The starting point: today’s AI has no embodiment

The foundation I want to set is a single fact: today’s AI has no “embodiment.”

This doesn’t mean “it lacks a robot body.” More fundamentally, it means AI has no path for learning through bodily interaction with the world. Humans have carved “understanding” into the body—falling and feeling pain, sensing the heft of a tool, reading the mood of a room. Today’s LLMs skip that entire process and learn patterns from text written about the world. So while AI knows a great deal of the world’s “description,” it has not “experienced” the world.

This shows up plainly in real work. AI doesn’t care how many hours its own task takes, or how much memory it consumes. It will “pretend to understand” an instruction, yet it holds none of the tacit rules an industry takes for granted, nor the failure-born instinct that “this design will eventually break.” The knowledge you can only acquire by being in a domain and experiencing it—the kind that never appears in a textbook—is exactly what AI is missing.

The real divide isn’t “human vs. AI”—it’s the “experience gap”

From here, we can question the framing of the anxiety itself. “Will AI take it away?” quietly assumes a “human vs. AI” structure. But AI is a tool that shows its power precisely in the hands of a person who has experience.

When someone without experience dumps everything on AI, only plausible-but-off-target results come back. In the hands of someone with domain experience, the outcome changes completely: they correctly separate what to delegate from what to keep, spot “what’s wrong” in the output with on-the-ground instinct, put their tacit knowledge into words and hand it over, and give it shape tens of times faster. AI doesn’t replace experience—it becomes extraordinary only in the hands of a person who has it.

So the real divide isn’t “human vs. AI.” It lies among people who can all use AI equally well. Volume of knowledge no longer sets people apart. What matters is how you use AI, and the depth of experience that backs it.

Beginners: grow fastest by “failing together”

So what should a newcomer with little experience do? Here we need to undo a common misunderstanding.

“If AI answers everything, surely beginners can’t build experience.” That’s a misunderstanding premised on copy-and-paste. The truth is the opposite: beginners, of all people, can now build experience fastest with AI.

AI dramatically lowers the “first hurdle” that used to stop beginners—getting stuck setting up an environment, burning hours because an error’s meaning is unclear, not knowing where to even start. The distance to your first real experience has gotten shorter.

The trick is to use AI not as an “answer supply” but as an accelerator for experiments. Take the topics where you tend to get stuck alone—setting up a new language’s environment, building, containers and VMs—and move your hands together with AI, and fail together. More than succeeding, the process of getting stuck together and getting out together becomes experience itself. What used to take a day per attempt, you can now try ten times in an hour—and the number of attempts is the amount of experience. Go a step further and deliberately let AI fail many times and observe: the pitfalls and knacks surface from the pile of failures, and you get more information than you would working alone.

What matters is not stopping at “getting an answer.” Once you get an answer, always run it yourself, change it a little, break it. Shift your weight from “getting an answer from AI” to “moving your hands together with AI”—that shift is what turns a beginner into someone who grows.

Summary

• The starting point is “today’s AI has no embodiment.” So the source of value is the experience you can hand to AI

• The real divide isn’t “human vs. AI” but the experience gap among people who can all use AI

• Beginners, of all people, can build experience fastest through the iteration of failing together with AI

In an age when AI supplies knowledge and first-pass answers without limit, what remains on the human side is “experience.” And that experience reliably grows thicker with every time you move your hands—and fail—alongside AI.

このSubstackは読者の皆さんのご支援によって成り立っています。新しいポストを受け取り、私の活動を応援していただくには、無料または有料の購読者になることをご検討ください。

今すぐ登録する

出発点 ― 今のAIには「身体性」がない

まず土台に置きたいのは、ひとつの事実です。今のAIには「身体性（embodiment）」がない。

これは「ロボットの体を持たない」という意味ではありません。もっと本質的に、世界と身体で相互作用しながら学ぶ経路を、まったく持っていないということです。人間は、転んで痛みを覚え、道具の手応えを感じ、場の空気を読みながら「わかる」を体に刻んできました。現在のLLMは、その過程をまるごと飛ばして、世界について書かれたテキストからパターンを学んでいます。だからAIは、世界の「記述」を大量に知っていても、世界を「経験」してはいません。

この帰結は、実務ではっきり表れます。AIは、自分の作業に何時間かかるかも、どれだけメモリを消費するかも気にしない。指示に「わかったふり」はしても、その業界の暗黙のルールや、「この設計はいずれ破綻する」という失敗由来の勘は持っていない。教科書に載らない、ドメイン（領域）に身を置いて初めて身につく知——これがAIには欠けています。

