AI時代の読書とは思考訓練である

2026年8月11日 10:28

「分からないことはAIに聞けばいい」「考えがまとまらなければAIと壁打ちすればいい」。そんな時代に、わざわざ何時間もかけて本を読む価値はあるのでしょうか。
例えば「リーダーシップとは何か」とAIに聞けば、代表的な理論から最近の議論まで数秒で整理してくれます。「ドラッカーとアンディ・グローブのマネジメント論を比較して」と頼めば、それもすぐに出てきます。以前なら本を何冊も読み、検索し、人に聞かなければ分からなかったことが、驚くほど簡単に手に入るようになりました。
では、本はもう読まなくてもよいのでしょうか。むしろ逆です。AIによって、読書の価値は以前よりはっきりし、使い方次第ではさらに大きくなりました。AI時代には、すでに持っている問いに対する答えを知るためだけに、本を読む必要はなくなっていきます。その代わり、本を使って考えることの価値は、これまで以上に高くなります。
これが、私がAIを毎日使うようになった今でも、本を読み続けている理由です。

Xのフォローお願いします。最新記事や記事の別観点を発信

読書には、もともと6つの価値がある

そもそも、私たちは何のために本を読むのでしょう。私なりに分解すると、6つあると思っています。
一つ目は、エンターテインメントです。小説を読む。知らない世界について読む。本を読むことそのものが楽しい。これは映画やゲームと同じような消費としての価値なので、AIが登場しても特に変わりません。
残りの5つが、

知識の習得
思考の触媒
抽象概念の習得
自分の経験の言語化
問いの獲得

です。この5つを分けて考えてみると、AI時代に本を読む意味が見えてきます。

本は、知らないことまで教えてくれる

まず分かりやすいのが、知識の習得です。リーダーシップとは何か。経営とは何か。経理業務とはどのような仕事なのか。なぜ日本のホワイトカラーの生産性は低いのか。本を読めば、自分が知らなかった知識や知見を体系的に学ぶことができます。
検索やAIと本には、少し性格の違いがあります。AIは、自分が聞いたことについて教えてくれます。一方、本は、自分が聞いていないことまで教えてくれます。
もちろん、一冊の本がその分野を完全に網羅しているわけではありません。どの本にも、著者の関心や主張による偏りがあります。しかし、そのテーマについて著者が重要だと考えた論点を、こちらが知らなくても順番に提示してくれます。自分が何を知らないのかすら分かっていない状態では、この性質はかなり重要です。
さらに私は、一つのテーマについて知りたいとき、関連する本を何冊も読むことがよくあります。経営ならピーター・ドラッカーを読み、アンディ・グローブを読み、ピーター・ティールを読む。すると、単に「経営について詳しくなる」以上のことが起きます。「この論点は多くの人が同じことを言っている」「ここは意見が真っ二つに割れている」「この人だけは問題の切り方そのものが違う」といったことが見えてきます。
AIにも「いろいろな観点から教えて」と頼むことはできます。ただ、AIは複数の情報を統合し、もっともらしい中央の答えを作ることも得意です。2026年に20万件を超えるChatGPTの会話を分析した研究でも、検索可能な問いに対するChatGPTの回答は、Google検索結果より情報源や内容の多様性が低くなる傾向が報告されています。生成AIと創造性に関するメタ分析でも、人間とAIを組み合わせると平均的なアイデアの質は上がる一方、アイデア同士の多様性は下がるという結果が出ています。
つまり、平均的に妥当な答えが欲しいならAIは非常に強い。一方で、異なる人が世界をどう見ているのかを知りたいなら、独立した著者を何人も読むことには、また別の価値があります。

