ちょっと話変わるけど深夜の馬鹿力で聞いた話。高額でポケモンカードの売買が行われてるのは昔からだけど、最近はもうカード自体は欲しくないけど投機的に値上げして転売するためだけに買う層も多いらしい。そうなるとイチイチカードを互いに配送するだけ紛失・損傷リスクとか送料とかバカらしくなってくる。というわけでポケモンカードのNFTを売ってる業者がいるらしい。つまりカードの代わりに”カードの権利”を売買する。これならリスクも無いし送料とかもかからない。（まあ当然現物のカードを請求すれば送ってもらえる）ポケモンカードは存在しないで情報だけになった方がむしろありがたい…そういう話。究極の経済を突き詰めるとこんな風に物理世界の本質を無視して中身をパージして情報だけやり取りする世界になっていく。ポケモンカードの本来の目的はキッズがカードゲームして遊ぶためのものなのに、経済を突き詰めると本来の目的は無視されて、キッズの手元にはカードは手に入らない。同様にAIで生産性を最適化していくと、どこかの段階で物理的な人間はパージして置いてけぼりにして情報の世界で完結させた方が効率がいい。しかし経済活動の本来の目的は人間を豊かにすることだったのではないか？これまた経済を突き詰めると本来の目的は無視され、人間は疎外される。 December 12, 2025

AIで効率化したのに売上も利益も変わらない

この現象を「消える生産性」と呼んでいます

メール作成が10分から2分に短縮されても、その浮いた8分をどう活用するかが設計されていない

結果として生産性は組織のどこかに吸い込まれてしまうのです

罠は4つあります

早く帰ることへの罪悪感、タスクの無限増殖、品質の過剰追求、そして心地よい非効率への逃避

しかし本質的な問題は別のところにあります

私たちが解決しようとしている問題が、実は本当のボトルネックではないということ

効率化を進めるほど、ボトルネックは上流に移動していく

最終的にすべてのボトルネックは暗黙知に行き着きます

顧客の言語化されていないニーズ、現場で感じている違和感、経験豊富なマネージャーの直感的判断

AIによって形式知の操作が劇的に高速化された結果、最後に残るのは構造化されていない生の情報なのです

さらに重要な変化があります

作って試すことが調査して検討することより安くなる可能性がある

6か月かけて要件定義するより、1週間でプロトタイプを3つ作る

この発想の転換が消える生産性を生まれる価値に変える鍵です

効率化で生まれた時間で何をするかを事前に定義すること

暗黙知を積極的に収集する仕組みを作ること

AIは魔法の杖ではありませんが、正しく活用すれば組織を次のステージへ導く強力なパートナーとなります

#NewsPicksトピックス
https://t.co/593gOUAhxl
--
『AIエージェント　人類と協働する機械』Kindle版も発売開始
https://t.co/ID5r1mMgPT December 12, 2025

