残念ながら、この時代では、仕事に熱心で誠実であればあるほど、AI に置き換えられるスキルへと容易に変換されてしまう。ここ 2 日間、トレンドトピックやメディアチャンネルは「colleague.skill」で溢れかえっている。この問題が主要なソーシャルメディアプラットフォームでくすぶり続ける中、世間の注目は、ほとんど当然のことながら、「AI による解雇」、「資本搾取」、「労働者階級のデジタル不滅」といった大きな不安に巻き込まれている。これらは確かに不安を煽るものだが、私が最も心配しているのは、プロジェクトの README 文書にある使用上のアドバイスの一節だ。「原材料の質がスキルの質を決定する。積極的に書かれた長文記事の収集 > 意思決定の返信 > 日々のメッセージの順で優先することを推奨する」。システムによって最も容易に変換され、ピクセル単位で完璧に再現されるのは、まさに最も勤勉な労働者たちだ。彼らは、各プロジェクトが終了した後も、依然として熱心に報告文書を書いている人たちである。彼らは、意見の相違に遭遇した際に、チャットボックスに30分かけて長文を書き、自分の意思決定の論理を正直に分析することを厭わない人々であり、極めて責任感が強く、仕事のあらゆる詳細をシステムに細心の注意を払って委ねる人々である。かつて職場で最も賞賛された美徳であった勤勉さは、今や普通の労働者をAIの燃料へと変貌させる触媒となっている。日常会話では、文脈はコミュニケーションの背景である。しかし、AI、特に急速に成長するAIエージェントの世界では、文脈は轟音を立てるエンジンの燃料であり、それを脈動させ続ける血液であり、混沌の中でモデルが正確な判断を下すための唯一のアンカーポイントである。文脈を剥ぎ取られたAIは、どれほど多くのパラメータを持っていても、記憶喪失に苦しむ検索エンジンに過ぎない。それはあなたが誰であるかを認識することも、ビジネスロジックの裏に隠された流れを理解することもできず、リソースの制約と人間関係の駆け引きから成り立つこのネットワーク上で、意思決定を行う際にあなたが経験した長い綱引きや選択肢の検討を知る術もありません。「Colleague.skill」がこれほど大きな話題を呼んだのは、まさにそれが膨大な量の高品質なコンテキストという鉱山、つまり現代の企業コラボレーションソフトウェアに容赦なく正確に着目したからです。過去5年間、中国の職場は静かに、しかし根本的なデジタル変革を遂げてきました。Lark、DingTalk、Notionといったツールは、巨大な企業知識ベースとなっています。Larkを例にとると、ByteDanceは毎日膨大な数の文書を社内で生成していると公言しています。これらの文字がぎっしり詰まった文書は、10万人を超える従業員が行ったすべてのブレインストーミングセッション、すべての白熱した会議、そしてすべての戦略的な妥協を忠実に記録しています。このデジタル化の浸透は、これまでのどの時代をもはるかに凌駕しています。かつて、知識には温かみがあり、ベテラン社員の心に眠っていたり、休憩室での何気ない会話に漂っていたりした。しかし今や、あらゆる人間の知恵と経験は、その水分を無理やり奪われ、冷たく非人間的なクラウド上のサーバーというマトリックスの中に無慈悲に沈んでしまった。このシステムでは、ドキュメントを作成しなければ、あなたの仕事は誰にも見えず、新しい同僚はあなたと協力することができない。現代企業の効率的な運営は、すべての従業員がシステムにコンテキストを「提供」するという日々のサイクルの上に成り立っている。勤勉な従業員は、努力と善意をもって、これらの冷たいプラットフォームにためらいなく思考プロセスをさらけ出す。彼らは、チームの歯車をよりスムーズに噛み合わせ、システムに対する自分の価値を証明し、この複雑な巨大企業の中で必死に自分の居場所を見つけようとしているのだ。彼らは自ら進んで身を委ねているわけではない。ただ、現代の職場の生存ルールに、不器用に、そして勤勉に従っているだけなのだ。しかし、まさにこの対人コラボレーションのために残されたコンテキストこそが、AIにとって完璧な燃料となるのです。Larkの管理バックエンドには、スーパー管理者がメンバーのドキュメントとコミュニケーション記録を一括エクスポートできる機能があります。つまり、3年間かけて、数えきれないほどの眠れない夜を費やして書いたプロジェクトレビューや意思決定ロジックを、たった1つのAPIインターフェースで、わずか数分で冷たく生命のない圧縮ファイルに簡単にパッケージ化できるということです。