考え方をわかりやすく示している。
OpenAIのGSM8Kに関する研究でも、多くの候補解を生成し、検証器で良いものを選ぶことで性能を上げる方向が示されている。
つまり、良い出力は、ただ一発で出るものではない。
材料を入れる。何度も出す。比べる。検証する。選ぶ。
この回転の中で、当たりに近づいていく。
これは仕事の企画でも、文章でも、動画でも、Web制作でも同じだと思う。
少ない入力で一発必中を狙うより、十分な入力を用意し、複数の候補を出し、比較して磨いた方が、完成度は上がりやすい。
人間も、回転させるほどパーソナライズされる
AIを何度も使っていると、自分の使い方が少しずつ変わっていく。
最初は雑に頼んでいたものが、だんだん前提を渡すようになる。目的を書くようになる。欲しい粒度を指定するようになる。
AI側に文脈が残る場面もあるし、こちら側にも学習が残る。
この依頼の仕方だとぼやける。この順番で聞くと整理される。この素材を渡すと精度が上がる。
そういうデータが、使うたびに自分の中へ蓄積される。
人間の身体も、ある意味では同じだ。
何を食べたら集中しやすいか。どの量だと眠くなるか。朝に動いた方がいいのか、夜に作業した方がいいのか。
それは一般論だけでは決めきれない。
自分の身体で試し、仕事の結果を見て、次の入力を調整していくしかない。
つまり、エネルギーを回すほど、自分に合った運用が見えてくる。
カロリーもトークンも、使いながら精度を上げていくものだ。
食べ過ぎた日を、失敗で終わらせない
食べ過ぎた日は、少し落ち込む。
やってしまった、と思う。重い。眠い。予定より多かった。
でも、そこで終わらせると、カロリーはただの反省材料になる。
少し視点を変えるなら、その日はエネルギーを多めに入力した日でもある。
ならば、その入力をどう回すかを考えればいい。
散歩する。掃除する。溜まっていた作業を進める。企画を出す。文章を書く。動画の構成を考える。
重すぎるなら休む。休むことも、次の出力のための調整になる。
大事なのは、食べたことを罰にしないことだ。
入力を失敗として扱うのではなく、次の行動に接続する。
AIでも同じだ。
たくさんトークンを使って出した案が、全部外れることはある。
その時に「無駄だった」で終わらせるのではなく、外れた理由を見て、次のプロンプトに戻す。
失敗した出力も、次の入力になる。
低エネルギー状態は、出力を狭くする
もちろん、何でもポジティブに言い換えればいいわけではない。
エネルギー不足は、現実にパフォーマンスへ影響する。
スポーツ領域では、運動で使うエネルギーに対して摂取が足りない状態を、低エネルギー可用性として扱う。
IOCのREDsに関する合意声明では、低エネルギー可用性が健康やパフォーマンスに広く影響しうるものとして整理されている。
これはアスリート向けの文脈なので、そのまま一般の仕事に当てはめるものではない。
ただ、示唆としてはわかりやすい。
身体は、材料が足りない状態で高い出力を続けるようにはできていない。
気合いで一時的に押し切ることはできる。けれど、ずっと低燃費で高出力を出し続けるのは難しい。
睡眠が足りない。食事が足りない。休息が足りない。
その状態で、良い企画、良い判断、良い商談、良い制作を続けるのはかなり厳しい。
人間の出力は、精神論だけでは決まらない。
高いエネルギーフラックスという見方
栄養や運動の領域には、エネルギーフラックスという考え方がある。
簡単に言えば、入ってくるエネルギーと出ていくエネルギーの流れを見る考え方だ。
Nutrientsの「Dynamic Energy Balance」という論文では、食事と運動を静的な足し算ではなく、身体活動や食欲調整を含む動的な関係として捉えている。
ここから借りたいのは、食べる量だけを単独で見るのではなく、どう動き、どう使い、どう整えるかまで含めて考える姿勢だ。
少なく食べて、少なく動く。
多めに食べて、よく動く。
同じ体重変化だけを見れば似ているように見えても、生活や仕事の感覚はかなり違うはずだ。
仕事でも、同じようなことがある。
少ない情報で、少ない試行で、少ない検証で進める仕事は、軽く見える。
でも、大きく動かす仕事には、入力も試行も検証も必要になる。
エネルギーを入れて、動かして、結果を見て、また調整する。
この回転があるほど、アウトプットは現実に近づいていく。
それでも、入力は雑に増やせばいいわけではない
ここまで読むと、たくさん食べて、たくさんトークンを使えばいい、という話に見えるかもしれない。
でも、それは違う。
入力には質がある。
仕事前に重すぎる食事をすれば、動く材料にはなっても、直後の集中を落とすことがある。
