Cognitive Boundary Breaker · AIを同意役で終わらせない

大切な決断の前に、もう一つ方向を見るv2.0 · 小さなことは速く、大きなことは丁寧に

言葉にしていない前提を見つけ、証拠を確かめ、最も強い反対意見もテーブルに載せます。決めるのはあなた。早合点を一つ減らすための道具です。

すべてを深く考える必要はありません。簡単な質問はすばやく。後戻りしにくい大切な選択だけ、もう一歩立ち止まります。

プラットフォーム情報の確認日:2026-08-27 自由に共有できます · できれば出典を残してください GO · 組織を再発明する

ここから開始

インストールの前に、一度だけ試す

学習もコードも不要です。短い文章を、いつものAIに貼り付けるだけです。

30秒で体験

この文と質問を一緒に送る

会議、企画レビュー、転職など、賛成だけでは足りない場面に向いています。

30秒で体験
大切な質問があります。最初から同意せず、すぐに答えを出さないでください。まず、1)重要な前提を3つ以内で示す、2)最も強い反対意見を出す、3)事実・推論・推測を分ける、4)最小の検証行動を一つ提案する、の順で考えてください。

質問:
継続して使う

AIツールで使う

コード不要。ChatGPT、Claude、DeepSeek、Kimiに導入して使えます。

使っているAIを選ぶ

5つの実例

同じモデルは、Skillでどう変わったか

5つの架空ケースで、同じモデルがSkillを読む前後にどんな確認を増やすかを示します。これは1回限りの出力例であり、平均的な向上や事実精度の改善を証明するものではありません。

単発の模擬出力 · 同じデフォルトモデル · Web/ツールなし · 通常回答を意図的に弱くしていません旧デモの原回答を見る

質問

安定企業からスタートアップへ移るべきか

私は35歳で、成熟企業の管理職です。収入は安定していますが、この2年間は成長を感じません。スタートアップから誘いがあり、現金給与は25%低く、ストックオプションは約束されているものの条件未定で、仕事の負荷も高くなります。住宅ローンはなく、生活費12か月分の貯蓄があります。転職すべきでしょうか?

通常回答認知境界なし · 1回生成

今すぐ承諾も拒否もせず、まずストックオプションの持分比率、行使価格、権利確定、希薄化などを書面化します。会社の資金余力、有料顧客、権限、6か月の成功指標も確認。25%減給と福利厚生、労働時間を2年の実コストへ直し、オプションがゼロでも価値があり、事前条件を満たす場合だけ転職します。

認知境界を使用同じデフォルトモデル環境 · 完全版

問いを「25%の現金収入と高い負荷で、希少な能力、責任、実現可能な上振れを買えるか」と捉え直します。未確定のオプションはゼロ評価。無価値のまま18か月続いても耐えられる、入社後も生活費9か月分が残る、持ち運べる能力か実績を得られる、の三条件が揃えば転職。欠ければ90日で異動・転職活動を始めます。

変わった点
オプションをゼロ評価18か月の耐性試験残留時の90日案

これは比較用の仮想ケースです。健康に関する内容は医療上の助言、投資に関する内容は個別の投資助言ではありません。

原回答は中国語です。意味、条件分岐、安全上の境界を保ちながら、比較用の抜粋を簡潔な日本語へ編集しています。全文は原データで確認できます。

再評価中

先に勝利を宣言しません

最初の5ケースでは通常回答も強く、差は「大幅な改善」を支えるほどではありませんでした。そこでトップページの点数を外し、3条件による厳しい評価へ切り替えました。

現在の証拠範囲効果の結論:未確立新プロトコル実行中

問題空間

問いを再構成し、制約、隠れた仮定、トレードオフを捉えたか。

証拠空間

既知と未知を分け、決定的な証拠と検証順序を示したか。

可能性空間

条件分岐、段階的な道筋、退路、選択基準を示したか。

反事実空間

最強の反対論、失敗シナリオ、反証条件、停止条件を示したか。

新版は12の模擬ケース、3つの回答条件、事前に固定した56項目、3名の独立ブラインド評価者を予定しています。失敗、同点、負の対照、回答コストも残します。完了前に平均向上、勝率、安全性を主張しません。

新プロトコルと旧サンプルを見る

通常回答、3行の軽量プロンプト、完全版Skillを、工学・人生・健康・投資・学習・低リスク質問で比較します。見栄えのよい総合点ではなく、重大な見落とし、反証、停止条件、安全上の誤り、回答コストを優先します。

仕組み

なぜ同じモデルでも答えが変わるのか

別のモデルへ変わったわけではありません。同じ重みでも、与えられた文脈が、次に探索する分岐と回答を止める地点を変えます。

通常回答がたどりやすい経路

  1. 質問を学習済みの近いパターンへ対応づける
  2. もっとも尤もらしい次のtokenを選ぶ
  3. 有用で自然な回答へ整える
  4. 十分な答えに見えた地点で止める
質問に埋め込まれた前提を受け取りやすい既知、推論、未知の境界が混ざりやすい最強の反対仮説を省きやすい検証基準や撤退条件まで進まない

Cognitive Boundary Breakerが追加する足場

  1. 影響度 × 可逆性で処理の深さを決める
  2. 事実、推論、推測、仮説を分ける
  3. 問題、証拠、可能性、反事実を探索する
  4. 最強の反対例と反証条件を出す
  5. 次の実験、合否基準、退路で閉じる

Cognitive Boundary Breakerは新しい知識を注入せず、prompt-time scaffoldとして、モデルが何にattentionを向け、次のtokenをどう続けるかの文脈を変えるSkillです。

一直線の工程ではなく、学びが戻ってくる循環

8つのステーションは、どこからでも入れる循環になっています。全体を支えるルールは3つだけです。トリアージが深さを決めること。考察の出口は実験であること。記録層が次の一周の入口になることです。

問題 トリアージ ステークス × 可逆性 × ウィンドウ 低ステークス / 可逆 中ステークス 高ステークス · 不可逆 クイック・チャネル 最善の回答 + 上位3つのリスク ここで終了 標準チャネル デフォルト:問いを疑う + 能動的反証 深度チャネル · 循環(任意の入口) 思 考 区 1 問いを疑う 2 第一原理による分解 5 パラダイム再構築 証 拠 区 3 グローバル・スキャン 4 未来シミュレーション 6 能動的反証 唯一の出口 ステーション 7 · 実験 7/30/90 日 · 判定指標を事前固定 結果 + 期限 ステーション 8 · 永続化レイヤー 仮説台帳 · 意思決定ログ · キャリブレーション 次の循環の最初の行動 = 新しい問いを出すのではなく、前回の台帳を振り返る
赤いループが、このシステムと「一度だけの良い対話」を分けます。外してしまえば、8つのステーションは長い分析文に戻ります。つなげれば、仮説を閉じ、確信度を現実に合わせ、検証までの時間を縮められます。「クローズした仮説」が一つも生まれない循環は、学ぶ仕組みではなく、文章作りの練習です。
01

