最近、AIに指示を出すとき、キーボードを打たずに声で話すことが増えた。
きっかけは、しょうもない理由だ。長い指示を打つのが面倒で、ためしに喋ってみた。それだけだった。なのに、やってみて驚いた。打っていたときより、あきらかに考えが前に進むのだ。頭の中でモヤっとしていた指示が、口から出た瞬間に輪郭を持つ。「あ、私はこれがやりたかったのか」と、話しながら自分で気づく。そのままAIの返しを聞いて、聞きながら次の指示をかぶせていく。人と話しているみたいに、リズムで進んでいく。
打つときは、どうしても指の速度に思考が引きずられる。頭はもう先に行っているのに、手が追いつかない。あのもどかしさがない。声は、思考の速度にずっと近いのだ。五感を使っているからか、体感としても、ただ速いというより"滑らか"に近い。
もちろん万能じゃない。出先ではまず使えないし、他にも弱点はいくつもある。それでも私は、これはただの入力方法の話じゃないな、と思っている。機械への入力が、ついに「打つ」から「話す」に変わりつつある——相手が人間じゃなくても、私たちは会話をしはじめている。その入り口に、いま立っている気がする。
今日は、その話をしたい。
なぜ「話す」と、考えが前に進むのか
体感の正体を、少し分解してみる。
ひとつは、単純な速度だ。人が文字を打つ速度より、喋る速度のほうがずっと速い。スマホでの音声入力はタイピングの約3倍速い、という研究もあるくらいだ。打っているときの「頭は先に行っているのに手が追いつかない」もどかしさは、この差から来ている。声は、手よりも思考の速度に近い。だからモヤっとした塊を、冷めないうちに外に出せる。
でも、速さだけじゃない。もっと効いているのは、声に出すこと自体が、考えを整えるという働きのほうだ。頭の中の考えは、実はぼんやりした霧のようなもので、順番も輪郭もない。それを口から出そうとすると、言葉は一列に並べるしかない。その「並べる」という強制が、思考に輪郭を与える。話しながら「あ、私はこれがやりたかったのか」と気づくのは、まさにこれだ。プログラマーが、詰まったときに人形に向かって状況を説明すると解決する——いわゆる“ラバーダック”と同じ現象が、AI相手に起きている。
しかもAIは、黙って聞くだけの人形と違って、すぐ返してくる。話す→返る→その返しに乗せて次を話す。この往復のリズムが、思考をさらに転がしていく。ひとりで唸っていた作業が、いつのまにか壁打ちになっている。
これは「入力方法」の話じゃなく、「関係の変化」だ
もう少し引いて見ると、これはコンピュータとの付き合い方の、地味だけど大きな転換点にいる気がする。
機械への入力は、ずっと形を変えてきた。パンチカードから、キーボード、マウスとGUI、そしてスマホのタッチへ。でも、どの時代も共通していたのは、人間の側が“機械の作法”を覚える必要があった、ということだ。正しいコマンド、正しい構文、正しいボタンの位置。機械にわからせるために、こちらが機械の言葉に寄せていた。
それが、AI——特に大規模言語モデルで、ひっくり返った。機械が、人間の言葉のほうを解するようになった。 曖昧な言い方でも、話し言葉でも、汲み取って動く。こうなると、いちばん自然な入力が「話すこと」になるのは、当たり前の流れだ。音声は、自然言語インターフェースの上に乗る、いちばん人間側に寄った最終レイヤーなのだ。
命令を打ち込む関係から、話しかけて返ってくる関係へ。道具が、少しだけ“相手”になっている。
もちろん、万能じゃない（正直な弱点）
浮かれすぎないように、弱点もちゃんと書いておく。
- 場所を選ぶ。 出先、電車、静かなオフィス、隣に人がいる場面。声はまず使えない。プライバシーの問題もつきまとう。
- 誤変換。 音声認識は、専門用語・固有名詞・数字・コードで平気で外す。日本語はとくに難所だ（この話は、以前書いた「日本語のアクセント」の記事と地続きでもある）。話すのが速くても、直しに時間を取られたら意味がない。
- 精密な編集には向かない。 記号だらけの文章、正確な整形、既存の文をちょこちょこ直す作業。こういうものは、目で見て手で直すほうが圧倒的に速い。
だから「話す」は、打つことの完全な置き換えではない。発想・思考・壁打ちには驚くほど強く、精密な編集には弱い。 その棲み分けが見えてくると、使いどころがはっきりする。私の場合、最初のモヤっとを吐き出して方向を決めるのは声、仕上げの詰めは手、という具合に自然と分かれてきた。
相手が人間じゃなくても、会話は始まっている
それでも、と思う。弱点を差し引いても、この「話して、返ってくる」体験には、後戻りできない何かがある。
私たちは、道具に命令する時代から、道具と会話する時代に、静かに入りつつある。相手が人間じゃなくても、こちらは人と話すときと同じ回路を使いはじめている。リズムで、声で、思考を預けながら。それは便利さであると同時に、ちょっとした問いも連れてくる。考えを整える相棒が、人からAIに移っていくとき、私たちの考え方そのものは、どう変わっていくのだろう。
その答えはまだ出ない。ただ、ひとつだけ確かなのは、打つのをやめて喋ってみたあの日から、画面の向こうが「道具」から「相手」に変わった、ということだ。まだ入り口に立っているだけ。でも、この扉は、たぶんもう閉じない。