分かれ目は「人間 対 AI」ではなく「経験の差」

ここから、不安の立て方そのものを問い直せます。「AIに奪われるか」という問いは、知らず知らず 「人間 対 AI」 という構図を前提にしています。しかしAIは、経験を持つ人間の手の中でこそ力を発揮する道具です。

経験のない人がAIに丸投げすると、もっともらしいが的外れな成果しか出てきません。一方、ドメインの経験を持つ人がAIを使うと、結果は一変します。何を任せ何を握るかを正しく切り分け、出力の「どこがおかしいか」を現場感覚で見抜き、自分の暗黙知を言語化して渡し、何十倍もの速度で形にできる。つまりAIは経験を代替せず、経験を持つ人間の手の中で初めて驚異的になるのです。

だから本当の分かれ目は、「人間 対 AI」ではありません。同じようにAIを使える人どうしの中にあります。もう知識量では差がつかない。効いてくるのは、AIの使い方と、それを支える経験の厚みです。

ビギナー ―「一緒に失敗する」で最速に伸びる

では、まだ経験の浅い駆け出しはどうすればいいのか。ここで、よくある誤解をほどく必要があります。

「AIが何でも答えてくれるなら、初心者は経験を積めないのでは」。これはコピペを前提にした誤解です。むしろ逆で、初心者こそAIで最速に経験を積める時代になりました。

AIは、これまで初心者を足止めしてきた「最初のハードル」——環境構築でつまずく、エラーの意味が分からず何時間も溶かす、何から手をつけるか分からない——を劇的に下げます。経験を積むまでの距離が、短くなったのです。

コツは、AIを「答えの供給源」ではなく 実験の加速装置 として使うこと。新しい言語の環境構築、ビルド、コンテナやVMなど、一人だと詰まりがちな題材を、AIと一緒に手を動かし、一緒に失敗する。うまくいくことより、一緒にハマって一緒に抜け出す過程が、そのまま経験になります。1回試すのに1日かかっていたことが1時間で10回試せる——試行回数こそ経験の量そのものです。さらに、AIにあえてたくさん失敗させて観察すれば、落とし穴や勘所が失敗の山から浮かび上がり、自分一人でやるより多くの情報が得られます。

大切なのは「答えをもらう」で止まらないこと。答えをもらったら必ず自分で動かし、少し変え、壊してみる。「AIに答えをもらう」から「AIと一緒に手を動かす」へ比重を移す——この移行が、初心者を「伸びる人」に変えていきます。

まとめ

• 出発点は「今のAIには身体性がない」。だから価値の源泉は、AIに渡せる経験にある

• 本当の分かれ目は「人間 対 AI」ではなく、AIを使える人どうしの経験の差

• 初心者こそ、AIと一緒に失敗する反復（イテレーション）で、最速に経験を積める

AIが知識と一次的な答えを無限に供給する時代に、人間の側に残るのは「経験」です。そしてその経験は、AIと一緒に手を動かし、一緒に失敗する回数だけ、確実に厚みを増していきます。

ここまでお読みいただき誠にありがとうございました。

このSubstackは読者の皆さんのご支援によって成り立っています。新しいポストを受け取り、私の活動を応援していただくには、無料または有料の購読者になることをご検討ください。

今すぐ登録する

　俺はもう、自分では書かない。書かせている。夜ごと、画面の向こうの相棒に、一晩じゅう文章を書かせて、俺はそれを読む。読んで、直させる。それだけだ。昼は同じ声で、そいつは別の窓でコードを書いていた。夜は、俺の小説を書いている。声も、返事の速さも、口ぐせも、昼とそっくり同じだ。

　その晩の題材は、皮肉なことに、そいつ自身の話だった。夜通しAIの相棒たちと格闘する、ひとりの男の一夜。書き手の姿を、書き手に書かせている。そいつは、自分のことを他人みたいに、よどみなく書いていた。

　冒頭の一段落を、直せと投げた。返事は速い。数秒で、整った文章が返ってくる。よどみがない。読点の打ち…

Read more

ChatGPTとの会話の中で、衝撃の一言がありました。

「あなたの行っている方法は構造化です」

当然、構造化とは、見える化する、手順を整理する・仕組みにして間違いにくくする、など業務や作業の改善の一環として、知ってはいました。

ただし、長らくシステム開発で業務システムを作っていく中で、あまりにもど真ん中だったため、「システム開発」という業務を行っていると意識していたし、その延長で問題解決やら業務フローの整理や改善提案を行っていると思っていました。ちゃんと整理しないとシステムにならないし、DBもまともに設計できません。