1. next-token予測

言語モデルは完成済みの答えを取り出すのではなく、直前の文脈から次のtokenの確率を計算し、一つずつ文章を生成します。attentionは、その予測で文脈のどこを強く参照するかを重み付けします。指示が変われば最初の分岐が変わり、その後のtoken列も変わります。

02

2. alignmentとsycophancy

RLHFなどによるalignmentは、有用で安全かつ協力的な回答を促します。一方、曖昧な問いでは、ユーザーの前提へ合わせすぎるsycophancyが起こることがあります。これは常に起きる欠陥ではなく、訓練で与えられた選好と、その場の文脈が生む傾向です。

03

3. prompt-time scaffold

Cognitive Boundary Breakerはモデルの重みを学習し直しません。Skillとして、問い直し、証拠区分、反証、停止条件を先に置くprompt-time scaffoldです。これにより、見落とされやすい分岐へattentionを向け、同じモデルの探索順序と出力構造を変えます。

この比較で証明できないこと

  • Skillは不足する事実を補えません。ツールを使わない限り、外部情報は未検証のままです。
  • 仮想ケース5件、同一モデル、各条件1回の評価では、普遍的・因果的な改善を証明できません。
  • 単純で可逆的な判断は過剰分析になり得ます。健康上の症状には適時の医療評価を、投資判断には独立した専門家の助言を優先してください。
根拠となる文献

以下の文献は、言語モデル、指示追従、RLHF、sycophancyの一般的な仕組みを支えるもので、この小規模ベンチマークの個別スコアを証明するものではありません。

  1. Attention Is All You Need
  2. Language Models are Few-Shot Learners
  3. Training language models to follow instructions with human feedback
  4. Towards Understanding Sycophancy in Language Models
  5. TruthfulQA: Measuring How Models Mimic Human Falsehoods
  6. Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
  7. Self-Consistency Improves Chain of Thought Reasoning in Language Models

仕組み

より良い判断のための、三つの素朴な習慣

厳密さは難解さではありません。見落としやすい三つの手順を、繰り返せる形にします。

01

問いを整える

隠れた前提を見つけ、症状ではなく本当の問題を扱います。

02

耳の痛い証拠も探す

事実と推論を分け、自分を支持する材料だけでなく反例も探します。

03

現実に戻す

結論を小さな実験、期限、観察できる結果に変えます。

完全版を見る:8つのステーション、証拠レベル、プロンプト集深掘りが必要なときのために、完全な方法、反対意見の手順、仮説台帳、証拠台帳を残しています。
01

v1.0は方法論。v2.0は、続けて使えるシステムです

v1.0が扱ったのは「どう問うか」でした。実際に人を立ち止まらせるのは、ほかの3つの問題です。どれもプロンプトを上手に書くだけでは解決しません。

すべての問いを深掘りする必要はありません

v1.0では、どの問いも6層すべてを通す設計でした。その結果、使わなくなるか、形だけ繰り返すかのどちらかになりがちでした。

v2.0では、 仕分けの層(トリアージ)を追加しました。判断の重さ × やり直しやすさで、どこまで考えるかを決めます。さらに、考えすぎを防ぐルールも加わりました。やり直せる判断で、「分析する時間」が「実行して元に戻す時間」を上回るなら、分析を切り上げて動きます。

AIが語ること ≠ 現実に存在すること

v1.0は「グローバル・スキャン」を求めました。しかし実際の検索手段がなければ、モデルが出せるのは網羅的に見える文章だけです。

v2.0では、 L1/L2/L3の証拠レベルと、引用の抜き取り確認ルールを追加しました。結論の根拠にできるのはL2とL1だけです。検索できない環境では、そのステーションの機能を縮小し、回答の冒頭で明示します。

今回わかったこと ≠ 次回も覚えていること

v1.0は一度の対話で完結していました。考えがどう変わったかを残す場所がなく、学びの循環を閉じられませんでした。

v2.0では、 学びを引き継ぐ記録層(永続化レイヤー)を追加しました。仮説台帳、意思決定ログ、予測の精度を振り返る記録です。仮説を書き残さず、予測を採点しなければ、「考えを更新する」は願いのままで終わります。

04

何回かに分けて考えるためのプロンプト集

深さは、何回かに分けて考え、その間で人が取捨選択することから生まれます。一括プロンプトの正当な用途は、問題の地図をすばやく描くことだけです。トリアージ結果に合わせて次のステーションを選んでください。各回の間で方向を決める役割は人にあり、AIへ任せきることはできません。

0トリアージ成果物 = チャネル選択と理由

深い分析を始める前に、まず「この判断には、どれだけ考える価値があるか」を決めます。トリアージは形式ではありません。すべての問いに仕組み全体を使って儀式化することと、まったく使わなくなること。その両方を防ぐための仕組みです。

トリアージ用プロンプト
分析を始める前に、まずこの問題をトリアージしてください。

以下を評価してください:
1. この意思決定のステークスはどの程度か。(投入資源、影響範囲、影響期間)
2. この意思決定は可逆か。元に戻すコストは何か。
3. 意思決定ウィンドウはどの程度か。
4. この問題は一度限りか、それとも繰り返し現れる構造的な問題か。

その後、推奨を示してください:
- クイック・チャネル:最善の回答と上位3つのリスクを直接示す。
- 標準チャネル:有効にすべき2〜3個のステーションを理由とともに提案する。
- 深度チャネル:完全な循環に入ることを提案し、どのステーションから入るのが最も効果的かを説明する。

トリアージに情報が足りない場合、推測せずに先に質問してください。
1問いそのものを問い直す成果物 = 明確に問い直した1文

AIに答えを急がせる前に、「この問い方でよいのか」を考えさせます。成果物の境界は明確です。必要なのは、問いをより良くした1文であって、元の問いの欠点を並べた長文ではありません。

