テッド・ジョンソン (Ted Johnson) · 11:00 「私たちは AI を使うのが下手なのではない。 まったく新しい種類の知能を、 パンチカードのプロトコルで操作させられているだけだ」
この講演が残す一点は明快だ。 進化したのはモデルの知能 (=表現) であって、 人間と機械のやり取りの型 (=プロトコル) は、 60 年前のパンチカードのバッチ処理からほとんど動いていない。 これはプロンプトが悪いという話ではない。 パンチカードもコマンドラインも、 その時代の制約に対する見事な解だった。 問題は、 制約が消えたのに型だけが残ったことにある。
キーボードを、 もう一度 「変」 に見る
講演は、 いちばん見慣れたインターフェースを 「見慣れないもの」 に戻すところから始まる。 キーボードだ。 誰もが自然だと感じているが、 実際には誰もがレッスンを受け、 練習して身につけた。 いま使う配列の特許はおよそ 1860 年 — 約 160 年前、 日本でいえば幕末のものだ。 Dvorak や Colemak のような効率的配列の試みも、 スペースバーに親指 2 本を 「浪費」 しないという愛好家の工夫も、 裏を返せば 「ずっと直そうとしてきた」 証拠になる。 誰も選んでいない、 一世紀も前に消えた制約のもとで設計された入力装置を、 人類が作った中で最も高性能な機械との間に置いている。 そう思い浮かべてみると、 見慣れた道具が急に奇妙に見えてくる。
3 つの概念 — チャネル / 表現 / プロトコル
Johnson は 3 つの概念を渡す。 チャネル (channel) 意図を運ぶ物理的な伝送路。 キーボード、 マイク、 画面、 パンチカード、 プロンプト入力欄はすべてチャネル。 各チャネルは運べる信号の種類が違う (テキストは離散的な記号列、 音声は timing・ピッチ・ためらいも運ぶ、 図は空間的関係を一度に運ぶ)。 ただしこれは 「何を伝送できるか (帯域)」 の違いであって、 機械がそれを理解するかは別問題だ、 と Johnson は区別する 、 表現 (expression) そのチャネルを通して実際に伝えられる意味の幅・豊かさ。 アセンブリ (数十のオペコード) → シェルのコマンド → プログラミング言語のプリミティブ、 と進んでも、 いずれも 『機械が受け付けるメニューから選ぶ』 固定語彙だった。 自然言語はそのメニューをこじ開け、 人に話すのとほぼ同じ言い方で言えるようになった、 と Johnson は言う 、 プロトコル (protocol) やり取りの型・ルール・かたち。 誰が・いつ・どういう順で関与するか。 Johnson の診断では、 チャネルは 15〜180 年ほぼ不変、 表現はこの 3 年で LLM により爆発的に広がった一方、 プロトコルだけが取り残されている。 そしてプロンプトのプロトコルはパンチカードと同じ 『バッチ』 だ、 というのが講演の芯 だ。
要点は、 AI が来てもチャネルはほとんど変わっていない、 ということにある。 いまも人は箱に打ち込み、 送信ボタンを押す。 変わったのは 「箱を通して押し込むことを許された意味の幅」 だ。 初めて、 コンピュータのチャネルが豊かな人間の言語をまるごと運べるようになった。 普通の依頼の中には、 文脈・ニュアンス・意図という意味の海がある — これまで互いに言葉にする必要すらなかったものだ。 表現の跳躍は本物で、 とても大きい。 だが Johnson はここで立ち止まる。 では、 なぜいまだにストロー 1 本で啜っているように感じ、 AI の考え方を学ばされているのか。
プロンプト = 現代のパンチカード
取り残された第 3 の概念、 プロトコルがその答えだ。 プロンプトのプロトコルは バッチ (batch) 機械から離れて依頼の全体を事前に組み立て、 一括で投入し、 結果を待つ処理方式。 パンチカードでは、 席で全リクエストをカードに穿孔し、 デックをオペレータに運び、 ジョブを提出して待つ (数時間〜一晩)。 印刷結果を読み、 1 箇所の誤りを直して再提出し、 また待つ。 機械は考えている最中の人間には関与せず、 完成したパッケージにだけ事後的に応答する だ。 いまのプロンプトを思い浮かべてみると、 構造は同じになる。 依頼の全体を組み立て、 送信し、 待ち、 返ってきたものを読む。 何かおかしければ、 また組み立て、 また送信し、 また待つ。 更新や要約を求められる対話的な機能は付いたが、 芯は 「対話の飾りが付いたバッチ」 のままだ、 と Johnson は言う。
