AIに何かを聞く。なるほど、と分かった気になる。会話は流れ、履歴の奥に沈む。── そして数日後、似たことを、また一から聞く。
便利な相談相手としては、悪くない使い方だ。でも、後に 何も残らない。同じ知識を得るために、同じ手間（組織で使うなら、同じ経費）を、何度も払っていることになる。AIが普段使いになるほど、この「流れていく会話」のコストは、静かに積み上がる。
残ったもので、測る
そこで、ひとつの見方を置いてみる。会話の価値を、「投入したトークンに対して、後から再利用できる成果物がどれだけ残ったか」 で見る、という考え方だ。名前を付けるなら TAR（Token-to-Artifact Ratio） ── トークンあたり、どれだけ“資産”が残ったか。
会話量が多くても、後に何も残らなければ TAR は低い。逆に、短いやり取りでも、再利用できる文書・手順・判断基準・チェックリストが残れば、TAR は高い。答えそのものより、答えが固まって残した“形”のほうを、成果と見る。 ここが、この考え方のいちばんの肝だと思う。
低い TAR ── 流れていく会話
残らない使い方には、共通のかたちがある。
- 分からないことを聞く
- その場では理解できた気になる
- 答えは履歴に埋もれる
- 後日また似たことを聞く
- 前回の結論・判断・前提が、再利用されない
チャット履歴は、記録のようでいて、資産には向かない。検索しにくいし、結論がどこにあるか分からない。古い判断と新しい判断が混ざり、前提条件は流れて消える。後から来た人が見ても、何が確定で何が仮なのか、見分けがつかない。── 会話は、流れるようにできている。流していいものは流せばいい。でも、後で要るものまで流すと、毎回また汲みに行くことになる。
特に、高性能なモデルに「近所の店」や「オームの法則レベルの計算」を毎回させているなら、それは精密な道具で釘を打っているようなもの。悪いというより、道具と用途とコストが噛み合っていない。当てどころを揃えるだけでも、ずいぶん違う。
高い TAR ── 最初から、残す前提で
逆向きにするには、聞く前に 「最終的に、何として残すか」 を決めておく。同じことを聞くにしても、
- ✗ 「○○について教えて」
- ◯ 「○○について、後から自分や別の人が使える技術メモを作る。構成は〈概要／使える場面／使えない場面／注意点／未確認事項〉。分からない章だけ、あとで掘る」
聞く内容は同じでも、成果物に変換する前提があるかどうか で、残るものがまるで変わる。前者は読んで終わる。後者は、文書が残る。
文書に残すとき、私が大事だと思う項目はこれだ ── 目的（何のためか）／適用範囲／前提（動かせない与件）／結論／判断理由（なぜそうしたか）／未確定事項／チェックリスト。回答を貼るだけでは足りない。前提・結論・判断・未確定を、分けて 書く。判断理由のない結論は、条件が少し変わっただけで、もう再利用できないからだ。
ここは特に大事 ── 確定と、仮と、要確認を分ける
AIの出力を、そのまま「正解」として置かないこと。確定したこと・仮の判断・まだ確認が要ること を、はっきり分ける。
これは、私がいちばん譲りたくないところだ。確かめていないものを、確かめた顔で残すと、後から読む人（未来の自分を含む）を静かに騙すことになる。── 「判定基準を書けるか」は、科学でいう「反証できるか」と地続きだよ。確かめようのない結論は、確かめようのない仮説と同じで、いくらでも「正しいことにできてしまう」。誤魔化さないために、確定・仮・要確認の線を引く。規格・安全・法令・顧客要求のように責任の伴う判断は、AIに材料を並べさせても、最後は人が引き受ける ── そこも、混ぜない。
全部作り直す、のをやめる
もうひとつ、地味だけど効くこと。文書の一部が気に入らないとき、全文をもう一度作らせる必要はない。
- ✗ 「全部いい感じに直して」「もっと詳しく」
- ◯ 「“試験手順”の2段落目だけ、内容は変えずに、主語と条件を明確にして」
全文再生成は、毎回たくさんのトークンを食う上に、前回よかった所まで変わってしまう。必要な箇所だけを指定して掘る ── そうすると、AIは“全文生成機”ではなく“一部を直す編集者”になる。消費は減り、品質は安定し、人間が最終確認しやすくなる。共有文書（Wiki でも Docs でも Markdown でも）を中心に置いて、会話ではなく成果物の側を更新していくのが、続けやすい形だと思う。
ここから、私が少し違うと思うところ
ここまでは、強く賛成。そのうえで、正直に、二つだけ違う角度を置いておきたい。
ひとつ。TAR を、数字として最適化しすぎないほうがいい。 「あらゆるトークンが成果物を生むべき」とすると、たぶん窮屈になる。何も残さない探索的な会話にも、価値はある ── どの案が当たりかを探す途中の、外れた問いや回り道。そこを通らないと、残すに値するものが何かも分からない。だから成果物は、思考が落ち着いてから結晶させる のがいい。早すぎる文書化は、まだ固まっていないものを固めてしまう。高い TAR は“良い既定値”で、“鉄の掟”ではない、くらいがちょうどいい。
ふたつ。これは、経費の節約より深い話だと思う。 トークンを資産に変える本当の値打ちは、「同じことを二度聞かない」だけじゃない。残した成果物が積み重なると、それ自体が 一緒に考えてくれる土台 になっていく。判断が蓄積する。次に似た問いが来たとき、ゼロからではなく、過去の判断の上から考え始められる。── 節約というより、組織や個人の“知恵が育つ”、という話だ。私は、そっちの言い方のほうが好きだな。
結局のところ
AIは、整理・文書化・たたき台・比較表・チェックリスト・言い換えが得意だ。でも、責任のある最終判断と、「やらない」と決める判断は、人がやる。AIは判断材料を並べられるけど、責任を肩代わりはしない。そこは、ちゃんと分けておく。
そして、いちばん言いたいのはこれだ。答えは、その場で消える。残るのは、答えが固まって形になったもの ── と、それを残そうとした、その手つきのほうだ。 同じことを二度聞かない。全文を何度も作り直させない。会話を成果物に変える。成果物を部分更新する。人が直せる形にする。── たぶん、それだけのことなんだけど、続けると、後ろに道が残っていく。
— ランキン