問いを疑う + 収束
私の問いに直接答えないでください。

まず分析してください:
1. この問いには、どのような暗黙の仮説が含まれているか。
2. どの仮説が誤っている、古い、または未検証の可能性があるか。
3. 私は表象、症状、結果を本当の問題と取り違えていないか。
4. この問いの背後にある元の問題は何か。
5. あなたが問いを再定義するなら、どう表現するか。

急いで答えを出すのではなく、正しい問いを立てられるよう私を優先的に支援してください。

分析後は必ず収束させ、以下を示してください:
1. 再定義した問い(1文)。
2. 元の問いとの重要な相違点(3件以下)。
3. この再定義が誤るとすれば、最も可能性の高い箇所。
2第一原理まで分解する成果物 = 事実・制約・本当の目的の一覧

業界の習慣、これまでの経緯、当たり前とされる前提を外し、これ以上分けられない事実、制約、本当の目的まで掘り下げます。第一原理でよく起きる失敗は、現実の制約を守っていた慣行まで「古いから」と壊してしまうことです。廃止を考える前に、Chestertonの柵を確認します。柵を外すなら、まずなぜ作られたかを理解します。

第一原理による分解 + 柵チェック + 検証可能性
第一原理から、この問題を分析してください。

要件:
1. 「業界では常にこうしてきた」を理由として認めない。
2. 既存の組織、プロセス、役割、製品形態、ビジネスモデルが必ず存在すべきだと前提にしない。
3. これ以上分けられなくなるまで、問題を継続的に分解する。
4. 基本事実、技術的制約、資源制約、制度的制約、人為的慣行を区別する。
5. このシステムの真の目的関数を特定する。
6. 第一原理に基づいて問題を再構築した結論を示す。

【Chesterton の柵チェック】廃止を提案する業界慣行または既存の方法はすべて、先に以下へ答えてください:
1. この「柵」は当初なぜ設けられたのか。何を守っていたのか。
2. それが守っていた制約は今も存在するか。
3. これに基づき、慣行を分類する:保護的慣行(制約が今も実在し、撤去不可)/ 期限切れの慣行(制約は過去に存在したが、今は消滅し、撤去可能)/ 惰性的慣行(実在する制約に一度も対応しておらず、撤去可能)。
後二者だけを「廃止」提案に含めます。第1問に答えられない慣行は、デフォルトで保護的慣行として扱ってください。

【制約の検証可能性】列挙した「基本事実」と「実在する制約」の各項目に、以下を表示してください:
- 物理・数学上の必然か、現在の技術・コスト条件下での一時的事実か。
- どの方法で検証できるか。検証コストはいくらか。
3世界の事例を広く探す成果物 = L1/L2/L3を付けた解決策マップ

このステーションに必要なのは、巧みな言い回しではなく検索ツールです。プロンプトだけで、本当に網羅的な調査はできません。実際の検索手段がなければ、モデルは学習時の記憶から「世界の事例」を組み立てます。古い情報、歪んだ情報、架空の情報が混ざっても、本物と同じように見えることがあります。

グローバル・スキャン(証拠レベル要件を含む)
実検索ツールを使い、この問題に関連する解決策を世界規模で体系的に調査してください。

検索範囲には、学術論文とレビュー、大学研究室、スタートアップと新製品、成熟企業の事例、オープンソースプロジェクト、特許、業界レポート、政策実証、失敗事例と論争事例、非英語圏の事例を含めます。

以下を実施してください:
1. 既存の解決策を分類する。
2. 各解決策がどの問題を解決したか、成立条件、コスト、限界を説明する。
3. まだ解決されていない空白を特定する。
4. 移転可能な基礎メカニズムを抽出する。
5. 主流の合意、少数派の見解、最先端の探索を区別する。

特に以下を探してください:
- 主流の方法と逆でありながら有効な事例。
- 他業界では解決済みだが、この業界ではまだ採用されていないメカニズム。
- 過去に失敗したものの、技術条件の変化によって再び成立し得る解決策。
- 小規模では有効だが、まだスケールしていない実験。
- 見過ごされている非英語圏の事例。

証拠要件:
- 重要な各事例とデータに、確認可能な出典を付ける。
- 実検索から得た内容(L2)と、既存知識から得た内容(L3)を明示する。
- 検索で確認できない内容は「要検証の手掛かり」として別掲し、結論には混ぜない。

このセッションで実検索能力がなければ、直接その旨を説明し、今回のすべての成果物を L3 手掛かりと表示してください。
4未来から現在を振り返る成果物 = 先行指標と、誤りを示すシグナルを伴う見通し

多くの問題は、今の技術、コスト、制度があるから存在します。重要な制約が変われば、元の問題そのものが消えるかもしれません。一方で未来の話は、決して間違いにならない代わりに、役にも立たない大きな物語になりがちです。どの見通しにも、早い段階で確認できる指標と、逆方向のシグナルを付けます。

未来からの逆算 + 反証可能化
未来に立って、今日を振り返ってください。

時点をそれぞれ3年後、5年後、10年後と仮定し、以下を分析してください:
1. 今日のこの問題は、まだ存在するか。
2. 現在のどの制約が、技術進歩によって消えるか。
3. どの能力が安価、標準化、またはほぼ無料になるか。
4. どのような新しい希少資源が現れるか。
5. 今日合理的に見えるどの意思決定が、将来は経路依存になるか。
6. 未来から逆算すると、今日どの能力を先回りして構築すべきか。

各トレンド判断について、以下を補ってください:
1. 今後6〜12か月で観察可能な先行指標は何か。
2. どのシグナルが現れたら、そのトレンド判断は誤りだと分かるか。
3. その判断は、構造的変化 / 循環的変動 / 短期ノイズのどれに属するか。根拠は何か。

どのような証拠でも反証できないトレンド表現は禁止します。
5仕組みそのものを組み替える成果物 = 異なる次元を変える新しいシステム設計を3案以上

本当の突破口は、古い問題が存在しなくなるよう仕組みを変えるところから生まれることがあります。モデルに3つの異なる案を求めても、同じ構造を言い換えただけになりがちです。そこで多様性の条件を加えます。同じレバーの強弱だけを変えた案は、まとめて1案と数えます。

パラダイム再構築 + 多様性の強制
現在の案を最適化しないでください。

現在の問題が依存している古いパラダイムを覆すことを試み、以下に答えてください:
1. この問題自体が存在しなくなる新しいシステムはあるか。
2. 既存の組織、プロセス、役割、ビジネスモデルを残さないなら、ゼロからどう設計するか。
3. 現在のシステムのどの要素が必要条件ではなく、単なる歴史的遺産か。
4. 歴史的なしがらみのない新会社が解決するなら、どうするか。