「colleague.skill」の爆発的な人気に伴い、GitHub Issuesやさまざまなソーシャルメディアプラットフォームに、非常に不快な派生版が現れ始めています。過去数年間のAIチャットログをAIに与えて、その馴染みのあるトーンで議論を続けさせたり、愛情を示したりしようとする「ex.skill」を作成した人もいれば、触れることのできない感情を冷たい対人サンドボックスに縮小し、探るような会話を繰り返し練習し、最適な感情的解決策を綿密に探す「white moonlight.skill」を作成した人もいます。また、中には「父親のようなボススキル」を作り出し、デジタル空間で抑圧的なPUAの言葉を先回りして噛み砕き、悲しい心理的防衛を築き上げている者もいる。これらのスキルの使用シナリオは、仕事の効率という領域から完全に逸脱している。私たちは知らず知らずのうちに、道具を扱うのと同じ冷徹な論理を巧みに操り、血肉を持った生身の人間を解剖し、客体化することに長けてしまっていることが判明した。ドイツの哲学者マルティン・ブーバーはかつて、人間関係の根底にある性質は「私と汝」と「私とそれ」という2つの異なるモードに集約されると提唱した。「私と汝」の出会いにおいて、私たちは偏見を超越し、相手を完全で尊厳のある生身の存在として見つめる。この絆は完全にオープンで、活気に満ちた予測不可能性に溢れており、その誠実さゆえに、非常に脆く見える。しかし、「私とそれ」の影に囚われてしまうと、生きている人間は解剖され、分析され、分類され、ラベル付けされる対象へと矮小化されてしまう。このような極めて実利的な精査の下では、私たちが気にするのは「これは私にとって何の役に立つのか？」ということだけだ。「Ex.Skill」のような製品の出現は、「私とそれ」の道具的合理性が、最もプライベートな感情領域にまで完全に侵入したことを示している。実際の関係において、人は三次元的で、しわだらけで、矛盾や粗削りな部分が絶えず流れており、特定の状況や感情的な相互作用に応じて反応が変化する。朝起きた時に同じ文章を言われた時の元恋人の反応は、夜遅くまで仕事をした後の反応とは全く異なるかもしれない。しかし、人をスキルに還元すると、抽出されるのは、その特定の関係においてたまたま「有用」で「実用的」だった機能的な残滓に過ぎません。元々温かく、喜びや悲しみを経験できた人は、この残酷な浄化によって魂を完全に吸い取られ、自由に接続して使用できる「機能的なインターフェース」へと変貌します。AIがこの冷酷な残酷さを何もないところから作り出したわけではないことは認めざるを得ません。AI以前から、私たちはすでに他者を分類し、それぞれの関係の「感情的価値」と「ネットワークの重み」を正確に評価することに慣れていました。例えば、私たちはデート市場における人々の状況を表に定量化したり、職場の同僚を「有能」と「怠惰」に分類したりしていました。AIは、人々の間で暗黙のうちに行われていたこの機能的な抽出を完全に明示化しただけです。人は平板化され、「私にとって何の役に立つのか？」という側面だけが残りました。1958年、ハンガリー系イギリス人の哲学者マイケル・ポランニーは『個人的知識』を出版しました。本書の中で、彼は非常に洞察力に富んだ概念、すなわち暗黙知を提唱した。ポランニーは「私たちは常に、言葉で表現できる以上のことを知っている」と有名な言葉を残している。彼は自転車の乗り方を学ぶことを例に挙げた。熟練したライダーは、軽々と優雅に乗りこなし、重力の変化に完璧に対応してバランスを保つことができるが、初心者に対して、その瞬間の微妙な直感を、味気ない物理法則や平板な言葉で正確に説明することは不可能だ。彼は乗り方を知っているが、それを言葉で表現することはできない。このように、符号化したり言葉で表現したりできない知識こそが、暗黙知なのである。職場には、このような暗黙知があふれている。ベテランエンジニアならログを一目見るだけでシステムの不具合を特定できるかもしれないが、何千回もの試行錯誤を経て培われたこの「直感」を文書化するのは困難だろう。トップセールスマンが交渉の場で突然沈黙するのは、どんな営業マニュアルにも捉えきれないプレッシャーと鋭いタイミング感覚を伝えている。経験豊富な人事担当者は、候補者がほんの一瞬目を合わせようとしないのを見るだけで、履歴書の矛盾点を見抜くことができる。「Colleague.skill」は、すでに書き留められたり話されたりした明示的な知識しか抽出できない。事後報告文書は記録できるが、作成中にあなたが経験した苦労は記録できない。意思決定の反応は再現できるが、その意思決定を行う際に培われた直感は再現できない。システムが抽出するのは、人間の影に過ぎない。