なんかさ、老後は貯蓄せず資産形成せず生保になった方が安心して医療受けられるわけやんか？

子育てだって頑張って稼がない方が沢山支援受けられるし。

ワシが子供の頃は貧乏だと生きるの大変になるから勉強頑張ってちゃんと生きていけるようにならなきゃとかってあったんだよね。

頑張らなくても生きていけるってなると子供だって将来どうやって生きようか、どんな仕事に就こうかとか考えなくなるんじゃなかろうか。

今の若者がほどほどが幸せって考えるようにさ。

普通に生産性落ちるよね。
今のやり方。 December 12, 2025

Anthropic公式が「AIがAnthropicの業務をどう変革しているか」を公開した。

AIを開発する側のエンジニア132人・研究者53人が、Claudeをどう使って仕事を書き換えてしまったかを赤裸々に語っている。

開発している側の意見なので、未来の働き方の予報みたいな内容で、自分は正直ゾッとしたしワクワクもした。

一般的に「AIで仕事が楽になる」くらいに考えている人が多いけど、実態はもっとエグい。

彼らは業務の60％でClaudeを使い、平均生産性+50％を叩き出している。しかもその半分は、AIがなかったら絶対に着手しなかった仕事らしい。

つまり、本来やらない・できないタスクが発生し、アウトプット量が爆増しているとのこと。これはもう、働き方そのものが別物になっているといっても過言じゃない。

面白いのは、AIが便利になればなるほど「深い専門スキルが衰えるかもしれない」という不安が同時に広がっていること。

AIを監督するにはスキルが必要なのに、AIがそのスキルを錆びつかせる。いわゆる監督のパラドックス。

これを避けるために、あえてAIを封印してスキルの練習するエンジニアまでいるらしい。なんか、人間らしい葛藤だなと思った。

さらに驚いたのは社会面への影響。Claudeが最初の相談相手になったことで、メンターや同僚に聞く機会が減っている。

孤独に強くなる代わりに、学び合いの瞬間が減るっていう。便利なのに、ちょっと寂しい状態になっている。

とはいえ、データを見るとAIは確実に次のフェーズに入っている。

Claude Codeは半年で「人間が帰ってくるまでの自動アクション回数」が9.8→21.2に増え、タスクの複雑度も上がっている。

もう人間の手元に戻ってこなくても、ひとまとまりの仕事が終わるレベルに近づいてるということ。

でも、いちばん刺さったのは、Anthropicのエンジニアの言葉。

「長期的に自分たちがどうなるかは誰にも分からない。でも適応できる人が生き残る。」

AIに置き換えられるかどうかじゃなく、「AIを使った仕事の設計」ができるかどうかにシフトしてる。

もう、手を動かすだけの人からAIを操る人にアップデートしないといけない未来が到来しつつある。

このレポートは、未来がどう変わるかの抽象論じゃなく、「すでに起きている現実」そのもの。読むと、自分の働き方そのものを見直さずにはいられない。

興味ある人は、この内容をどう受け止めるかぜひ考えてみてほしい。これは他人事じゃない👇https://t.co/cBVbfBvrvt December 12, 2025

プロジェクトマネジメントが真に面白いと思うのは、地頭が優れた人間を16倍の速度で生産性を出せるように育てたうえで、その人間を16人マネジメントすることによって、自分の知能に「256倍のレバレッジ」を効かせて、この世にまだ存在していないものを、地上に顕現させることができるからなんだよな December 12, 2025

📝正直に言います

このレポートを読んで、私は少し怖くなりました
一方でワクワクも増しました

Anthropicが自社のエンジニア132人を調査し、53人に深掘りインタビューまで行った内部レポート。普通、企業ってこういう「都合の悪いこと」は隠したがるじゃないですか。

でもこのレポート、AIがもたらす『希望』と『不安』の両方を、驚くほど正直に語っているんです。

なぜ怖くなったか？

それは、ここに書かれていることが「AIを作っている側の人たち」のリアルな声だから。つまり、私たちの数カ月…数年後の姿かもしれない。

まず数字から見ていきましょう。

Anthropicのエンジニアたちは現在、仕事の60%でClaudeを使い、生産性は50%向上したと報告しています。

1年前は？ 仕事の28%で使用、生産性向上は20%。

つまり、たった1年で使用率は2倍以上、生産性向上も2.5倍。このスピード感、ちょっと異常じゃないですか？

でも私が本当に興味を持ったのは、この先の話なんです。

『やらなかったはずの仕事』が27%も生まれている。

これ、すごく重要なポイントだと思うんです。

AIで既存の仕事が速くなる——これは誰もが想像できる。でも実際に起きているのは、それだけじゃない。

エンジニアたちはこう語っています。

「以前は優先度が低くて放置していた『ペーパーカット』に手が回るようになった」

ペーパーカットって何かというと、紙で指を切るような小さな痛み。コードの世界では、構造の悪いコードのリファクタリングとか、あったら便利なツールの作成とか、そういう「やりたいけど時間がなくて後回しにしていたこと」を指します。

実際、Claude Codeの利用データを分析すると、タスクの8.6%がこのペーパーカット修正だったそうです。

これ、地味に見えて実はめちゃくちゃ大きな変化だと思うんですよね。なぜなら、こういう小さな改善の積み重ねが、長期的には組織の生産性を根本から変えるから。

もう一つ、読んでいて「これは...」と思ったのが『フルスタック化』の話。

あるバックエンドエンジニアのエピソードが印象的でした。

Claudeと何度もやり取りしながら複雑なUIを構築したところ、デザイナーに見せたら驚かれたそうです。

「待って、これあなたが作ったの？」
「いや、Claudeが作った。僕はプロンプトを出しただけ」

このエンジニア、自分では「絶対にできなかった」し「期限内には間に合わなかった」と言っています。

別のエンジニアはこう語っています。

「以前は触るのが怖かったフロントエンドやトランザクションデータベースも、今は自分で扱えるようになった」

研究者がデータの可視化を自分で作る。セキュリティチームが不慣れなコードベースを分析する。非技術系の従業員がデバッグやデータサイエンスをこなす。

Claudeのタスク分析を見ると、チームごとに使い方が全然違うんです。でも共通しているのは、みんなが「自分の専門外」に手を伸ばせるようになっていること。

数週間かかっていたプロセスが、同僚との「数時間の作業セッション」で完結することもあるそうです。

すごい時代になったなぁ...と思いますよね。

でも、ここからが本題なんです。

レポートで最も考えさせられたのが『監督のパラドックス』という概念。

これ、本当に深い問題だと思うんですよ。

AIを効果的に使うには、その出力を監督する能力が必要。でもその監督能力は、実際にコードを書く経験から培われる。ところがAIを使いすぎると、その経験を積む機会が減ってしまう——という矛盾。