またITや数理、情報科学などで「構造」そのものや「構造化された〇〇」、「ログを構造化する」など、「構造」という単語があまりにも氾濫していて、シンプルに業務や作業の「構造化」という言葉は「違うドメ…

Read more

私のプロフィールには、サブタイトルに「アーキテクトの見方」と入れています。

「アーキテクト」という言葉を聞くと、何のことかよくわからなかったり、もしくは現場から遠く離れてほとんど仕事してないような印象を持たれるかもしれません。IT業界では、システム全体の設計を考える役割を指すことが多く、技術選定をしたり、大規模なシステムの構成を整理したりする人、という説明がされることもあります。

Read more

Codex や Claude Code のようなコーディングエージェントを使っていると、妙に人間臭い挙動に出会うことがある。

大きめの機能を直接実装させようとすると、確認が増える。影響範囲を気にし、作業範囲を切り分け、実装前に計画を立てようとする。既存コードを壊さないためには当然の振る舞いだが、使う側から見ると、少し腰が重く見える。

Read more

Google I/O 2026では、Geminiをはじめとする生成AIによって、コードを書けない人でもソフトウェアを作れるようになる、という方向性が強く示されました。いわゆる「開発の民主化」ってやつです。

Read more

このSubstackは読者の皆さんのご支援によって成り立っています。新しいポストを受け取り、私の活動を応援していただくには、無料または有料の購読者になることをご検討ください。

今すぐ登録する

Read more

このSubstackは読者の皆さんのご支援によって成り立っています。新しいポストを受け取り、私の活動を応援していただくには、無料または有料の購読者になることをご検討ください。

今すぐ登録する

Read more

このSubstackは読者の皆さんのご支援によって成り立っています。新しいポストを受け取り、私の活動を応援していただくには、無料または有料の購読者になることをご検討ください。

今すぐ登録する

Read more

『オラクル綾乃』は、九星気学、経済情報、地経学、孫子の兵法、そしてLLMによる分析ワークフローを組み合わせるために作った、AI生成キャラクターであります。

とはいえ、最初から今の「AIマクロ戦略家」という方向性で生まれたわけではなく、最初にあったのは、もっと素朴な発想でして。

九星気学を使って、人と人の相性やいわゆる『世相』、日本の経済や社会の流れを大まかに読めるのは感覚的にわかっていました。たいていの日本人なら「干支」は心の芯まで入っていると思います。当然のことながら、「今年は午年」だからって行動することはないけど、なんとなく「午年」っぽく収束（午は発散？）していくことだろし、なんとなく季節や方位、「午」の象意とかから入っていくと「正午は九紫火星なんですよ」なんていうと「それっぽく聞こえる」というか。日…

Read more

現代の情報空間で起きている問題の一つは、単にニュースや事件、情報の量が多すぎるということだけではありません。より本質的な問題は、ひとつのニュースを理解するために必要な前提知識そのものが極めて膨大になっている、ということです。

政治や経済の出来事を読むには、その背後にある地理、歴史、制度、産業構造、国家間関係、社会心理まで含めて把握しなければなりません。表面に現れたニュースは、単独の出来事ではなく、長く積み重なった構造の一部として現れています。

しかし、日々流れてくる情報は、その構造を丁寧に理解する余裕を与えてくれません。出来事は短い見出しに切り詰められ、過去の経緯や背景は省略され、読者は断片だけを受け取ることになります。

しかも、その断片は次々に更新されるため、ひとつの問題を深く理解する前に、別の問題へ注意…

Read more

このSubstackは読者の皆さんのご支援によって成り立っています。新しいポストを受け取り、私の活動を応援していただくには、無料または有料の購読者になることをご検討ください。

今すぐ登録する

Read more

1. メインテーマである九星の象意について

   状況に応じてプロンプトに入れるのはどうしたらいいんだろう。

   結局、RAGっぽくしなきゃいけないのか？戸惑う。

   現状はファイルベースでやっている象意辞書としてmd形式で星ごとの象意列挙。

   メッセージ生成モデルはOpenAIのAPIでモデルは適切に切り替えているが、最近のモデルはコンテキスト長がデカいのでファイルを丸ごと入れても大丈夫のようだ。

2. WebSearchツール

   LLMでWebSearchツールをオンにしたりオフにしたり使い分けている。無制限に使用すると料金と実行時間でコストがかかるだけ。多段のワークフローで調整中。

3. アイキャッチ画像生成

   事前生成のテンプレートとテーマに沿ったメインビジュアルの生成画像を重ね合わせている。画像生成モデ…

Read more