最初は小さかった。
「長文記事にRSVPを付けたら速く読めるのでは？」 「音声も付ければ歩きながら聞ける」 「12言語あるなら語学にもできる」 「練習問題も作れる」 「比較や計算も付けられる」 「手順記事ならチェックリストにした方がよくない？」 「そもそも公式サイトの方が正しいなら、そこへ送ればよくない？」
ここまで来ると、記事サイトの相談ではない。
さらに根っこへ戻ると、もっと困った問いが出てくる。
人は、そもそも何のために検索しているのか。
記事を読みたいから検索しているとは限らない。 Wi-Fiを直したい。引っ越しを終わらせたい。仕事を片付けたい。買うものを決めたい。外国語を使いたい。面白いことを知りたい。何をすればいいのかすら分からない。
つまり、本当に欲しいものはコンテンツではなく、現在の状態から、望む状態へ進むことである。
記事に再生ボタンを生やしただけなのに、気づいたら「インターネット全部作るの？」という話になった。
作らなくていい。
インターネットはすでにある。
作るべきなのは、その上に載るProgress / Resolution Layerである。
1. 記事を読むことは目的ではない
従来のメディアは、検索語を受け取り、記事を返す。
しかし利用者側から見ると、記事は手段の一つにすぎない。
| 人が止まるところ | 本当に欲しいもの | 作れる支援 |
|---|---|---|
| 何が分からないか分からない | 何を見るべきか | Orientation / Situation Map |
| 目的が曖昧 | どうなりたいか | Goal discovery |
| 情報が見つからない | 自分に合う入口 | Route / Discovery |
| 長くて読めない | 必要な分だけ理解 | 要約・音声・RSVP |
| 専門用語が難しい | 自分の前提から理解 | やさしい説明・具体例 |
| 自分に当てはまるか不明 | 自分の場合の答え | 条件分岐・地域別案内 |
| 選べない | 納得して決める | 比較・計算・Decision Boundary |
| 順番が分からない | 次にやること | Task Graph / Plan |
| 分かったが動けない | 最初の一歩 | 小タスク・If-Then |
| 途中で詰まる | 別ルート | Troubleshooting / Wizard |
| 中断した | 続きから再開 | Progress保存 |
| できたか不明 | 完了条件 | Verification |
| 一度できたが身につかない | 次回自力でできる | Practice / Retrieval |
| 人に説明できない | 相手にも伝わる | Explain / Share |
| 情報が古くなる | 最新状態 | Change detection |
| 特に用事がない | 面白い発見 | Explore / 今日の3本 |
ここで大事なのは、AudioもRSVPもQuizも目的ではないことだ。
UNDERSTANDが目的なら、音声は手段。 LEARNが目的なら、練習問題は手段。 DOが目的なら、チェックリストや外部リンクが手段である。
2. 「何を検索すればいいか分からない」を入口にする
検索は強い。ただし検索語を作れる人に強い。
情報探索研究のKuhlthauのInformation Search Processでは、探索初期の人は問題が曖昧で、不確実性や混乱が高く、情報を増やすことで一時的に混乱が増えることさえある。重要なのは情報を集め続けることではなく、探索の途中で焦点を形成することだ。
だから入口を「検索してください」だけにしない。
たとえば、
「引っ越した」 「転職した」 「PCがおかしい」 「お金を整理したい」 「外国へ行く」 「何から始めればいいか分からない」
これくらいでいい。
システム側が、
Situation → 関係しそうな領域 → 問題の形 → Goal
と絞る。
「引っ越した」から、住所、保険、税、車、郵便、通信、ライフライン、ゴミ、勤務先などを候補表示し、該当しない枝を落とす。
unknown unknownを、known unknownへ変える。
これがOrientation Layerである。
3. 人間のProgress Journeyを一つの骨格にする
企画全体は次の流れで統一できる。
SITUATION いま何が起きている？
→ ORIENT 何を見る必要がある？
→ FRAME 結局、何が問題？
→ GOAL どうなりたい？
→ UNDERSTAND 何を知る必要がある？
→ DECIDE 何を選ぶ？
→ PLAN 何をどの順番でする？
→ DO 実際に進める。
→ VERIFY 本当にできた？
→ LEARN 次回は自分でできる？
→ EXPLAIN 他人にも伝えられる？
→ MAINTAIN 情報や状態が変わったら更新する。
全員が全部通る必要はない。
「パスポートを更新したい」ならGOALから入れる。 「Wi-Fiがおかしい」ならFRAMEから。 「英語で会議したい」ならGOAL→LEARN。 「今日なんか面白いものを読みたい」ならDISCOVERから。