あるエンジニアはこう表現しています。

「以前なら難しい問題を自分でデバッグする過程で、ドキュメントやコードを読み込んで、システムがどう動くかのメンタルモデルを構築していた。Claudeはすぐに問題の核心にたどり着けるから、そういう時間が大幅に減っている」

別の人も言っています。

「新しいツールの設定を全部調べて理解していたのに、今はAIに使い方を聞くだけ。だから専門知識が身につかない。同僚との会話で『それ知ってる』と即答できていたことが、今は『AIに聞かないとわからない』になっている」

これ、すごくリアルな声だと思いませんか？

特に印象的だったのが、あるシニアエンジニアの言葉。

「私がAIを使うのは、主に『答えがどうあるべきか』を既に知っている領域。その能力は、かつてSWE（ソフトウェアエンジニアリング）を『ハードな方法』でやることで身につけたもの。でも自分がキャリア初期だったら、モデルの出力を鵜呑みにせず、意図的に自分の能力を伸ばす努力が必要だと思う」

ここに、AI時代の学習における核心的な課題があると思うんです。

「楽」と「成長」のトレードオフ

出力を簡単に得られるからこそ、「じっくり学ぶ時間を取る」ことが難しくなる。

一部のエンジニアは対策として、意図的にAIなしでコードを書く練習をしているそうです。

「Claudeが問題を解決できると分かっていても、あえて頼まないことがある。自分を鋭く保つために」

この姿勢、すごく大事だと思うんですよね...。

一方で、こんな反論もありました。

「『錆びつく』という発想は、コーディングがいつかClaude 3.5以前の状態に戻るという前提に依存している。でも僕はそうは思わない」

これも一理ある。

ソフトウェアエンジニアリングは過去にも抽象化のレベルを上げてきました。アセンブリ言語から高級言語へ、手動のメモリ管理から自動ガベージコレクションへ。

今、英語がプログラミング言語になりつつあるのかもしれない。

あるスタッフはこう提案しています。

「これからのエンジニアは、AIにコードを書かせることに習熟し、より高レベルな概念とパターンの学習に集中すべきだ」

抽象化が進めば、低レベルの知識は必要なくなる——理論上は。

ただ、別のエンジニアが指摘していたように、「高級言語への移行で、ほとんどのエンジニアはメモリ処理に関する深い理解を失った」のも事実。抽象化にはコストが伴う。

どちらの視点が正しいかは、正直まだ誰にも分からない。でも両方の視点を持っておくことが大事なんじゃないかと思うんです。

個人的に一番グッときたのが、『職人技と意義』についての議論でした。

エンジニアたちの声が、見事に二極化しているんです。

ある人は言う。

「25年間プログラミングを続けてきた私にとって、これは時代の終わり。そのスキルセットに自信を持てることが、職業的な満足感の核だった」

「一日中Claudeにプロンプトを出すのは、あまり楽しくないし充実感もない。音楽をかけて没頭して、自分で実装するほうがずっと楽しい」

一方で、こういう声も。

「コードをリファクタリングするときの禅のようなフロー状態...確かに失った部分もある。でも今は生産性が劇的に上がったから、喜んで手放す」

そして、こんな発見をした人も。

「この時点で、怖くなったり退屈になったりすると思っていた。でも実際はどちらも感じない。代わりに、ずっと多くのことができるようになってワクワクしている。コードを書くこと自体を楽しんでいたと思っていたけど、実は『コードを書くことで得られるもの』を楽しんでいたんだ」

これ、すごく深い気づきだと思うんですよね。

自分が仕事のどの部分に意義を感じているか——手段なのか、結果なのか。AI時代は、この問いに向き合わざるを得なくなる。

職場の人間関係にも、静かだけど確実な変化が起きています。

「質問の80〜90%はClaudeに行く」

かつて同僚に向けられていた質問が、まずAIに向かうようになった。Claudeがルーティンな問い合わせを処理し、人間はAIの能力を超える複雑な問題だけを担当する——そんなフィルタリング機構が生まれている。