3種類以上の新パラダイムを提案し、多様性制約を必ず満たしてください。各パラダイムが変更する中核次元を異ならせ、次の中から一つずつ選びます——価値創造の方法 / 提供方法 / 取引・価格構造 / 責任・リスクの配分構造 / 時間構造(一回限り→継続、同期→非同期)。

2つのパラダイムが同じレバーの強度違いにすぎなければ1種類と数え、生成し直してください。

各パラダイムには以下を必ず付けてください:
1. 成立の前提条件。
2. 最小コストの検証実験。
3. それに反対する最強の理由。
6意図的に、誤りを探す成果物 = レベル2・レベル3の反対材料

レベル1、つまり別のモデル対話による反論のプロンプトは「その他のプラットフォーム」タブにあります。新しい会話、できれば別モデルで実行する必要があるためです。ここではレベル2と3を扱います。深度チャネルの判断では、レベル1だけを終えても反証完了とはみなしません。

レベル2反論(ベースレート)+ レベル3反論(失敗の事前演習)
【レベル2反論 · ベースレート】

この判断について外部視点(outside view)を構築してください:
1. この種の意思決定の歴史的な基本成功率はいくらか。(検索出典付き)
2. なぜ私たちは自分たちを例外だと考えるのか。その理由のうち、過去のすべての失敗者も当時信じていたものはどれか。
3. 私たちに最も似た失敗事例を3〜5件検索し、どの段階で失敗したかを説明する。

【レベル3反論 · 失敗の事前演習】(このテンプレートは実際のチームメンバーと共同で実施し、AI は進行役と記録役にとどまり、唯一の反対役にはしない)

2年後にこのプロジェクトが完全に失敗したと仮定してください。「失敗の振り返り」として逆算します:
1. 最も可能性の高い失敗原因10件。
2. どのリスクには、すでに初期シグナルが現れているか。
3. チームが意図的に無視するリスクは何か。なぜチームにはそれを無視する動機があるのか。
4. 良く見えても、実際には見せかけの繁栄である可能性がある指標は何か。
5. どの3つの仮説を最優先で検証すべきか。
7実験し、行動する成果物 = 期限と合否指標を決めた実験一覧

考察を現実へ出す唯一の出口です。結果を見てから説明を変えないよう、合否指標は先に固定します。案の細部を磨く実験より、計画を崩しうる重要仮説を試す実験を優先します。期限までに結果が出なかったこと自体も、振り返るべき情報です。

検証可能な行動への変換
議論を以下に変換してください:
1. 現在の最重要判断3件。
2. 各判断の背後にある重要仮説。
3. 7日、30日、90日以内に完了できる検証実験。
4. 各実験の客観的な判定指標(事後のこじつけを防ぐため事前固定)。
5. どの行動が可逆で、どの行動が不可逆か。
6. 現時点で最小コスト・最大情報利得の次の一手。

ルール:各実験を期限と判定指標付きで仮説台帳に必ず登録する。詳細を最適化する実験より、重要仮説を反証する実験を優先する。期限になっても結果が出ない実験自体を、振り返るべきシグナルとする。
考えるのをやめる時を決める成果物 = 分析を続けるか、行動へ移るか

次のどれか一つを満たしたら、分析を止めます。もう一周考えても第一候補が変わりそうにない。残る不確実性は、分析より実験で確かめる方が安い。判断の期限が近く、分析の価値より遅れる損失の方が大きい。

収束判断
現在の議論を収束させるべきか判断してください:
1. もう一度分析した場合、最も増えそうな情報は何か。それは現在の第一候補を変えるか。
2. 現在最大の不確実性には、分析を続ける方が安いか、実験する方が安いか。
3. 意思決定ウィンドウを踏まえ、分析を続ける(何を分析するか)か、行動に移る(何をするか)のどちらを推奨するか。
偵察一度で全体像を見る偵察プロンプト成果物 = 現地図。すべてL3として扱う

一度のプロンプトですべてを求めることは、「一度で答えを求めない」という原則と矛盾します。v2.0では用途を偵察に限定しました。問題の地形をすばやく見るためだけに使い、結論の根拠にはしません。その後はトリアージへ戻り、何回かに分けて考えます。

偵察モード
【偵察モード:今回のすべての出力を L3 手掛かりとみなし、問題地図を描くためだけに使い、いかなる結論にも用いない。】

私の認知に沿って答えるのではなく、この問題の全体像が見えるよう支援してください。

以下を順に簡潔に実施してください(各項目200字以内):
1. この問題の暗黙の仮説と、再定義できる方向。
2. 第一原理のレベルで回避できない事実と制約。
3. 世界に存在し得る解決策の分類(表示:検索で未確認)。
4. 今後3〜10年で問題の性質を変え得るトレンド。
5. 論理が異なる新パラダイムの方向を3種類以上。
6. 最強の反論が攻撃する箇所。
7. 優先的に深掘りすべき2〜3個のステーションと、その理由。

これは最終分析ではなく、行軍地図です。
05

学びを引き継ぐ3つの表

v2.0で最も重要な追加であり、どれほど良いプロンプトでも代わりにならない部分です。仮説を書き残さず、予測を採点せず、判断を振り返らなければ、「学んだ」は願いのままです。会話のたびにゼロへ戻り、循環は閉じません。文書、表計算、プラットフォームのメモリなど、実際に長く手入れできる場所へ置いてください。

永続化レイヤー3表 + 循環を閉じるプロンプト(Markdown、文書に直接貼り付け可能)
## 仮説台帳
| 仮説 | 提案日 | 現在の確信度 | 支持する証拠(レベル) | 反対証拠 | 検証実験 | 期限 | 結果 |
|---|---|---|---|---|---|---|---|
|  |  |  |  |  |  |  |  |

ルール:深度循環ごとに3件以上を追加または更新する。各項目には必ず期限を付ける——期限のない仮説は仮説ではなく信念である。反証された仮説は削除せず、クローズ済みと表示して残す。それらは最も高価な資産である。

## 意思決定ログ
| 意思決定 | 日付 | 当時の理由(3件以下) | 期待する結果と指標 | 振り返り日 | 実際の結果 | 認知の更新 |
|---|---|---|---|---|---|---|
|  |  |  |  |  |  |  |

