課題設定力の鍛え方。AI×無能=無能の意味をサトマイさんが解説

家事と子育てのスキマで経営する3方よしAI共創コンサルタントの田中啓之、ひろくん（@passion_tanaka）です。今回はYouTube「謎解き統計学｜サトマイ」から、【AI×無能＝無能】仕事ができる人は「何を解くか」が違う！AIで差がつく課題設定力を紹介するね。

出典: 【AI×無能＝無能】仕事ができる人は「何を解くか」が違う！AIで差がつく課題設定力（謎解き統計学｜サトマイ）

正体は何か。この言葉の意味を、動画はこの問いから始めて確かめていきます。サトマイさんのこの問いかけです（0:22頃〜）。

サトマイさん

「AI×無能=無能って聞いたことありますか?」（0:22）

続けて紹介されるのが、カスタマーサポート5,172人を対象にした生成AI導入研究。

1時間あたりの対応件数が平均で15%増え、スキルの低い層に限ると約30%も増えたという数字です（0:49頃〜）。

この結果をサトマイさんはこうまとめます。

サトマイさん

「つまりAIによって仕事の下限が底上げされたと。ま、少なくともこの研究では0にAIをかけても0ではなかったっていうわけです。」（1:34）

「無能×AI=無能」なら、スキルが低い人ほどAIの恩恵を受けられないはずなんです。でも実際は逆。下限がグッと底上げされた。ここ、痛快だなと思って見てました。

数字が、実感と違いました。

私も「AIで御社の売上が10倍になります」と大風呂敷を広げるコンサルに、経営者として本気で腹を立てたことがあるんです。

蓋を開けてみればChatGPTに文章を書かせて終わり。何百万も払って、結局何も変わらない。

経営者の切実な悩みを食い物にしている構造でした。正直、かなり怒りました。

でもこの研究が示してるのは違う話です。AI自体は「下限を底上げする道具」として確かに機能してる。

詐欺まがいのコンサルが問題なのは、AIのせいじゃありません。その人が「何を解決するために使うか」を最初からごまかしてるからです。

道具が良くても、目的が空っぽなら中身はスカスカのまま。

目的が空っぽなコンサルと、下限を底上げする道具としてのAI。この差はどこで生まれるのか。次の章でサトマイさんが「差分」という言葉で解き明かします。

今日1回、あなたが最近「AIに任せた」作業を1つ思い出してみてください。3分でいいので、速くなったのか、綺麗になったのか、それとも「下限」が底上げされたのかを紙に書き出す。

どこが変わったのかを言葉にできたら完了です。次の章がぐっと自分ごとになります。

動画の核心はここです。サトマイさんは付加価値を「自分が関わる前と後の変化」＝差分と定義したうえで、この差分を大きくする方法を2つ提示します（5:53頃〜）。

サトマイさん

「ではこの差分を大きくするにはどうしたらいいのか。1つ目は課題解決力を上げることですね。…そしてもう1つがこちら。課題設定力を上げることですね。」（5:53）

具体例が分かりやすかったです。

売上が下がった時にデザインの良い営業資料を作っても、原因が「契約後3ヶ月での離脱率の上昇」なら効果は薄い（6:12頃〜）。

解決の技術は高くても、解いてる問題そのものがズレてたら差分は生まれないってことです。

私はこれを聞いて、実家の惣菜屋「山口屋」で育った子ども時代を思い出しました。

商売っ子として育って、中卒フリーターからリフォーム会社でWEB集客を独学で習得したんです。

言葉と写真と導線で人の行動を変える魔法に魅了されて、EC事業で月商6000万円を達成できました。

あの時に一番効いたのは何だったか。「バナーをきれいにする」でも「文章をうまくする」でもありませんでした。

「なぜお客さんが最後の一歩で離脱するのか」を見つけて、そこだけ直したことです。

ツールを覚えることと、何を変えれば数字が動くかを見極めることは、まったく別の力なんです。

当時の私はそれを言語化できてなかったけど、今振り返ると完全に「課題設定力」の話でした。

サトマイさんの動画を見て改めて思ったのは、AIはこの2つのうち「課題解決力」の部分を猛スピードで肩代わりしてくれるということ。

だからこそ、残るひとつの力、何を解くかを決める力の価値が相対的に上がっていく。ここが動画全体を貫くロジックです。

5分だけ時間を取って、今自分が取り組んでいる仕事を1つ紙に書き出してください。それが「解決の質を上げるべき仕事」なのか、それとも「そもそも何を解くかを決め直すべき仕事」なのか。どちらかに丸を付けられたら完了です。