W3CのMultiple Waysも、利用者によって使いやすい到達方法が違うため、同じ情報への複数経路を重視している。
4. 外部サイトへ送ることは敗北ではない
ここで一度、「それなら他サイトへ送ればいいのでは？」という疑問が出る。
その通りである。
公式サイトが最適なら公式へ送る。 専門家のページが完成されているならそこへ送る。 購入は店舗へ送る。 申請は行政へ送る。
自社サイトですべてを完結させる必要はない。
価値は情報の所有ではなく、どの情報を、どの順番で、誰が使えば目的に近づくかを組むことにある。
判断ルールはこうなる。
- ROUTE_EXTERNALLY：既存の解決先が最良
- SYNTHESIZE：情報が複数箇所に散っている
- EXPLAIN：一次情報はあるが難しい
- COMPARE：複数選択肢を整理する必要がある
- TOOL_REQUIRED：条件や数値で結果が変わる
- ACTION_GUIDE：複数ステップが必要
- LEARN：習得が必要
- NO_VALUE_ADD：新しく作る価値がない
Google Search Centralも、外部リンクを恐れる必要はなく、文脈を付けて有用な外部サイトや出典へリンクすることは信頼性に寄与しうるとしている。 また、people-first contentでは、他者の内容をただ要約するのではなく、読者が目的達成に十分な価値を得られるかを問うている。
だから「既に良い答えがあるなら作らない」は、工場の敗北ではなく品質ゲートである。
5. 世界を全部先に経験する必要はない
次の問題はもっと厄介だ。
「自分で経験していない困りごとを、どうやって案内するのか？」
答えは、AIに想像させた分岐をそのまま正解扱いしないこと。
生成AIはまず候補地図を作る。
その後、各edgeに状態を持たせる。
- HYPOTHESIS：モデル推論のみ
- SOURCE_SUPPORTED：公式・一次情報で裏付け
- CASE_SUPPORTED：実ケースで成功
- VERIFIED：複数根拠と再現確認
- UNKNOWN：まだ不明
Case-Based Reasoningは、過去の問題、解決策、結果をケースとして蓄積し、似た新問題に再利用する考え方である。
つまり設計者本人が全部経験しなくてもいい。
システム全体が経験を貯めればいい。
しかも世界の全分岐を事前に埋める必要もない。
よく通る道を先に厚くし、未知の枝へユーザーが到達したらFrontier Queueへ入れ、調査し、成功・失敗結果をCase Memoryへ戻す。
これは完成済みの世界地図ではない。
使われながら道路が増える地図である。
6. 内部は記事データではなく、複数のGraphになる
最終的な内部構造はこうなる。
Situation Graph 何が起きた？
Relevance Map 何が関係しうる？
Goal Graph どの状態へ行きたい？
Task Graph 何をすればいい？
Resolution Graph どの条件で、どの行動をすると、次の状態へ進む？
Evidence Graph その道をなぜ信用できる？
Case Memory 実際に通った人はどうなった？
Frontier まだ分からない道はどこ？
AI planningには、上位の目的を下位のタスクへ分解するHierarchical Task Networkという長い研究系譜がある。
人間の用事もかなり似ている。
「海外旅行へ行く」 → パスポート、航空券、宿、通信、保険、入国条件 → それぞれをさらに実行可能なタスクへ分解する。
記事は、このGraphを説明する一つの表示形式に降格する。
降格と言っても悪い意味ではない。
やっと適材適所になっただけである。
7. 同じ知識から必要な形だけ生やす
Graphが正本なら、出力は用途ごとに変えられる。
| 必要 | 出力 |
|---|---|
| 詳しく理解 | Article |
| 30秒で把握 | Summary |
| 手が塞がっている | Audio |
| 集中して読む | RSVP / Focus |
| 今どこか追う | Karaoke Follow |
| 選ぶ | Comparison |
| 数値で判断 | Calculator |
| 順番にやる | Checklist |
| 条件分岐 | Wizard |
| 初心者が真似する | Worked Example |
| 身につける | Practice |
| 思い出す | Retrieval Quiz |
| 再利用する | Template |
| 人に伝える | Explain Card |
| 他所で実行する | External Route |
| 後で続ける | Reminder / Progress |
| 変更を追う | Notification |
これをArticle Affordance Detectionとして、「この記事・Goal・Situationは何に変換すると価値が増えるか」を自動判定する。