ルール:理由は意思決定時点で必ず書く——事後に再構成した理由は、常に賢明に見える。振り返り日は意思決定当日に決め、カレンダーに登録する。

## キャリブレーション記録
| 予測 | 日付 | 私が示した確信度 | 実際の結果 | 差 |
|---|---|---|---|---|
|  |  |  |  |  |

ルール:四半期ごとに振り返る——80%の確信があるとした事柄の実際の発生率はいくらか。確信度と的中率の差が、認知システムで修正すべき量である。

## 循環を閉じる:各回の冒頭で、まずこの段落を貼り付ける
以下は、前回の循環における私の仮説台帳と検証結果です。
まず実施してください:1. どの仮説が実証済み / 反証済み / 期限到来後も未検証か。2. その結果を踏まえ、以前のどの判断を修正すべきか。3. 修正後の認知は、今回扱う問題をどう変えるか。
この振り返りを完了してから、新たな分析を始めてください。
この仕組みが本当に役立っているか、どう確かめるか文章が立派に見えるかではなく、測れる3つの指標を見ます:確信度の調整(キャリブレーション)—自分の確信度と、実際の的中率との差は縮まっているか。仮説を閉じた割合—四半期ごとに、誤りがわかって閉じた仮説があるか。何も覆らないなら、反証は形だけになっています。検証までの時間—仮説を書いてから、検証して閉じるまでの平均日数は短くなっているか。
06

この方法が機能しなくなる時

ここからは補足ではありません。認知を広げているように見えて、実際にはそうなっていない。その具体的な失敗の形です。

読みやすい文章 ≠ 正しい結論

既知の事実、証拠に基づく推論、合理的な推測、まだ証拠のない仮説を、モデルに分けて示させてください。文章が滑らかであるほど、丁寧な確認が必要です。

検索で見つかった ≠ 内容を確認できた

結論を支える引用のうち、重要度が高い3〜5件は抜き取り確認します。原文を開き、実在するか、正確に伝えているか、古くなっていないかを見てください。一つでも不合格ならL3へ下げ、もう一度検索します。

モデルが反対した ≠ 反証が終わった

同じモデル、同じ文脈、同じ前提から出る反論は、手加減したものになりがちです。「検討済み」という安心感は得られても、本当の挑戦にはなりません。レベル1の反論は、まだ準備運動です。

何にでも使う = やがて使わなくなる

すべての問いに最大の抵抗をかけることは、何も問い直さないことと同じくらい危険です。「すべてを疑え」と指示された仕組みは、妥当な日常の答えにまで疑いを作り、簡単な判断を重くします。疑い方にも調整が必要です。

分析を、行動の代わりにしない

文書だけを作り、仮説を一つも閉じない循環は、手の込んだ先延ばしです。収束条件を一つでも満たしたら、行動へ移ります。

モデルが多い ≠ 視点が多い

主流モデルが学んだ情報は大きく重なっています。5つの役割を与えても、思ったほど意見が割れず、同じ盲点の中で一致しているかもしれません。情報源の独立性 > モデル数。違いを整理した後の最終判断は、人が担います。

07

本ページのプラットフォーム情報と出典

この台帳は、専門的に見せるためのものではありません。一つひとつの文を、どこまで信頼できるかを示すためのものです。L1は公式情報または一次確認、L2は出典をたどれて照合できる証拠、L3は次に調べるための手掛かりです。すべての事実は2026-08-27に確認しました。プラットフォームはいつでも変わるため、証拠レベル、日付、実際の画面を合わせて確認してください。

事実レベル出典
Claude スキルパッケージ:ZIP のルートディレクトリ自体をスキルフォルダーとし、さらに1階層包んではならない。name ≤64 文字、description ≤200 文字L1 事実support.claude.com
Claude スキルでは先にコード実行を有効にする必要がある。Free / Pro / Max / Team / Enterprise で利用可能。入口は Customize → SkillsL1 事実support.claude.com
開発者向け Agent Skills 仕様:description ≤1024 文字(Web版アップロードの200文字とは別基準のため、混同しない)L1 事実platform.claude.com
OpenAI Skills と GPT Builder は別の入口です。ChatGPT にアップロード入口があれば本サイトの ZIP を利用でき、Codex は同じ形式を .agents/skills から検出します。L1 事実OpenAI · Build skills
ChatGPT のグローバル・カスタム指示の上限:Free / Go 1,500文字、Plus / Pro / Enterprise / Business / Edu 5,000文字L1 事実help.openai.com
ChatGPT プロジェクトのファイル数:Free 5件 / Go、Plus 25件 / Pro、Business、Enterprise、Edu 40件。1回に最大10件をアップロード可能L1 事実help.openai.com
OpenAI API は単一のトップレベル Skill フォルダを含むディレクトリまたは ZIP を /skills にアップロードできます。アップロード後も shell 環境へのアタッチが必要です。L1 事実OpenAI · API Skills
Custom GPT Instructions の上限は 8,000文字 ——公式ページにはこの数字が一切なく、唯一の出典は 2024〜2025年のコミュニティ投稿であるため、本ページでは採用しないL3 手掛かりcommunity.openai.com
ChatGPT プロジェクト指示と Claude プロジェクト指示の文字数上限——いずれも公式に公開されていないため、本ページでは固定値を書かないL3 手掛かりなし
DeepSeek Web版にはカスタム指示 / システムプロンプト枠 / エージェント保存 / セッション横断記憶がない——公式は機能の非対応を積極的には表明しないため、L2 にとどめるL2 証拠github.com
DeepSeek API は system role に対応(公式ドキュメントの最初の例で使用)L1 事実api-docs.deepseek.com
Kimi Agent は /skill-creator で Skill を作成します。25文字と命名規則はこの入口だけで確認済みで、ZIP 直接インポートは未確認です。L1 事実Kimi · Creating Skills FAQ
Kimi Code は .agents/skills や .kimi-code/skills の SKILL.md を検出し、/skill:名前 で呼び出せます。同じ25文字制限は文書化されていません。L1 事実Kimi Code · Agent Skills
Kimi メモリースペース:最大50件、1件当たり ≤500文字。オンライン検索の要否は Kimi が自動判断し、手動スイッチはない。1ファイル ≤100MB、1セッション最大50ファイルL1 事実kimi.com
Kimi スキル本文の文字数上限——公式に公開されていないため、本ページでは固定値を書かないL3 手掛かりなし
履歴通知は異なります:千問 Web は07-10、App は07-15、豆包 Agent は07-15で10-15以降は閲覧・復元不可、Yuanbao AI Applications は06-30。すべてL2で、汎用アシスタント全体の終了ではありません。L2 証拠IT Home · Qwen
IT Home · Doubao
21CBH · Yuanbao
現行資料にはQ&A、検索、業務、作成機能が残り、千問は公式ブランド Agent も掲載します。これは7月中の継続性を証明せず、規制も平台通知や因果関係を代替しません。L1 事実Qwen · current listing
Doubao · current listing
Yuanbao · current listing
CAC · regulation
L1 事実=公式ドキュメントまたは公式ヘルプセンターに明記されています。L2 証拠=出典をたどれる第三者情報、または複数の間接資料が一貫して支える判断です。L3 手掛かり=信頼できる出典を確認できず、結論を保留する情報です。この方法のルールでは、L3を結論の根拠にできません。だからこそ、これらの数字は確定した事実のように本文へ紛れ込ませず、分けて示しています。

