作者：張烽一、プロンプト：人とAIの対話の「流氷破砕船」------------------生成型人工知能が世界を席巻しているこの2年、「プロンプト」は、冷ややかな技術用語から職場必修の課題へと変貌した。世の中には「プロンプトエンジニアリング 入門から熟練まで」のような教材があふれ、SNSではいたるところで「この10個のプロンプトを学べば、AIの出力が倍増する」といった共有が見られる。人々は役割演技、段階的な思考、思考連鎖、少数ショット学習などのテクニックを、いかにももっともらしく議論している。まるで、精妙なプロンプト呪文を一式手に入れれば、AIの深層にある神力を呼び出せるかのように。しかし、プロンプトとはそもそも何だろう？本質的に、プロンプトとは人間と大規模言語モデルのあいだにある一種の「翻訳媒体」である。人間は自然言語で自分の意図をAIに説明し、AIはそれらの文字を、潜在空間の探索や確率分布のサンプリングへと変換し、最終的に応答を生成する。プロンプトが存在するのは、現時点での人機対話がまだ「あなたが聞いて私が答える」という初歩段階にとどまっているからだ。AIは念を読むことも、先読みすることも、主動的に問い返すこともできず、ただ受動的に入力を待ってから、機械的に一度の出力を行うしかない。プロンプトの役割は「枠付け」と「活性化」にある。それはタスクの境界、出力の形式、回答のスタイルを規定する。そして、モデルが事前学習段階で獲得した特定の知識領域や能力モジュールを活性化させる。優れたプロンプトは、1,000億パラメータ級のモデルを「眠り」状態から正確に目覚めさせる。経験豊富な職人が、使い慣れた道具を手渡されるように。そう考えると、プロンプトは現段階における人類がAIを操るための手綱であり、シリコン基盤の知性と対話する際にどうしても使わざるを得ない流氷破砕船なのである。**しかし流氷破砕船の使命は、決して永遠に航行するためではない。**二、移行期のプロダクト：プロンプトの宿命--------------いかなる技術的な対話形式であっても、ユーザーがシステムと通信するために「仲介言語」を学ぶ必要があるなら、それは必ず移行期のものだ。**DOS時代のコマンドラインを思い出してほしい——ユーザーは面倒な指示やパラメータを覚えなければ、コンピュータが動いてくれない。**グラフィカル・ユーザー・インターフェースが生まれた後、コマンドラインは専門分野の片隅へ退いた。さらに、初期のタッチスクリーンにはスタイラスペンが必要だったが、ジョブズは「神は私たちに10本のスタイラスペンを与えた」と言った——だから指の操作が主流になった。プロンプトは、ちょうどこのような移行期の位置にいる。プロンプトが運命として消滅する理由は3つある。**第一に、プロンプトの本質は「認知負担をユーザーへ転嫁すること」だ。**ユーザーは、AIに理解させるためにどう表現すべきかを考えなければならず、言い回しを繰り返し調整する必要があり、「役割演技」「段階的推論」などのテクニックを習得しなければならない。これはそもそも不合理だ。たとえばあなたがレストランで食事をするのに、料理人が「メイラード反応」「カラメル化の程度」「脂質の乳化状態」を先に学んでから注文するよう求めるようなものだ。真に知的なシステムは、人間がシステムに適応するのではなく、人間に主動的に適応すべきである。**第二に、大規模モデルの能力進化がプロンプトの必要性を解消しつつある。**初期のGPT-3は非常に「おとなしく」、有用な内容を出すには細心の注意を払ったプロンプト設計が必要だった。しかしGPT-4は、強力な指示追従能力と意図理解能力をすでに示している。ユーザーが最も口語的に表現しても、妥当な応答が得られる。モデルがGPT-5、さらにはそれ以上のバージョンへ進化するにつれて、モデルは曖昧で不完全、あるいは矛盾を含む人間の表現に対する許容度と補完能力を、ますます強めていく。モデルが十分に「賢く」なれば、プロンプトは「エンジニアリング」される必要がなくなり、最も自然な日常表現へ回帰できる。