筆者：Jason、NDV創業者
本稿で扱うのはマクロ経済の仕組みと公開情報であり、いかなるファンド商品にも言及しません。また、投資助言や収益の約束を構成するものでもありません。
これまでの『ノンコンセンサスの20分』は、ほとんどの回が私一人で、20分かけて一つの判断をはっきり説明するものでした。
今回はやり方を変えたいと思っています。
新しく別の番組を立ち上げるわけでも、インタビューを経歴の質疑応答にするわけでもありません。番組はあくまで『ノンコンセンサスの20分』のままです。ただ、不定期に何人かの友人を招き、私が今本当に考えていて、まだ完全には考えがまとまっていないテーマを一つ取り上げ、腰を据えて話し合う形にしたいと思います。
一人で発信を続けていると、答えは手際よくなっても、問いのほうは次第に固定化していくのではないかと、最近ますます感じています。二人で本当に行きつ戻りつ話す良さは、情報が倍になることではなく、相手が自分を慣れた経路から引っ張り出してくれることです。
今回招いたのはJason Kamです。私たちは2時間近く収録し、元々どちらもプログラマーではなかった二人のファンドマネージャーが、どうAIを使い始めたかを話しました。AIが人の代わりにできること、できないこと、そして情報がますます安くなった後、投資において本当に希少になるものは何かについても話しました。
一、なぜJason Kamなのか
KamはFolius Venturesの創業者です。
彼は若い頃に米国で学び、その後ウォール街とヘッジファンドで長年リサーチに携わり、伝統金融からデジタル資産へ移りました。私たちの歩んできた道には似ている点があります。どちらも伝統金融を経験し、後に新しい資産クラスへ入り、そして長い間、同じ極めて明快な成績表に向き合ってきました。つまり判断は最終的に結果によって検証される、ということです。
ただし、私たちのやり方はかなり違います。
Kamはシステムを組むのが好きです。彼は一つの問題をいくつかの役割に分解し、別々のAIに分担してリサーチさせ、互いに反論させ、それをまた別の役割に集約させます。彼が公開したあるフローでは、6人のAIアナリストが5ラウンドの議論を経て、最後に1人の「リサーチディレクター」に渡して整理させます。
私はこれまで、AIを非常に有能なアシスタントとして扱うほうに慣れていました。タスクを小さく分け、境界を明確にして、一つずつ任せる。どのデータを探すべきか、どの公開資料を整理すべきか、どの反復作業を自動化できるか、といったことなら比較的受け入れやすい。しかし、リサーチの工程全体をブラックボックスに放り込むことには、本能的に不安を感じます。
二人ともプログラマーではないのに、最終的にかなり異なる二つの使い方に行き着きました。これが、彼と話したいと思った理由です。
実は収録前に、一緒に食事をしたことがあります。元々は普通の集まりのつもりが、最後は3〜4時間も話し込みました。後で気づいたのですが、私たちの間には面白い化学反応があります。Kamは問題をさらにシステムや仕組みのほうへ押し進めがちで、私は彼が話している途中でよく遮ってしまう——ちょっと待って、それって普通の人にとって一体何の役に立つの？と。
今回の番組でも、実際に私はそうやって彼を遮りました。
二、私たちはAIでいったい何をしたのか
Kamが最初に話したのは大きな変化です。エネルギー、チップ、モデルの進歩によって「知能」のコストが急速に下がっている、というものです。
私は、リスナーに代わって一度遮らせてほしい、と言いました。その話はみな多かれ少なかれ聞いたことがあるから、もう少し具体的な話をしよう、と。
あなたは十数年間まともにコードを書いていないし、私は一度もコードを書いたことがない。では、私たちは今AIでいったい何をしているのか。
Kamは三つのとても具体的な答えを出しました。
第一に、情報のスキャンです。彼はシステムに公開SNS、フォーラム、リサーチ資料、選りすぐりのポッドキャストを継続的にチェックさせています。毎日大量の要約を作るためではなく、このところ追い続ける価値のある問いが現れていないかを見つけるためです。
