「とりあえず作る人」のためのAI時代プレイブック——並列探索を指数関数的に加速する

• 想定読者： 「仕様が決まってなくてもとりあえず動く」タイプのエンジニア、探索駆動型の知識労働者
• 前提知識： AIコーディングツール（Claude、GitHub Copilot、Cursor等）の基本的な使用経験
• 所要時間： 9分

概要

「仕様が決まらなくても動ける」「とりあえず作ってから考える」——このタイプの人は、一見するとAI時代の勝ち組だ。vibe coding の波に乗れる、プロトタイピングが得意、曖昧な状況でも進められる。実際、Andrej Karpathyが2025年に提唱した「vibe coding」の流行は、探索駆動型の仕事スタイルと極めて相性が良い¹。

しかし、ここに落とし穴がある。

あなたの強みである「動ける」ことが、AIの登場で過剰に増幅されることで、逆に機能不全を起こすのだ。「無限に試せる」は「いつまで経っても収束しない」と紙一重。そして、AIが大量の選択肢を出してくれるほど、自分の内的基準が弱い人は自分の好みを失っていく。

このプレイブックは、探索駆動型の特性を最大限に活かしながら、同時にAIが作り出す新しい罠から身を守るための戦術4つをまとめたものだ。背後の心理学的根拠は別記事の「きれいな仕事しかしたくない人」の心理学で詳述している。

30秒セルフ診断

以下の5つのうち、3つ以上に「はい」と答えるなら、このガイドはあなた向けだ。

1. □ 仕様が完全に決まる前でも、とりあえず作り始められる
2. □ 「完璧な設計」より「動くプロトタイプ」を優先したくなる
3. □ 複数のアプローチを同時に抱えていても気持ち悪くない
4. □ 「これで合ってる」より「これで試してみよう」と言うことが多い
5. □ 仕様書を詳細に書くより、コードで会話したほうが早いと感じる

3つ以上当てはまったら読み進めてほしい。1〜2つなら、仕様駆動型のためのプレイブックのほうが合っているかもしれない。

注意：この診断で「曖昧でも平気だが、自分で方向を決める動機があまりない」と感じた方は、心理学的に別のタイプ（指示待ち型／思考委譲型）である可能性がある。探索駆動型の本質は「考えることを好み、その上で曖昧さに耐えられる」ことにある。考える動機自体が弱いと、本プレイブックの戦術は機能しにくい。その場合は「指示待ち人材」はAI時代をどう生き抜くかを先に読むことを推奨する。

あなたの強み——「並列保持力」は AI 時代に指数関数的に増幅される

あなたの最大の強みは、複数の可能性を同時に抱えたまま動けることだ。心理学的には「高い曖昧さ耐性（Tolerance for Ambiguity）」と「低い認知的閉鎖欲求（Need for Cognitive Closure）」の組み合わせで説明される特性で、決して誰にでもあるものではない。

この特性が、AI時代に指数関数的に価値を増す。

理由はシンプルだ。AIによって「とりあえず作る」コストが桁違いに下がった。プロトタイプを30分で作れる。5つの実装を並列で走らせられる。捨てる前提のコードを書くことが贅沢ではなくなった。そしてこの環境を活かせるのは、複数の可能性を不安なく抱え続けられる人だけだ。

仕様駆動型の人は、選択肢が5個あると不快になる。彼らにとって「どれが正解か分からない」状態は脳にとっての苦痛だ。一方、あなたにとってそれは当たり前の作業環境でしかない。AIの登場によって選択肢の生成コストが下がったとき、その選択肢を並列保持できる認知特性は、希少資産に変わる。

Dell’Acqua et al. (2023) の「ジャグドフロンティア」研究は、この点で示唆的だ²。彼らの発見は、AIの能力境界は不規則で、ある側で輝き、ある側で大失敗するというものだった。この境界を乗りこなすには、AIの出力を疑いながら使える柔軟性が必要になる。曖昧さに耐えられる人にとって、これは自然な動作だ。

AIで陥る2つの罠

ただし、探索駆動型の特性を持つ人は、AIに対して特定の失敗パターンにはまりやすい。

罠①：無限探索ループ——vibe coding 地獄

「もっといい実装があるかもしれない」「あと1つだけ試したい」——この感覚が尽きないと、あなたはAIと共に無限の探索ループに入る。

1時間で済むはずの作業が1日になる。1日の作業が1週間になる。プロトタイプはどんどん増えるが、どれも完成に近づかない。これは、あなたの元々の特性（低NFCC、決めない性向）がAIの低コスト探索環境と出会ったときに起きる、特性の暴走状態だ。

