「もし今、大学生なら、私はAIを学ぶだろう」

この言葉はNVIDIA CEO ジェンセン・フアンの口から出た言葉で、2024年から2025年にかけて複数の公開フォーラムで繰り返し登場している。毎回この引用が拡散されるたびに、コメント欄では驚くほど一貫した反応がある：「そりゃそう言うよ、彼はGPUを売ってるんだから」

しかし、この発言を商業的利益の枠組みから外して、真剣に考えてみると、実は「何専攻を選ぶか」よりもはるかに根本的なことを言っているのだ。

「答えを知る」ことから「良い質問をする」ことへ

過去数十年間、教育の中核的なロジックは「暗記＋再現」だった。教科書の知識を暗記し、試験で正しく再現して、良い成績、良い学校、良い仕事を手にする。システム全体が報酬を与えるのは「既知の答え」の蓄積に対してだった。

その時、AIが登場して、このロジックを吹き飛ばした。

ChatGPT が、あなたが一学期かけて理解した微積分の問題に数秒で答えることができるとき、Claude があなたにそこそこ質の良い市場分析報告書を書くことができるとき、「答えを知っている」ことの市場価値は、目に見える速度で崩壊している。

その代わりに現れるのは、別のスキル：あなたは良い質問ができるか、ということだ。

これは修辞ではない。これは非常に具体的な技術的敷居だ。同じAIを使っている二人の人間——問題を分解し、文脈を提供し、制約条件を設定できる人と、ただ「報告書を書いて」と打つだけの人——の出力品質は10倍も異なる可能性がある。

ジェンセン・フアンが「AIを学ぶ」と言うとき、私は、彼が全員にCUDAプログラミングを学べと言っているわけではないと思う。彼が言っているのは：AIと協働するスキルが、すべてのスキルの基盤になるということだ。

プロンプト・エンジニアリングはテクニックではなく、思考構造である

多くの人は「AIとの対話」をテクニックとして捉えている——いくつかのプロンプト・テンプレートを学び、指示の与え方を知っていれば、自分は「AIを使える」と思っている。

これは「タイピングができる＝文章が書ける」と同じくらい荒唐無稽だ。

真のAIリテラシーは、思考構造の再構築なのだ。あなたは、曖昧な直感を明確なステップに分解する方法を学ばなければならない。漠然とした要件を実行可能な指示に変換し、頭の中のごちゃごちゃした考えを、AIが理解できる構造化言語に整理する必要がある。

これは実は、プログラミングの本質と非常に通じるものがある。プログラミングの中核は構文ではなく、論理分解だ。そしてプロンプト・エンジニアリングの中核も、魔法のキーワードではなく、問題そのものに対する理解の深さだ。

違いは、プログラミングは機械言語を学ぶことを要求する一方、プロンプト・エンジニアリングは自然言語でも同様のことができるようにすることだ。敷居は低くなったが、思考品質に対する要求はむしろ高くなった。

会社経営で学んだ一課

これは抽象的な理論ではない。会社の経営を通じて、この転変を身をもって経験した。

デジタル変革コンサルタントの初期段階では、チームで最も価値のある人は「答えを知っている人」だった——SEOを知っている人、Google Analytics を知っている人、ソーシャルメディア広告を知っている人。彼らの価値は専門知識の稀少性から生まれていた。

しかし2023年から始まり、その論理は緩み始めた。AIツールが広く普及した後、以前は専門知識がないと完成できなかったタスクは、賢い実習生がAIアシスタントを伴えば、3分の1の時間で70～80%の品質を達成できるようになった。

これは専門知識が重要でなくなったということではない。むしろ逆だ——それは「専門知識だけ」ではもう十分ではないということを意味している。あなたはまた、あなたの専門知識と AI の能力を組み合わせて、どちらか一方が単独で行うよりも優れた結果を生み出す方法も知る必要がある。

私は、自分のチームで明らかな分水嶺を観察している：すぐに適応できた人は、必ずしも技術力が最も高い人ではなく、「最も質問ができる人」である。彼らは、曖昧な顧客ニーズを5つのサブタスクに分解してAIに与える方法を知っており、その後、AIの出力を洞察に満ちた成果物に再編成できる。

この種の能力は、どの大学でも教えていない。しかし、それは今、すべてのナレッジワークの基本的なオペレーティングシステムになりつつある。

教育システムの時間差

問題は、教育システムの対応速度が、この変化にはるかに追いついていないということだ。

台湾の大学カリキュラムの大部分は、相変わらず「学問知識の伝授」を中心としている。会計を学べば会計士、法律を学べば弁護士。システム全体は「知識→資格→就職」が安定した流れ作業であると仮定している。

しかし、AIが基本的な会計分析、法律文書の要約、市場調査報告書を数秒で完成させることができるとき、その流れ作業の前半は堀を失う。新卒会計専攻者と、AI を補助とする非会計専攻背景の労働者の能力格差は、急速に縮小している。

これは専門教育の価値を否定するものではない。むしろ、専門教育には新しい基盤が必要だということなのだ：AIとの協働方法だ。

ジェンセン・フアンの提言は、本質的には次のようなことを言っている：何を専攻しようと、AI リテラシーは必修科目であるべき。選択科目でもなく、ワークショップでもなく、「デジタルシティズンシップ」のような表面的なものでもない。英語のように、すべての学問の基礎として下から貫く能力であるべきなのだ。

単なるツールではなく、認知基盤である

AI を「ただのGoogle」と考えているなら、起きていることの規模を過小評価しているかもしれない。

検索エンジンは、情報へのアクセス方法を変えた。だが、AI が変えているのは、情報をどう処理するかだ。それは単に答えを見つけるのを助けるだけではなく、あなたが考え、分析し、散らばった手がかりを意味のあるナラティブに織り込むのを手伝う。

だからこそ、私は AI リテラシーは「ツール・スキル」ではなく、「認知基盤」だと言う。識字率の普及が文明全体の機能方法を変えたように、広くAIリテラシーが普及すれば、「有能な人」の定義そのものを再定義するだろう。

過去では、有能な人は「多くのことを知っている人」だった。 未来では、有能な人は「複雑な問題解決のためにAIを活用できる人」だろう。

この2種類の人間の差は、程度の差ではなく、次元の差なのだ。

あなたの最初の一歩

ジェンセン・フアンのその発言に戻ろう。「もし学生なら、AIを学ぶ」と。

しかし、もしあなたが学生でなければどうか？

答えは同じだ。AI リテラシーは年齢を問わない、専攻も問わない、今何をしているかも問わない。今日から練習できるスキルだ。

Pythonコースを受講することではない。今日から、あなたの仕事で最も時間を費やしている3つのことを、AIとの協働プロセスに分解してみることだ。その後、観察する：AIはどこであなたを上回るか？あなたはどこでAIを上回るか？組み合わされた結果は、どちらか一方が単独で行うより優れているか？

その実験自体が、AIを学ぶ最良の方法だ。

なぜなら、AI リテラシーの本質は、常に「ツールを学ぶこと」ではなかったから。それは新しい思考方法を学ぶこと——あなたの知性と機械演算を、両者の合計よりも大きなものに織り込むことなのだ。

ジェンセン・フアンが見ているのは、おそらくこれなのだ。