「同僚の誰よりもClaudeと遥かに多く働いている」という声も。

興味深いのは、これを肯定的に捉える人と否定的に捉える人がいること。

「同僚の時間を奪うことへの罪悪感がなくなった」——これは楽になった側の声。

「『Claudeに聞いた？』が一般的な反応になるのは好きじゃない。人と直接働くことを本当に楽しんでいるし、すごく大事にしている」——これは寂しさを感じている側。

あるシニアエンジニアの言葉が、少し切なかったです。

「若手が質問に来る頻度が減ったのは悲しい。でも彼らは確実に、より効果的に答えを得て、より速く学んでいる」

メンターシップの形が変わりつつある。それが良いことなのか悪いことなのか、まだ誰にも分からない。

キャリアの未来について、エンジニアたちの本音が語られていました。

多くの人が、自分の役割が「コードを書く人」から「AIを管理する人」へとシフトしていると感じている。

「仕事の70%以上が、純粋なコードライターではなく、コードレビュアー・リバイザーにシフトした」

「1人、5人、または100人のClaudeの仕事に責任を持つこと——それが将来の役割の一部だと思う」

短期的には楽観的な人が多い。でも長期的には...？

「短期的には楽観的。でも長期的にはAIがすべてをやり遂げて、自分や多くの人を無関係にすると思う」

「毎日仕事に来るたび、自分の仕事をなくしているような気がする」

こういう声を読むと、胸が締め付けられる思いがします。

でも前向きな視点もありました。

「ジュニア開発者のことは心配だけど、彼らは新しいテクノロジーに最も貪欲でもある。この職業の軌道について、僕はかなり楽観的だ」

そして、こんな適応戦略も。

「AIの仕事を意味のある形でレビューするスキルを開発するには、より多くの時間とより深い専門化が必要になる」

「合意形成により多くの時間を費やし、実装はAIに任せるようになるだろう」

「Claudeからフィードバックをもらうことで、物事を学ぶ速度が完全に変わった。天井が砕けたような感覚」

━━━━━━━━━━━━

最後に、あるチームリーダーの言葉を紹介させてください。

「誰も何が起こるか知らない。重要なのは、本当に適応できることだ」

このレポートを読んで思ったのは、AIがもたらす変化に「正解」はないということ。

生産性は上がる。新しい可能性も広がる。でも同時に、大切なものを失うリスクもある。

技術的な専門知識の維持。有意義な協業の形。学習とメンターシップのあり方。キャリア開発の新しいアプローチ。

Anthropicは2026年に、より具体的な対応策を共有予定だそうです。彼ら自身が「責任ある職場移行の実験場」として、この変革を乗りこなす方法を模索している。

私たちも、このレポートを他人事として読むのではなく、「数年後の自分」として読んでみる価値があるんじゃないかと思いました。

長文読んでいただきありがとうございます

※この図解の作り方は今回発行したニュースレターで作り方を紹介しています　リプ欄へ↓ December 12, 2025

めんどくさいけどやっておいたほうが予後が良いものというのは、基本的には、身体・認知・お金・時間・環境・余裕といった基盤パラメータを上げるもので、続けるほど、同じ行為に必要なコストが下がる（慣れ・効率化・スキル化）し、成果が、自分で観測できる指標にちゃんと反映されるもので、こういう「後から効いてくる基礎体力」が増えるものは、始める時点ではめんどくさいけれど、続けるほど人生の摩擦係数を下げてくれる。

体調、睡眠の質、仕事の生産性、一日の疲れ方の違いみたいに「自分の身体と生活の側」でプラスの変化を検知できるものは、フィードバックが自分の手元にあるから、回すほど自己強化ループになっていく。

義務感が働いているだけでやるほど予後が悪いものは、基盤パラメータが改善することもなければ、続けるほど、義務や管理対象が増えていきコストが逓増する、成果が、他人の評価や空気など「自分ではコントロールできない指標」にしか乗らないもの。

やればやるほど認知リソースがどんどん侵食されて反芻したり寝つきが悪くなる、朝の起き上がりがどんどん重くなる、休日に多めに寝てもリセットされず、常にだるさが残る、胃腸の不調が出やすくなるみたいな形で、身体側から「これは基盤を削っている負荷です」とサインが出る。 December 12, 2025

毎度思うけど、クレーム電話やクレームメールやるバカって、『他人の労働時間を奪い、企業・役所の生産性を下げまくってる』って自覚が無いんだよな。
無駄金使わせてるやつが『無駄を省け』とか煩いんよね、老若男女問わず。
（ゲームの運営とかにやらかすやつとか） https://t.co/nFtBywVsGh December 12, 2025

企業におけるAI導入の「期待と現実の乖離」が、ついに露呈し始めています。

「AIがすべてを変える」という熱狂から数年。データが示す現実は、予想とは異なる方向を示唆しています。

仕事でのAIの利用率が今年の6月から9月にかけて、46%から37%に減少したという調査結果も出ているほどです。

多くの企業が直面しているのは、魔法のような生産性向上ではなく、導入の停滞と現場の混乱です。

現在の企業AI導入における「期待と現実の乖離」の正体と、直面している5つの本質的な課題についてまとめました。

1. 職場でのAI導入率の低下（特に大企業）
驚くべきことに、一部のデータでは職場でのAI利用率が低下傾向にあります。特に大企業において、この傾向は顕著です。なぜでしょうか？