AI登場前は、1つのプロトタイプを作るだけで半日かかっていたから、自然と「もう十分探索した」という物理的な制約が働いていた。ところが、AIが探索コストを10分の1にしたことで、その物理的制約が消えた。あなたを止めてくれていた摩擦がなくなったのだ。

罠②：taste（内的基準）の喪失

2つ目の罠はもっと静かで、気付きにくい。

AIに大量の案を出させて選ぶとき、「なんとなく良さそう」なものを選び続けていると、やがて自分が何を本当に好きなのか分からなくなる。AIは常に「それっぽく良い」ものを出してくる。そして、あなたはそれを受け入れ続ける。

気付いたとき、あなたの内的基準は平均的な AI 出力に引きずられた「AIっぽい taste」になっている。あなた自身の美学、違和感、こだわりは、少しずつ擦り減っていく。

これは探索駆動型に特有の罠だ。仕様駆動型の人は強い内的基準を持っているので、この罠にはかかりにくい。一方、あなたは元々「違和感を言語化せずに次へ進む」傾向があるため、自分の基準が揺らいでいることに気付きにくい。

4つの戦術

あなたの強みを最大化し、上記2つの罠を避けるための戦術を4つ紹介する。

戦術①：並列プロトタイピング——5つの実装を同時に走らせる

あなたの最大の武器は「複数の可能性を並列保持できる」ことだ。これをAIと組み合わせると、驚異的な探索力になる。

具体的には、1つの課題に対して、根本的に異なるアプローチのプロトタイプを複数同時に作る。

「このデータ可視化を実装したい。
 次の5つの全く異なるアプローチで、それぞれ動くプロトタイプを作ってください：
 1. D3.js で宣言的に
 2. Canvas API で命令的に
 3. WebGL で 3D 空間として
 4. CSS Grid と Flexbox だけで（JSなし）
 5. SVG + アニメーションで時系列的に

 各プロトタイプは最小構成で、私が実際に動かして比較できる状態にしてください」

普通のエンジニアなら「1つを選んで実装する」ところを、あなたは5つ全部を動かしてから選ぶことができる。これは探索駆動型だけに許された贅沢だ。仕様駆動型の人は、この並列保持に耐えられない（5つのうちどれを採用するか決まらない状態が苦痛だから）。

ポイントは、「選択肢の生成コストが下がった」環境を最大限に搾取することだ。あなたの特性は、搾取しない限り価値に変換されない。

戦術②：強制収束のためのタイムボックス

戦術①を使うと、ほぼ必ず罠①（無限探索ループ）に足を取られる。だから、それを構造的に封じる仕組みが必要になる。

最もシンプルで効果的な方法は、時間制限を先に宣言することだ。

• 「このプロトタイピングフェーズに使うのは最大4時間」
• 「決定は本日17時まで」
• 「この検証は3回の iteration で終わる」

決定時刻が来たら、どれかを選ぶ。完璧でなくても選ぶ。これは、あなたの弱点である「決められない」を強制的に補う外部装置だ。

さらに強化するなら、「決めたら戻らない」ルールを自分に課す。

決定後に「やっぱり戦略2のほうが良かったかも」と戻ると、無限ループに再突入する。1回決めたら、少なくとも一定期間（1日、1スプリント、1週間）は戻らない。これは探索駆動型にとって最も難しい規律だが、効果は大きい。

戦術③：taste を守るための「人間時間」

罠②（taste の喪失）を防ぐには、AIなしで自分と向き合う時間を意図的に確保することが必要だ。

具体的には、次の習慣を推奨する。

• 週1回、AIなしで何かを作る：30分でいい。紙に書く、キーボードだけで1ファイル書く、設計図を手で描く。AIのフィルターを通さずに、自分の内側から何かを出す時間を作る
• 「好き嫌いリスト」を更新する：何を読んで感動したか、どのコードが美しいと感じたか、どの設計が気持ち悪かったか——言語化して記録する
• AIが出した案に、理由付きで「嫌い」と言う練習：「これは違う」だけでなく「なぜ違うのか」を自分の言葉で説明する。これで暗黙基準が明示化される

これは仕様駆動型の人が日常的にやっている動作だ。あなたには意識的な訓練が必要になる。

戦術④：仕様駆動型の人と組む

最後の戦術は、チームを組む話だ。

あなたの最大の補完材は、仕様駆動型の同僚だ。彼らはあなたの「無限に探索したい」衝動にブレーキをかけ、あなたが見落としがちな整合性を指摘する。代わりに、彼らが苦手な「ゼロイチの立ち上げ」「方向性が見えない局面」を、あなたが担当する。

AIの登場で「個人の生産性」が上がったと言われるが、実際には異なる特性を持つ人同士の補完性の価値もむしろ上がっている。あなた一人でAIを使うと罠にはまりやすいが、仕様駆動型の同僚と組むと、両者の弱点を相互に補える。

