はじめに
AIを使って自然言語を活用する機会が増え、開発現場やコミュニティで「言語化」が強く求められるようになりました。
期待通りの言葉でアウトプットし続ける人が評価される一方で、「上手く言葉にできない」「どう振る舞えばいいか分からない」と、勉強会での発表や質問にハードルを感じて参加を躊躇してしまう人たちを見かけることがあります。
しかし、本当に「完璧な言語化」だけが正義なのでしょうか?
この記事では、言語化が持つ認知プロセス(解釈・構造化・表現・整形・出力)を独自の視点と実践知から紐解き、認知科学の「SRKモデル(Skill / Rule / Knowledge)」や生成AI時代における人間の役割を重ね合わせながら、「言葉にできないもの」が持つ本質的な価値について考えます。
チーム内勉強会を3年間運営する中で見えてきたのは、単なる事実(データ)だけでなく「なぜその選択をしたのか」という経緯や価値基準を残す大切さと同時に、まだ言葉になっていない身体知や違和感を抱えているメンバーの存在でした。
勉強会とは、完璧な正解を発表したり論理的な質問を投げたりする試練の場ではありません。
その場でしか得られない「ライブ感」や「熱量」という生の体験(刺激)を受け取り、自分自身の感触を持ち帰る場所であってほしいと願います。
言語化しきれなくても、受け取った刺激を自分の手元で手繰り寄せ、次の行動や仲間との新たな繋がりへ繋げていく具体的なアクションまでを提案します。
勉強会運営3年で見えた「なぜ(経緯・理由)」を語る価値と言語化の壁
勉強会運営では「勉強会でしか得られない価値」に焦点をあててきました。
単なる事実や仕様といった一次情報であれば、ドキュメントを読めば事足ります。もちろん事実や経緯も必要な背景情報ではありますが、私たちが本当に知りたいのは「なぜ、どうして、どう判断したのか」という部分です。
案件の現場で起きたことに対して、担当者自身がどう感じ、事実や情報をどう解釈し、何を大事にして判断したのか。その人しか得られなかった気づきや価値観、暗黙知に向き合い、浮き彫りにするプロセスから生まれる情報にこそ、かけがえのない価値があると考えます。
【図解】一次情報(ドキュメント)と勉強会で引き出す「なぜ・判断基準」
flowchart TD
subgraph Doc["一次情報(ドキュメントで事足りる知識)"]
D1["事実・仕様・結果<br/>(非同期で誰でも読めるデータ)"]
end
subgraph Real["勉強会でしか得られない価値(本当に知りたいこと)"]
P["担当者の内面・頭の中"] -->|対話で引き出す| R1["「なぜその選択をしたのか?」<br/>現場でどう感じ、何を大事にして判断したか"]
R1 --> R2["その人固有の暗黙知・実践知・価値基準"]
end
Doc -.->|それだけでは見えない| Real
私たちが3年間続けている勉強会は、個別のプロジェクトの成果を報告するためではなく、プロジェクトを横断してチーム・コミュニティ全体のベースを高めるために行っています。
まず発表者が、自分の感じたことや気づきを浮き彫りにしてチームへ持ち寄る。それを聞いたメンバーが気づきを吸収し、「自分ならどう感じるか」「なぜそう判断したのか」という疑問を発言してもらう。すると、その問いを通じて発表者自身もまた新たな気づきを得ることができます。この「気づきと問いのサイクル」を回していき、チーム全体で改善点や反省、次の新しい取り組みを検討していくことで、勉強会をチームの価値に繋げようとしています。
しかし、この「気づきと問いのサイクル」を回そうとしたときに、「言語化」という行為を誰もが当たり前のようにできるわけではありませんでした。
勉強会で発表や発言をしようとすると、そこには大きく2つの「言語化の壁」が立ちはだかると感じました。
【図解】勉強会で立ちはだかる2つの「言語化の壁」
flowchart TB
