タイピング vs 音声入力

このエントリーでは、AI時代における入力方式(タイピングか、音声入力か)について検討します。

いまの音声入力は、とても優秀です。話すほうがタイピングよりずっと速いですし、最近では、話し言葉を整った文章にしてくれるAIツールもあります。「もうキーボードは要らないのでは?」と考える人もいるでしょう。実際、「音声入力に乗り換えて効率が上がった」と発信する著名人も増えています。このあたりを考えましょう。

なお、音声入力で十分な場面もあります。それも含めて、後ほど説明します。

では始めましょう。

toc

タイピング vs 音声入力

まず、何が違うのかを比較しましょう。

比較の大前提として、AIによる編集は行うものとします。つまり、どちらの入力方式にせよ、誤字・脱字は含まれないし、音声入力でも「えーと」のようなノイズは含まれません。ここがズレていると、「編集の手間が大きいので、音声入力は使いものにならない」で終わりになってしまいます。もうそういう時代ではないので、AI時代に合わせた比較をします。

以下を見てください。

タイピング(キーボード)音声
出力のスピード△:どれだけ習熟しても、音声入力には勝てない◯:圧倒的に速い
出力されるテキストの質◯:書きながら同時に修正されていく✕:思いつきがそのままテキストになる
編集しやすさ◯:ピンポイントで編集できる✕:手間が大きすぎて現実的ではない
箇条書きなどの書き方◯:可能✕:現実的に不可能

ここからわかるのは、最終的に人に見せる、質が問われる文章では、どのみちタイピングが必要であるということです。編集して複雑な書式を使わないと、人に見せられる良い文章にならないのです。上の表も、タイピングでなければ作れません。

もちろん、そのような最終的な詰めまで含めて「自分はAIに指示を出すだけで、文章自体を直接的に修正するつもりはない」という覚悟ができているなら、話は変わってきます。ただ、そのやり方で高品質な文章が作成できるとはとても思えないので、このエントリーでは検討の対象外とさせてください。

音声入力の使いどころ

ここまでの話を言い換えると、音声入力を使う意義が残るのは、以下の2パターンのみです。

  1. 人に見せないか、見せるとしても質が問われない文章
  2. 「最終的に人に見せる、質が問われる文章」の、最初のフェーズで使う

順に考えましょう。

音声入力の使いどころ①:人に見せないか、見せるとしても質が問われない文章

まず、人に見せないか、見せるとしても質が問われない文章では、音声入力が優位です。代表例としては、以下のものがあります。

  • プライベートなコミュニケーション
    • スマホで送るメッセージなど
  • メール(短い返信や、関係ができている相手との連絡)
    • 「承知しました、その日程で大丈夫です」のようなものは、ビジネスでのメールであっても、音声で十分
    • お願い・断り・提案など、書き方で結果が変わるメールは、質が問われる文章として扱う
    • もちろん、どこまで質の低下を許容するかは関係性による
  • 個人的なメモ(特に、発散的なもの)
    • アイデア出し
  • AIへのプロンプト

これらのケースに関しては、基本的に音声入力が優位であるという結論になるでしょう。文章の質にこだわる必要がないので、音声入力によるスピードが勝ちます。

特に、LINEのようなコミュニケーションアプリは、もともと話し言葉のスタイル(吹き出し、スタンプなど)に近づけてきた経緯があり、私たちもそれに慣れています。音声入力でライブ感のある言葉を送ったほうが向いている、という考え方もできるでしょう。声を出してもほかの人に迷惑にならないときは、音声入力でいいのではないでしょうか。

プロンプトに音声入力は使えるか

ちなみに、最後に挙げた「AIへのプロンプト」だけは、果たして音声入力が本当に優位なのか、私としては結論が出せていません。

最近よくある、音声入力を推す文章や動画では、ほぼ例外なくこの用途が「音声入力にすべき理由」として挙げられています。プロンプトは人に見せないし、AIは多少の誤字・脱字があっても問題なくこちらの意図を汲んでくれます。ならば、音声入力によるスピードを重視したほうがよい、ということですね。

ただ、私の経験上、タイピングで下書きして、少し見直してからコピペして送ったほうが、トータルでうまくAIを活用できる気がしています。理由は以下のとおりです。

  • いったん書いてから、「ここは伝えなくていいか」という判断をすることが結構ある
    • 言わなくていいことは言わないほうが、うまくいく(特に議論の最初のフェーズ)
      • 具体的なサービスや製品名を出すと、AIはそれに引っ張られがち
  • 書きながら、自分の思考を再確認しているようなところがある

要するに、75点のプロンプトで高速にラリーするより、100点のプロンプトで低速にラリーしたほうがマシなのではないか、というのが現時点での私の意見です。ただ、これはあくまで一意見なので、両方試して、あなたに合った入力方式を採用すればよいでしょう。

音声入力の使いどころ②:「最終的に人に見せる、質が問われる文章」の、最初のフェーズ

次に、「最終的に人に見せる、質が問われる文章」の、最初のフェーズで使うという用途が考えられます。まずは音声で一気に出力してしまい、後からAIとタイピングで編集する、というスタイルですね。一昔前は、この使い方で音声入力を推している人が多かったように思います。

結論として、私はこの使い方をオススメしません。理由はシンプルで、このスタイルだと文章のクオリティが下がる(と思う)からです。

実際、私自身はこのやり方を試して、明確にクオリティが下がりました。私以外にも、音声入力を採用して成果物のクオリティが下がったケースを3件知っています。n数は少ないですが、3分の3なので、偶然とは考えにくいでしょう。