私の場合、日々の相談で「集客の資料を良くしたい」と言われた時、まずこの問い直しから入ります。

この動画で一番刺さった一言がこれです（7:42頃〜）。

サトマイさん

「この方向を間違えたままAIを使えばAIはその分の速さで間違った場所まで連れて行ってくれます。」（7:42）

AIって、良くも悪くも「今向いている方向」をそのまま増幅する道具だと思います。方向が合えば最高の加速装置。ズレてたら、ズレたまま一瞬で遠くまで連れて行かれます。

しかも速いから、間違いに気づくのも遅れる。怖いのはここです。

私自身、思い込みに引っ張られることがあります。「こうすべき」という周りの声に流されて、自分の声を聞かずに突っ走ってしまう。左脳の妄想が、自分の声をかき消す瞬間です。AIを使う前に、まず自分の声を聞き直す。それを飛ばすと、AIは間違った方向へも遠慮なく全力疾走してくれます。

車で例えると分かりやすいです。アクセル（AI）は誰でも簡単に踏めるようになりました。でもハンドル（方向）は、AIが代わりに合わせてくれるわけじゃない。

「頑張ってるのに成果が出ない」。心当たりがあったら、AIを開く前の1分だけ使ってください。今取り組んでいることのゴールを声に出して言えるか、それだけ確認する。言えなければ、それが方向確認の合図です。AIでスピードを上げるのは、そのあとです。

