何が起きたか
2026年8月21日、Simon Willisonのブログに「Quoting Matt Webb」として引用が掲載されました。出典はMatt Webb自身の記事『Galactic Compass 2: now with new augmented reality mode』です。
WebbはGalactic Compassのバージョン1.0をリリースした後、回転処理は自分で実装するしかないと判断します。そこでChatGPTに向かったものの、コードを書かせはしませんでした。代わりに「自分を教育させた」と述べています。忍耐強い対話型の家庭教師を得たことで、本を読んでも数学者の友人に尋ねても達成できなかったこと——アプリを動かすのにちょうど足りるだけクォータニオンの使い方を学ぶこと——をついに成し遂げた、というのが彼の言葉です。
そしてWebbはこう結んでいます。「思考の一部をAIに外注したからといって、学びが止まるわけではない。むしろもっと学ぶよう自分を押し出してくれる。この結末が気に入っている」。
なぜ重要か
この短い一節が広く引用されたのは、生成AIをめぐる最大の懸念の一つに、実践者からの反証を提示しているからです。「AIが答えを出してくれるから人間は考えなくなる」という不安に対し、Webbは同じツールを別の使い方——答案生成器ではなく家庭教師として——に振り向けた結果、逆に学習量が増えたと報告しています。
注目すべきは、彼が「アプリを動かすのにちょうど足りるだけ」学んだと明言している点です。クォータニオンを体系的に修めたわけではありません。目的に対して必要十分な深さで理解を取りに行った、という学習の設計がそこにあります。
書籍と友人が越えられなかった壁
Webbが挙げた比較対象は示唆的です。書籍は正確ですが、読者がどこでつまずいているかを知りません。数学者の友人は正確かつ賢いですが、何度も同じ質問を投げ返せる相手ではなく、専門家ゆえに初学者の躓きの位置を推し量りにくい。
対話型AIが埋めたのは知識の量ではなく、「無限に忍耐強く、こちらの理解度に合わせて何度でも角度を変えて説明し直す」という帯域です。Webbが強調したのが「patient（忍耐強い）」と「interactive（対話的）」の二語だったことは、この差分を正確に言い当てています。
「外注」と「学習」は排他ではない
議論はしばしば「AIに任せる」か「自分でやる」かの二択で語られます。Webbの事例が示すのは第三の使い方です。定型的な思考は外注して認知の余力を作り、その余力を、これまで手が出せなかった難所の学習に再投資する。外注が学習を殺すのではなく、外注が学習の原資を作る、という構図です。
ただしこれは自動的には起こりません。Webbは「コードを書かせない」と意識的に選択しています。同じChatGPTに「回転処理を実装して」と頼んでいれば、v1.0はもっと早く出たかもしれませんが、クォータニオンの理解は残らなかったはずです。分岐点は、ツールの性能ではなく使い手の意図の置き方にありました。
💼 事業会社視点：これは自社にどう効くか
経営者が受け取るべきは「AIで学習コストが下がった」という抽象論ではなく、技術的な未知を理由にした企画の見送りが正当化しにくくなったという事実です。Webbが数日で越えたのは、書籍と専門家の助言でも越えられなかった壁でした。
受託開発・SIerでは、これまで「対応できる人がいない」で断っていた領域——3D、AR、シミュレーション、信号処理——の参入障壁が下がります。逆に言えば、既存人材の希少性を根拠にした単価が競合に崩される側にもなり得ます。SaaS事業者なら、外部ベンダーに丸投げしていた周辺機能を、既存エンジニアが「動く程度に理解して」内製できる範囲が広がります。ECなら在庫予測や需要曲線のロジックが該当します。
動くべき点は二つ。第一に、AI利用ガイドラインを「コード生成の可否」だけで書かない。Webbの成果はコードを書かせなかったから出ました。「学習用途での利用を推奨し、学んだ内容をチームに還流させる」条項を明示的に入れるべきです。
第二に、評価制度の見直しです。AIで生産性が上がった分を単に納期短縮に回すか、難所の内製化に再投資するかは経営判断です。前者は一時的なコスト削減で終わり、後者だけが人材の資産価値として残ります。「今期、各エンジニアが新たに扱えるようになった技術領域」を評価項目に加えるだけでも、投資先は変わります。