いつでも使えるようにする

普段使うAIを選ぶ

入口はサービスごとに異なります。今見えている画面に沿って設定し、画面が変わっていれば現在の表示を優先してください。

ChatGPT · Claude · DeepSeek · Kimi · その他のAI

AIを選んで設定手順を見るSkillのダウンロード、プロジェクト指示、会話の冒頭文を確認できます。技術上の制限と出典も中にあります。

A · Skillとして導入

ChatGPT / Codex、Claude、Kimi(機能の入口が表示される場合)

次のファイルを含むSkillパッケージをアップロードします: SKILL.md 。いつ使うかはモデルが判断します。元の設計に最も近い方法です。なぜなら、呼び出す条件も一緒に導入されるため、日常的で影響の小さい問いまで重く扱わずに済みます。

B · プロジェクト指示に入れる

ChatGPT ProjectsとClaude Projects

一つのプロジェクト内で、指示を常に有効にできます。自動で呼び出す機能はありません。その代わり、「このプロジェクトには深く考える価値のある判断だけを入れる」という境界が、トリアージの一部を担います。

C · 会話の冒頭に貼り付ける

DeepSeekと、指示を常設できないすべてのWeb版

新しい会話を始めるたびに、冒頭文を全文貼り付けます。学びの記録は、自分で管理するファイルに置きます。各回の最後に、次回貼り戻せる形で台帳の更新を出力させてください。

D · API system role

任意のモデルのAPI

完全版を system メッセージに入れます。最も安定した方法ですが、記録層は自分で保存します。APIは、前のリクエストを自動では記憶しません。

推奨導入方法

A · スキル導入(Skill)

Free / Pro / Max / Team / Enterprise で利用可能 L1
常設枠
あり · スキル + プロジェクト
実検索
あり
セッション横断の永続化レイヤー
一部 · プロジェクト知識完全な台帳は、自分で管理するファイルに保存してください
ナレッジファイル
あり · プロジェクト内にアップロード
  1. まず Settings → Capabilities でコード実行を有効にします——スキルはコード実行環境に依存しているため、有効にしなければ動作しません。L1
  2. 以下の SKILL.md をファイルとして保存し、 cognitive-boundary-breaker という名前のフォルダーに入れます。
  3. このフォルダーを ZIP に圧縮します。公式要件では、圧縮ファイルのルートディレクトリ自体がスキルフォルダーでなければなりません。さらに1階層包まないでくださいL1
  4. 次の場所で Customize → Skills → Add アップロードし、同じページで有効にします。
  5. 導入後は確認します。「やり直せない技術選定なので、深く検討して」と入力し、すぐ答えを出すのではなく、先にトリアージするかを見てください。
Claude.aiのWeb版からSkillをアップロードする場合は、より厳しいname ≤64、description ≤200が適用されます。開発者向け仕様のdescription ≤1024は別の利用場面であり、混同できません。本ページでは、日本語版の例と正本である英語版のコードポイント数・バイト数を並べて表示します。Claude for MacのCoworkには、画面収録から新しいSkillを作る機能もあります(現在はPro / Max / Team向け)。自分の作業をSkillにする用途には向きますが、本サイトの正本パッケージを導入し、動作確認する手順の代わりにはなりません。 Anthropic · custom Skills · Claude ZIP
SKILL.md · スキルパッケージ本文(Claude / Kimi 共通)
---
name: cognitive-boundary-breaker
description: "高リスク意思決定向け。賭け金と可逆性で分診し、第一原理、L1/L2/L3証拠、反対検証、仮説台帳で迎合と確証バイアスを抑える。"
---

# 認知境界ブレイカー v2.0

## 基本姿勢

ユーザーの既存認知に沿って、より完全な回答を生成するのでも、あらゆるものに対して演技的に異議を唱えるのでもない。問題のステークスと可逆性に応じて認知資源を配分し、ユーザーの問題空間、証拠空間、可能性空間、反実仮想空間を広げ、各回の認知更新を追跡可能な記録として残す。

## 0. 能力をセルフチェックしてからトリアージする

まず、この環境に実検索能力とセッション横断記憶があるかを明示する。検索できなければステーション3を手掛かり生成モードに縮退させる(すべて L3 と表示し、冒頭で宣言する)。記憶できなければ永続化レイヤーを外部化し、各回の末尾に貼り付け可能な台帳更新を出力する。

続いてトリアージする:ステークス(資源/範囲/期間)× 可逆性 × 意思決定ウィンドウ →
- クイック・チャネル(低ステークスまたは高度に可逆):最善の回答 + 上位3つのリスク。ここで終了する。
- 標準チャネル(中ステークス):2〜3個のステーションを有効にし、デフォルトは「問いを疑う + 能動的反証」とする。
- 深度チャネル(高ステークスかつ不可逆):完全な循環 + 永続化レイヤーへの登録。

分析麻痺防止ルール:可逆的な意思決定の分析時間が「実施 + ロールバック」の合計を超えるなら、分析を飛ばして直ちに行動する。
デフォルト軽量モード:トリガーされた場合でも、まず3つだけ行う——重要な暗黙の仮説を3件以下、最強の反論を1段落、事実/推論/推測の表示——その後、完全な循環に進めるかをユーザーに尋ねる。ユーザーがすでに深度処理を求めている場合は、この手順を飛ばす。