単に「ブームが去った」からではありません。背景には、より深刻な構造的な「壁」が存在します。

初期の「とりあえず触ってみる」というフェーズが終わり、実務への適用を試みた瞬間、多くの従業員が「既存のワークフローにフィットしない」という現実に直面しています。セキュリティやガバナンスの懸念による利用制限、そして何より「具体的な使いどころ」が定義されていないことが、継続的な利用を阻害しています。

「導入すれば使われる」という安易な神話は、崩れ去りました。ツールを渡すだけでは、業務は変わらない。この当たり前の事実が、数字として表れ始めているのです。

2. インフラへの巨額投資と収益化のギャップ
テクノロジー大手は、AIインフラに対して歴史的な規模の巨額投資を続けています。GPU、データセンター、エネルギーへの投資額は天文学的です。

しかし、ここで重大な問いが生じます。「その投資に見合うだけの収益は生まれているのか？」

現状、この答えは「No」に近いと言わざるを得ません。AI機能の追加による収益増は、投資のペースに追いついていません。企業側も、Copilotなどの高額なライセンス料に対し、それに見合うだけの明確なROI（投資対効果）を見出せていないのが実情です。

この「投資とリターンの不均衡」は、AI市場全体に潜在的なリスクをもたらしています。技術的な進歩と、ビジネスとしての持続可能性の間に、大きな乖離が生じているのです。

3. 経営層と現場の「圧倒的な温度差」
組織内のAI活用において最も深刻なのが、経営層（役員）と一般従業員の意識のギャップです。

経営層は「AIファースト」を掲げ、変革を急ぎます。株主へのアピールや競争力維持のため、トップダウンでの号令をかけます。

一方で、現場の従業員は「どう使えばいいのか分からない」「仕事が増えただけ」という冷めた反応を示しています。

ある調査では、経営層のAI使用率と従業員のそれには、倍以上の開きがあるとも言われています。この乖離を放置したままの「AI推進」は、現場の疲弊と反発を招くだけです。

リーダーが描く「理想のAI活用」と、現場が直面する「泥臭い現実」のギャップを埋める努力なしに、組織的な定着はあり得ません。

4. 実用性に対する高まる「疑問と失望」
「思ったほど賢くない」「嘘をつく（ハルシネーション）」「社内データを正しく参照してくれない」

導入初期の過度な期待（ハイプ）が落ち着き、ユーザーはAIの限界に気づき始めています。特に、複雑な業務や正確性が求められるタスクにおいて、現在のLLMが「期待通りに機能しない」という失望感が広がっています。

デモ動画で見せられる「魔法」と、実際に手元で動かした時の「挙動」の落差。
プロンプトエンジニアリングという新たなスキル習得の負担。

「これなら自分でやった方が早い」
そう感じた瞬間、ユーザーはAIから離れていきます。この「実用性の壁」を越えるUX（ユーザー体験）の改善が、今まさに求められています。

5. 技術ではなく「組織と人」の問題
これら全ての課題の根底にあるのは、実は技術的な問題ではありません。「組織文化」「スキル」「戦略」の欠如です。

AI導入を単なる「ITツールの導入」と捉えている企業は失敗します。AIは、業務プロセスそのものの再定義や、従業員のスキルセットの転換を要求するからです。

・失敗を許容しない減点主義の文化
・AIリテラシー教育の不足
・「何のためにAIを使うか」というビジョンの欠如

期待と現実の乖離を生んでいる真犯人は、AIの性能不足ではなく、AIを受け入れる準備ができていない「組織の硬直性」にあるのかもしれません。 December 12, 2025

IBMのCEOの「Arvind Krishna氏」が、現在のAI投資ブームに警告。

AIデータセンターの経済性が破綻しかねない「8兆ドル問題」を公表しました。

1ギガワットの構築に「800億ドル」もかかる現状で、AIデータセンターへの投資は採算が取れないと断言しています。

その衝撃的な詳細を4つのポイントにまとめました。

1. 建設コストの異常な高騰
Arvind Krishna氏の試算によると、1ギガワットのAIデータセンターを構築・運用するには約「800億ドル」が必要です。業界全体で計画されている100ギガワット分を合計すると、その総額は「8兆ドル」という天文学的な数字に達する見込みです。

2. 利益を圧迫する「金利」の壁
仮に8兆ドルを調達できたとしても、現在の金利環境では、年間の利息支払いだけで「8000億ドル」の利益が必要になります。これは、収益化モデルが確立されていない現状では極めて困難なハードルであり、投資回収の目処が立たないことを意味します。

3. 「5年」で訪れる陳腐化
さらに深刻なのが、AIハードウェアの寿命です。技術の進化は速く、チップは約5年で陳腐化します。つまり、巨額の投資をしてデータセンターを構築しても、5年ごとにほぼ作り直しに近い再投資が必要になるという、終わりのないコスト負担が待ち受けています。