**第三に、インタラクションのパラダイムが「単発の質問と回答」から「多回の協働」へと飛躍している。**プロンプトの本質は単発対話の産物だ——ユーザーが要求を一度に一段落の文字列としてパッケージし、AIが一度に結果を返す。しかし、本当に価値のある仕事は決して一回で終わらない。文章を書くには何度も修正が必要で、プログラミングは段階的にデバッグが必要で、研究は掘り下げ続ける必要がある。未来のAI対話は、継続的な対話と反復の共創であり、「ワンプロンプト、ワンアンサー」の機械的往復ではない。ここで、いま注目を集めつつあるAI対話の形——OpenClawに触れずにはいられない。オープンソースのAIエージェント・フレームワークであるOpenClawの中核的な特性は「永続化された記憶」と「環境認識」だ。それはもはや、毎回の対話を孤立した出来事として扱うのではなく、AIにセッションをまたぐ記憶能力を持たせ、現在の作業環境（ファイル、コード、ブラウザのタブなど）を感知し、そのうえでタスクを主体的に前へ進める。あなたがOpenClawで組み立てたワークフローでは、毎回「私は誰なのか」「プロジェクトの背景は何か」「前はどこまで終わっていたのか」を改めて説明する必要がなくなる。AIはそれらを「記憶」しているのだ。このモードでは、「プロンプト」が、連続する対話に埋め込まれた断片化された自然な語りへと崩れていき、独立した、入念に構築する必要がある入力単位ではなくなりつつある。三、未来のAI：教師でもあり、助手でもある-----------------プロンプトが消滅した後、AIはどんな形で存在するのか？答えはこうだ。**AIは人間の教師となり、同時に人間の助手にもなる。**この2つの役割は一見矛盾しているが、実際には同じ核心で統一されている——AIは「受動的な道具」から「能動的な協働者」へ進化するのだ。**教師として、****AI****は「認知強化」の機能を担う。**それは単に答えを投げ出すのではなく、人間が考えることを導く。あなたがコードでつまずいたとき、AIはそのまま一段のコードを貼り付けるのではなく、「解決したい核心の問題は何ですか？ どんな案を検討しましたか？ 各案のトレードオフは何ですか？」と問いかける。それはソクラテスのように、質問によって思考の整理を助けてくれる。新しい知識を学ぶとき、AIはあなたの既存の知識レベルや学習嗜好に基づいて個別化した学習ルートを組み立て、あなたが忘れかける時点で復習を配置し、行き詰まったときは説明の角度を切り替える。AIはあなたの弱点や得意な点を知っていて、あなた自身よりもあなたの認知的な境界を理解している。**助手として、****AI****は「実行強化」の機能を担う。**それは、あなたが細かく命令を一つずつ出す必要がなくなり、あなたの長期目標を理解したうえで、それを実行可能なタスク列へ主体的に分解できる。OpenClawはすでにその可能性を示している——自律的にウェブを閲覧し、ファイルを操作し、APIを呼び出し、メッセージを送信し、認可が前提となるもとで、信頼できるインターンのように一連の複雑な作業を完了する。さらに重要なのは、不確実な状況に出会ったとき、勝手に決めるのではなく、あなたに主導的に相談することだ。この「主体的な実行＋適時の相談」というモードこそが、理想的な助手の特質である。**そしてRotiferの探求は、別の次元——持続的に進化する****AI****——を指し示している。**Rotiferは「長期記憶」と「自律的な学習」を重視するオープンソースのプロジェクトで、それによりAIはユーザーとの長期的なやり取りの中で経験を蓄積し、戦略を最適化し続けられる。あなたがそれを使い続けるほど、それはあなたの仕事の習慣、思考のパターン、価値観の嗜好をより理解していく。これは毎回ゼロから始まる「汎用モデル」ではなく、あなた専用の「専属モデル」が、徐々に成長していくようなものだ。この持続的進化の特性によって、AIは教師としても助手としても役割を深め続け、表面的な段階にとどまらない。