アナロジー思考はAIに勝てない——マスクの「第一原理分解」が効く理由
2026. 04. 16
「前例」「業界慣習」「ベストプラクティス」。この3つを口にした瞬間、AIに仕事を奪われます。
AIが得意なのはアナロジー——既存事例の横展開です。人間が同じ土俵で戦うと一瞬で負けます。勝ち筋は一つだけ。第一原理まで分解して、そこから組み立て直す思考です。イーロン・マスクがSpaceXでロケット価格を10分の1にした時に使った、あの手法です。
アナロジー思考はAIの独壇場になった
AIが指数関数的に強くなっている領域が一つあります。アナロジー——「AをBに例える」「C業界の成功事例をD業界に転用する」という類推です。
理由は単純です。大規模言語モデルは、人類が書いたほぼ全てのテキストを学習しています。過去事例の組み合わせ、業界横断の類似パターン、既知の成功フォーマットの抽出。この作業において、人間がAIに勝てる要素はありません。
2026年時点で起きている現象を見てください。
- マーケ施策の立案: AIに競合分析を渡すと、30業界の類似キャンペーンから最適解を瞬時に提示する
- 事業アイデア: 「C2Cマッチング×不動産」のような掛け合わせは、AIが1秒で100案出す
- プレゼン構成: TEDトップ100の型を解析し、話者の内容に最適な構成を自動生成する
アナロジーで差別化する時代は終わりました。類推の引き出し数でAIに勝負を挑むのは、電卓と暗算で競うようなものです。
ではどこで人間が価値を出すのか。答えは「前提を疑う力」です。AIは学習データの枠内でしか類推できません。データに存在しない発想、あるいは全ての前例を無視して原理から再構築する発想は、AIからは出てきません。
ここで物理学者の思考法が武器になります。
第一原理思考とは「業界前提を全て捨てること」
第一原理思考（First Principles Thinking）の定義はシンプルです。
「議論の余地なく正しい要素まで分解し、そこからゼロベースで組み立てる」
物理学者はこれを日常的にやっています。質量、エネルギー、力、時間。これ以上分解できない要素だけで世界を記述する訓練を受けているからです。
マスクがSpaceXで使った有名な例を分解します。
2001年、彼は火星に行きたくてロシアでICBMを買おうとしました。Kosmotras社が提示した価格は1機800万ドル、交渉の過程で1機2100万ドルまで跳ね上がりました。アナロジー思考なら「ロケットはそういう値段だ、予算を調達しよう」で終わります。
マスクは違いました。ロケットを構成要素まで分解したのです。
- アルミ合金
- チタン
- 銅
- カーボンファイバー
原材料費を積み上げて出た金額は、完成品価格の約2%。残り98%は業界慣習、下請け構造、リスクプレミアム、利益マージンでした。「ならば自社で作れば10分の1になる」——ここからSpaceXが生まれました。
この思考の本質は「コストが高い理由を業界に聞かない」ことです。業界に聞けばアナロジーの答えしか返ってきません。原材料と物理法則に聞くと、全く違う答えが出ます。
2026年のAI時代、この思考の価値は10年前の何倍にも跳ね上がりました。なぜなら、アナロジーの答えは今や全てAIが持っているからです。差がつくのは、AIにも人間にも持てない「原理からの再構築」だけになりました。
AIプロンプト設計こそ第一原理思考が必要
ここから実務に落とします。まず、プロンプト設計です。
多くの人がやっているのは「他人のプロンプトをコピーして調整する」アナロジー型です。これでは永遠にレベルが上がりません。他人のプロンプトは他人の業務文脈に最適化されており、あなたの業務には合わないからです。
第一原理で組むとこうなります。
ステップ1: 業務を構成要素に分解する
例えば「セールスメール作成」を第一原理で分解すると、以下の要素になります。
- 受信者の現在の状態（何を知っていて、何に困っているか）
- 送信者が提供できる価値（数値で裏付けた結果）
- 受信者が次にとる行動（クリック、返信、予約）
- 受信者の拒否反応を生む要素（売り込み臭、権威づけの薄さ）