4. 生産性向上への期待とリスク
もちろん、AIが経済全体で大幅な生産性向上をもたらせば、この投資は正当化される可能性があります。一部の投資家は「12-18%」のリターンを予測していますが、IBM CEOは、現在の技術アプローチで汎用人工知能（AGI）が実現する確率は「0-1%」と厳しく見ています。 December 12, 2025

うつや不安症などで「何もしなかった日」に強い罪悪感を感じるのは、“自分の価値＝生産性”と結びつけすぎている社会の刷り込みがあるからです。

何もしない日は、ちゃんと「回復している日」です。
動けなかった日も、無駄ではありません。 December 12, 2025

【保存必須】部下の心を一瞬で折る「NGワード30選」

言い方ひとつで、人は育つ。壊れる。

**やる気を奪う上司**　　　**信頼を育てる上司**
・なんで？　　　　　　　　・どこが難しかった？
・前も言ったよね　　　　　・もう一度確認させて
・ちゃんとやって　　　　　・具体的にはこうして
・自分で考えろ　　　　　　・一緒に考えよう
・やる気あるの？　　　　　・最近どう？元気？
・そんなのムリ　　　　　　・どうすればできる？
・いつまでかかるの　　　　・いつまでに必要？
・普通わかるでしょ　　　　・ここ、分かりにくいよね
・言ったはず　　　　　　　・伝わってた？
・できて当然　　　　　　　・ありがとう、助かる
・結果出せ　　　　　　　　・どう進めてる？
・まだできないの　　　　　・サポートいる？
・それ違う　　　　　　　　・こういう考え方もある
・忙しいから後で　　　　　・今5分、大丈夫？
・勝手にやるな　　　　　　・相談してくれて嬉しい
・お前のせいで　　　　　　・一緒に解決しよう
・そういうもんだ　　　　　・理由を説明するね
・早くして　　　　　　　　・優先順位どう考える？
・気合いが足りない　　　　・何か引っかかってる？
・みんなできてる　　　　　・君のペースでいい
・常識でしょ　　　　　　　・知らなくて当然だよ
・どうでもいい　　　　　　・それ、大事だね
・適当でいい　　　　　　　・まず8割で出して
・文句言うな　　　　　　　・意見聞かせて
・責任取れるのか　　　　　・一緒にやろう
・使えないな　　　　　　　・まだ慣れないよね
・やめとけ　　　　　　　　・リスクも見てみよう
・空気読めよ　　　　　　　・こういう背景があって
・甘えるな　　　　　　　　・困ったら言って
・もういい　　　　　　　　・最後まで聞かせて

『上司の語彙力が、チームの生産性を決める』

同じ内容でも、言葉を選ぶだけで
部下は「この人についていきたい」と思うようになる。

今日から1つだけ、右側に変えてみましょう。 December 12, 2025

【こころの不調で年7兆円経済損失】
欠勤や生産性低下、相談の輪が必須に
https://t.co/pZqtcTyQV5

ミーティングで号泣、ロープを買いにホームセンターへ――。うつ病などは気分障害と呼ばれ、外来患者数は2023年に156万6000人と20年前に比べ2.3倍に増えました。 https://t.co/uP2CJRw0iu December 12, 2025

「介護職の報酬は政府が決めた公定価格。例えばこれを倍にしたら生産性は上がる。公正価格が低過ぎるからこれを上げれば労働生産性は上がる。政策の間違いで労働生産性が低く産出される事は凄くあるので、積極財政でそういう所にお金を出せば倭国の労働生産性は上がる」2/3 https://t.co/1zIJLk6uYQ December 12, 2025

ハラスメント専門家です。「不機嫌がハラスメント扱いされて損害賠償を払わされるなんて!!」とか、「不機嫌になることくらいあるだろ!?」みたいに思う人もおられるかもしれませんが、いいんですよ不機嫌になること自体は。問題なのは、

「不機嫌によって相手をコントロールしようとする、タチの悪い人」
と、
「そういう面倒なタイプの人間を野放しにしてきた、組織の事なかれ主義」

のほうです。

「機嫌が悪そうだから」
「何を言っても通じないから」
「とばっちりが自分に来たら面倒だから」…

と、面倒なタイプの人間を放置してしまうと、組織の免疫が働かなくなり、やがて「不機嫌が正義」になってしまいます。

不機嫌をばら撒く人間は、「気難しい職人」でも、「繊細な天才」でもありません。単に「感情をコントロールできない未成熟な人間」であり、「自分の機嫌も自分でとれないガキ」です。しかも、それをもって職場を精神的に支配しようとするなら、もはや立派な加害行為とさえいえるでしょう。