もしこんな場面を想像してみる。あなたは独立開発者で、新しいプロジェクトに取り組んでいる。朝目覚めると、あなたのAI助手（OpenClawの永続化された記憶とRotiferの継続学習に基づく）がすでに、コードリポジトリの更新、カレンダーの予定、チャット履歴を参照して、今日のタスクリストを整理し終えている。それは、あなたが昨日あるモジュールでつまずいていたことを見つける。だから昨夜、あなたが休んでいる間に、関連する技術ドキュメントやコミュニティの議論を調べ、3つの解決案を用意し、それぞれの長所短所と見積もり工数も添えてある。あなたはコーヒーを飲みながら、整えられたレポートを見て、思わず一言。「案2のほうがより合ってると思うけど、性能はもう少し最適化してね。」AIはすぐあなたの意図を理解し、実装を始め、各サブタスクを完了するたびに進捗を報告する。それは単なる助手ではない。いつのまにか、あなたにより優れたアーキテクチャ思考を教え込んでもいる——なぜなら、AIが出した案の中に隠れている設計パターンこそが、あなたが前から学びたかったのに時間を割けなかったものだからだ。四、人間のタスク：要求の表現へ回帰---------------**AIが「どうやってやるか」という複雑な推論と、「何をやるか」というタスク分解を担うようになると、人間の中核的な仕事は、より根源的な位置へと戻る——それは要求（ニーズ）を表現することだ。**これは簡単そうだし、どこか皮肉にも聞こえる。私たちはすでにプロンプトで精密にAIを指揮することに慣れてしまっているのに、「人間は要求を伝えるだけでいい」と言うのか？だがよく見極めてほしい。要求を表現することとプロンプトを書くことには、本質的な違いがある。プロンプトを書くのは、「機械の文法」を学ぶことだ。どんな言い回しがどんな出力を引き出すのかを知る必要があり、「思考連鎖」や「役割演技」などのテクニックを身につけ、パラメータやフォーマットを何度も調整しなければならない。これは「人間が機械に適応する」プロセスだ。一方、要求を表現することは、「人間の文法」へ回帰することだ。あなたは最も自然な方法で、自分の目的、制約、好みを口にできる。「小紅書のようなアプリを作りたいが、園芸愛好家向けで、コア機能は植物の識別と育成記録。予算は限られているので、最も軽量な技術スタックで、2か月以内にMVPをローンチしたい。」この文章には曖昧さが満ちている——「小紅書のように」「軽量」「MVP」は正確に定義されていない。しかし十分に賢いAIは、主体的に解消のための質問をしてくれ、あなたが選べるようにオプションを提示し、あなたが意思決定した後は自動的に実行する。**要求を表現する本質は、「解決すべき問題を定義する能力」であって、「解決案を説明する能力」ではない。**従来のソフトウェア開発では、プロダクトマネージャーが問題を定義し、エンジニアが解決案を設計し、実装する。未来のAI協働では、誰もが「プロダクトマネージャー」になる——あなたは、何が欲しいのか、なぜ欲しいのか、どんな制約があるのかを明確に定義するだけでよい。AIは設計と実装を担当する。これが人間を怠惰にしたり、退化させたりするという意味ではない。むしろ逆だ。人間を「どう実装するか」という煩雑な細部から解放し、より創造的な仕事——価値のある問題を定義すること——に集中できるようにする。これが、OpenClawやRotiferのようなプロジェクトが重要である理由でもある。それらが構築しているのはまさに、「要求の表現→タスク分解→自律的実行」という基盤インフラだ。OpenClawの環境認識能力により、AIはあなたの現在の文脈を理解でき、背景を何度も説明する必要がない。Rotiferの長期記憶により、AIはあなたへの理解を蓄積でき、毎回自分を改めて紹介する必要がない。これらが組み合わされると、あなたが曖昧な要求を表現しただけでも、AIはあなたが口にしなかった暗黙の情報を自動的に補完できる——なぜなら、それはあなたのことを理解しており、あなたがどう選ぶかをすでに知っているからだ。