待ち時間は一晩から数秒〜数分に縮んだ。 その速さが 「対話になった」 と錯覚させた。 だが短いバッチもバッチだ。 機械が関与する前に、 人間が完結した一手をパッケージし終える構造は変わっていない。 音声で話しても変わらない — 声は文字起こしされて箱に入り、 送信されるだけだ。 プロンプトエンジニアリング Johnson の見立てでは、 これはバッチをうまく梱包するための一連のルールに 『power user のスキル』 という体裁の良い名前を付けたもの。 段階的に考えさせる / 例を与える / 専門家を演じさせる (あるいは演じさせない) / 文脈を足す・減らす / Markdown 文書だけで話す —— こうした 『呪文 (incantation)』 の交換は、 ジョブを失敗させないようにデックを正確に組む、 パンチカード操作員の熟練と同じ種類のものだ、 と批判的に位置づける という呼び名は、 その梱包術に付いた美名だ、 という視点だ。 しかも興味深いことに、 バッチという型自体も受け継ぎものだった。 起源は織機 — 模様を丸ごと事前に設定してから布を織る。 その型がパンチカードに、 そしてコンピュータへと既定のまま持ち越された。
ミスマッチは利用者ではなく、 インターフェースにある
モデルの能力 (推論・音声・視覚・記憶・計画) は上へ曲線を描いて伸びている。 インターフェースのプロトコルは平らなままだ。 いまも箱、 いまも送信ボタン、 いまも人間が LLM の周りの作業をすべて引き受ける。 どの文脈が重要かを決め、 何を尋ねるか覚え、 タイミングを選び、 曖昧さに気づき、 出力を直し、 プロンプトを丁寧に設計する。 知能は魔法のように感じられ、 仕事のように感じられるのはインターフェースの側だ。 そして仕事のように感じられ、 出力が外れ、 呪文が効かないと、 人は自分を責める — 自分は AI が下手だ、 具体的に書けていない、 AI が分かっていない、 と。
冒頭のリード引用は、 この錯覚への反論だ。 悪いのは利用者ではなくインターフェースの不整合だ、 と Johnson ははっきり言う。 「AI を可能にする競争の中で、 私たちはインターフェースを近道した」。 ここで彼は MIT の Sherry Turkle MIT の社会心理学者。 技術と人間の関係を長く研究してきた。 Johnson は講演で 『会話は私たちがする最も人間的で、 人を人間らしくする営みだ。 それは人類のスーパーパワーの 1 つ』 という Turkle の言葉を引き、 機械が会話に参加できるなら、 人間が機械に合わせて自分を作り替える必要はなくなる、 という主張の土台に置く を引く。 会話は人間らしさの最たるものであり、 関与して考える力はすぐそこにあるのに、 いまだに人にデックを提出させ、 実行を待たせている、 と。
「参加する」 インターフェース — 3 つの実例
講演は抽象論で終わらず、 具体を 3 つ見せる。 1 つ目は失敗例だ。 共同創業者がフロンティア企業の speech-to-speech モデル 音声を一旦テキストに落としてから処理するのではなく、 音声から音声へ直接応答する対話モデル。 応答が速く自然に聞こえる一方、 Johnson の例では 『一枠一ターン (あなたの発話 → その返答)』 という構造は変わっておらず、 誰が話しているか・その言葉が自分宛てかを区別する概念を持たない の音声モードを使い、 「次の Timberwolves の試合は?」 と尋ねた — 即答、 問題なし。 だが次に、 誰かが入ってきたふりをして 「やあ Ted、 入って」 と言うと、 AI はそれを自分への一手と受け取り 「はい、 ここにいます。 どうしました?」 と答えてしまった。 モデルが馬鹿なのではない。 最初の質問は完璧に答えた。 プロトコルの枠が 1 つしかなく、 宛先という概念を持たないだけだ。
