AIは考えられる。でも、感じられるか？生成AI時代の「Don’t think. Feel.」

ブルース・リーの言葉として知られる「Don’t think. Feel.」というフレーズがあります。

直訳すれば、「考えるな、感じろ」という意味になります。

一見すると、論理や分析を重視する仕事とは相性が悪い言葉のようにも見えます。特にシステム開発や業務改善では、要件を整理し、仕様を決め、手順を組み立て、矛盾がないように考える力が重要です。

しかし、生成AIを仕事で使うようになってから、むしろこの言葉の意味を改めて考えるようになりました。

AIは、考えることが得意に見えます。

では、AIは「感じる」ことができるのでしょうか。

人間が感じ、AIが整理する役割分担を示した解説図 — AIは整理・比較・言語化が得意です。一方で、現場の違和感や文脈を感じ取ることは、人間の重要な役割として残ります。

AIは考えることが得意に見える

生成AIは、情報を整理する力が非常に強いです。

文章を要約する
比較表を作る
仕様書のたたき台を作る
実装案を複数出す
コードを書く
メリットとデメリットを整理する
抜け漏れの観点を出す

開発や業務改善の現場でも、これは大きな力になります。

以前なら時間をかけて書いていた説明文、手順書、比較表、検討メモを、かなり短い時間で形にできます。曖昧なメモを渡して、読みやすい文章に整えることもできます。実装方針を相談し、複数案を出してもらうこともできます。

AIを過小評価する必要はありません。実務上、生成AIは十分に役立つ道具です。

ただし、その強さは、主に「入力された情報」「明示された条件」「文章として渡された前提」を扱う場面で発揮されます。

では、感じるとは何か

ここでいう「感じる」は、単に感情を持つという意味ではありません。

開発や業務改善の現場で、次のように感じることがあります。

この仕様は、後で使いにくくなりそう
この要望は、そのまま作ると運用が詰まりそう
お客様は「大丈夫」と言っているが、まだ納得していないように見える
ここは自動化しすぎると、逆に確認が難しくなりそう
この機能は最初から作り込まず、小さく試した方がよさそう

これらは、仕様書に最初から書かれているとは限りません。

むしろ、会話中の反応、業務フローの説明の引っかかり、過去の似た案件の失敗、現場で起きそうな混乱などから、少しずつ見えてくるものです。

要件としては正しく見える。
仕様としても成立している。
でも、なぜか危ない気がする。

この「違和感」は、実務ではかなり重要です。

直感は単なる勘ではない

熟練した開発者や業務改善担当者ほど、こうした直感を持っています。

ただし、それは理由のない思いつきではありません。

過去の案件、失敗経験、運用現場で見たトラブル、お客様とのやり取り、使われなかった機能、あとから修正が必要になった仕様。そうしたものが積み重なり、瞬間的な判断として出てきます。

つまり、直感とは、経験が圧縮された判断なのだと思います。

たとえば、次のような判断です。

入力項目を増やすより、選択式にした方がよい
完全自動化より、途中に確認ステップを入れた方がよい
最初から大きく作らず、まず小さく運用してもらった方がよい
お客様が「便利そう」と言っていても、現場では使われない可能性がある

後から説明すれば、理由は言語化できます。

しかし、最初のきっかけは、論理よりも先に出てくる違和感や感覚であることが多いです。

打ち合わせ中の瞬間判断は人間の強み

顧客ヒアリングやビデオチャットの打ち合わせでは、じっくり考える時間がありません。

相手の話を聞きながら、その場で判断し、その場で説明し、必要に応じて提案の方向を変える必要があります。

たとえば、次のような場面です。

お客様の要望を聞いて、そのまま作ると複雑になりすぎると感じる
画面構成を説明しながら、相手の反応を見て説明の粒度を変える
「この機能は必要です」と言われても、実際の運用では使われない可能性を感じる
本当の課題は、依頼された機能そのものではなく、業務フロー側にあると気づく

このような場面では、AIの回答を待ってから判断するのでは間に合わないこともあります。

もちろん、打ち合わせ後にAIを使うことは非常に有効です。

その場で感じた違和感を後から整理する。
判断理由を文章化する。
別案がないか検討する。
説明資料に落とし込む。

このように、人間が感じたことを、AIで整理する流れはとても実務的です。

AIを否定せず、役割を分ける

大事なのは、AIを否定することではありません。

「AIには感情がないから使えない」という話にしてしまうと、実務から離れてしまいます。

生成AIは、整理、比較、文章化、候補提示、抜け漏れ確認が得意です。これは開発や業務改善で確実に役立ちます。

一方で、人間は、現場での違和感を拾い、相手の反応を見て、責任を持って判断します。

役割	得意なこと
人間	違和感を拾う、相手の反応を見る、責任を持って判断する、信頼関係を築く
AI	情報整理、比較、文章化、選択肢の提示、抜け漏れ確認、説明資料化

この分担で考えると、AIは人間の直感を否定するものではありません。

むしろ、人間が感じたことを後から整理し、言葉にし、他者に説明できる形にする補助役になります。

人間が感じ、AIが整理する。

この組み合わせが、生成AI時代の実務では強いのだと思います。

AI時代に必要な要件定義の感覚

要件定義でも同じことが言えます。

依頼内容をそのまま文章にするだけなら、AIでもかなりできます。しかし、実際の要件定義では、書かれていない前提を確認する必要があります。

なぜその機能が必要なのか
誰がいつ使うのか
例外時はどうするのか
自動化しない方がよい部分はどこか
入力ミスが起きたとき、誰が直すのか

こうした問いは、仕様書の外側にあります。

AIにプロンプトとして投げれば、確認観点は出してくれます。ただし、「今このお客様に、どの順番で、どの粒度で聞くべきか」を判断するのは人間です。

そこには、相手の理解度、現場の忙しさ、打ち合わせの空気、過去の会話の流れが関わります。

この部分こそ、人間が感じ取る領域です。

まとめ

生成AIは、考える、整理する、比較する、文章化することが得意です。

しかし、開発や業務改善の現場には、まだ言葉になっていない違和感や、相手の反応から読み取るべき文脈があります。

熟練者の直感は、単なる勘ではなく、経験が圧縮された判断です。

AIが考える時代に、人間は「感じる力」で価値を生み出す。

そして、その感じ取ったものをAIで整理し、言語化し、検証する。これが、生成AI時代の実務における自然な役割分担だと考えています。