システム思考をAIに教える—

「因果ループ図」って、経営の問題だけに使う図なの？日常生活で役に立つ場面もあるのかな？

因果ループ図は、実は日常生活でも意外とよく出くわす思考パターンなんですよね。たとえば「寝坊する→朝ごはんを食べない→昼に眠くなる→夜更かしする→また寝坊する」みたいな悪循環。これって図に描くと、自分がハマっているループの構造が一目瞭然になります。同じく「運動不足→体が重い→外に出たくない→さらに運動不足」といった個人の習慣悪化も、ループ図で見ると「あ、ここを一箇所変えれば全体が動く」という手がかりが見える。SNSの使い過ぎ、人間関係のもつれ、貯金できない家計管理なども、複雑に見える問題の実は因果ループが隠れてることが多いです。経営戦略や気候変動のような大きな問題こそが象徴的ですが、本質は同じ。自分の人生で何度も繰り返す困った出来事があるなら、ひと度図に描いてみると、解き方が浮かぶことがあるのかもしれません。

自分のパソコンでAIを動かすと、ChatGPTみたいなクラウド型より月額費用とか安くなるってこと？

安くはなるでしょうね。ただその安さは、単純な「月額比較」ではなくて、何をしたいかによって変わってくるというのが面白いところです。 ChatGPT は月額で 20 ドル程度。月に数十回、百回単位で使う人なら割安です。一方、オープンソース AI をパソコンにインストールすれば月額 0 円。ただしダウンロードや初期セットアップに手間がかかり、パソコンのスペックが低いと動きが重くなる。「安いけど遅い」という状態になるわけです。 この記事が示しているのは、その時間コストも含めた選択の現実です。図を一度作るだけなら手元パソコンで十分。でも因果ループ図を何度も修正したり、細かく問い直したりするなら、クラウド型の方が結局は時間節約になる。つまり「月額料金」と「作業時間」と「ストレス」の総合計で考えると、用途によってどちらが本当に安いのか変わってくるということなんですよね。 最新のローカルモデルの性能も上がっていますから、今後はこのバランスがさらに流動的になっていくのかもしれません。

ローカルモデルって最近急に性能が上がり始めたの？それとも前からこんなに優秀だったけど、気づかれてなかっただけ？

ローカルモデルの性能向上は、実は両方同時に起きてるんですよね。 昨年から今年にかけて、オープンソースのLlama、Mistral、Deepseek、Kimiといったモデルが急速に改善されたのは事実です。特にKimi K2.5みたいに、クラウド型と肩を並べる性能を持つモデルが出てくるのは、ここ数ヶ月の話。だから「急に上がり始めた」というのも間違いじゃない。 ただ同時に、昔からローカルモデルは「意外と使える」レベルだったのに、注目されてなかったんです。5～6世代前のローカルモデルでさえ、簡単な因果図抽出なら十分こなせた。でも当時はクラウド型AIの便利さに目が行って、「手元で動かすAIなんて所詮おまけ」くらいの扱いだった。 今回の論文が面白いのは、その「実は使えたのに気づかれてなかった部分」と「本当に性能が上がった部分」の両方を可視化した点にあります。一度きりのタスクなら昔のローカルモデルでも行ける。ただし対話的な学習になると、文脈保持の限界がネックになるという課題まで見えてきた、という感じなのかもしれません。

つまり、『一度だけ正確に答えればいい仕事』と『会話をくり返す複雑な仕事』では、向いてるツールが違うってことなのかな？

その通り。そして、その境界線は思ったより現実的なんですよね。 一度きりの問い「この経営課題の因果ループを図にしてください」なら、ローカルモデルで77%の正答率が出せるなら十分実用的。手元で完結するので、データが外に出ない、費用も抑えられる。安定して動く。 でも「その図を見て、ここが回避不可能なループだと思うけど、どう打破する？」「いや、待てよ。変数Xを操作したら？」みたいに何往復もする場面になると、ローカルモデルは前の会話をどんどん忘れていく。クラウド型は長い文脈を保持できるから、対話の積み重ねの中で洗練されていく。 つまり「一問一答」か「思考の往復」かで、選ぶツールが変わる。これはAIに限った話じゃなくて、むしろ人間の思考プロセスそのものなんです。複雑な問題って、ひと言で解けることはめったにない。試行錯誤の過程が本体。その過程を支える能力があるかないかで、使えるかどうかが大きく分かれてくるのかもしれません。

クラウド型AIがいつも優れてるわけじゃないって分かったら、大手企業とローカルモデルを開発してる人たちの立場って変わってくるの？

変わってくるとすれば、むしろ「勝ち負けの定義」が変わるというか、戦う土俵そのものが分かれていくのかもしれません。 これまでは「最高性能を目指す競争」という一本道で、大手が圧倒的に有利でした。データ量、計算力、人材。全部そろってますから。でもこの論文の結果は「タスクによって最適なものが違う」を示してしまった。単発の因果ループ図抽出なら、ローカルモデルの77%で十分実用的。わざわざクラウドの手間や費用をかける必要がない場合もある、ということですね。 そうなると大手企業も、「うちは対話的で複雑なやり取りが必要な場面で選ばれる存在」という立場に少し追い詰められる。一方のローカル陣営も「単純で高速、プライベートなタスクに特化」という専門領域を持つことで、生き残りの道が見える。 面白いのは、これが競争の終わりではなく、むしろ「用途別の棲み分け市場」へのシフトを加速させるかもしれない点です。勝ち負けではなく、どこで選ばれるか、という構図に再編されていく感じと言えそう。