capability overhangとは？モリックさんが挙げる、人に残る4つの強み

新しいAIモデルが出るたびに比較記事は読んでいるのに、自分の仕事の進め方はほとんど変わっていない。そんな感覚はありませんか？

ペンシルベニア大学ウォートン校のイーサン・モリックさんは、2026年9月18日の論考「The Overhang」で、その正体を「capability overhang」と呼び、差を埋める手がかりとして人の側に残る4つの強みを挙げています。

この記事では、その4つをプロダクトで「何を作り、何を捨てるか」という判断に当てはめて読んでいきます。

The Overhang

Using your deep knowledge, wide knowledge, taste, and agency

www.oneusefulthing.org

capability overhangは、性能ではなく使い方の差

まずは定義から。モリックさんはこう書いています。

The capability overhang, the gap between what these models can do and what almost anyone is doing with them, is an opportunity because most people don't bring their own advantages to AI, and those who do get much more out of it.

訳すと「capability overhang、つまりモデルにできることと、ほぼ誰もが実際にそれでやっていることの隔たりはチャンスです。ほとんどの人は自分の強みをAIに持ち込んでおらず、持ち込む人ははるかに多くを引き出しているからです」。

さらに、仮に明日すべての研究所が新しいモデルの訓練をやめても、今あるGPT-6 AstraやFable 5.1だけで経済の大部分の働き方は変わる、とまで書いています。
モデルの進化を待つ必要はない、ということです。

論考では、1977年のテキストアドベンチャー『Zork』の3D化や、作家ウンベルト・エーコの蔵書の3D再現を例に出し、どれも「researchers, coders, and designers（研究者、プログラマー、デザイナー）」が何週間もかけるはずだった作業だと書いています。

趣味の話に見えますよね。でも自分が引っかかったのは、どちらも次世代モデルではなく今あるモデルでの話だという点なんですよ。
差を生んでいるのはモデルの性能ではなく、使う側が何を持ち込んでいるかです。
最新モデルを待っている間に、今のモデルで試していないことはいくつありますか？

深い知識と広い知識、AIに何を聞けるかで差がつく

4つのうち最初に挙がるのが深い知識（Deep Knowledge）です。
モリックさんの例がわかりやすいです。

It is how an experienced accountant can glance at a spreadsheet and know something is wrong, or how a golf pro can watch a swing and instantly understand the mistake the golfer is making.

「経験を積んだ会計士が表計算シートを一目見ておかしいと気づき、ゴルフのプロがスイングを見た瞬間にミスを見抜く、そういう力です」。
ここから先は自分の読み方です。
プロダクトの仕事なら、AIにユーザーインタビューを要約させたとき「この発言、本音じゃないな」と引っかかれるかどうか。

現場でユーザーと話してきた量がそのまま出る部分で、AIがどれだけ賢くなっても出力の違和感に気づく役は人に残ります。
続く広い知識（Wide Knowledge）について、モリックさんはAIがデザイン思考やトヨタ生産方式、ベイズ推論まで学んでいると認めたうえで、こう続けます。

But AI tends not to volunteer any of these patterns unless you know to ask.

「でも、こちらが聞くことを知らなければ、AIはそうした型を自分からは差し出してこない傾向があります」。
これ、機能要望の整理で起きがちなんです。
「要望を分類して」とだけ頼むと、AIはそれらしい汎用の分類を返してきます。

狩野モデルを知っていれば「当たり前品質と魅力品質に分けて」と頼めて、後回しにしていい要望が一気に見えてきます。
あなたがAIに頼むとき、フレームワーク名や専門用語を指示に入れていますか？

センス、AIが大量に出す候補から選ぶ力

3番目のセンス（Taste）は、プロダクトの仕事にいちばん刺さる箇所でした。
モリックさんは、AI以前は20個のプロダクトコンセプトを出すのにチームで1週間かかっていた、と振り返ったうえでこう書きます。

Now making is fast and cheap. The scarce resource is your ability to select among stuff using your own taste.

「今は作るのが速くて安い。希少なのは、自分のセンスで選び取る力です」。
20案に1週間かかっていた頃は、案の数が少ないこと自体が絞り込みの役割を果たしていたんですよね。
AIで一瞬で20案出るようになると、その自然な絞り込みが消えます。

選ぶ基準を持たないチームは、全部よさそうに見えて全部やろうとする。
プロダクトが散らかる典型的なパターンです。
AIが出した10案から1つを選んだとき、なぜそれなのかを30秒で説明できますか？ 説明できない選択は、センスではなく好みの域を出ていないと自分は考えてます。

主体性、AIを使いこなせていない人は待っている

最後の強みが主体性（Agency）です。

The jagged frontier is unmapped in your field, so agency is about becoming an explorer. It's the difference between waiting for someone to tell you that AI can now do something, and discovering it yourself by trying.

「あなたの分野では、でこぼこの境界はまだ地図になっていません。だから主体性とは探検者になることです。AIがもう何かをできるようになったと誰かが教えてくれるのを待つか、自分で試して見つけるか、その違いです」。

「jagged frontier」は、AIが得意なことと苦手なことの境目がギザギザに入り組んでいる、という意味でモリックさんが以前の研究から使っている言葉です。
プロダクトに置き換えると、半年前に「AIではまだ精度が足りない」と判断してスコープから外した機能を、今のモデルで検証し直したかどうか。

誰かの事例記事を待っているうちに、競合が先に試しているかもしれません。

あなたのプロダクト開発は、どの強みを余らせているか？

4つの強みを、プロダクト開発の判断で自分に問う形に置き換えてみました。
右の列はモリックさんの言葉ではなく自分の読み方です。

最初の一歩は小さくていいです。
今週AIに任せている作業を1つ選んで、この4行のうちどれを持ち込めていないかを見る。
それだけで、次に何を試すかが決まります。
モリックさんは論考の最後をこう締めています。

But your four advantages are a place to start today.

「でも、あなたの4つの強みは、今日から始められる出発点です」。
次のモデルを待つより、今のモデルに何を持ち込むか。
あなたのプロダクトで最初に余っている強みは、どれでしょうか？