ほとんどの人はハイエンドの知識労働がどれだけ長く生き残るかを過小評価している。

彼らはAIが中レベルのタスクを圧倒し、曲線が滑らかに上昇し続けると考えている。

そうはならない。

なぜなら、「より難しいタスク」は単により多くのIQを必要とする同じタスクではないからだ。

AIはすでに次の分野でエリートレベルだ：

1. パターンマッチング
2. 検索
3. 一次的合成
4. 流暢さ
5. 速度

これにより、多くのジュニアやミッドティアの仕事が崩壊している。

「入力を出力に変える」ようなものは、安価で迅速かつ豊富になる。

しかし、エリートの知識労働は異なる領域で動いている。

それは「答えを出すこと」ではなく、
「次に何をすべきか決めること」だ。

トップレベルでは、仕事は実行から意思決定に変わり、不確実性の中で行われる。

目的は不明確で、データは不完全、フィードバックループは遅く、ミスは高価だ。

私たちが「判断」と呼ぶものは、神秘的なものではない。

それは人間が暗黙のうちに行う具体的な操作の束であり、現行のシステムは重い足場なしでは信頼性を持って行うのに苦労している：

1. 目的の構築 —
曖昧な目標を検証可能なターゲットに変える (「何を最適化しているのか？」)

2. 因果モデル化 —
相関とレバーを分離する
(「何が何を変えるのか？」)

3. 情報の価値 —
遅すぎるまたは高価すぎるために学ばないことを決める

4. 誤差範囲思考 —
範囲で操作し、点推定ではなく
(「どれだけ間違っている可能性があるか？」)

5. 可逆性分析 —
間違った場合に回復できる行動を選ぶ

6. インセンティブの現実性 —
人や制度がどう反応するかをモデル化し、どう反応すべきかではない

7. タイミングとシーケンス —
選択肢を早すぎず遅すぎず並べる

8. 責任追及 —
出力だけでなく、その後の結果も所有する

これが、「AIから素晴らしい出力」があっても現実世界で失敗する理由だ。

モデルは隠れた制約を見逃しながらも流暢に振る舞える。

間違ったターゲットを最適化しながらも説得力を持てる。

状況に応じて慎重さを調整すべきときに自信を持てる。

もちろん、ツールは役立つ。記憶も役立つ。マルチエージェントのワークフローは愚かなミスを減らす。

しかし、根本的な問題は解決しない：混沌とした世界を受け入れ、フレームを選び、データが決して完全でないときに道筋を決めること。

だから、結果は全体の階段の置き換えではなく、階段の途中で崩壊することだ。

> 底はAI支援のコモディティ出力になる。

> 中間層は主に変換とスループットだったため、空洞化する。

> 上層は、目的設定、リスク管理、不確実性の中での注意配分を行うため、より価値が高まる。

AIは高エンドの判断を排除しない。

判断の周囲すべてをより安価にし、ボトルネックと価値を、意思決定が行われるポイントにさらに集中させるだけだ。