読書時間の半分は、考えている時間である

私にとって、本を読むことと考えることはかなり近いものです。
本を読んでいると、「自分だったらどうするだろう」「この話は今の会社にも当てはまるだろうか」「条件が違ったら結論も変わるのではないか」と、途中で何度も本から離れて考えます。
例えば『LIFE SHIFT』を読む。長寿化によって、これまでより長く働く可能性が高まるという話に触れれば、「では、自分は60歳や70歳で何をしていたいのだろう」「今のスキルはその頃にも使えるのだろうか」「40歳の今から何を積み上げるべきだろう」と考え始めます。本に書かれているのは社会の変化ですが、読んでいる途中から考えているのは、自分の人生です。
『High Output Management』でも同じです。グローブのレバレッジという考え方を読めば、「今の組織で、自分が1時間使うことで最も大きな成果を生み出せる仕事は何だろう」「逆に、自分が今時間を使っている仕事の中で、レバレッジが低いものは何だろう」と考えます。
学習研究では、読んだ内容をそのまま受け取るのではなく、「なぜそうなのか」「自分の知識とどうつながるのか」と自分で説明することを、自己説明（self-explanation）と呼びます。このような処理は、単なる再読よりも、理解や別の問題への転用を促しやすいことが知られています。
つまり、本を読めば自動的に思考力が上がるわけではありません。本に書かれたことと、自分の経験や問題との間を何度も往復する。その時間が思考訓練になります。

何冊も読むと、著者を超えた構造が見えてくる

さらに面白いのが、抽象概念の習得です。
「戦略とは何か」「マネジメントとは何か」「リーダーシップとは何か」。こうした抽象的な概念は、定義を一度読んだからといって、簡単に理解できるものではありません。むしろ、説明を読んでも「分かったような、分からないような」という状態になることの方が多いと思います。
ところが、同じテーマについていろいろな本を読んでいると、あるとき突然、見え方が変わります。一冊目では理論を知る。二冊目では違う説明に触れる。三冊目では具体的な事例を見る。そのうえで、自分でも似た経験をする。そうしたものが少しずつ蓄積されて、ある瞬間に「ああ、結局こういうことなのか」とつながることがあります。
認知科学のアナロジー研究でも、複数の具体例を比較すると、個々の事例の表面的な違いを超えて、その背後にある共通する関係や因果構造を見つけやすくなることが示されています。
営業組織についての本、ソフトウェア開発組織についての本、軍隊の意思決定についての本は、一見するとまったく別のテーマに見えます。しかし何冊も読んでいると、「責任と権限が一致していない」「意思決定する人に必要な情報が届いていない」「現場と上位層で目的関数が違う」といった共通構造が見えてくることがあります。
ここまで来ると、「グローブはこう言っていた」という知識ではなくなります。他人の知識から、自分が別の問題にも使える抽象モデルが生まれてくるのです。

本は、過去の経験の意味も変えてくれる

読書には、自分の経験を言語化する役割もあります。
経験したことを、私たちは何でもすぐに説明できるわけではありません。「なぜあのプロジェクトはうまくいかなかったのか」「なぜあの上司の下では仕事が進めやすかったのか」と聞かれても、当時は「なんとなく相性が悪かった」「あの人は仕事ができた」としか説明できないこともあります。
本を読んでいると、過去に経験したことと似た話が出てきます。そして、それまで知らなかった概念に出会うことがあります。例えば「イシュー・セリング」という概念を知れば、昔、何度提案しても上司に採用されなかった経験を、「上司が保守的だった」で終わらせず、「自分は問題を報告しただけで、上司が意思決定できる形へ変換できていなかったのではないか」と考え直せるかもしれません。
経験そのものは変わりません。しかし、経験の意味は変わります。
仕事の後に「何を学んだのか」を意識的に振り返るリフレクション（reflection）が、その後のパフォーマンスを改善することを示した研究もあります。経験しただけでは、必ずしも学習にはなりません。経験に説明を与え、別の場面でも使える形へ変えていく必要があります。
本は、新しい知識を加えるだけではありません。過去の経験に新しい名前と因果関係を与え、経験を思考資産へ変える材料にもなります。

