対談・インタビュー
OpenAI Greg Brockman『人間の注意が新しいボトルネックになる』を検収の律速として読む
Greg Brockmanの対談は、計算資源の話から始まる。だが本当に効いてくるのは、その先にある一文の方だ。計算資源が増やしているのは能力そのものというより、人間が処理しきれない量の選択肢である。
私がこの対談を読むときに立てている問いはひとつしかない。計算資源が供給するAI能力が増えるほど、律速は「生成」から「人間が何を見て、何を見ないかを決めること」へ移る。そのとき組織は、限られた注意をどの分岐点に残し、どこを手放すべきか。
この記事は OpenAI's Greg Brockman: Why Human Attention Is the New Bottleneck の内容を基に、
2026-05-09取得の英語字幕から再構成している。直訳ではなく、対談の主張をトピック別に要約したものである。
私はhuman attention bottleneckを、AIの限界の話としてではなく、会社の仕事を評価基準とエスカレーション条件として書き下せていないことの症状として読む。
Nexaflowは「AIのラストワンマイルを、実務に実装する」ことを軸に据えている会社である。この軸に立つと、AIをどれだけ賢くしても、それだけでは実務は前に進まないという前提が先に来る。実務に実装するというのは、AIが出した候補のどれを採用し、どれを差し戻すかを、会社の側が言葉にしておく作業だと私は考えている。Brockmanのhuman attention bottleneckにひっかかりを覚えたのも、同じ形をしていたからである。詰まりの位置はモデル性能そのものではなく、差し戻し条件を誰も1行で書けていないところに現れる、というのが私の見立てである。
以前、Boris ChernyのCoding Is Solved回を読んだとき、私は検収摩擦（AIが出した差分を受け入れるか差し戻すかを判断するコスト）を、コードの領域に限定して定義した。今回Brockmanの対談を読み直して更新されたのは、その境界線である。検収摩擦はコードだけの現象ではない。会社の仕事全体に、同じ構造があるというのが本記事の立場である。
ただし範囲は区切っておきたい。AGIが社会全体にどう影響するかについて、私に断言できることはない。ここで扱うのは、会社の中でAIを実装するときに、人間の注意をどう設計するかという範囲に限られる。
前提
この記事は二つの言葉を軸に進む。
承認容量とは、human attention bottleneckを抽象的なキーワードのまま扱わないために私が置く定義である。単位時間あたりに、人間が責任を持って承認・差し戻せる判断の件数のことだと考えている。感覚ではなく件数として扱えば、承認容量が足りているかどうかは検証できる問いになる。
検収の律速とは、Boris Cherny回で定義した検収摩擦を、会社の仕事全体へ広げた言葉である。対になるのが生成の律速で、AIが候補や成果物をどれだけ速く出せるかで詰まっている状態を指す。Brockmanの見立てを一言でまとめるなら、生成の律速は解けつつあり、残るのは検収の律速だ、ということになる。
以下では、動画から確認できる主張と、そこから私が敷衍した解釈を、語尾で区別しながら書く。
計算資源から選択肢の爆発へ
Brockmanの対談は、計算資源の重要性から始まる。学習にも推論にも計算資源が必要で、需要が伸びるほど、どれだけ確保できるかが事業上の制約になるとBrockmanは語る。
AI能力の供給チェーン
計算資源を増やせば、それだけで価値になるわけではない、というのがこの対談の効いてくる部分である。モデルを訓練し、推論基盤に載せ、プロダクトにし、ユーザーのワークフローへ接続し、そこから学ぶ。能力は、使われて初めて価値になるとBrockmanは位置づけている。
能力を価値に変えるフィードバックループ
この「使われて初めて」という条件の中に、どの失敗が重要か、どの改善を優先すべきか、どのリスクを許容しないかという、人間の判断が入り込む。AIが多くの案を出し、多くの作業を進めるほど、どれを採用し、どれを止め、どれを改善するかを人間が決める必要は増える。計算資源が増やしているのは能力の量であると同時に、人間が判断すべき候補の量でもある、と私は読んでいる。