漫画考察に毎回テストを付ける必要はない。 引っ越し記事ならChecklistが強い。 ExcelならWorked ExampleとPractice。 家電比較ならCalculator。 Wi-FiならDecision Tree。
全部の記事に全部のボタンを付けると、便利なはずのサイトが航空機のコックピットになる。
8. 学習科学を使うと、UNDERSTANDとLEARNは別物になる
「分かった」と「次回自力でできる」は違う。
Multimedia Learningでは、複雑な情報を利用者のペースで区切るsegmenting、前提を先に示すpre-trainingなどが認知負荷を管理する方法として研究されている。
Retrieval Practiceの研究では、単に再読するより、学んだ内容を思い出す練習が後のテスト成績を高めるtesting effectが広く確認されている。
Worked Example研究では、初心者は最初から自力問題だけを解くより、完成した解法例を学ぶ方が有利な場面がある。一方、熟達者には同じ支援が不要・逆効果になり得るので、レベル適応が必要である。
そこでSkill Modeは、
Example → Modify → Do → Verify → Retrieve
を基本形にできる。
DO側では、Implementation Intentionの「If X, then Y」という具体的な行動計画が、意図と行動を結ぶ方法として研究されている。Mental Contrastingと組み合わせた2021年のメタ分析ではsmall-to-mediumの効果が報告されたが、出版バイアスを考えると実際の効果は小さめの可能性もある。
だから「頑張ってやりましょう」ではなく、
「この画面ならこれ」 「ここまで終わったら次」 「詰まったらこの枝」
へ変える。
9. RSVPや音声は王様ではなく共通I/Oである
RSVPは便利だが万能ではない。
速読研究のレビューでは、速度を大きく上げながら理解を完全に維持するという主張には限界があり、速度と理解には一般にトレードオフがある。
だから「誰でも爆速で読める」は売りにしない。
代わりに、
- 通常本文
- 30秒要約
- 詳細版
- Audio
- Follow
- RSVP
- Diagram
- Interactive
- Conversation
を同じ現在位置から切り替えられるUniversal Consumption Layerにする。
Article Playerは独立した最終製品ではなく、UNDERSTAND / DO / LEARNを横断するI/O基盤になる。
10. 世界には「情報はあるが使えない」問題が大きく残る
この企画を「全人類が顧客」と雑に言う必要はない。
ただし背景として、情報へのアクセスと利用能力には大きな差がある。
| 背景 | 公開データ | 企画への示唆 |
|---|---|---|
| 読み書き | UNESCO：2024年に7.39億人の成人が基礎的literacy skillsを欠く | 長文テキストだけを唯一の入口にしない |
| 障害 | WHO：約13億人、世界人口の16%が重大な障害を経験 | 複数の表示・操作方式を共通基盤へ |
| 成人スキル | OECD参加31か国・地域平均で18%が3領域すべてで最基礎レベル未満 | 専門情報をそのまま読める前提を置かない |
| 仕事 | WEF：100人中59人が2030年までに訓練を必要とする見通し | 実務学習と成果物完成をつなぐ |
| 語学 | Duolingo 2025：英語が154か国で最多学習言語、日本語は世界4位 | 興味・仕事を教材化する余地 |
| 国際移動 | UN：2024年の国際移民は約3.04億人 | 表示言語と適用制度の国を分ける |
| 接続格差 | ITU 2025：約22億人がoffline | 軽量本文・保存・選択的Audio |
これらの人数はそのまま顧客数ではない。
WHOの13億人全員がAudioを必要とするわけではないし、offlineの22億人へWebだけで届くわけでもない。
ここから言えるのはただ一つ。
「情報が存在する」と「その人が使える」は別問題である。
11. 少なくとも40の適用例がある
同じProgress Engineは、分野ごとに別工場を作らなくても横展開できる。
| 領域 | 例 |
|---|---|
| 仕事を進める | 表計算実践、見積比較、引継ぎ、問い合わせ対応 |
| 言語を使う | 好きな記事で多読、聞き取り、職業別表現、内容説明 |
| 日常の用事 | Wi-Fi切り分け、引越し、片付け、料理段取り |
| 買う・選ぶ | 総費用、修理vs買替え、新品vs中古、部品適合 |
| お金・情報を守る | 家計可視化、手数料理解、詐欺確認、不審求人 |
| 外国で暮らす | 住居、銀行、通信、公的手続き |
| 家族・協力 | 家事分担、介護引継ぎ、お願い・断り、操作説明 |
| 学び直す | 基礎へ戻る、完成例、確認問題、資格学習 |
| 楽しむ・発見 | 科学、歴史、文化、趣味シミュレーター |
| 公共・組織 | 多言語案内、新人研修、防災、標準作業 |
「ためになる」を仕事だけに限定しない。