一番価値があるのは、答えではなく問いかもしれない

そして、AI時代に最も価値が上がると思っているのが、「問いの獲得」です。
知識がない人は、答えを知らないだけではありません。何を問えばよいのかも分かりません。
『High Output Management』から得られるのは、マネジメントについての答えだけではありません。「そもそもマネージャーのアウトプットとは何なのか」という問いをもらえます。『LIFE SHIFT』なら、「人生が長くなったとき、教育、仕事、引退という人生モデルをそのまま続けてよいのか」という問いに出会います。
さらに複数の本を読むと、著者同士の相違も見えてきます。AはXが重要だと言う。一方で、BはYが重要だと言う。そこで初めて、「なぜ二人は違うのだろう」「どの条件ならAが正しく、どの条件ならBが正しいのだろう」という、自分自身の問いが生まれます。
AIに「面白い問いを20個考えて」と依頼することもできます。ただ、それと、何十年もその領域で仕事をし、失敗し、考え続けてきた人が「私はこれが重要な問題だと思う」と差し出してくる問いは、少し性質が違います。
本を読むとは、著者の答えをもらうだけではありません。著者が人生の中で見つけた「考えるに値する問題」をもらうことでもあります。

AIによって、読書で価値の高い部分が変わった

ここまでをAI時代という観点で整理すると、読書で相対的に重要になるのは、次のような部分です。

知らない論点まで含めて、テーマの地図を手に入れること
実績のある複数の人が持つ、独立した世界の見方に触れること
本の内容を自分の問題へ当てはめながら考えること
複数の事例を比較し、その背後の共通構造を見つけること
過去の経験に概念と言葉を与え、意味を捉え直すこと
著者の問いに触れ、そこから自分自身の問いを作ること

逆に、「この概念の意味を知りたい」「この本の主張を三つにまとめたい」「一般的な賛成意見と反対意見を知りたい」といったことは、AIへどんどん渡してもよいと思います。
つまり、AIによって価値が下がったのは、読書そのものではありません。「本から答えを回収するだけの読書」です。

AIは、本から生まれた問いを深く掘るために使う

では、AIと読書をどう組み合わせればよいのでしょうか。
私は、AIを本の代わりに使うより、本を読んで自分の中に生まれたものを増幅するために使う方が面白いと思っています。
例えば、難しい分野の本を読む前なら、AIに基本用語や背景知識を聞いてしまえばよいでしょう。会計の本を読むなら、貸借対照表やキャッシュフローの基礎を先に説明してもらう。前提知識を身につけるところで必要以上に時間を使わなくて済めば、その分、本では著者の主張や事例について考えることに集中できます。
読書中に「本当にそうだろうか」と思ったら、すぐにAIへ答えを聞くのではなく、まず自分の考えを置いてみます。「私は、この主張は大企業では成立するが、スタートアップでは成立しにくいと思う。理由はこれだ」と一度仮説を作る。そのうえでAIに、「この考えへの最も強い反論を出して」「反例を探して」「どんな条件なら成立するのか分解して」と頼みます。AIを答えを教えてくれる先生ではなく、自分の考えを壊してくれる相手として使うわけです。
複数の本を読んだ後も同じです。「3冊を要約して」と頼むだけでは、少しもったいない。まず自分で「3人とも結局ここは共通している」「この点だけは意見が違う」と整理し、その仮説をAIに検証してもらいます。自分では気づかなかった相違点や例外が出てくれば、また本へ戻ればよいのです。
経験の言語化でも、AIは便利です。ただし、「この経験は何という概念ですか」と一つの答えを求めるより、「この出来事を説明できる概念を5つ挙げて。それぞれ何を説明でき、何を説明できないか」と聞いた方が、より深く考えられます。一つのラベルに経験を押し込めるのではなく、複数の説明を比較することで、自分の経験をより正確に理解できるようになります。
そして、本から面白い問いが生まれたら、そこから先はAIの出番です。研究を探す。反論を集める。海外の事例を見る。別の業界と比較する。仮説を何度も壊す。以前なら数週間かけて行っていた探索を、短時間で何周も回せるようになりました。
ここでAIは、読書の代替ではありません。
本によって広がった思考空間を、高速で探索するための装置です。