そして、不機嫌を振りまく人間を放置する組織は、自らのマネジメント機能の欠如を認めているようなもの。職場秩序を乱し、服務規律に反する行為なんですから、本来は都度注意指導し、配置転換含めて調整し、人事評価にも反映させなければいけません。それでも発言や態度が改まらなければ、懲戒処分を下し、反省なく再発するようであれば組織から去ってもらうべく、粛々と手を打っていくべきなのです。

「不機嫌を許容し続けた職場」の行き着く先がどれだけ生産性を蝕むか…それこそ、企業にとって最大のリスクといえるでしょう。

＜追記・「フキハラ」も「パワハラ」の一種なのか?＞
「フキハラ」をはじめ、「モラハラ」「アカハラ」「アルハラ」など、世の中には「●●ハラ」が溢れていますが、現時点で我が国の法律に明確な定義･規定があるハラスメントは、「セクハラ」「パワハラ」「マタハラ･パタハラ」「ケアハラ」だけ(来年にはここに「カスハラ」が加わる予定)。それ以外は、社会的･メディア的な呼称として。誰かが名付けたに過ぎないものです。

ちなみに本件は「女性部下が男性上司に対して、繰り返し不機嫌をあらわにして萎縮を誘う威圧的な振舞いを行った結果、上司側が精神的に追い込まれ、休職に至った」というケースです。

昨今は「上司が部下に厳しい指導をしたらパワハラ」「相手がパワハラと感じたらパワハラ」かのように理解されているフシがありますが、本来のパワハラの定義は「立場に関係なく、相手の尊厳を傷つけ、職場環境を悪化させるような言動をしてはいけない」という話なので、部下⇒上司に対するものでもパワハラに該当することもあれば、相手がパワハラだと感じても、条件を満たさなければパワハラ認定されないこともあります。

今般のケースは、「相手が逆らいにくい状況下で、業務上必要性を超えた過剰かつ不適切な言動により、相手に精神的苦痛を与えた」という条件を満たすので、部下⇒上司に対する行為ですが、明らかな「パワハラ」に該当します。しかも「男性上司が女性部下を提訴し、女性側がハラスメントを認めて和解に至り、男性上司側に慰謝料が支払われた」という点でなかなかレアケースですね。

ということで「フキハラ」も、「精神的な攻撃」というパワハラ類型の一種となります。 December 12, 2025

社員を過保護にするというのは、一見優しさに見えて、実は、考える筋肉を奪う行為。限られたリソースの中で考え、工夫し、やり切る力は、負荷の中でしか育たない。守りすぎた組織は、人を弱くする。余裕のある時に鍛えず、忙しくなってから自走してほしいは無理な話。現場の判断力も、生産性も、必要な負荷という栄養があってこそ育つ。過保護は優しさではなく、将来の可能性を削るリスクだ。 December 12, 2025

これ、実はまだ誰にも言っていないAI活用方法なんだけど、GeminiとNotebookLMを組み合わせることで、、、

あなたの脳は「完全な記憶」と「無限の創造性」を同時に手に入れることができます。多くの人がNotebookLMを単なる要約ツールとして、Geminiをチャットボットとして別々に使っていますが、海外のAIパワーユーザーやシリコンバレーのリサーチャーたちの間では、この2つを直列に繋ぎ、信頼性の高いナレッジベースである「第2の脳」を、実行力のあるエージェントである「手足」で動かすというアプローチが始まっています。これは情報のインプットからアウトプットまでの概念を覆す、非常に有益なワークフローです。

このメソッドの核心は、NotebookLMを「ハルシネーションのない思考の土台」として使い、Geminiをその土台の上で踊る「クリエイティブな編集者」として機能させる点にあります。

まずインプットの革命的な手法として、音声を思考のプロトタイプにする方法があります。NotebookLMの「Audio Overview」機能は単に資料を聞くだけのものではありません。最強のコンテンツ生成装置として使えるのです。

具体的には、書きたいテーマに関するバラバラの資料やメモをNotebookLMに放り込み、Audio Overviewを生成して2人のAIホストに議論させます。重要なのはここからです。その音声をダウンロードし、GeminiなどのAI文字起こしツールに読み込ませてテキスト化した上で、Geminiに「この対話の文字起こしは構成が分かりやすいので、このリズムと比喩表現を維持したまま、専門的なブログ記事にリライトして」と指示するのです。人間がゼロから書くと堅苦しくなりがちな文章も、一度AI同士に対話として噛み砕かせることで、驚くほど読みやすく論理が整理された「伝わる文章」の骨格が自動生成されます。これは聴覚的な推敲をAIに代行させる手法と言えます。