Start["勉強会で発言・発表しようとするメンバー"] --> Wall1["【壁①】プレッシャーと確証のなさ<br/>・ちゃんとした言葉で説明しなければ…<br/>・知識や概念を知らず合っているか確証が持てない<br/>・周囲からチェックされているような緊張感"]
Start --> Wall2["【壁②】直感と後付け説明のギャップ<br/>・直感では「こっちが良い」と確信がある<br/>・しかし他人に伝わる理由や言葉が浮かばない<br/>・後付けの説明に変換しようとして言葉に詰まる"]
Wall1 & Wall2 --> Block["発言や発表へのハードルとなり、参加を躊躇してしまう"]
1つ目は、「ちゃんとした言葉で説明しなければならない」というプレッシャーと確証のなさです。
実際に自分が担当する案件は、初めての出来事やイレギュラーの連続です。「過去のあの案件と同じ対応をすればいい」と単純に同定して語れることはほとんどありません。まだ知識や概念を十分に知らない段階では、「この言葉で合っているのか分からない」「他の人から事実と違うと指摘されるのではないか」と確証を持てず、まるで周囲からチェックを受けているような感覚になり、発言への高いハードルになってしまいます。
2つ目は、自分の中に直感的な「確信」はあっても、それを「後付けの説明」として言葉に変換する難しさです。
これまでの経験や状況の俯瞰から「こっちの方がいいはずだ」「こうすればスマートになる」と直感的に確信して判断できていたとしても、いざそれを他人に伝わる理由として後から説明しようとすると、適切な言葉が思いつかなかったり、当てはまる概念を知らなかったりして言葉に詰まってしまうことは珍しくありません。
私たちはチームで何かに取り組んでいる以上、業務の中で十分な言語化を求められる場面が多々あります。さらに近年は、AIを使うことが当たり前になり、AIに指示を伝えるために「言語化」する機会まで急増しました。こうした環境の変化も相まって、「うまく言語化しなければならない」というハードルはますます高くなっていると感じています。
【図解】日常業務とAI普及による言語化プレッシャーの急増
flowchart LR
subgraph Env["日常を取り巻く2大言語化プレッシャー"]
B1["🏢 チーム・日常業務<br/>・行動の経緯や選択理由の説明責任<br/>・成果報告や共通認識合わせ<br/>➔ 常に言語化を求められる"]
B2["🤖 生成AIの急速な普及<br/>・AIに意図を伝えるプロンプト作成<br/>・テキストで指示・壁打ちする機会<br/>➔ 言語化の頻度が急増"]
end
Env ==> Pressure["「うまく言語化しなければならない」という<br/>ハードルとプレッシャーがますます高まる"]
言語化の5プロセスとSRKモデルから紐解く「言葉にならない価値」
では、学んだことや有益な情報をすべて「言語化」することは可能なのでしょうか。
言語化の5プロセス
言葉を使って何かを伝えようとするとき、そこには意識的な部分もあれば無意識的な部分もあります。
普段から文章を書いたり人に話したりすることに慣れている人は、これから紹介するプロセスを意識しなくても、無意識のうちに通り抜けて言葉を出力することができます。
一方で、知ったことを伝えようとするときに1つずつ順番に丁寧にステップを踏む人もいて、その過程を紐解くと、言語化には次の5つのプロセスがあると私は考えています。
- 解釈:調査したり見聞きして知覚した情報に対して、「これはどういう意味なのか」を受け止める段階です。すでによく知っている領域であれば、「ああ、こういうことだな」と無意識のうちにこのステップを通過することもあります。
- 構造化:解釈した情報が「自分とどう関係するのか」「自分がすでに持っている知識や内側の感覚とどう結びつくのか」を整理する段階です。似ている概念や反対の言葉、既知の情報との対応関係を作ることで、自分の内側で理解の骨組みを作ります。
