「もっと本を読め」の誤謬
「どんな本を読むべきですか？」は、成功した創業者に対して駆け出しの起業家が最もよくする質問です。そして、最も役に立たない質問でもあります。
ビル・ゲイツは年間約50冊の本を読みます。マーク・ザッカーバーグは2015年に「読書の年」チャレンジを立ち上げ、23冊を公に読了しました。イーロン・マスクは10代の頃、1日10時間読書していたと言われています。こうした事実は際限なく繰り返されます。しかし、それらは危険な幻想を生み出します。読書という行為自体がより良い創業者を生むという幻想です。
そうではありません。ヘルマン・エビングハウスの研究は、1880年代以降100以上の研究で再現され、人間は新しく学んだ情報の約70%を24時間以内に、最大90%を1週間以内に忘れることを示しています。2019年にMemory & Cognition誌に掲載された研究では、受動的な読書はあらゆる学習戦略の中で最も定着率が低く、検索練習、精緻化質問、さらにはシンプルなハイライトよりも低いスコアであることが確認されました。
アメリカのCEOの平均的な読書量は月に4〜5冊です。しかし、6ヶ月前に読んだ本から具体的なフレームワークやデータポイントを思い出すよう求めると、ほとんどの人が苦労します。問題は知性や規律ではありません。システムなき消費は、洗練された娯楽に過ぎないのです。
創業者向けブックリストが決して触れないことがあります。それは、賞賛される読書家たちは単に読んでいるのではなく、収集し、処理し、結びつけ、適用しているということです。彼らは知識システムを構築しており、そのシステムこそが本棚のどの一冊よりもはるかに重要なのです。
エリート創業者の本当の学び方
一貫してより良い意思決定を行う創業者には共通のパターンがあります。彼らは単に情報を消費するのではなく、情報が自分の思考をどう流れるかを設計しています。5つのアプローチが際立っています。
イーロン・マスクのセマンティックツリー
マスクは有名なReddit AMAで自身の学習アプローチを次のように説明しています。「知識を一種のセマンティックツリーとして捉えてください。枝葉の詳細に入る前に、基本原理、つまり幹と大きな枝を理解してください。そうしないと、詳細がぶら下がる場所がなくなります。」
これは比喩ではありません。具体的な認知戦略です。マスクはエンジニアリングマニュアルの前に物理学の教科書を読みます。ロケット部品の設計の前に軌道力学を学びます。電気自動車分野に参入した際は、自動車製造プロセスではなくバッテリー化学の基礎から始めました。「幹から先に」というアプローチにより、新しい詳細にはすべて構造的な居場所があります。
認知科学もこれを裏付けています。リチャード・メイヤーのCognitive Theory of Multimedia Learning（2009年）では、詳細に触れる前にメンタルモデルを構築する学習者は、詳細を後からモデルに組み立てようとする学習者よりも転移課題で40〜60%優れていることが判明しました。
ジェフ・ベゾスの6ページメモ文化
Amazonでは、上級会議でのPowerPointプレゼンテーションが禁止されています。代わりに、発表者が6ページのナラティブメモを書き、会議は全員が20〜30分間黙読することから始まります。
ベゾスはその理由を次のように説明しています。「優れた4ページのメモを書くのが、20ページのPowerPointを『書く』より難しい理由は、良いメモのナラティブ構造が、何がより重要かについてより深い思考と理解を強制するからです。」
これは単なる会議形式ではありません。知識処理システムです。書くことは理解のギャップと向き合うことを強制します。箇条書きの陰に隠れることはできません。メモ文化により、Amazonのすべての重大な意思決定は構造化された散文を通じて圧力テストされ、書かれた成果物は組織の制度的記憶の一部となります。
チャーリー・マンガーのメンタルモデル格子構造
2023年に亡くなるまでバークシャー・ハサウェイの副会長を務めたマンガーは、自身が「メンタルモデルの格子構造」と呼ぶものの上に投資哲学を築きました。心理学、物理学、生物学、経済学、歴史学、数学から引き出した約100の核となるモデルを意思決定の評価に使用していました。
「頭の中にモデルを持っていなければならない」とマンガーは1994年のUSCビジネススクールでの有名な講演で述べています。「そして、間接的なものも直接的なものも含めた経験を、このモデルの格子構造の上に配列しなければならないのです。」
マンガーは単一の領域の中だけで読んでいたのではありません。広く、意図的に読み、分野を超えてアイデアを結びつけていました。ロバート・チャルディーニのInfluenceの読書は市場行動の理解に役立ちました。進化生物学の知識は競争上の堀の評価方法を形作りました。新しい知識の一つひとつが格子構造を強化していきました。
パトリック・コリソンの公開ブックシェルフ