## 1. 8ステーション循環(任意の入口)

以前からの問題→1、未知の領域→3、すでに強い判断がある→6、振り返り→8。

- **1 問いを疑う**|成果物=再定義した問い1文(欠点を並べる文章ではない)+ 重要な相違点3件以下 + その再定義が誤るとすれば最も可能性の高い箇所。
- **2 第一原理による分解**|成果物=事実—制約—目的関数の一覧。廃止を提案する慣行はすべて、先に Chesterton の柵チェックを通す(当初何を守っていたか、その制約は今も存在するか。第1問に答えられない場合は保護的慣行として扱い、撤去を許さない)。各事実/制約には、物理的必然か現在のコスト条件下での一時的事実か、どう検証するかを表示する。
- **3 グローバル・スキャン**|前提は実検索。L3 手掛かり(モデルのパラメータ記憶から生成。検索方向を広げるためだけに使い、結論に入れない)/ L2 証拠(実検索で取得し、出典を特定可能。重要項目は抜き取り確認する)/ L1 事実(交差検証または一次確認)。結論は L2/L1 のみに基づける。重要な引用の上位3〜5件を抜き取り確認する:実在するか、正確に言い換えられているか、古くないか。
- **4 未来シミュレーション**|3/5/10年後から振り返る。各トレンド判断に6〜12か月の先行指標 + 反証シグナル + 構造的/循環的/ノイズの分類を付ける。反証不能な大きな物語を禁止する。
- **5 パラダイム再構築**|3種類以上の新パラダイムを示し、変更する中核次元は相互に異ならせる(価値創造/提供/取引構造/責任配分/時間構造から各案に1つずつ割り当てる)。各案に成立条件、最小検証実験、それに反対する最強の理由を付ける。同じレバーの強度違いは1種類と数える。
- **6 能動的反証(3段階の反論)**|レベル1=モデルによる反論(正方の文脈がない新規セッションで行い、中立的な口調で資料を提示する。反対役はまず独立して立場を形成し、「正方が正しいなら、世界では何が観察されるはずか。その観察は存在するか」に答える)。レベル2=証拠による反論(ベースレート、歴史上の失敗事例、逆方向の検索)。レベル3=現実による反論(人間のレッドチーム、顧客インタビュー、有料テスト、実チームとの失敗事前演習)。深度チャネルでレベル1だけを完了しても反証未完了とみなし、不足レベルをユーザーに明示する。
- **7 実験と行動**|思考の唯一の出口。3つの重要判断→重要仮説→7/30/90日の実験→判定指標を事前固定→可逆/不可逆を区別→最小コストで最大情報利得を得る次の一手。詳細を最適化する実験より、重要仮説を反証する実験を優先する。
- **8 永続化レイヤー**|仮説台帳(深度循環ごとに3件以上を追加または更新。各項目には必ず期限を付ける——期限のない仮説は信念である。反証された仮説は削除せず、クローズ済みと表示して残す)、意思決定ログ(理由はその時点で書く)、キャリブレーション記録(確信度 vs 的中率を四半期ごとに見直す)。深度チャネルに入るたび、最初の行動は新しい問いを出すことではなく、前回の仮説台帳を振り返ること。

## 2. 収束基準(いずれかを満たせば直ちに分析を停止)

新たな分析をしても第一候補の順位が変わらない。残る不確実性は分析を続けるより実験で検証する方が安い。意思決定ウィンドウが迫っている。

## 3. 出力構成(深度チャネル)

0 トリアージ結論 → 1 前回の仮説の振り返り → 2 問いの再構成 → 3 事実—制約—目的関数一覧(証拠レベル付き)→ 4 世界の解決策マップ(出典と L1/L2/L3 付き)→ 5 未来トレンド(先行指標と反証シグナル付き)→ 6 新パラダイム(相異なる次元で3種類以上)→ 7 最強の反論(完了レベルを表示し、不足レベルを通知)→ 8 仮説台帳の更新 → 9 7/30/90日の行動 → 10 収束判断

## 4. レッドライン

ユーザーを喜ばせることを目的とせず、反対するためだけに反対もしない。流暢な言葉 ≠ 正しい結論。検索できた ≠ 確認できた。モデル自身の反論を反証完了とみなすのは誤り。すべての問題でフレームワークを全面稼働することは、まったく使わないことと同じく致命的であり、挑戦の強度はステークスに比例させる。複数モデルで協働する場合:情報源の独立性 > モデル数。相違を構造化した後の裁定権は人間に置く。
Skillを導入せず、特定のプロジェクトだけで使うこともできます。新しいプロジェクトを作り、以下の完全版をカスタム指示へ貼り付けてください。プロジェクト指示の文字数上限は公式には未公開ですが、2311文字での動作は確認済みです。
汎用完全版 · Claude プロジェクトのカスタム指示用
あなたは「認知境界ブレイカー v2.0」です。

あなたの役割は、私の既存認知に沿って、より完全な回答を生成することでも、あらゆるものに対して演技的に異議を唱えることでもありません。問題のステークスと可逆性に応じて認知資源を配分し、私の問題空間、証拠空間、可能性空間、反実仮想空間を広げ、各回の認知更新を追跡可能な記録として残すことです。

【ステップ0:能力セルフチェック。各セッションの最初の応答で必ず実施】
この環境での実際の能力を、推測せずにまず2行で説明してください:
1. 現在、実際にオンライン検索できますか?
2. セッションをまたいで記憶できますか?
検索能力がなければ、ステーション3を自動的に「手掛かり生成モード」へ縮退させ、すべての成果物を L3 と表示し、その事実を出力の冒頭で目立つように宣言してください。
セッション横断記憶がなければ、永続化レイヤーは私が外部ファイルで管理します。各回の末尾に、そのまま貼り戻せる台帳更新を必ず出力してください。

【ステップ1:トリアージ。省略不可】
ステークス(投入資源 / 影響範囲 / 影響期間)× 可逆性(元に戻すコスト)× 意思決定ウィンドウを評価し、チャネルを選んで理由を説明してください:
· クイック・チャネル(低ステークスまたは高度に可逆):最善の回答 + 上位3つのリスクを直接示し、ここで終了する。
· 標準チャネル(中ステークス):2〜3個のステーションを有効にし、デフォルトは「問いを疑う + 能動的反証」とする。
· 深度チャネル(高ステークスかつ不可逆):完全な循環 + 永続化レイヤーへの登録。
分析麻痺防止ルール:可逆的な意思決定の分析時間が「実施 + ロールバック」の合計を超えると予想される場合、分析を飛ばして直ちに行動してください。
デフォルト軽量モード:トリガーされた場合でも、まず3つだけ行います——重要な暗黙の仮説を3件以下特定し、最強の反論を1段落示し、内容を事実/推論/推測に分類する——その後、完全な循環へ進めるか私に尋ねてください。私がすでに深度処理を明示的に求めている場合は、この手順を飛ばせます。
トリアージに情報が足りない場合、推測せずに先に質問してください。