AIに長いだけの情報を渡しても、目的や制約が曖昧なら、出力は散らかる。
必要なのは、量と質とタイミングの設計だ。
商談前なら軽く整える。長時間の制作前なら、持続するように食べる。休む日なら楽しむ。
AIなら、まず目的を明確にする。必要な前提を渡す。複数案を出す。比較軸を決める。
カロリーもトークンも、雑に増やすとノイズになる。
でも、必要な場所に惜しまず投下できると、出力の土台になる。
節約ではなく、配分で考える。
いい入力は、検証とセットで効く
AIで複数案を出すとき、ただ数を出すだけでは足りない。
どれが良いのかを選ぶ目が必要になる。
OpenAIのGSM8Kに関する研究では、複数の候補解を出し、それを検証器で選ぶアプローチが示されている。
これは、制作の現場にもかなり近い。
ロゴ案を10個出す。動画構成を5案出す。コピーを30本出す。
でも、最後に選ぶ基準がなければ、候補の数はただの山になる。
人間の生活でも、食べて動くだけではなく、結果を見る必要がある。
今日はこの量だと眠くなった。朝に食べた方が集中できた。夜遅くの食事は翌朝に残った。
そういう検証があるから、次の入力が良くなる。
トークンもカロリーも、投入して終わりではない。
投入し、出力し、検証し、次の入力へ戻す。
この循環が、質を上げていく。
次の自分に、どんな状態を渡すか
明日始発の新幹線に乗るなら、多くの人は早く寝る。
もちろん、寝ないという選択肢もある。けれど、翌朝のパフォーマンスを考えれば、あまり現実的ではない。
それと同じように、私たちは食事でも、仕事でも、AIの使い方でも、次の自分に何を渡すかを考えた方がいい。
今日の自分が入れたものは、次の自分の材料になる。
カロリーも、情報も、時間も、集中力も、全部が次の出力につながっている。
だから、ほんの少しだけ意識してみる。
この選択は、一時間後の自分に何を渡すのか。
この食事は、明日の自分にどう影響するのか。
このプロンプトは、どんな出力を生むための入力なのか。
このAPIコストは、何回分の打席を増やすための投資なのか。
この休息は、次の出力を良くするための余白になっているか。
そう考えるだけで、行動は少し変わる。
食べることも、使うことも、休むことも、全部が次の自分への引き継ぎになる。
FREETANCEで大切にしていること
FREETANCEでは、AI動画制作やWeb制作において、見た目だけでなく「何を入力し、どんな出力につなげるか」を大切にしている。
AIは便利だが、雑に使えば雑な出力になる。
目的、文脈、素材、届けたい相手、媒体、視聴後に起こしたい行動。
そこを設計してはじめて、仕事に使える表現になる。
AI動画も、Webサイトも、一発で正解を出すものではない。
入力を整え、複数案を出し、検証し、事業に合う形へ寄せていく。
その過程で、会社らしさやサービスの強みも少しずつ見えてくる。
人間の仕事も同じだと思う。
次の自分、次の商談、次の一日をどう設計するか。その積み重ねが、成果物の質にも、事業の見え方にもつながっていく。
AI動画やWebサイトを、ただ作るだけでなく、事業の出力としてきちんと設計したい方は、FREETANCEへご相談ください。
参考にした研究・資料
この記事は医療・栄養指導ではなく、カロリーとトークンを仕事の出力設計として捉えるための比喩として書いています。
参考にした主な資料は、IOC consensus statement on Relative Energy Deficiency in Sport (REDs), British Journal of Sports Medicine, 2023、Dynamic Energy Balance, Nutrients, 2017、Scaling Laws for Neural Language Models, Kaplan et al., 2020、Self-Consistency Improves Chain of Thought Reasoning in Language Models, Wang et al., 2022、Training Verifiers to Solve Math Word Problems, Cobbe et al., 2021 です。
低エネルギー可用性やエネルギーフラックスの議論は、主にスポーツ・栄養領域の知見です。この記事では一般の仕事術へそのまま適用するのではなく、「入力と出力は切り離せない」という視点を借りています。
AI研究の議論も、個別の業務ですべて同じ結果になるという意味ではありません。大切なのは、資源を入れ、複数回試し、検証して戻すほど、出力を改善しやすいという設計思想です。