2 つ目は前進の兆し。 OpenAI は 5 月下旬に GPT Realtime 2 を出し、 「うん」 「なるほど」 といった バックチャネル (back-channel) 聞き手が 『聞いていますよ』 と示すために挟む相槌・小さな声。 会話が能動的に進んでいることを示すサイン。 GPT Realtime 2 や NVIDIA の研究モデル Personaplex が対応し始めた要素で、 Johnson は 『会話のプロトコルに近づく一歩』 として紹介する。 ただし相槌を打てることと、 部屋に誰がいるかを分かっていることは別だ、 と釘も刺す を返すようになった。 NVIDIA の研究モデル Personaplex は、 割り込まれると止まって譲り、 相手が話し終えると話題を拾い直す。 聞きながら同時に話す、 本物の ターンテイキング (turn-taking) 会話の話者交替。 いつ話し始め、 いつ譲り、 割り込みにどう応じ、 中断した話題をどう拾い直すか。 一枠一ターンのチャットが扱えない、 実際の会話の骨組み。 JoinIn AI が 『会議に参加する AI』 の中心課題に据える だ。 ただし、 相槌を打てることは、 部屋に誰がいるかを分かっていることと同じではない。
3 つ目が JoinIn AI 自身のデモ。 会議に AI が同席し、 各発言を 「質問・提案・回答」 と 宛先検出 (addressee detection) 発話が誰に向けられているか (AI 宛てか、 人間同士か) を判定する能力。 Johnson の失敗例 (『やあ Ted、 入って』 に AI が応答してしまう) が示す欠落そのもの。 JoinIn のデモでは、 効用ベース (utility-driven) のモデルが各発言に 『質問 / 提案 / 回答』 のラベルを付け、 満たすべき目標を作り、 誰も発言権を持っていない時にだけ発話する、 という設計で対処する しながらラベル付けし、 満たすべき目標を作る。 そして誰も発言権を握っていない時にだけ発話する。 「AI、 それを出して」 「AI、 記録して」 と直接呼ばれれば応じ、 経費承認のしきい値をめぐる議論 (5,000 ドル → 10,000 ドルへ変更) を、 誰もプロンプトを書かず、 誰も一手をパッケージして送信ボタンを押すことなく解決していく。 「システムが会話の中にいて、 追いかけ、 理解し、 自分の間 (moment) を選んでいた」。 これが、 同じ古いプロンプトの背後にある賢い機械と、 ついに参加するインターフェースの違いだ、 と Johnson はまとめる。
編集所見 — 「4 つの税」 を降ろす
この講演の骨格は 「知能の話ではなく、 インターフェースの話だ」 という視点のずらしにある。 Johnson の締めくくりは、 コンピューティングの歴史を 「人間が意図を機械向けに符号化する精度を上げてきた道」 と読み、 各段階が古い制約を次の時代へ持ち越したと指摘する — 翻訳税 (translation tax)、 精度税 (precision tax)、 文脈税 (context tax)、 修復税 (repair tax)。 意味を機械語に翻訳し、 曖昧さを許されず、 必要な文脈を人間が用意し、 外れた出力を人間が直す。 MEMEX としては、 この 「4 つの税」 は 1 つの実務フレームとして持ち帰る価値がある。 プロンプトの巧拙を論じる前に、 「この負担は、 かつて機械が非力すぎたから人間に載っていただけではないか」 と問い直す設計質問に変換できるからだ。
Johnson の 「AI は知能技術であると同時に、 ますますインターフェース技術になる」 という命題は、 MEMEX がこれまで記録してきた動きと接続する。 Claude Cowork の委任とスケジュール実行 で見た mid-task ステアリング (作業の途中で指示を足せる) は、 「完結した一手を送信してから機械が関与する」 バッチの枠を崩す具体的な一歩として読める。 シグナルから PR へ の 「人間が拾っていた合図を機械が拾う」 発想も、 修復税・文脈税を機械側へ移す試みと重なる。 表現の爆発それ自体は Karpathy の Software 3.0 (自然言語がインターフェースになる) が描いた地平だが、 Johnson はそこに 「表現が広がってもプロトコルが古ければ、 恩恵はストローで啜られる」 という補助線を引いた。 速さを対話性と取り違えない、 という警句は、 エージェント全盛の 2026 年にこそ効く。
着眼点
「短いバッチもバッチ」 — 速度と対話性の取り違え
応答が数秒に縮んだことを 「対話になった」 と受け取りがちだが、 Johnson の分解では、 待ち時間の短縮は型 (プロトコル) の変化ではない。 機械が関与する前に人間が一手を完結させる、 という順序が残る限りバッチのままだ。 この一文は、 UX 評価の軸を 「速さ」 から 「関与の順序」 へ移す。
負担の出所を問う設計質問