ステップ2: 要素ごとに「絶対に必要な情報」を列挙する
たとえば「拒否反応を生む要素」の原理は、社会心理学のリアクタンス理論です。「選択肢を奪われた」と感じた瞬間、人は反発します。ならばプロンプトに「選択肢を提示する構造」を明示的に入れれば、拒否反応は減ります。
ステップ3: 要素を組み立ててプロンプト化する
ここで初めてプロンプトが完成します。他人の型をコピーしたプロンプトとは、精度が桁違いになります。なぜなら業務の物理法則から組み立てているからです。
私がClaude Codeに指示を出すときも同じです。「SaaSのLP構成パターン5選」のようなアナロジー起点ではなく、「この商品のコア便益は何か、ターゲットが行動変容する閾値は何か」という第一原理起点で指示します。AIの出力精度は3倍変わります。
事業判断でアナロジーを捨てる瞬間
事業判断でも同じ構造です。
アナロジー起点の経営判断の典型例:
- 「SaaS業界のMRR成長率20%を目標にします」
- 「D2Cは粗利60%が業界標準です」
- 「競合A社が値上げしたので、うちも5%上げます」
これは全て「業界に聞く」判断です。アナロジーの答えはAIでも出せます。経営者が出す価値はここにありません。
第一原理で経営判断を組むとこうなります。
問い: 「この事業の利益が増える物理的な要因は何か」
- 顧客一人あたりの継続月数 × ARPU - 獲得コスト = 顧客生涯価値
- この式の各変数を、競合ではなく自社のユーザー行動データから設計する
- 業界標準と乖離していても、データが示す最適解を優先する
マスクがテスラで自動車業界の「モデル年度」慣習を採用しなかったのは典型です。業界は毎年モデルチェンジします。第一原理で考えると「ソフトウェアアップデートで性能が上がるなら、物理的な型番を毎年変える理由はない」となります。結果、テスラは販売サイクルの呪縛から解放されました（規制上のmodel year指定は残っているものの、製品差別化には使っていません）。
AI時代の経営者がやるべきは、自社の物理法則を言語化することです。これをやらないと、AIが吐き出すアナロジー的アドバイスに振り回されて終わります。
第一原理思考を鍛える3つの日常習慣
最後に、明日から使える鍛え方を3つ提示します。
1. 「なぜ」を5回繰り返して止まる場所を探す
トヨタの「なぜなぜ分析」と同じです。ただし目的は原因追究ではなく「これ以上分解できない要素」を特定することです。止まった場所があなたの第一原理です。
例: 「なぜこのプロジェクトは失敗したか」
→ 納期遅延 → 仕様変更 → 要件未確定 → 顧客が決裁者ではなかった → 商談設計段階で決裁者が介在していなかった
最後の1行が原理です。ここに対策を打たない限り、他の施策は全て対症療法になります。
2. 業界用語を禁止して説明する
「DX」「OMO」「ユニットエコノミクス」等の業界用語を使わず、中学生に通じる言葉で自分の事業を説明してみてください。できない箇所があなたの思考停止ポイントです。マスクはよく「もし火星人に説明するなら」というフレームを使います。同じ訓練です。
3. AIに「業界の前提を全部消して」と指示する
Claude等に相談する時、「業界慣習を全て無視して、物理的に最短で目的を達成する方法を出して」と指示してみてください。AIはアナロジーモードから第一原理モードに切り替わり、業界常識と全く違う提案を返します。その提案が実行可能かどうかは、あなたが判断します。この往復がAI時代の第一原理訓練です。
AIが進化するほど、アナロジーはコモディティ化します。同時に第一原理思考の希少価値は上がり続けます。2026年の今、この非対称性に気づいて習慣化した人が、5年後に圧倒的な差をつけます。
AI活用・キャリア戦略 個別相談
https://www.shoeisha.co.jp/book/detail/9784798193427
#AI #生成AI #AIエージェント #AI時代 #AI活用 #AI人材 #AI研修 #AIツール #Claude #ClaudeCode
— 了 —