なぜ音声入力だと文章のクオリティが下がるのか

最初に音声入力を使うと文章のクオリティが下がる理由は、構成が練られたものにならないからだろう、というのが私の仮説です(ほぼ確信ですが)。

文章を書くとき、最初から完成形が出てくることはまずありません。書いてみて、読み返して、「ここは順番が逆だ」「この言葉では足りない」と直していくうちに、自分が本当に言いたかったことが見えてきます。つまり、直す(編集する)ことが、考えを組む工程そのものなのです。

ところが、音声入力は話した順にしか並びません。思いつきが、そのまま言葉になっていきます。

「いや、後からAIとタイピングで編集するんだから、それは問題にならないはずだ」という指摘はもっともです。しかし、実態としては、最初に音声で出力したものに引っ張られるのです。

こうなる理由はいくつか考えられますが、もっとも大きい理由は「せっかく出力した言葉は使いたい」と思ってしまうことでしょう。実際はマイクに向かってテキトーに話しただけなのに、それでもテキストになっていると、どこかで活かしたいと思ってしまうのです。

しかも、ここではAIのサポートも期待できません。知ってのとおり、AIは「ここはテキトーに話しただけのゴミみたいな内容ですから、全部カットしましょう」という提案はしてくれません。いつだって、私たちが作ったものを最大限尊重してくれます1。

つまり、AIに整えてもらっても、問題は解決せず、見えなくなるだけなのです。AIを盲信しないための考え方については、以下のエントリーも参考にしてください。

また、音声で一気に出力できてしまうと、その量が多すぎて、再構成しきれなくなる、という点もあるでしょう。

実際、先述の「音声入力を採用してクオリティが下がった人」は、すべてこの症状が出ていました。話し言葉の量がそのまま文章になったような印象で、以前ほど研ぎ澄まされていないと感じました。

何が律速段階なのか

結局、本当の律速段階(全体のスピードを決めている、いちばん遅い工程)は「テキストを出力するスピード」ではなく「思考のスピード」である、というのが私の意見です。

そして、思考のスピードを決めているのは、「思考を言葉・テキストにするスピード」ではなく、「出力したテキストを見て、自分の思考を巡らせる時間」です。ここにもっとも時間がかかる以上、音声入力にして最初の出力スピードを上げても、本質的なところは何も変わらないか、むしろ悪化するのではないでしょうか。

少なくとも私の経験上はそうだと確信しているし、音声入力がそこまで普及していない現実も、これと矛盾しないように思います。

タッチタイピングは、全員が身につけるべき

まとめると、AI時代になっても、入力方式の主役はタイピングのままというのが私の見立てです。音声入力は便利ですし、これからもその利便性は向上するでしょうが、タイピングを置き換えるほどの存在にはならないでしょう。

よって、タッチタイピングは万人が習得すべきスキルである、というのが当サイトの立ち位置です。理由は以下のとおりです。

  • 習得は数十時間で済み、一度覚えれば古くならない。特定のアプリの操作方法と違って、ソフトが変わっても使い続けられる
  • 将来、音声入力の比重がもっと上がったとしても、失うのは数十時間だけ
  • スマホのフリック入力では代わりにならない
    • 短い文ならフリックで足りるが、長い文章を組んで直すのは、キーボードでないと難しい

ちなみに、これは「ホワイトカラーを目指す人だけのスキル」ではないと私は考えています。自分の考えや感情を長い文章で書き出し、それを見てじっくり考える、というのは、職業にかかわらず、人間の基本的な力と呼んでよいものだからです。AI時代の教育では、そういった力こそ求められるのではないでしょうか。

子どもに覚えさせるなら、小学生のうちがよいでしょう。キーを見て打つ、2本指で打つ、といった我流の打ち方が固まってしまうと、直すのはゼロから覚えるより大変です。

AI時代に求められる力について、関連する考え方は以下の書籍にまとめています。

関連書籍
AI時代のロジカルシンキング

AI時代のロジカルシンキング

合理的な意思決定のフレームワーク

余力があれば、親指シフト

最後に、少し上級者向けの話をしておきます。日本語の長い文章をたくさん書く人には、親指シフトという入力方式もオススメです。

親指シフトは、かなを直接打つ方式で、ローマ字入力より日本語の打鍵数が少なく、ローマ字を頭の中でかなに直す手間もありません。長い目で見れば、そのリターンはとても大きいです。

ただし、全員に勧めるものではありません。

  • まず覚えるべきは、ローマ字入力のタッチタイピング
    • 英語やコマンドを打つには、どのみちローマ字配列(QWERTY)が必要になる
  • メーカーの後ろ盾はなくなった
    • 富士通は2020年に、親指シフトのキーボードと関連ソフトからの撤退を発表
    • いま使うなら、有志が作ったソフトや設定に頼ることになる。ただ、AIで作ったり直したりするのも簡単になったので、大きな心配は要らないだろう

つまり、親指シフトはあくまで、ローマ字のタッチタイピングを身につけたうえでの上乗せと考えてください。

ただ、個人的には本当にオススメのスキルです。これからも日本語をタイプする機会があるなら、思い切って投資するといいですよ。最初は本当に苦しいですが、習熟すると指が話すようになります。

以上、タイピングと音声入力の違いについて考えてみました。次は話を戻して、前回のエントリーで触れた「カスタムAI」について学びましょう。

なお、AI関連のエントリーは以下にまとめています。

Footnotes

  1. なお、「徹底的にカットして」と頼めば削ってはくれますが、それは重複や脱線といった表面的な無駄です。どれがテキトーに話しただけで、どれが本当に言いたいことなのかを決める基準は、私たちの側にしかありません。 ↩