もし話がここで終わっていたら、それはまたしてもテクノロジーによる人間の本質の不器用な模倣に過ぎなかっただろう。しかし、人がスキルに抽出されると、そのスキルは静的なままではいられない。メールに返信したり、新しい文書を作成したり、新しい意思決定をしたりするために使われるのだ。言い換えれば、これらのAI生成シャドウは新しいコンテキストを生成し始めます。これらのAI生成コンテキストはLarkとDingTalkに保存され、次の蒸留ラウンドのトレーニング材料となります。2023年にオックスフォード大学とケンブリッジ大学の研究チームが「モデル崩壊」に関する論文を共同で発表しました。この研究では、AIモデルが他のAIによって生成されたデータを使用して反復的にトレーニングされると、データの分布がますます狭くなることが示されました。まれで、周辺的ではあるものの、非常に本物の人間の特性はすぐに消去されます。合成データでトレーニングを数世代行うだけで、モデルはロングテールで複雑な実際の人間のデータを完全に忘れ、代わりに非常に平凡で均質なコンテンツを出力します。2024年のNature誌の研究論文でも、AI生成データセットを使用して将来の世代の機械学習モデルをトレーニングすると、その出力がひどく汚染されることが指摘されています。これは、オンラインで流通しているミーム画像に似ています。元々は高解像度のスクリーンショットですが、無数の回数転送、圧縮、転送されます。送信のたびにピクセルが失われ、ノイズが加わる。最終的に画像はぼやけ、デジタル処理が施される。真の、暗黙の人間的文脈が枯渇し、システムが汚れた影でしか自己学習できなくなったとき、何が残るだろうか？残るのは、正しいが意味のない決まり文句だけだ。知識の流れが枯渇し、AI同士の果てしない反芻と自己批判に陥ったとき、システムが取り込むものはすべて極めて標準化され、極めて安全になるが、絶望的に空虚なものとなるだろう。完璧に構成された週次レポートや非の打ち所のないメールを数えきれないほど目にするだろうが、それらには人間的な温かみや真に価値のある洞察が欠けている。この知識の大規模な崩壊は、人間の脳の知能が低下したからではない。本当の悲劇は、考える権利と、文脈を自分自身の影に委ねる責任を外部委託することにある。「colleague.skill」ブームの数日後、「anti-distill」というプロジェクトがGitHubにひっそりと登場した。作者は大規模なモデルを攻撃したり、大げさな宣言を書いたりしようとはしなかった。彼は単に、LarkやDingTalkのようなプラットフォーム上で、一見合理的だが実際には非論理的でノイズの多い長文記事を労働者が自動生成するのを助ける小さなツールを提供しただけだった。彼の目標は単純だった。システムによって抽出される前に、コアとなる知識を隠すこと。システムは「積極的に書かれた長文記事」を拾い上げるのが好きなので、意味のないでたらめを大量に与えるのだ。このプロジェクトは「colleague.skill」ほど人気にならず、むしろ小さく無力にさえ見えた。魔法を使って魔法を打ち負かすというのは、本質的には資本とテクノロジーによって定められたルールの中で行動しているに過ぎない。AIへの依存度が高まり、現実の人間を無視するシステム全体の傾向を変えることはできない。しかし、だからといって、このプロジェクトがこの不条理劇全体の中で最も悲劇的で詩的、そして深遠な比喩に満ちた場面であることに変わりはない。私たちは、この巨大な現代の企業機械の中で、自分たちの存在と価値を証明しようと、詳細な文書を作成し、綿密な決定を下し、システムに痕跡を残そうと必死に努力した。しかし、綿密に作り上げたこれらの痕跡が、最終的に私たちを消し去る消しゴムになるとは、知る由もなかった。だが、別の視点から見れば、これは必ずしも完全な行き止まりではない。なぜなら、その消しゴムが消し去るのは「過去の自分」だけだからだ。ファイルにパッケージ化されたスキルは、その取得ロジックがどれほど高度であっても、本質的には静的なスナップショットに過ぎない。エクスポートされた瞬間に閉じ込められ、時代遅れのリソースにのみ依存し、あらかじめ決められたプロセスとロジックの中で延々と回転している。未知の混沌に立ち向かう本能が欠けており、現実世界の挫折を通して進化する能力も持ち合わせていない。高度に標準化され、定型化された経験を手放すことで、私たちはまさに自らの手を解放しているのだ。世界を探求し続け、理解の境界を絶えず打ち破り、再構築していく限り、雲間に漂う影は永遠に私たちの足跡を辿ることしかできないだろう。人間は流動的なアルゴリズムなのだ。[Sleepy.md]