ロバート・カークパトリックによる | TotalValue Group LLC
先週、またそれをやっている自分に気づいた。
開始しようとしているプロジェクトのキャッシュフローのタイミングについて質問がありました。考えることもなく、3年前にGoogleに打ち込んだのと全く同じ方法で、ChatGPTにそれを打ち込みました。短く。キーワード中心。文脈なし。単に："cash flow timing small business project"
答えを得た。まあまあの答えだった。誰にでも当てはまる、特定の誰かのためには役に立たない汎用的なものだった。
それから立ち止まり、自分が今何をしたのかを本当に考え直した。自分の事業、業界、目標、リスク許容度、現在のプロジェクトの制約などを知ることができるシステムを…検索バーのように扱ってしまった。
それが、私が話したい問題です。
Googleはあなたを育てた。そして、うまく育てた。
ツールを使い続けて二十年も経つと、どう使っているかを考えるのをやめてしまう。Googleは、実際の質問を五語に圧縮して、有用性が十分近い結果を素早く探す方法を世代全体に教え込んだ。私たちはそれが得意になった。検索ボックスの文法を学び、アルゴリズムが理解するように言い回しを工夫し、結果ページを四秒でざっと読み、必要なものを見つけ出す方法を身につけた。
そのスキルは現実のものである。だが、それはAIには全く適していない。
ガートナーは、従来の検索エンジンの検索量が2026年までに25％減少すると予測している。これは楽観的な思考に基づく予測ではなく、すでに人々がしていることに基づく。Search Engine Land が引用した最近の研究によると、消費者の37％がGoogleの代わりにAIツールで検索を始めている。ChatGPTの全対話の29％は"実用的な指針"カテゴリに該当し、意味することを尋ねるだけでなく、意思決定の方法を尋ねている人が多い。
行動は変化している。しかし、まだ変わっていないのは、多くの人が前提として持っている思考モデルだ。
検索と質問には差異がある
これが私が最も簡潔に説明できる方法です。
検索をすると、データベースに対してクエリを投げている。データベースには、あなたの言葉に最も近い一致を見つけてほしい。言葉を選ぶのが上手いほど、結果は良くなる。データベースはあなたが誰かを気にしない。前回のセッションを覚えていない。あなたが何を作ろうとしているのか、なぜそれを尋ねているのかも全く分からない。
質問をすると、関係性を築き始める。文脈を与えることができる。例えば：私が取り組んでいること、すでに試したこと、取り組んでいる制約、私にとって重要なことを伝えられる。システムはその文脈を保持し、実際に活用できる。答えは、あなたが誰で、どんな状況にあるかによって変わる。
汎用的な答えと文脈に基づく答えの間のその差こそ、勝負のすべてだ。
アドビの2026年データによると、ジェネレーションZ のユーザーの82％が、直接的な回答を提供するAIツールを従来の検索より好む。これは単に速い結果を好むというだけでなく、彼らにとって特に関連性を感じさせる回答を好んでいるということだ。彼らは検索しているのではなく、質問している。
一回限りの質問が実際にあなたにもたらすコスト
多くの人は、価値の大半を活かせずに終えている。
彼らはChatGPTやClaudeに質問を投げ、答えを得る。タブを閉じる。明日、彼らは新しい質問を持って戻ってくる。前回の文脈は引き継がれず、最初からやり直す。
各セッションごとに、実質的にAIと初対面している。
ビジネスのアドバイスを見知らぬ人に尋ねるのと、3年間あなたのことを知っている会計士に尋ねるのとは、違いを考えてみてください。見知らぬ人は技術的には正確な情報を提供するかもしれません。会計士は、あなたの状況、履歴、実際の数字に合わせて調整された回答をしてくれます。情報量が重なることはあるかもしれませんが、有用性はそうとは限りません。
今AIで実際に勝っている人々は、それを検索ボックスのように扱うのをやめ、常設のアドバイザーのように扱い始めている。彼らは一度だけ文脈を与える。それを時間をかけて積み上げていく。彼らは一度限りの質問をせず、関連するすべての問題に同じアドバイザーを適用する。
それはまったく異なるワークフローだ。そして、全く異なる結果を生み出す。
アドバイザリ層が実際にどのようなものか
ここからは具体的な話になる。というのも："AIをアドバイザーのように扱う" というのは言うのは簡単だが、構造がなければ実際に実装するのは難しい。
アドバイザリ層には、検索ボックスにはない三つの特徴がある。
持続的な文脈。 AIは、何かを尋ねる前にあなたが誰かを知っています。あなたのビジネスタイプ、目標、試したこと、うまくいったこと、除外されていること。これを一度、システムプロンプトや構造化された設定で与えれば、セッションごとに繰り返す必要はありません。
役割の定義。 全ての質問が同じ種類の回答を必要とするわけではありません。財務の質問にはマーケティングの質問とは異なる分析的枠組みが必要です。編集的な質問には技術的なものとは異なる声が必要です。よく作られたアドバイザリ層は、特定のドメインに特定の役割を割り当てるため、AI が一度に全てをやろうとしません。
チェックポイント。 これは多くの人がスキップする点だ。アドバイザーはただ質問に答えて消えるわけではない。良いアドバイザーは反論し、実際に何を達成しようとしているのかを尋ね、あなたが考慮していなかったかもしれない点を指摘します。その振る舞いを組み込むことができます。推奨を出す前に仮定に挑戦させたり、解決策とともにリスクを浮かび上がらせるようAIに指示することもできます。