- 表現:自分の内側で構造化したものを、「相手に向けてどう表(おもて)側に出すか」を選定する段階です。頭の中で結びついた構造のすべてをそのまま相手に伝える必要はないため、相手にとって必要な情報をどの切り口・どの粒度で切り取って伝えるかを絞り込み、具体的な表現方法を選びます。
- 整形:思い浮かんだ表現に対して、「本当にこれで相手に伝わるだろうか」「これを伝えて問題ないかな」「伝え方にによってはネガティブな印象を与えてしまうかも」と頭の中で検証し、情報の品質や適切さを整える段階です。
- 出力:ここまでのプロセスを経たものを、実際の声や文字として外へアウトプットする段階です。
ただ、このプロセスは単純に1から5へ一直線に進むものではありません。実際には「出力」に至るまでの間、「解釈・構造化・表現・整形」の4つのプロセスを往復したり繰り返したりしますし、順不同でどこから入るかが入れ替わることもあります。そうやって行き来する中で少しずつ言葉が形作られていったり、なんなら会話の中で初めて自分の意見や主張が固まったりすることも多くあります。そのような手ごたえや感触を、皆さんも感じたことがあるのではないでしょうか。
言語化によって失われる「身体知」
では、この5つのプロセスを経て無事に言葉を「出力」できさえすれば、自分の体験や感覚は相手に100%伝わるのでしょうか。結論から言えば、答えは「ノー」です。なぜなら、言語化による伝達には「2段階の情報の欠落(変容)」が避けられないからです。
1段階目は、体験や身体知を「言葉に変換した瞬間」に起きる情報の欠落です。
先日発信された楽器の演奏をテーマにした記事(『おい、言語化しろ』)でも指摘されていたように、演奏者が身体で体現している技術や感覚(身体知)を「言語化」した瞬間、その人が実際に演奏したという生の行為や技法から離れ、言葉という枠組みに合わせて膨大な情報が削ぎ落とされてしまいます。
私たちが普段やり取りする言葉、とりわけテキストベースの情報は、驚くほど多くのものが削ぎ落とされた状態です。たとえば今こうして私が話している言葉も、目の前で聞いている人には「どういう人物が、どんな空気感や表情で話しているか」が伝わりますが、テキストだけを受け取った人には、話し手がどんな人で、どんな状況でその言葉を発したのかすら分かりません。言葉として伝えることはできても、その背後にある話し手自身の定義や経験、記憶までは、言葉の中にそのまま引き継がれないのです。
2段階目は、出力された言葉を「受け手が解釈する瞬間」に起きる再構築です。
仮に当時の記憶や背景を丁寧に添えて語ったとしても、話し手が自分の認識や経験を通して出力した言葉は、今度は「受け手自身の知識・経験・感じ方」によって新しく解釈され、再構築されます。話し手と受け手では歩んできた経験が異なりますし、たとえ似たような経験をしていたとしても、人によって感じ方や解釈は異なります。そのため、同じ言葉を受け取っても、話し手が最初に感じた体験と、受け手の中で再構築された情報が100%一致することはあり得ません。
このように、言語化とは非常に有用で必要なプロセスでありながら、「言葉にした時点で話し手の身体知から大きな情報が失われる」「受け手の解釈に委ねて再構築されるため、元の体験がそのまま100%伝わるわけではない」という限界を常に抱えています。
SRKモデル
ここまでは、私自身の勉強会での観察や経験に基づく主観的な考察・モデル化をお話ししてきました。では、客観的な視点からはどう言えるでしょうか。ここで、認知心理学や人間工学の分野で広く知られている「SRKモデル(Skill / Rule / Knowledgeの3階層モデル)」を用いて、人の行動と「言語化されない領域」について解説します。
芳賀 繁 (2006). 予防安全と心理学. 計測と制御, 45(8), 721-725.