第二に、リサーチの地図を作ることです。以前は企業を調べるとき、まずGoogleで検索し、次に決算書、カンファレンスコール、インタビュー、業界資料をめくる、という流れでした。今はAIが先に資料を広げ、どこに証拠があるか、どこが単なる又聞きか、どこがまだ欠けているかを教えてくれます。
第三に、反復的な追跡を引き取ることです。企業の更新情報、決算後の変化、同じ論点の賛成・反対の論拠などは、まず機械に一通り実行させることができます。人間はゼロから始める必要はありませんが、それでも原文に戻る必要があります。
彼はBidClubも作り、多数の中国・米国の投資ポッドキャストを検索可能な音声データベースに変えました。2026年8月16日に公式サイトへアクセスしたところ、ページには29番組、2,251エピソードが掲載されていました。以前は一話ずつ聴く必要がありましたが、今はどの部分が聴く価値があるかを先に見つけ、それから元の話を聴きに戻ることができます。
それを聞いて最初に感じたのは、AIが最初にコピーするのはファンドマネージャーではなく、ファンドマネージャーの作業量だということです。
以前は、コードを書けない人は、たとえ何を見たいか分かっていても、実行の段階でつまずくことがよくありました。毎日数十の情報源をすべて再スキャンすることも、思いつきのたびにツールを組むことも不可能でした。今はそのハードルが急に下がりました。もともと頭の中にしかなかった多くの作業習慣を、分解し、テストし、さらには繰り返し実行できるようになったのです。
これはもちろん非常に有用です。しかし、次に来る問いのほうが重要です。誰もがより多くの資料を読めるようになったのに、判断はなぜ同じようには簡単にならないのか。
三、情報が多ければ多いほど、主要な矛盾はむしろ見つけにくくなる
Kamは自分の組んだシステムを無条件に楽観視しているわけではありません。
彼の言葉でとても印象に残っているのは、「AIに円を描いてやると、そこから自分で飛び出すのは難しい」というものです。
AIは一つの問いを深く掘り下げることはできます。問題は、その問い自体が最初から間違っているかもしれないことです。対話が長く続くほど、あまり重要でない方向に非常に一生懸命取り組み、最後には非常に完成度が高く、流暢で、しかも役に立たない答えを出してくる可能性が高くなります。
投資で最も難しいのは、決してすべての変数を列挙することではありません。
金利、競争、製品、経営陣、バリュエーション、政策、資金需給——どれも重要で、どれも何十ページにも書けます。本当に難しいのは、情報の海の中から結論を変えうる三つか四つの主要な矛盾を見つけ出し、今の市場が結局どれを取引しているのかを判断することです。
AIは今、問いに答えるのはとても得意ですが、何が問いであるべきかを決めるのはまだあまり得意ではありません。
これは、情報が多いことが深い理解を意味しない理由も説明しています。頭の中に枠組みがなければ、AIはより多くの材料をより速く通過させるだけです。Kamの元の言葉は率直です。「枠組みがなければ、すべての情報はノイズだ」と。
私自身も似た感覚を持っています。
AIは、ある関係が歴史的にまれな水準に達していることを教えてくれますし、過去の似た状況をすべて探し出すこともできます。しかし、今回は昔の経路に戻るのか、それとも環境がすでに変わったために過去の類推はもはや当てはまらないのか、それを私の代わりに決めることはできません。
AIは探索範囲を広げることもできれば、もっともらしい反対意見を作ることもできます。最後にどの証拠が本当に重要で、どれがただ目新しいだけなのかを見極めるのは、依然として人間の仕事です。
ここまで話して、私たちの間にはごく素朴な共通認識ができました。AIは資料探しを代わりにできても、何を信じるべきかを代わりに決めることはできない。プロセスを複製できても、結果を引き受けることはできない、ということです。
四、今回の対談で私が持ち帰ったもの
私が持ち帰った一つ目は、まず作業を複製し、判断を急いで外注しないことです。
もしある作業が反復的で、時間がかかり、情報源が明確で、しかも正誤をすぐ確認できるなら、まずAIに任せるのに適しています。資料探し、違いの列挙、原文の整理、タイムラインの作成はすべてこの類いです。逆に、「どの変数が最も重要か」「今回と過去は本当に似ているか」といった判断に関わるものは、まず人間の手元に残しておくのがよいでしょう。