面白い話を知る。 趣味を深掘りする。 人と話すネタが増える。 それもProgressである。
12. 派生サービスの優先順位は「重要度」ではなく検証順
既存資産との接続、成果確認のしやすさ、更新負担、事故リスク、支払者の明確さを考えると、検証順は次のように置ける。
- 仕事・デジタル実務の実行パック
- 好きな記事で学ぶ目的別語学
- 生活の困りごとを終わらせる手順ナビ
- 企業向け多言語説明書・研修
- 条件別の比較・計算・選択支援
- 関心別の音声メディア・学び直し
- 外国人向け生活・手続き案内
- 詐欺・デジタル被害を避ける支援
- 制度・募集・変更点の通知
- 家族・介護・共同生活の説明支援
- 学校外の基礎学習・学習支援
- 健康・防災・権利へのアクセス支援
12位だから重要でないのではない。
高リスク領域は、重要だからこそ自動化率を下げ、公式情報・専門家・適切な窓口へつなぐ。
13. 世界展開は「国別」より、課題×言語×状況で切る
「英語圏向け」でまとめると雑すぎる。
少なくとも分離したいのは、
- 表示する言語
- 学びたい言語
- 実際に制度が適用される国・地域
- 現在のSituation
- Goal
である。
ベトナム語で日本の行政手続きを読む人もいる。 日本語で英語を学ぶ人もいる。 英語でドイツの商品を比較する人もいる。
だからLocaleだけでロジックを決めない。
世界向けの本体は翻訳ではなく、SituationとJurisdictionの分離である。
14. 高リスク領域は「答える」より「正しくつなぐ」
医療、法律、金融、安全、権利などは、分かりやすくすることと、個別の最終判断をすることが別である。
初期の役割は、
- 何を確認すべきか整理
- 公式情報を読みやすくする
- 質問をまとめる
- 適切な専門家・窓口へつなぐ
- 危険な断定をしない
に寄せる。
また、低コストで生成できることと、低コストで正確に運営できることも別だ。
更新、地域差、法改正、商品価格、UI変更、翻訳品質、問い合わせ対応は残る。
生成コストだけ見て「世界中全部ゼロ円」は危ない。
15. KPIはPVではなくProgressへ
このサービスで、滞在時間が長いほど成功とは限らない。
行政手続きなら、40秒で正しい公式ページへ行って完了した方がいい。
だから測るべきは、
- Orientation Rate：何を見るべきか分かったか
- Goal Formation Rate：目的を定義できたか
- Route Start Rate：行動開始したか
- Task Completion Rate：タスクが終わったか
- Resolution Rate：目的達成したか
- Time to Progress：次状態までの時間
- Wrong Route Rate：案内先が間違っていた率
- Recovery Rate：詰まった後に復帰できたか
- Learning Transfer：別ケースでも自力でできたか
- Trust Return：別の困りごとでも戻ってきたか
「読んだ」から「できた」へKPIを移す。
16. 記事工場はProgress Factoryの生成エンジンになる
現在の典型的な流れは、
Demand → Research → 日本語canonical → 12言語 → Publication → Distribution → Reader Signal
である。
将来は、
Situation / Need discovery → Problem / Goal detection → Research → Resolution Graph更新 → 不足Knowledgeをcanonical化 → 必要ならArticle生成 → 必要なAffordance生成 → 12言語適応 → User Progress → Outcome観測 → Unknown / Failed RouteをFrontierへ → 再調査
になる。
記事工場を捨てる話ではない。
記事工場が、もっと大きい工場の中核エンジンに昇格する。
17. 結論：検索エンジンではなく「一緒に終わらせる人」
Googleを作る必要はない。 役所を作る必要もない。 Amazonを作る必要もない。 学校も病院も全部自前で持たなくていい。
既存の世界を部品として使う。
そして、
Current State → Desired State
の間だけを埋める。
何を聞けばいいか分からない人には、見るべき地図を出す。 分からない人には説明する。 選べない人には条件を整理する。 動けない人には次の一手を出す。 外部の方がいいなら送る。 詰まったら別ルートを探す。 終わったら確認する。 身につけたいなら練習する。
最終的に利用者が言うべき言葉は、
「めんどくさかったけど、ここ見ながらやってたら終わった。」
である。
設計思想は広くていい。
ただし検証は狭くする。
世界全部を先に作るのではない。
世界で人が前に進める道を、使われたところから一本ずつ確かな道にしていく。
出典