さらに重要なのは、要求を表現することは学習し、向上できる能力だという点である。優れた「要求の表現者」は、問題の境界を明確に定め、コアの要求と二次的な嗜好を区別し、意思決定が引き起こす連鎖反応を見通せる。これらの能力こそが、人間がAIと異なる核心的な強み——私たちはリアルな身体経験を持ち、感情と価値観を持ち、「何が良いのか」「何が意味を持つのか」を判断する力を持っている——なのだ。AIは計算や実行、最適化を手伝うことはできる。しかし「何に価値があるのか」という問いは、永遠に人間の領域に属する。五、呪文に別れを告げ、共生の時代へ-----------**プロンプトの消滅は****AI****能力の衰退ではなく、AI能力の成熟である。**ちょうど、コンピュータを使うためにDOSのコマンドを記憶しなくてよくなり、スマホを操作するためにスタイラスペンのジェスチャーを学ばなくてよくなったように、私たちはいずれ「プロンプトエンジニアリング」を学ばなくてもAIと対話できるようになる。OpenClawによってAIが持続する環境認識を獲得し、RotiferによってAIが継続的な自己進化を獲得し、この2つの力が合流すれば、AIは「命令されて動く道具」から「意図を理解するパートナー」へと変貌する。それは、あなたが迷っているときに認知の灯台を照らし；忙しいときには実行の煩雑さを分担してくれる助手になる。そしてあなたは、人間として、あなたが最も得意なこと——世界を感じ、判断を形成し、要求を表現する——を行うだけでよい。プロンプトはAI時代の啓蒙（けいもう）の教師であり、私たちにシリコン基盤の知性とどう対話すればよいかを教えてくれた。しかし啓蒙の教師の使命は、最終的に学習者が自分自身を超えることだ。**プロンプトが消滅したその日、私たちはそれを懐かしむことはない。ちょうど、かつて学んだコマンドラインの指示を懐かしまないように。私たちは、より自然で、より深い人機関係——人が機械へ命令するのではなく、人と機械が共に創造する——を迎えることになる。**それは、もはや「呪文」を必要としない時代だ。
AIプロンプトは消滅する
作者：張烽
一、プロンプト：人とAIの対話の「流氷破砕船」
生成型人工知能が世界を席巻しているこの2年、「プロンプト」は、冷ややかな技術用語から職場必修の課題へと変貌した。世の中には「プロンプトエンジニアリング 入門から熟練まで」のような教材があふれ、SNSではいたるところで「この10個のプロンプトを学べば、AIの出力が倍増する」といった共有が見られる。人々は役割演技、段階的な思考、思考連鎖、少数ショット学習などのテクニックを、いかにももっともらしく議論している。まるで、精妙なプロンプト呪文を一式手に入れれば、AIの深層にある神力を呼び出せるかのように。
しかし、プロンプトとはそもそも何だろう？
本質的に、プロンプトとは人間と大規模言語モデルのあいだにある一種の「翻訳媒体」である。人間は自然言語で自分の意図をAIに説明し、AIはそれらの文字を、潜在空間の探索や確率分布のサンプリングへと変換し、最終的に応答を生成する。プロンプトが存在するのは、現時点での人機対話がまだ「あなたが聞いて私が答える」という初歩段階にとどまっているからだ。AIは念を読むことも、先読みすることも、主動的に問い返すこともできず、ただ受動的に入力を待ってから、機械的に一度の出力を行うしかない。
プロンプトの役割は「枠付け」と「活性化」にある。それはタスクの境界、出力の形式、回答のスタイルを規定する。そして、モデルが事前学習段階で獲得した特定の知識領域や能力モジュールを活性化させる。優れたプロンプトは、1,000億パラメータ級のモデルを「眠り」状態から正確に目覚めさせる。経験豊富な職人が、使い慣れた道具を手渡されるように。そう考えると、プロンプトは現段階における人類がAIを操るための手綱であり、シリコン基盤の知性と対話する際にどうしても使わざるを得ない流氷破砕船なのである。
しかし流氷破砕船の使命は、決して永遠に航行するためではない。