二つ目は、普通の人にとって最初の一歩はより多くの情報を追うことではなく、最も粗い枠組みを自分の手で組み立てることだ、というものです。
番組で私はKamに尋ねました。普通の人がAIにリサーチを手伝わせたいなら、最初に何をすべきか、と。
彼の答えはプロンプトを学ぶことでも、より多くのツールを導入することでもなく、最もシンプルなユニットエコノミクスモデルを自分の手で組み立てることでした。
噛み砕いて言えば、まず一つのビジネスが回る最小の式を書き出すことです。誰が払い、なぜ払い、どのくらいの頻度で払うのか。収入はどこから来て、最大のコストは何か、成長を実際に阻んでいるのはどこか。
このモデルは最初はとても粗く、空欄がたくさんあってもかまいません。しかし、自分の手で一度書いてみると、新しい情報一つひとつを置く場所ができます。そうでなければ、レポートを10本読むのと100本読むのとの違いは、軽重を判断できない文章をより多く集めただけ、という結果になりかねません。
三つ目は、結果とプロセスには二枚の成績表を使うべきだ、ということです。
私たちは、なかなか公には話しにくいことにも触れました。短期的な結果が、逆に人の行動を訓練してしまうという問題です。うまくいっているときは、運を実力と勘違いしやすく、うまくいっていないときは、すべての変動を自分の間違いだと解釈してしまいがちです。
Kamのやり方は引き算で、成績表の期間を長くし、過度に頻繁な採点に自分を縛らせないことです。私のやり方はどちらかと言えば足し算です。元の成績表とは直接関係がなくても、本当のフィードバックを得られる新しいプロジェクトに取り組むこと。一方はマイナス記号を取り除き、もう一方はプラス記号をいくつか足す、という違いです。
方向は異なりますが、解決しようとしている問題は同じです。一つの短期的な結果に、自分自身についての説明を独占させないことです。
五、今すぐ試したいなら
最初から複雑なシステムを組む必要はありません。自分がもともと興味を持っている会社、業界、あるいは身近な小さなビジネスを一つ選び、まず1時間のリサーチの初期スクリーニングをやってみてください。
1. そのビジネスがどう稼ぐかを一文で書く：誰がいくら払い、どの頻度で払い、最大のコストは何か。
2. 分からないところは空欄にし、AIには元の情報源を探すことだけを担当させ、情報源の名称・公開日・リンクを添えさせ、内容を「既知の事実、推定、まだ分からないこと」に分けさせる。最初は結論を出させない。
3. 判断を実際に変えうる変数を最大三つまで絞り、それぞれの変数について最も強い賛成論と反対論をAIに探させる。
4. 最後に自分で一文書く：どの事実が成立しないと証明されたら、私は今の見方を変えるのか？
この4つのステップは投資の答えを直接与えるものではありませんし、売買の判断にそのまま使うべきでもありません。これが本当に訓練するのは別のことです。「たくさん読んだ」を「なぜ自分がそう考えるのか分かっているし、何が自分の考えの誤りを証明するかも分かっている」に徐々に変えていくことです。
収録の最後に、Kamはとても率直な懸念を口にしました。AIは人を新しい方向に非常に速く、非常に遠くまで進ませるため、かなりの距離を進んだ後で、そこが自分が行きたかった場所ではなかったと初めて気づくことになりかねない、というものです。
私の反応は少し違いました。多くの方向性はもともと、ぶつかってみて生まれるものだと思います。間違えるのを恐れて、ずっとその場で経路を最適化し続けても、本当に面白いものには永遠に出会えないかもしれません。
これこそ、友人との対話で最も価値があるところなのだろう。私たちは最終的に同じ答えに行き着くとは限らないが、相手は私に気づかせてくれる。自分の答えがどんな性格に依存し、どんな代償を見落としてきたのかを。
AIは始めることを容易にする一方で、間違った道に進むのも速くする。
だから今回私に残された問いは「AIはファンドマネージャーを代替するかどうか」ではなく、もっと具体的な問いだ。情報と実行がますます安価になっていく中で、私たちは自分が間違った問いに答えていると、より早く気づくことができるだろうか？
これも、私がこれからも友人を招いて話を聞きたいと思う理由だ。