※ Jens Rasmussen (1983) の原典(Skills, Rules, and Knowledge)に基づくラダーモデルを引用。人間が状況を認知し行動に至るプロセスを「技能」「規則」「知識」の3層の梯子(ラダー)としてモデル化したもの。
【図解】ラダーモデルの3階層とショートカット構造
flowchart TB
subgraph K["【知識ベースの行動】(シンボル・高負荷・言語化可能)"]
K_ID["同定"] --> K_DEC["決定・課題選択<br/>(ゴールに基づく)"] --> K_PLAN["計画"]
end
subgraph R["【規則ベースの行動】(サイン・中負荷・ルール適用)"]
R_REC["再認"] --> R_ASSO["連合(事態/課題)"] --> R_RULE["貯蔵された規則の検索"]
end
subgraph S["【技能ベースの行動】(シグナル・無意識・言語化困難)"]
S_FEAT["感覚入力 ➔ 特徴形成"]
S_ACT["自動化された感覚運動パターン ➔ 行為"]
end
%% ラダー(梯子)の昇降とショートカット
S_FEAT -->|シンボル| K_ID
S_FEAT -->|サイン| R_REC
S_FEAT ==>|無意識の自動処理(直結)| S_ACT
K_PLAN --> R_RULE
R_RULE --> S_ACT
SRKモデルでは、人間の行動や判断を次の3つの階層で捉えます。
- Knowledge(ナレッジベース):未知の情報や初めての状況に向き合う領域です。まだ正解ややり方が分からないからこそ、外から情報を収集し、その情報をもとに頭を使って意識的に判断・行動します。
- Rule(ルールベース):ある程度予測ができる既知の情報を扱いながら対応する領域です。知識だけでなく、これまでの自分の行動や経験に基づいて「あのときと同じパターンだ」「こうすればこうなるだろう」と同定し、自分の中の規則(ルール)に従って行動します。
- Skill(スキルベース):既知か未知かといった意識すら超えて、自然とそう判断し、直感的に行動できる領域です。言葉や意識を介さず、身体が自動的に反応して動ける仕組みを指します。
わかりやすい例として、「自転車に乗るプロセス」を思い浮かべてみてください。
生まれて初めて自転車という乗り物を目にしたとき、たとえ「座るところがある」と分かっても、それをどうやって動かすのか、どうすれば乗れるのかは自分の内側にはまだ存在しない「未知の情報」です。誰かに「またがって足でペダルを漕ぐんだよ」と教わったり、人が乗っている姿を見たりして、自分の中にはなかった未知の情報を外から仕入れながら試していく。これが Knowledge の段階です。
【自転車の例①】Knowledge段階:未知の情報を外から仕入れる
flowchart LR
Unk["自転車の乗り方が未知<br/>(どう動かすか体内にない)"] --> Learn["人に教わる / 乗る人を観察 / マニュアルを見る"]
Learn --> Try["真似して恐る恐る跨ってみる(頭で考えながら試行)"]
そうして未知だった情報が「既知」へと変わり、実際に練習して転んだりする経験を重ねるうちに、「止まると転ぶから漕ぎ続けなければならない」「ハンドルを無理に切るのではなく、体重を傾ければ曲がれる」といった法則を認識し、自分の中で言語化・パターン化された規則として掴んでいきます。これが Rule の段階です。
【自転車の例②】Rule段階:転びながら規則・パターンを掴む
flowchart LR
Exp["実際に練習して転ぶ経験"] --> Rule["規則(ルール)を認識・パターン化<br/>・「止まると倒れるから漕ぎ続ける」<br/>・「曲がるときは体重を傾ける」"]
Rule --> Act["ルールに従って意識的にコントロールできる"]
そして最終的には、そうした規則や手順すら何も意識しなくても、自転車に跨れば自然とペダルを漕いで進めるようになります。これが Skill の段階です。
【自転車の例③】Skill段階:身体知化と「言語化できない」正体
flowchart TB
Auto["無意識の自動化(Skill)<br/>・何も意識せず跨ればスイスイ漕げる<br/>・口笛を吹きながらでも乗れる"] --> Body["身体が自然に反応(身体知)"]