この三つがそろうと、文脈のない質問に対する汎用的な回答を得ることはなくなる。あなたの状況のために作られたように聞こえる出力が得られるようになる、なぜならそれは実際にそうだからだ。
これが <a href="https://kirkpatrick3.gumroad.com/l/catalyst?utm_source=medium&utm_medium=article&utm_campaign=search-to-advisor" rel="noopener noreferrer">CORE Operating System</a> が構築されている基盤だ。これは、永続的な文脈レイヤー、役割定義、チェックポイントの挙动をすぐに使える形で提供する構造化されたプロンプトシステムだ。最初から設計する必要はない。アーキテクチャはすでにある。
この方程式のもう一方
AI検索に関するほとんどの記事が触れていないことがある。なぜなら彼らはユーザー側に焦点を当てているからだ。
人々が選択肢をGoogleする代わりにAIに推奨を求めているのなら、問いは単に"AIをどう上手く使うか"だけではない。"AIはどうやって私を推奨するべきかを知るのか"も問題だ。
マッキンゼーのデータによれば、消費者の44％が購買決定の際にAI検索を好む。これは、Googleのやり方とは異なる層を通じて意思決定の巨大な割合が絞り込まれていることを意味する。青いリンクはなく、広告もない。AIは知っていることを統合し、最も適切だと思われる回答を浮かび上がらせる。
あなたのビジネスがAIが知っている範囲に含まれていなければ、競争にも入れていない。
これは並行する問題だ。自分用のアドバイザリ層を構築すると効果的になる。しかし、ビジネスを運営している場合、AIが他者にあなたを推奨するようにする層を構築する必要もある。
<a href="https://kirkpatrick3.gumroad.com/l/ai-visibility?utm_source=medium&utm_medium=article&utm_campaign=search-to-advisor" rel="noopener noreferrer">Make AI Recommend You</a> は、これ専用に私が構築したプロンプトベースのシステムです。関連する質問があったときにAIにあなたのビジネス、仕事、専門知識をより表に出すよう、構造化され、具体的で信頼構築に役立つ情報をAIに提供する訓練をします。検索からアドバイザーへの転換は、質問の仕方を変えるだけでなく、見つかる人を変えるのです。
この変化が人々が思っている以上に重要である理由
私は未来学者ではない。AIが10年後に何をするかを予測することはない。すでに起こっていることに注意を払うデータ分析者だ。
すでに起こっているのは、こういうことだ。人々はAIに何を買うべきか、誰を雇うべきか、何を読むべきか、物事をどう修正するべきか、どのような決定を下すべきかを尋ねている。ChatGPTの全対話の29％は実用的な指針に関するものだ。2026年初頭時点でこのプラットフォームは9億人の毎週アクティブユーザーを持ち、1日あたり20億のクエリを処理している。
その行動は存在する。ボリュームもある。問題は、あなたがそれを検索バーのように使っているのか、それともアドバイザーのように使っているのか、そして何かを運営している場合、誰かが尋ねたときにあなたが現れるかどうかだ。
それら二つの事柄のインフラは、多くの人が思うよりも小さく、シンプルだ。エンタープライズAIのプロジェクトではない。実装に6か月かかるものでもない。一度作って実際に使う、構造化されたプロンプトのセットだ。
最初に挙げたキャッシュフローの質問に戻ろう。正しく尋ねたときは、こんな感じになる：
“TotalValue Group LLC を運営するデジタル製品会社で、AIプロンプトシステムに焦点を当てています。収益が出る前の3〜4か月のランウェイを見据えてプロジェクトを開始します。現在の懸念は、初月に経費を前倒しするべきか、四半期を通じて分散させるべきかということです。資金を自己資金で賄い、ランウェイを維持したいとき、どのようなキャッシュフローの順序を推奨しますか？”
同じ根本的な質問。全く異なる答え。なぜなら、その答えは私のために作られており、5語を打ち込むことができた人全員のためではない。
これが転換だ。難しくはない。ただAIをGoogleのように扱うのをやめるだけだ。
作る前に試してみる
どこから始めたい場合でも、AI Signature Scrub の無料版は、分析的な視点を通して現在のAI出力が実際にどのように見えるかを迅速に見る方法です。これは助言層ツールではなく、出力品質層です。しかし、構造化されたAIの利用が生み出すものと非構造化の使用が生み出すものの違いを、具体的に感じさせてくれます。
CORE Systemを含む完全なツールキットは、kirkpatrick3.gumroad.com にあります。
TotalValue Group のウェブサイトはこちらです。私たちが何を構築しているかを知りたい場合は、こちらをご覧ください。
Robert Kirkpatrick は TotalValue Group LLC の創設者で、通常コンサルタントに依頼して行う作業を置換するAIプロンプトシステムを構築しています。彼はデータアナリストとしての経歴を持ち、彼らを助けるように設計されたAIツールが人々と格闘するのを見るのに飽きていました。