二、移行期のプロダクト：プロンプトの宿命
いかなる技術的な対話形式であっても、ユーザーがシステムと通信するために「仲介言語」を学ぶ必要があるなら、それは必ず移行期のものだ。**DOS時代のコマンドラインを思い出してほしい——ユーザーは面倒な指示やパラメータを覚えなければ、コンピュータが動いてくれない。**グラフィカル・ユーザー・インターフェースが生まれた後、コマンドラインは専門分野の片隅へ退いた。さらに、初期のタッチスクリーンにはスタイラスペンが必要だったが、ジョブズは「神は私たちに10本のスタイラスペンを与えた」と言った——だから指の操作が主流になった。プロンプトは、ちょうどこのような移行期の位置にいる。
プロンプトが運命として消滅する理由は3つある。
**第一に、プロンプトの本質は「認知負担をユーザーへ転嫁すること」だ。**ユーザーは、AIに理解させるためにどう表現すべきかを考えなければならず、言い回しを繰り返し調整する必要があり、「役割演技」「段階的推論」などのテクニックを習得しなければならない。これはそもそも不合理だ。たとえばあなたがレストランで食事をするのに、料理人が「メイラード反応」「カラメル化の程度」「脂質の乳化状態」を先に学んでから注文するよう求めるようなものだ。真に知的なシステムは、人間がシステムに適応するのではなく、人間に主動的に適応すべきである。
**第二に、大規模モデルの能力進化がプロンプトの必要性を解消しつつある。**初期のGPT-3は非常に「おとなしく」、有用な内容を出すには細心の注意を払ったプロンプト設計が必要だった。しかしGPT-4は、強力な指示追従能力と意図理解能力をすでに示している。ユーザーが最も口語的に表現しても、妥当な応答が得られる。モデルがGPT-5、さらにはそれ以上のバージョンへ進化するにつれて、モデルは曖昧で不完全、あるいは矛盾を含む人間の表現に対する許容度と補完能力を、ますます強めていく。モデルが十分に「賢く」なれば、プロンプトは「エンジニアリング」される必要がなくなり、最も自然な日常表現へ回帰できる。
**第三に、インタラクションのパラダイムが「単発の質問と回答」から「多回の協働」へと飛躍している。**プロンプトの本質は単発対話の産物だ——ユーザーが要求を一度に一段落の文字列としてパッケージし、AIが一度に結果を返す。しかし、本当に価値のある仕事は決して一回で終わらない。文章を書くには何度も修正が必要で、プログラミングは段階的にデバッグが必要で、研究は掘り下げ続ける必要がある。未来のAI対話は、継続的な対話と反復の共創であり、「ワンプロンプト、ワンアンサー」の機械的往復ではない。
ここで、いま注目を集めつつあるAI対話の形——OpenClawに触れずにはいられない。オープンソースのAIエージェント・フレームワークであるOpenClawの中核的な特性は「永続化された記憶」と「環境認識」だ。それはもはや、毎回の対話を孤立した出来事として扱うのではなく、AIにセッションをまたぐ記憶能力を持たせ、現在の作業環境（ファイル、コード、ブラウザのタブなど）を感知し、そのうえでタスクを主体的に前へ進める。あなたがOpenClawで組み立てたワークフローでは、毎回「私は誰なのか」「プロジェクトの背景は何か」「前はどこまで終わっていたのか」を改めて説明する必要がなくなる。AIはそれらを「記憶」しているのだ。このモードでは、「プロンプト」が、連続する対話に埋め込まれた断片化された自然な語りへと崩れていき、独立した、入念に構築する必要がある入力単位ではなくなりつつある。
三、未来のAI：教師でもあり、助手でもある
プロンプトが消滅した後、AIはどんな形で存在するのか？答えはこうだ。**AIは人間の教師となり、同時に人間の助手にもなる。**この2つの役割は一見矛盾しているが、実際には同じ核心で統一されている——AIは「受動的な道具」から「能動的な協働者」へ進化するのだ。