承認容量が頭打ちになる理由
計算資源のボトルネックから注意のボトルネックへ
生成側の量は、計算資源を増やせば増やせる。承認側の件数は、人間の数と時間で決まるので、同じようには増えない。これは精神論ではなく、単純な足し算引き算の話だと私は考えている。人間は同時に見られる量に上限があり、疲労すれば判断の質は落ち、重要な例外を見落とす確率も上がる。企画案、コード差分、調査結果、顧客対応、実験計画。AIが候補を増やすほど、ボトルネックは生成ではなく承認に移る。
見落としやすいのは、この詰まりがレビューの場面だけで起きるわけではないことである。AIに何をさせるか、どの実験を優先するか、どの顧客課題を解くか。上流の判断も承認容量を消費する。AIが増やすのは生産量だけではない。判断すべきものの量そのものを増やす。
注意をどこに残すか
人間の注意が詰まる場所
承認容量が頭打ちになると分かれば、次にやることは一つしかない。すべてを人間が見るという前提をやめ、承認容量をどこに残すかを選ぶことである。私はこれを三段階の作業として整理している。
まず、AIに任せてよい仕事と、人間に上げる仕事を分ける。低リスクで検証可能な作業は自動化に向き、顧客影響、法務、セキュリティ、ブランドに関わる判断は人間に残す。AI導入の最初の設計は、ユースケース一覧ではなく、この分類とエスカレーション設計である。
次に、評価基準をAIと人間で共有する。人間が何を見て判断しているかが曖昧なままだと、AIはよい候補を出せないし、人間の側も承認容量を無駄に消費する。レビュー観点、品質基準、NG条件を明文化するほど、承認容量は高い判断へ集中できる。
最後に、例外だけを人間に届ける仕組みを作る。全件を人間が見るのではなく、不確実性が高いもの、ルールに反するもの、顧客影響が大きいものだけを上げる。
ここでの一行ルールとして私が意識しているのは、顧客に送る文面や金額に触れる差分は必ず人間が見る、それ以外は自動で進めてよい、という形の線引きである。SaaStr回で見た人間プレイブックの「誰に・何を・何回・どの条件で人へ返すか」という4点のうち、最後の一点がまさにこの線引きに当たる。エスカレーション条件を先に一行で書いておくという発想は、Nexaflowが会社の仕事を安全に進められる環境を作ることを掲げているのと同じ考え方だと私は捉えている。
ここで具体的なテストになるのが、差し戻し条件を1行で書けるかどうかである。書けなければ、それはまだ承認容量の設計ではなく、個人の勘に頼っている状態だと私は考えている。
個人の速度と組織の成果
組織の注意配分
ここまでの話は、現場の効率化に見えるかもしれない。だが承認容量をどこに配るかは、本来は経営課題である。
個人の生産性が上がっても、企業の業績がそれに比例して伸びるとは限らない。この乖離は、AI投資をめぐる議論で繰り返し指摘されてきた論点でもある。この乖離を踏まえると、Brockmanの対談は同じ現象を、「人間の注意がボトルネックになる」という別の角度から語っているように見える。
個人が生成の側でどれだけ速くなっても、承認する側の容量が変わらなければ、組織としての成果には結びつかない。Brockmanの言うhuman attention bottleneckは、この乖離の別の呼び方だと私は読んでいる。承認容量の設計を経営が持たない限り、個人がどれだけ速くなっても、会社の外からは何も変わって見えない。
承認容量をどう測るか
Brockmanの対談は、AIが何をできるようになるかの話ではなく、人間が何を見なくてよくなるかの話として読むと、実務に効いてくる。私がここから持ち帰るのは、結論ではなく問いである。自分たちの承認容量は、今どこで頭打ちになっているか。その分岐点で、差し戻し条件を1行で書けているか。書けていない分岐点があるなら、そこが次に手を付ける場所になる。
この対談は、未来予測ではなく決断の材料として読んでもらえるとよいと思う。AGIが社会全体にどう影響するかについて、私は何かを断言できる立場にない。だが会社の中で承認容量をどこに残すかを決めるのは、今日から始められる設計の話である。
関連記事