「いま人間に載っているこの負担は、 かつて機械が非力すぎて担えなかったから載っているだけではないか」 (18:20 付近)。 この問い 1 つで、 答えが常にチャットでも音声でもマークダウンの壁でもなくなる。 正解は、 人間同士がすでに使う手立て — 質問・間・スケッチ・チェックリスト・小声の一言・あるいは何も言わないこと — の側にある、 という設計の開き方だ。
動画の構成
- (00:00) 導入 — 箱に打ち込んで待つ、 見慣れた体験を 「変」 に戻す
- (00:45) 自己紹介 — Ted Johnson / JoinIn AI、 GPT-1 から追い続けた 20 年
- (01:31) 進め方の提示 — チャネル / 表現 / プロトコルの 3 概念
- (02:07) キーボード — 継承された恣意的なチャネル (1860 年の特許)
- (03:19) 第 1 概念 チャネル — 意図を運ぶ物理的な伝送路
- (04:45) 第 2 概念 表現 — 固定語彙から自然言語へ、 メニューがこじ開けられた
- (05:56) 問い — チャネルは不変、 表現は爆発、 なぜストローで啜る感覚なのか
- (06:20) 第 3 概念 プロトコル — プロンプトはパンチカードのバッチ
- (08:08) プロンプトエンジニアリング = バッチ梱包術という美名
- (09:39) バッチの起源は織機 — 型の継承
- (11:00) ミスマッチは利用者ではなくインターフェース
- (11:44) 失敗例 — 音声モードの 「やあ Ted、 入って」 問題
- (13:36) GPT Realtime 2 のバックチャネル、 NVIDIA Personaplex のターンテイキング
- (14:00) JoinIn デモ — 会議に参加し、 宛先を追い、 経費承認のスコープを解決
- (16:27) 発言権を見て話す、 しきい値 5,000 → 10,000 の変更をプロンプトなしで反映
- (18:20) マインドセット — AI はインターフェース技術、 負担の出所を問う
- (19:14) 4 つの税を降ろす — 機械を私たちに歩み寄らせる
- (19:57) 締め — 人間が機械に合わせて自分を作り替えるのをやめられる
関連リソース
- テッド・ジョンソン (Ted Johnson / JoinIn AI 共同創業者) — 人物プロフィール
- 任せて、 予定に乗せる — Claude Cowork の委任とスケジュール実行 (mid-task ステアリング)
- シグナルから PR へ — 自走するプロダクト (Joshua Snyder)
- Karpathy — vibe coding から agentic へ (Software 3.0)
- 元動画 「The Prompt Is Still a Punch Card」 (AI Engineer, YouTube)
- JoinIn AI 公式 (Live in-meeting AI)
用語集
- チャネル (channel)
- 意図を運ぶ物理的な伝送路。 キーボード・マイク・画面・パンチカード・プロンプト入力欄。 運べる信号の種類 (帯域) は違うが、 それは機械が理解することとは別問題。
- 表現 (expression)
- チャネルを通して伝えられる意味の幅。 アセンブリ → シェル → プログラミング言語という固定語彙のメニューを、 自然言語がこじ開けた。 この 3 年の LLM で爆発的に広がった。
- プロトコル (protocol)
- やり取りの型・ルール。 誰が・いつ・どの順で関与するか。 Johnson の診断では、 これだけが取り残され、 プロンプトはパンチカードと同じバッチのまま。
- バッチ (batch)
- 依頼の全体を事前に組み立て、 一括投入して結果を待つ処理方式。 機械は考え中の人間に関与せず、 完成パッケージに事後応答する。 起源は織機。
- ターンテイキング (turn-taking)
- 会話の話者交替。 いつ話し、 いつ譲り、 割り込みにどう応じ、 中断した話題を拾い直すか。 一枠一ターンのチャットが扱えない、 実際の会話の骨組み。
- 宛先検出 (addressee detection)
- 発話が誰に向けられているか (AI 宛てか、 人間同士か) を判定する能力。 「やあ Ted、 入って」 に AI が答えてしまう失敗が示す欠落。 JoinIn は効用ベースのモデルで対処する。