Body -.-> Ask["人に「どうやって乗ってるの?」と聞かれると…"]
Ask --> Hard["「体で覚えちゃってるから説明が難しい」<br/>「乗れば乗れるじゃん」となり言葉にならない<br/>➔ これが【スキルベースの言語化できない正体】"]
このように、人が何かを習得して行動する裏にはSRKモデルが働いています。先ほど「言語化によって身体知が削ぎ落とされる」とお話ししましたが、まさにこの認知科学のSRKモデルが示す Skill(スキルベース) こそが「言語化されない領域」であり、人間は「すべてを言語化しなくても、何かを成し遂げることができる」のです。
同時に、前章で触れた「直感的に確信して判断できるのに、後付けでうまく説明できない壁」の正体もここに見えてきます。
本人が「こっちの方がいいはずだ」と直感で動けたのは、すでに Skillベース で行動できていたからに他なりません。無意識のSkillでやっていたことをそのまま他人に伝えようとしても、言葉にならなくて当然なのです。それをみんなが分かる形で共有するためには、「自分はSkillベースでやっていたんだな」と自覚した上で、あえて一段前の Ruleベース(規則・パターン) に下ろしてみたり、説明する言葉や知識が足りなければ一度わざと Knowledgeベース に戻って情報を集め直したりする、というアプローチが必要になってきます。
AI時代の2つの言語化:AIの生成と、人間が自らの体験から立ち上げる言葉
しかし、近年AI(生成AI)が急速に普及したことで、この「言葉にする」という行為を取り巻く風向きが大きく変わり始めています。プロンプトひとつで自然な文章や綺麗なスライド構成、ドキュメントを瞬時に吐き出してくれるAIを見ていると、「AIも人間と同じようにSkillベースで言葉を扱えているのではないか?」と思えるかもしれません。
では、人間のSRKモデルによる言語化と、AIが生成する出力は何が違うのでしょうか。
AIは、Web検索などで未知の情報を集めたり(Knowledge)、すでに言語化された膨大な既知のデータからパターンを学習し、「このテキストの次にはどんなテキストが来る確率が高いか」を計算して最適な文字列を出力したりする仕組み(Rule)です。つまり構造上、AIは「KnowledgeとRuleの巨大な集合体」であり、この2つの情報処理を極めて高速かつ強力にこなせる存在だと言えます。
しかし、AIは身体を持たず、「体で覚える(身体知)」という実体験を持っていません。言葉にできないけれど自然と身体が動いてしまうような Skill(身体知) は備わっていないのです。
だからこそ、AIが当たり前になった今の時代において、私たちが「言葉にする(言語化する)」という行為には次の2つの異なる側面(目的・フォーカス)があることを意識する必要があります。
1. Skillベースにある「自身の身体知や現在値」を言語化する行為
自分自身の身体的な経験、記憶、モヤモヤとした違和感、悔しさ、喜びといった「まだ言葉になっていないSkillベースの領域」を起点に、他者に渡せるRuleやKnowledgeへとあえて引き上げる行為です。言語化によって多少の情報が削ぎ落とされることは覚悟の上で、他者に伝えられる共有可能な情報へと置き換えていきます。
2. Rule・Knowledgeベースにある「大量の情報・パターン」を言語化・構造化する行為
AIが持つ膨大な知識やルールのパターンを活用しつつ、人間自身が文脈(目的や制約)を与え、相手に届く最適な形へと構造化・整形して手渡す行為です。
AIという強力な道具を頼り、スライドや文章の「構造化」や「整形」といったRule・Knowledge領域の作業を効率化することは素晴らしいことです。しかし、自分の原体験がないまま、何もなかった空間からAIに自動生成させただけの言葉は、どれほど綺麗に整っていても「私の言葉」ではありません。
AIを使いながら言語化する上で本当に大切なのは、この1(自身の身体知・原体験から言葉を立ち上げること)と、2(AIも扱えるRule・Knowledgeの領域で言葉を組み立てること)の2つを行き来することです。