- Carol Kuhlthau, Information Search Process Theory https://wp.comminfo.rutgers.edu/ckuhlthau/information-search-process-theory/
- UNESCO, Literacy facts and figures, 2025 https://www.unesco.org/en/articles/unesco-literacy-prizes-2025-spotlight-literacy-digital-era
- WHO, Disability and health https://www.who.int/news-room/fact-sheets/detail/disability-and-health
- OECD, Survey of Adult Skills 2023 https://www.oecd.org/en/publications/do-adults-have-the-skills-they-need-to-thrive-in-a-changing-world_b263dc5d-en.html
- World Economic Forum, The Future of Jobs Report 2025 https://www.weforum.org/publications/the-future-of-jobs-report-2025/digest/
- Duolingo, 2025 Language Report https://blog.duolingo.com/2025-duolingo-language-report/
- United Nations, International migration https://www.un.org/en/node/118794
- ITU, Facts and Figures 2025 https://www.itu.int/en/ITU-D/Statistics/Pages/facts/default.aspx
- W3C, WCAG 2.2 Understanding Multiple Ways https://www.w3.org/WAI/WCAG22/Understanding/multiple-ways
- Rayner et al., So Much to Read, So Little Time https://journals.sagepub.com/doi/10.1177/1529100615623267
- Mayer, Principles for Managing Essential Processing in Multimedia Learning https://www.cambridge.org/core/books/abs/cambridge-handbook-of-multimedia-learning/principles-for-managing-essential-processing-in-multimedia-learning/A9E77D0172F905AC957689D1771E2888
- Testing Improves Performance as Well as Assesses Learning https://pmc.ncbi.nlm.nih.gov/articles/PMC10229024/
- Effects of worked examples, example-problem, and problem-example pairs on novices’ learning https://www.sciencedirect.com/science/article/pii/S0361476X1000055X
- A Meta-Analysis of Mental Contrasting With Implementation Intentions https://pmc.ncbi.nlm.nih.gov/articles/PMC8149892/
- Janet Kolodner, Case-Based Reasoning https://www.sciencedirect.com/book/9781558602373/case-based-reasoning
- Georgievski & Aiello, An Overview of Hierarchical Task Network Planning https://arxiv.org/abs/1403.7426
- Google Search Central, Creating helpful, reliable, people-first content https://developers.google.com/search/docs/fundamentals/creating-helpful-content
- Google Search Central, Link best practices https://developers.google.com/search/docs/crawling-indexing/links-crawlable