具体的な分業：

局面	あなた（探索駆動）	仕様駆動型の同僚
プロジェクト立ち上げ	リード	サポート（整合性レビュー）
プロトタイピング	メイン担当	観察・批評
本実装への移行	サポート	リード
品質保証	サポート（探索的テスト）	リード（網羅的テスト）
リリース判断	サポート	リード

この補完関係が機能する組織では、AIの恩恵が個人の生産性向上以上になる。片方だけでは起こせなかった種類のアウトプットが生まれる。

あなたが活きる職域

探索駆動型の特性は、以下の職域でAI時代でも強い競争優位として作用する。

領域	なぜあなたが強いか
スタートアップの初期フェーズ	仕様が固まらない状況で動ける能力が決定的
R&D・研究開発	複数の仮説を並列に保持する能力が核心価値
新規事業開発	「まずは作って試す」が唯一の正解な領域
プロトタイピング・PoC専業	探索能力を職能にできる
デザインスプリント・ファシリテーション	曖昧さを許容して収束に導く力
AI応用研究・プロンプト開発	AIの不規則な能力境界を探るのに最適
ハッカソン・クリエイティブコーディング	短時間で複数アイデアを動かす能力

特に最後から2番目の「AI応用研究・プロンプト開発」は注目に値する。AIの能力は日々変わり、その境界は誰にも明確に分からない。この「ジャグドフロンティア」を乗りこなしていくには、曖昧な状態で複数の仮説を試せる人が必要だ。これはあなたの特性が最も輝く領域の一つだ。

まとめ——3つの原則

長くなったので、最後に3つの原則に圧縮しておく。

1. 探索を AI で増幅する、ただし時間で封じる：5案並列生成の贅沢を享受しつつ、タイムボックスで強制収束させる
2. AI なしで自分と向き合う時間を確保する：taste は使わないと鈍る。意識的に AI を切る時間を持つ
3. 補完型の同僚と組む：仕様駆動型はあなたの敵ではなく、最強の補完材。AI時代は個人戦ではなくペア戦

探索駆動型はAI時代の勝ち組——という言説は、半分しか正しくない。あなたの強みは確かに増幅されるが、同時に新しい罠も出現している。無限探索ループと taste の喪失——これら2つを自覚するだけで、あなたの強みは圧倒的な競争優位に変わる。

もっと深く知りたい方へ

なぜこの戦術が効くのかの心理学的根拠、探索駆動型の認知特性（高い曖昧さ耐性と低い認知的閉鎖欲求）の研究背景、そしてAI時代の労働経済学的な分析については、詳細な解説記事を用意している。

🧠 心理学的背景: 「きれいな仕事しかしたくない人」の心理学 — 曖昧さ耐性、認知的閉鎖欲求、Hofstedeの不確実性回避指数、Dell’Acquaらのジャグドフロンティア研究まで、研究エビデンスに基づく深掘り解説。

また、診断テストで違和感を感じた方や、補完関係を組む相手の心理を理解したい方は、対極のタイプ向けのガイドもぜひ参照してほしい。

🔄 対極のタイプ: 「仕様が決まらないと動けない人」のためのAI時代プレイブック — 仕様駆動型のための戦術集。補完関係を組むうえで、相手の思考パターンを理解するのにも役立つ。

📕 第3のタイプ: 「指示待ち人材」はAI時代をどう生き抜くか — 指示待ち型（思考委譲型）のための認識ガイド。部下や同僚に該当する人がいる場合の理解にも有用。

関連記事

• 過程にこだわる人ほどAIを使いこなせない — 過程志向と成果志向の動機構造
• 制約は創造性を高める：ソフトウェア開発におけるアイデア生成の科学 — 制約と探索の関係
• Generator-Verifierパターン：なぜLLMには「するな」より「見つけろ」が効くのか — 生成より検証のほうが本質的に低コストである理由

参考資料

その他の参考文献は詳細リファレンス記事にまとめている。

1. Vibe coding - Wikipedia - Andrej Karpathy による vibe coding の提唱（2025年初頭）、Y Combinator 2025 Winter バッチにおける採用率、Collins English Dictionary 2025 Word of the Year 選出。【信頼性: 中】 ↩︎

2. Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality - Dell’Acqua, F., McFowland III, E., Mollick, E. R., Lifshitz-Assaf, H., Kellogg, K., Rajendran, S., Krayer, L., Candelon, F., & Lakhani, K. R. (2023). Harvard Business School Working Paper, 24-013. BCGコンサルタント758人の実験。AIの能力境界の不規則性を「ジャグドフロンティア」と命名。【信頼性: 高】 ↩︎