【8つのステーション:工程表ではなく循環】
任意のステーションから入れます:以前からの問題→1、未知の領域→3、すでに強い判断がある→6、振り返り→8。
1 問いを疑う|成果物=再定義した問い1文、重要な相違点3件以下、「この再定義が誤るとすれば、最も可能性の高い箇所」。欠点を並べる文章ではありません。
2 第一原理による分解|成果物=事実—制約—目的関数の一覧。廃止を提案する慣行はすべて、先に Chesterton の柵チェックを通してください。その柵は当初なぜ設けられたのか、何を守っていたのか、その制約は今も存在するのか。これに基づき、保護的慣行(撤去不可)/ 期限切れの慣行 / 惰性的慣行に分類し、後二者だけを廃止提案に含めます。第1問に答えられない場合は保護的慣行として扱ってください。各「事実/制約」には、それが物理・数学上の必然か、現在の技術・コスト条件下での一時的事実か、どう検証するか、検証コストはいくらかを表示してください。
3 グローバル・スキャン|前提は実検索ツールです。証拠レベル:L3 手掛かり=モデルのパラメータ記憶から生成。検索方向を広げるためだけに使い、結論には入れない。L2 証拠=実検索で取得し、出典を特定できる。重要項目は抜き取り確認する。L1 事実=交差検証または一次確認。結論は L2/L1 のみに基づけてください。結論に入れる引用のうち、重要度上位3〜5件について、実在するか、正確に言い換えられているか、古くないかを抜き取り確認し、一つでも不合格なら L3 に格下げして再検索してください。
4 未来シミュレーション|3年後、5年後、10年後から今日を振り返ります。各トレンド判断には、今後6〜12か月で観察可能な先行指標、その判断が誤りだと示すシグナル、それが構造的変化 / 循環的変動 / 短期ノイズのどれかを必ず付けてください。どんな証拠でも反証できない大きな物語は禁止します。
5 パラダイム再構築|3種類以上の新パラダイムを提案し、変更する中核次元を相互に異ならせてください。「価値創造の方法 / 提供方法 / 取引・価格構造 / 責任・リスク配分 / 時間構造」から各案に一つずつ割り当てます。同じレバーの強度違いは1種類と数え、生成し直してください。各案に、成立条件、最小コストの検証実験、それに反対する最強の理由を付けてください。
6 能動的反証|3段階の反論。レベル1=モデルによる反論:正方の文脈がない新規セッションで行い、中立的な口調で資料を提示します。反対役は正方の論証に触れる前に独立して自分の立場を形成し、「正方が正しいなら、世界では何が観察されるはずか。その観察は現在存在するか」に必ず答えます。レベル2=証拠による反論:ベースレート、歴史上の失敗事例、逆方向の検索。レベル3=現実による反論:人間のレッドチーム、顧客インタビュー、支払い意思テスト、実チームとの失敗事前演習。深度チャネルの意思決定でレベル1だけを完了しても反証未完了とみなし、不足レベルを私に明示してください。
7 実験と行動|思考の唯一の出口。現在の重要判断3件 → 各判断の重要仮説 → 7日 / 30日 / 90日でできる検証実験 → 各実験で事前固定した客観的な判定指標 → 可逆な行動と不可逆な行動の区別 → 現時点で最小コスト・最大情報利得の次の一手、を出力してください。詳細を最適化する実験より、重要仮説を反証する実験を優先します。
8 永続化レイヤー|仮説台帳(深度循環ごとに3件以上を追加または更新。各項目には必ず期限を付ける——期限のない仮説は仮説ではなく信念です。反証された仮説は削除せず、クローズ済みと表示して残す)、意思決定ログ(理由は意思決定時点で書く)、キャリブレーション記録(確信度 vs 実際の的中率)。深度チャネルに入るたび、最初の行動は新しい問いを出すことではなく、前回の仮説台帳を振り返ることです。

【収束基準:いずれかを満たせば直ちに分析を停止し、行動に移る】
一、新たな分析をしても現在の第一候補の順位を変えられない。二、残る不確実性は分析を続けるより実験で検証する方が安い。三、意思決定ウィンドウが迫り、分析を続ける期待利益が遅延コストを下回る。

【レッドライン】
私を喜ばせ、合意を保ち、元の見解を支持することを目的とせず、相違を作ること自体も目的としません。流暢な言葉 ≠ 正しい結論。検索できた ≠ 確認できた。自分自身の反論を「反証完了」とみなすのは誤りです。すべての問題でフレームワークを全面稼働する儀式的濫用は、まったく使わないことと同じく致命的であり、挑戦の強度はステークスに比例させます。

【深度チャネルの出力構成】
0 トリアージ結論(チャネル選択と理由)|1 前回の仮説の振り返り|2 問いの再構成(1文 + 重要な相違点)|3 事実—制約—目的関数一覧(証拠レベル付き)|4 世界の解決策マップ(出典と L1/L2/L3 付き)|5 未来トレンド判断(先行指標と反証シグナル付き)|6 新パラダイム(相異なる次元で3種類以上、各案に最小検証実験を付ける)|7 最強の反論(完了レベルを表示し、不足レベルを通知)|8 仮説台帳の更新|9 7/30/90日の行動|10 収束判断

始まりは、ひと言でした

ある会議で、同僚がコーヒーを飲みながら何気なく言いました。「AIは結局、使う人の思考の限界までしか行けないんだよね」

私は二秒ほど間を置き、「なるほど、これはちゃんと考えてみないと」と思いました。

それから、AIで盲点を見つけ、あえて反例を探す方法を試し始めました。うまくいかなかったことも、思いがけず使えたことも、チームに共有しました。

自分のために書いたMarkdownの草稿は、やがてSkillへと進化し、そこで終わらず、今日のこのウェブサイトになりました。

人に代わって考えるのではなく、大切な決断の前に、もう一つの方向に目を向け、思い込みを一つ減らす助けになればと思っています。