人間が体験し、悩み、意思決定をした「経緯」からしか生まれ得ない言葉こそが、AI時代において人間が残すべき真の価値なのです。AIが整形や生成を担ってくれる時代になったからこそ、私たちは「人間として何を感じ、何を自らの言葉として立ち上げるのか」という原点の部分にフォーカスする必要があります。
外側にいる人たちとも一緒に学びたい理由と勉強会のハードルの下げ方
ここまで見てきたように、「言語化」という行為を苦手に感じ、勉強会の輪の「外側」で躊躇してしまう人は少なくありません。しかし私は、そうした外側にいる人たちともぜひ一緒に学び、交わっていきたいと強く思っています。
その理由の1つは、言葉にするのが苦手な人の中にも、必ず素晴らしい身体知(Skill)が眠っているからです。
勉強会というと、どうしても「流暢に言葉にできている人が素晴らしい」という印象を与えてしまいがちです。しかし、世の中の熟練の職人さんのように、言葉で説明するのは得意ではなくても、極めて秀でた能力や実践の知恵を持っている人は必ずいます。
たとえ本人が完璧に言語化できていなくても、「相手がどういうことを言語化しようとしているのかな」「このたどたどしい言葉の奥に、まだ言語化されていないどんな身体知があるのだろう」と受け手が想像し、耳を澄ませて手繰り寄せていく。そうした寄り添いの視点を持つことができれば、言葉の巧拙に囚われることなく、その人が持つ生きた知恵から深く学ぶことができます。
【図解】言語化の手前にある「身体知」へのリスペクトと寄り添い
flowchart LR
subgraph SPEAKER["【話す人(職人・実践者)】"]
S_SKILL["卓越した身体知・優れた感覚(Skill)<br/>※言葉にするのは得意ではない"]
S_TRY["たどたどしい言葉・未整理の感想"]
S_SKILL -.->|うまく言葉にできない| S_TRY
end
subgraph LISTENER["【受け手(参加者・仲間)】"]
L_LISTEN["表面的な言葉の巧拙だけで判断しない"]
L_IMAGINE["「この言葉の奥にある身体知は何だろう?」<br/>と想像し、耳を澄ませて手繰り寄せる"]
end
S_TRY -->|表面的な言葉| L_LISTEN
L_LISTEN ==>|寄り添い・問いの投げかけ| S_SKILL
もう1つの理由は、会全体・チーム全体のボルテージ(熱量)とベースを引き上げていくためです。
一部の発表が得意な人たちだけで盛り上がるのではなく、全員が各自の身体知から落とし込んだ感覚や、未知から仕入れてきた知識、現場で培ったルールのパターンを持ち寄る。そうやって持ち寄ったものを言語化し、みんながある程度解釈を揃えられる「共通の情報基盤(情報媒体)」を築いていくことこそが、勉強会の真の醍醐味です。
ここで重要なのは、「言語化した言葉そのものは100点(完璧な最終成果物)である必要はない」ということです。言語化はあくまで、参加者全員が解釈を深め、各自の現場での行動や実践を100点にしていくための「中間成果物(触媒)」に過ぎません。
では、どうすればそのハードルを下げ、価値を共有できるのでしょうか。
その答えは、「最初から綺麗に言語化して『整形』しなくてもいい」と割り切ることです。
人と人が話すとき、立派で建設的な意見を出し合う必要はありません。お互いに顔を合わせて少し声をかけ合うだけでもいいし、「今の発表、わかった/わからなかった」「ここがなんだか面白かった」と、言葉になる前の感情や素朴な感想をそのまま口にするだけで十分なのです。
誰かがふと漏らした感情や感想に対して、聞いた人が「その気づきってなんだろう?」「どんなところからそう感じたんだろう?」と一緒に問いを立ててみる。そうやって同じテーマについて言葉を交わせば、お互いに持っていた「未知」が提供し合われ、「それってこういうことですかね?」と話し合う中で「既知」へと変わっていく確かめ合いが生まれます。
完璧な言葉を出力することではなく、未完成な感情や違和感から対話を始め、そこで生まれた気づきをそれぞれの財産として持ち帰ること。それこそが、勉強会のハードルを下げ、みんなで学びを深めていくための鍵になります。
言語化しきれなくてもいい!「体験」を持ち帰る4つの具体的アクション
では、勉強会やイベントの場で「うまく言語化しなければ」という肩の力を抜き、その場の「体験」を持ち帰るにはどうすればいいのでしょうか。