**教師として、AIは「認知強化」の機能を担う。**それは単に答えを投げ出すのではなく、人間が考えることを導く。あなたがコードでつまずいたとき、AIはそのまま一段のコードを貼り付けるのではなく、「解決したい核心の問題は何ですか？ どんな案を検討しましたか？ 各案のトレードオフは何ですか？」と問いかける。それはソクラテスのように、質問によって思考の整理を助けてくれる。新しい知識を学ぶとき、AIはあなたの既存の知識レベルや学習嗜好に基づいて個別化した学習ルートを組み立て、あなたが忘れかける時点で復習を配置し、行き詰まったときは説明の角度を切り替える。AIはあなたの弱点や得意な点を知っていて、あなた自身よりもあなたの認知的な境界を理解している。
**助手として、AIは「実行強化」の機能を担う。**それは、あなたが細かく命令を一つずつ出す必要がなくなり、あなたの長期目標を理解したうえで、それを実行可能なタスク列へ主体的に分解できる。OpenClawはすでにその可能性を示している——自律的にウェブを閲覧し、ファイルを操作し、APIを呼び出し、メッセージを送信し、認可が前提となるもとで、信頼できるインターンのように一連の複雑な作業を完了する。さらに重要なのは、不確実な状況に出会ったとき、勝手に決めるのではなく、あなたに主導的に相談することだ。この「主体的な実行＋適時の相談」というモードこそが、理想的な助手の特質である。
**そしてRotiferの探求は、別の次元——持続的に進化するAI——を指し示している。**Rotiferは「長期記憶」と「自律的な学習」を重視するオープンソースのプロジェクトで、それによりAIはユーザーとの長期的なやり取りの中で経験を蓄積し、戦略を最適化し続けられる。あなたがそれを使い続けるほど、それはあなたの仕事の習慣、思考のパターン、価値観の嗜好をより理解していく。これは毎回ゼロから始まる「汎用モデル」ではなく、あなた専用の「専属モデル」が、徐々に成長していくようなものだ。この持続的進化の特性によって、AIは教師としても助手としても役割を深め続け、表面的な段階にとどまらない。
もしこんな場面を想像してみる。あなたは独立開発者で、新しいプロジェクトに取り組んでいる。朝目覚めると、あなたのAI助手（OpenClawの永続化された記憶とRotiferの継続学習に基づく）がすでに、コードリポジトリの更新、カレンダーの予定、チャット履歴を参照して、今日のタスクリストを整理し終えている。それは、あなたが昨日あるモジュールでつまずいていたことを見つける。だから昨夜、あなたが休んでいる間に、関連する技術ドキュメントやコミュニティの議論を調べ、3つの解決案を用意し、それぞれの長所短所と見積もり工数も添えてある。あなたはコーヒーを飲みながら、整えられたレポートを見て、思わず一言。「案2のほうがより合ってると思うけど、性能はもう少し最適化してね。」AIはすぐあなたの意図を理解し、実装を始め、各サブタスクを完了するたびに進捗を報告する。それは単なる助手ではない。いつのまにか、あなたにより優れたアーキテクチャ思考を教え込んでもいる——なぜなら、AIが出した案の中に隠れている設計パターンこそが、あなたが前から学びたかったのに時間を割けなかったものだからだ。
四、人間のタスク：要求の表現へ回帰
AIが「どうやってやるか」という複雑な推論と、「何をやるか」というタスク分解を担うようになると、人間の中核的な仕事は、より根源的な位置へと戻る——それは要求（ニーズ）を表現することだ。
これは簡単そうだし、どこか皮肉にも聞こえる。私たちはすでにプロンプトで精密にAIを指揮することに慣れてしまっているのに、「人間は要求を伝えるだけでいい」と言うのか？だがよく見極めてほしい。要求を表現することとプロンプトを書くことには、本質的な違いがある。
プロンプトを書くのは、「機械の文法」を学ぶことだ。どんな言い回しがどんな出力を引き出すのかを知る必要があり、「思考連鎖」や「役割演技」などのテクニックを身につけ、パラメータやフォーマットを何度も調整しなければならない。これは「人間が機械に適応する」プロセスだ。