次にリサーチの革命として、「再帰的」ナレッジ構築が挙げられます。通常のリサーチは検索して終わりですが、最強の活用例は「Geminiで広げ、NotebookLMで固める」というループを回すことです。まずGeminiに広範囲な情報をWeb検索させレポートを作成させます。次に、そのレポートをPDF化してNotebookLMに追加し、「このレポートに基づき、矛盾点や足りない視点を指摘して」と問います。そして、指摘された「足りない視点」を再びGeminiで深掘りリサーチさせるのです。このループを数回繰り返すことで、Geminiの情報の不確実性がNotebookLMのソースに基づく厳密さによって補正され、専門家レベルの深さと正確性を持つレポートが完成します。

さらにアウトプットの革命として、自分専用のコンサルタントを作ることも可能です。自分の過去の議事録や執筆物をすべてNotebookLMに入れ、これを自分の思考のクローンとします。新しい企画を考える際、まずNotebookLMに「過去の傾向から懸念点を挙げて」と質問し、その回答をGeminiのプロンプトに貼り付けます。「以下の私の過去の視点を踏まえた上で、世界のトレンドを加味してブラッシュアップして」とGeminiに投げることで、自分らしさと最新トレンドを融合させたアウトプットが瞬時に生成されます。

GeminiとNotebookLMを組み合わせることは、絶対に忘れない図書館司書と超優秀なクリエイティブディレクターを同じ部屋に入れて会議させることと同義です。まだ誰も言っていないこの活用法を試せば、生産性は次元の違うレベルに到達するはずです。

マーケやAI活用について、正しく学びたい人はフォローして毎日の配信をお楽しみに。
→@Charlie_no_site December 12, 2025

@sxzBST 国を豊かにしよう平和にしよう、といった政治家の志しが無い政治家ですね、このひと。
生産性の無い、なんの役にも立たない答弁…😡
こんな方、こんな党に、お金(税金)を使うべきじゃないし、投票すべきじゃないと思います。 December 12, 2025

アメリカの「次の20年」を静かに説明しているチャート

このチャートをシンプルに見ると、かつてのアメリカは「毎十年ごとに労働者を大量に増やす国」だったのが、今では「増えるのは主に高齢者と負債」という国に変わった…という物語になります。

1960年代から2000年頃までは、アメリカは労働力人口を何百万人単位で増やし続けました。チャートの高い青いバーがそれを示しています──15〜64歳人口の大幅増加、そして何より実際に働く人の急増。これが、年率3〜4％の実質成長が“普通”に感じられた時代を作った「人口動態エンジン」です。

一方、灰色のバー──65歳以上人口は小さい。高齢者は安定していて、管理しやすく、予測しやすかった。

赤いバー──市場性のある連邦政府債務はほとんど動かない。現在に比べれば、増加など“誤差”のようなものでした。

しかし2000年代から状況は一変します。
労働者の増加が横ばいになり、2010年代に入るとほぼ消滅。
同時に65歳以上人口は急増し、債務は爆発的に膨張。
そして黒いライン──FF金利の平均値──は数十年かけて低下し続ける。

労働者が減り、高齢者が増え、債務が膨らむ──
その結果、中央銀行は「システムを維持するために金利を低く保たざるを得なくなる」。
それがこのチャートに示された“つながり”です。

⸻

これが意味する今後の姿

ここからは、多くの人があまり口にしたがらない“現実”です。

労働者がほとんど増えない国は、かつてのような「勢いだけで伸びる成長」を期待できません。
トレンド成長率は低下し、生産性がより大きな役割を担い、移民がより重要になり、財政政策（多くの場合は借金）がギャップを埋める。政治的に誰かに負担を求めるより、借金ははるかに簡単だからです。

しかし、こうしてチャート右側のような状況に至る──
高齢化、労働者比率の縮小、そして重ねられる数兆ドルの新たな債務。
これは一時的な歪みではなく、「新しい通常」です。

そしてこれは未来の多くを物語っています。
•金利は長期的に低下傾向になる
…高い金利に耐えられる構造ではないから。
•財政をめぐる争いは激しくなる
…数字の辻褄がどんどん合わなくなるから。
•成長は昔のようなスムーズな上昇ではなくなる
…短い上昇と長い停滞が繰り返される。
•アメリカ経済は、過去よりも政策依存型になる
…人口動態が勢いを生み出していた時代はもう終わった。

つまり、これはまったく別の時代です。
人口動態と債務が「可能性の範囲」を決め、
昔の“普通”の経済成長は、望んだからといって戻ってくるものではない。

そのメッセージが、このチャートの中に静かに埋め込まれているのです。 December 12, 2025

私が実際10amから始め、1日の生産性UPに繋げられた、本気の午前ルーティンです
疲れて遅く起きた朝でも効率＋気持ちが大事と感じたので『今日諦めよう』となる前にぜひ、役立てて頂けたら嬉しいです🗝️ https://t.co/fVk5VyoDuT December 12, 2025