難しいことをする必要はありません。まずはとても簡単な、次の4つのアクションをぜひ実践してみてください。
- 1. 思ったことを率直に口にする
- 2. 気になったフレーズを口にする
- 3. 目にした物を思い出して頭の中で再生する
- 4. 自分なりの解釈をそのまま相手に伝える
【図解】体験を持ち帰る4つのアクションと気づきの連鎖
flowchart LR
subgraph ACTIONS["【今日からできる4つのアクション】"]
A1["1. 思ったことを率直に口にする<br/>(整形の壁を飛び越える)"]
A2["2. 気になったフレーズを口にする<br/>(生の刺激の外化)"]
A3["3. 目にした物を頭の中で再生する<br/>(ビジュアル・情景から身体知を想起)"]
A4["4. 自分なりの解釈をそのまま伝える<br/>(対話のボールを相手に投げる)"]
end
subgraph INTERACTION["【場での相互作用】"]
INT["自分も相手も気づきを得る<br/>お互いの未知を刺激し合う"]
end
subgraph REAP["【持ち帰る成果】"]
EXP["完璧な正解ではなく<br/>『不確実な刺激と体験』を持ち帰る"]
end
A1 & A2 & A3 & A4 ==> INTERACTION ==> EXP
ここまでの知見を振り返ると、なぜこの4つが有効なのかが見えてきます。
「思ったこと」や「気になったフレーズ」をそのまま口にするのは、言語化の5プロセスにおける「表現」や「整形(こんなことを言ったら変に思われないかという検証)」のハードルをあえて飛び越え、生の刺激をそのまま外に出すアクションです。
また、「目にした物を頭の中で再生する」ことは、言葉に変換されて削ぎ落とされてしまう前の、発表者の熱量や場の空気といった「身体知(Skill)につながる一次体験」を視覚的・情景的に自分の中に呼び起こす行為になります。
そして最後の「自分なりの解釈をそのまま相手に伝える」ことは、立派な意見に整える前の「解釈」の段階で相手とボールを投げ合うことで、先ほどお話しした「未知から既知への確かめ合い(気づきと疑問の連鎖)」を生み出す第一歩になります。
まとめ
最後に、この記事を通じて、特に次のような方々にこのメッセージが届いてほしいと願っています。
- 勉強会やカンファレンスに参加して「聞いたことをどう持ち帰るか」を考えたい方
- 発表や質問、発信に対して「上手く言語化できない」とハードルを感じている方
- 勉強会やコミュニティの運営で、より多くの人を巻き込みたいと考えている方
隣に座っている人、あるいはこのあとお話をする人に、ぜひ言葉を投げかけ合ってみてください。
そこで「うまくいった」とか「失敗した」とかは関係ありません。話しかけられたら、まずはやってみてください。
あなたがどう感じたか。「話しかけたいと思ったけれど、話しかけられなかった」――それだけでも良いのです。
まずは、自分の感覚を意識してみてください。目の前にいる相手と、自分の間を取り巻く空気や状況を感じてみてください。
もしうまく言葉が出なかったら、最初は感情だけでも構いません。「楽しかった」「おもしろかった」「わかりにくかった」。そんな一言が出たら、その感情に対して「どうしてそう感じたんだろう?」「どこに対してそう感じたんだろう?」と少しだけ深掘ってみてください。
あなたが感じること、ふと口に出す言葉は、相手にとっても、そしてあなた自身にとっても、新鮮な判断であり「生の声」です。
その刺激は、最初から予定されていたものではないはずです。誰もが完璧な成果を求めてお話をしているわけでもありません。その場で生まれる「不確実な刺激」から何かを学び取ろうとすることを続けて、あなただけの「体験」を持ち帰りましょう。
そして、この体験こそが、どんなに便利なAIでも実現できない「人間にしかできない勉強会のあり方」であると感じてもらえたなら幸いです。
本記事は、カンファレンス「KomeKaigi 2026」の登壇セッションの母艦原稿です。AI時代に「完璧な言語化」が求められる中、言葉にできない身体知や現場の暗黙知(SRKモデルのSkill/Rule層)をどう活かすかを提唱。勉強会を「成果を披露する場」から「不確実な刺激と体験を持ち帰る場」へと再定義し、言語化しきれない違和感や熱量を次の一歩へ変える4つのアクションを紹介します。