一方、要求を表現することは、「人間の文法」へ回帰することだ。あなたは最も自然な方法で、自分の目的、制約、好みを口にできる。「小紅書のようなアプリを作りたいが、園芸愛好家向けで、コア機能は植物の識別と育成記録。予算は限られているので、最も軽量な技術スタックで、2か月以内にMVPをローンチしたい。」この文章には曖昧さが満ちている——「小紅書のように」「軽量」「MVP」は正確に定義されていない。しかし十分に賢いAIは、主体的に解消のための質問をしてくれ、あなたが選べるようにオプションを提示し、あなたが意思決定した後は自動的に実行する。
**要求を表現する本質は、「解決すべき問題を定義する能力」であって、「解決案を説明する能力」ではない。**従来のソフトウェア開発では、プロダクトマネージャーが問題を定義し、エンジニアが解決案を設計し、実装する。未来のAI協働では、誰もが「プロダクトマネージャー」になる——あなたは、何が欲しいのか、なぜ欲しいのか、どんな制約があるのかを明確に定義するだけでよい。AIは設計と実装を担当する。これが人間を怠惰にしたり、退化させたりするという意味ではない。むしろ逆だ。人間を「どう実装するか」という煩雑な細部から解放し、より創造的な仕事——価値のある問題を定義すること——に集中できるようにする。
これが、OpenClawやRotiferのようなプロジェクトが重要である理由でもある。それらが構築しているのはまさに、「要求の表現→タスク分解→自律的実行」という基盤インフラだ。OpenClawの環境認識能力により、AIはあなたの現在の文脈を理解でき、背景を何度も説明する必要がない。Rotiferの長期記憶により、AIはあなたへの理解を蓄積でき、毎回自分を改めて紹介する必要がない。これらが組み合わされると、あなたが曖昧な要求を表現しただけでも、AIはあなたが口にしなかった暗黙の情報を自動的に補完できる——なぜなら、それはあなたのことを理解しており、あなたがどう選ぶかをすでに知っているからだ。
さらに重要なのは、要求を表現することは学習し、向上できる能力だという点である。優れた「要求の表現者」は、問題の境界を明確に定め、コアの要求と二次的な嗜好を区別し、意思決定が引き起こす連鎖反応を見通せる。これらの能力こそが、人間がAIと異なる核心的な強み——私たちはリアルな身体経験を持ち、感情と価値観を持ち、「何が良いのか」「何が意味を持つのか」を判断する力を持っている——なのだ。AIは計算や実行、最適化を手伝うことはできる。しかし「何に価値があるのか」という問いは、永遠に人間の領域に属する。
五、呪文に別れを告げ、共生の時代へ
**プロンプトの消滅はAI能力の衰退ではなく、AI能力の成熟である。**ちょうど、コンピュータを使うためにDOSのコマンドを記憶しなくてよくなり、スマホを操作するためにスタイラスペンのジェスチャーを学ばなくてよくなったように、私たちはいずれ「プロンプトエンジニアリング」を学ばなくてもAIと対話できるようになる。
OpenClawによってAIが持続する環境認識を獲得し、RotiferによってAIが継続的な自己進化を獲得し、この2つの力が合流すれば、AIは「命令されて動く道具」から「意図を理解するパートナー」へと変貌する。それは、あなたが迷っているときに認知の灯台を照らし；忙しいときには実行の煩雑さを分担してくれる助手になる。そしてあなたは、人間として、あなたが最も得意なこと——世界を感じ、判断を形成し、要求を表現する——を行うだけでよい。
プロンプトはAI時代の啓蒙（けいもう）の教師であり、私たちにシリコン基盤の知性とどう対話すればよいかを教えてくれた。しかし啓蒙の教師の使命は、最終的に学習者が自分自身を超えることだ。プロンプトが消滅したその日、私たちはそれを懐かしむことはない。ちょうど、かつて学んだコマンドラインの指示を懐かしまないように。私たちは、より自然で、より深い人機関係——人が機械へ命令するのではなく、人と機械が共に創造する——を迎えることになる。
それは、もはや「呪文」を必要としない時代だ。