サトマイさんは、ここで学校教育の話に踏み込みます（8:06頃〜）。

テストも受験も「与えられた問題を解く」訓練ばかりで、「そもそも何を問題にするか」を自分で決める訓練の機会はほとんどなかった、という指摘です。

さらに職場に出ても、「事業を伸ばせ」「若手の離職を減らせ」といった、ゴールが未定義のまま渡される課題の難しさにも触れています（9:01頃〜）。

これ、私は逆の順番で育ちました。

耳が痛い話でした。実家の惣菜屋「山口屋」の商売っ子として育って、中卒フリーターからのスタートです。

「誰かが課題を定義してくれて、それを解く」という経験自体がほぼなかったんです。

何を売るか、どう値付けするか、どのお客さんに何を伝えるか。全部、自分で決めるところから始まってました。

課題を自分で定義しないと生きていけない環境。「定義された課題を解く」訓練が足りなかったとも言えます。

逆に「何を解くか」を決める筋力だけは、嫌でも鍛えられたとも言えるんですよね。

学校で「解く力」を鍛えた人と、現場で「決める力」を鍛えた人。今のAI時代は、後者の価値がじわじわ上がってる気がします。

直近で、上司や自分自身から「未定義のまま」渡された課題があったら1つ思い出してみてください。

そして「何がどう変わったら成功と言えるか」を、5分で一文だけ書いてみる。1文書けたら完了です。それだけで、その課題は一気に扱いやすくなります。

動画の後半、サトマイさんは「主体性」という言葉を再定義します。

よく聞く言葉だけど、実は「自分で課題を設定する力」のことじゃないかという提案です（10:07頃〜）。

自分の役割を「生み出す差分」で定義すると、上司や客からの要求に振り回されにくくなるとも話していて（11:01頃〜）、そのうえでこう続けます。

サトマイさん

「だから課題設定力っていうのは単にいい問題を見つけられるっていうだけではありません。何をやらないかを決める力でもあるわけですね。」（13:50）

これ、聞いた瞬間に自分の役割定義そのものだと思いました。

私は「AI課題解決センター」の中で、自分の本質的な役割を「場を作り、耕し、繋ぐ」の3つだけに絞っています。

プラットフォーム選定や仕組み設計、朝LIVEでの哲学発信、相談者と専門家を繋ぐハブ。

逆に、個別のAI導入支援や技術的な実装サポートは高崎さんの本分です。私はそこに手を出さないと決めてるんです。

「ひろくんの役割を『火を点けるだけ』『話すだけ』と矮小化しない」というのも、裏を返せば「実装は自分の役割じゃない」とはっきり線を引いてるということ。

何を自分の仕事にするかを決めるのと同じくらい、何を自分の仕事にしないかを決めるのが、実は一番効いてる気がします。

AIエージェントを増やせば増やすほど、誰が何を担当するかが曖昧になって、かえって仕事が止まることも実際に起きます。

この「役割・決定・検証」の設計については、以前一人社長のための役割設計の記事にもまとめました。

今抱えている仕事のうち、本来は自分の役割ではないものを1つ選んでみてください。5分で、それをAIに渡せるのか、人に渡せるのかを書き出す。渡し先が1つ決まったら完了です。それだけで、自分の役割の輪郭がくっきりしてきます。

最後のトピックは「分析力」です。

市場価値とは「自分がいない世界」と「自分がいる世界」の差分を、言葉と数字で説明できる人が評価されることだとサトマイさんは言います（14:17頃〜）。

分析できる人は、若手離職率のようなあいまいな問題を「誰と比較して」「いつから」「全社か特定部署か」まで分解して、定量化・検証可能な形にできる（15:57頃〜）。

そして、同じ売上データを渡された3人の比較が出てきます。

そのまま分析を依頼するPerson A、新規・単価・リピート率で分解するPerson B、そもそも売上だけを見るべきかを問い直すPerson C。

AIが同じでも、生み出す価値がまったく変わるという例です（17:42頃〜）。サトマイさんはこう結論づけます。

サトマイさん

「だからこそ差がつく場所っていうのがこの1つ手前に移ってるわけですね。何を解くのかっていうところです。」（17:34）

Person Cのやり方、私が「一次元上の視点」と呼んでるものに近いんです。自分を俯瞰・瞑想・モーニングページ・ブログで外に出す。

全部「自分を外に出して、それを見る」行為なんですよね。紙ノートに頭の中を書き出す。実際の現場で五感を使う。

分身AIとの対話で自分を客観視する。この3つが、私が一次元上の視点を持つために実践してる方法です。

Second Brain Mothershipという自分の仕組みでも、収集・発見と俯瞰・判断は私がやって、形にする・宝に変換するのはAIに任せています。

AIに渡す前に「そもそも何を見るべきか」を自分で問い直す工程を、意図的に手放さないようにしてるんです。

ここを手放すと、AIがどれだけ優秀でも、Person Aのまま止まってしまう。

この「AIに何を任せて何を残すか」の線引きは、安宅和人さんの4マス図や『知性大全』の作業9割・創造5割・学習3割という配分とも重なる話だなと感じました。

直近でAIに渡したデータや依頼文を1つ選んで、3分だけ「そもそもこれを見るべきなのか」を自分に問い直してみてください。問い直した答えをひとことメモできたら完了です。

Person A・B・Cの差は、AIの性能では埋まりません。渡す前に自分がどこまで問い直したかだけで、同じAIから出てくる価値がまるごと変わります。

20分の動画を見終わって残ったのは、「AI×無能=無能」という一言の格言よりも、「差がつく場所が1つ手前に移った」という一文でした。

AIが課題解決のスピードをどんどん上げてくれる分、何を解くか、何をやらないか、そもそも何を見るべきか。

この「1つ手前」を決める力の値打ちが、これからますます上がっていくんだと思います。

付加価値は差分。差分を生むのは、解く技術より先に、解く対象を選ぶ目。あなたが今AIに渡そうとしている仕事、その手前の「何を解くか」は、すでに言葉にできていますか？