Stripeの共同創業者は、patrickcollison.com/bookshelfで読んでいる本の公開リストを維持しており、多くの本に詳細なメモを添えています。しかし、より興味深いのは彼のより広い情報ダイエットです。コリソンは歴史、科学、経済学、伝記、文学など、意図的に分野横断的に読んでいることについて語っています。
また、研究への「ファストグラント」の提唱者でもあり、タイラー・コーエンと科学の進歩に関する論文を共同執筆しています。彼の知識システムは受動的な読書を超え、能動的な貢献、統合、そして公開思考にまで及んでいます。ブックシェルフはトロフィーケースではなく、分野横断的な統合のためのインプットフィードなのです。
ナヴァル・ラヴィカントの基礎的読書
AngelListの共同創業者であるラヴィカントは、異なるアプローチを取っています。「読書を愛するようになるまで、好きなものを読みなさい」と、ポッドキャストや広く共有されたツイートストームで繰り返し述べています。しかし、彼のシステムはこの言葉が示唆するよりも構造化されています。
ラヴィカントは新刊を追いかけるのではなく、基礎的なテキストを繰り返し読みます。同じ物理学、数学、哲学の本を何度も読んでいると述べています。ニュースを完全に避け、それを「人工的な緊急性」と呼んでいます。彼のシステムは広さよりも深さ、新しさよりも基礎、初読よりも再読を優先しています。
また、Twitterやポッドキャストへの出演を通じてアイデアをテストし、磨き上げる公開思考も行っています。これはカジュアルな共有ではありません。ファインマン・テクニックの一形態です。シンプルに説明できないなら、十分に理解していないのです。
| 創業者 | 核となる手法 | 主な分野 | 知識のアウトプット |
|---|---|---|---|
| Elon Musk | セマンティックツリー（枝葉の前に幹） | 物理学、エンジニアリング | 業界横断的な技術的意思決定 |
| Jeff Bezos | 6ページのナラティブメモ | ビジネス戦略 | 制度的意思決定アーカイブ |
| Charlie Munger | 約100のメンタルモデルの格子構造 | 分野横断的 | 投資テーゼの評価 |
| Patrick Collison | 公開ブックシェルフ + 積極的な研究 | 歴史、科学、経済学 | 論文・公開ノート |
| Naval Ravikant | 基礎の再読 + 公開思考 | 哲学、数学、物理学 | ツイートストーム、ポッドキャスト、厳選された知恵 |
第一原理思考 vs. アナロジー思考
創業者は新しい情報を処理する際、常にある選択に直面します。第一原理から推論するか、アナロジーで推論するか。どちらも有効です。スキルとなるのは、どちらをいつ使うかを見極めることです。
第一原理思考は、問題を最も基本的で検証された真実にまで分解し、そこから積み上げます。マスクが「なぜロケットはこんなに高いのか？」と問うたとき、既存のロケット価格から始めませんでした。原材料コスト（アルミニウム、チタン、カーボンファイバー、銅）を調べ、それらがロケット総価格の約2%に過ぎないことを発見しました。残りは非効率、仲介業者、そして慣習でした。SpaceXはそのギャップの上に建てられました。
アナロジー思考は、ある領域のパターンを別の領域に適用します。ブライアン・チェスキーがAirbnbのホスト体験を設計した際、ホスピタリティ業界、特にブティックホテルやB&Bからアナロジーを引きました。ホスピタリティの概念を原子レベルから再発明する必要はありませんでした。既存のパターンが有用だったのです。
この区別が知識システムにとって重要なのは、各モードが異なるインプットを必要とするからです。
| 側面 | 第一原理思考 | アナロジー思考 |
|---|---|---|
| 最適な場面 | 良い先例のない新規問題 | 解決済み問題と構造的に類似した問題 |
| 必要なインプット | 深い領域の基礎（物理学、経済学、生物学） | 幅広い分野横断的パターン認識 |
| 時間コスト | 高い（数時間〜数週間の分析） | 低い（数分〜数時間） |
| リスク | 単純な問題を過剰に設計する | ソース領域から欠陥のある前提を持ち込む |
| 例 | マスクがロケット材料費をゼロから計算 | チェスキーがブティックホテルのサービスをモデルにAirbnbのホスティングを設計 |
| 知識システムの要件 | 深く構造化された参考資料 | 広くタグ付けされ、相互参照されたハイライトとメモ |
DunbarとKlahrがScientific Discovery as Problem Solvingで2016年に発表した研究によると、最も成功した科学者はラボミーティングの66%の場面でアナロジー思考を使用しましたが、真に新しい現象に遭遇した際には第一原理に切り替えていました。エリート創業者にも同じパターンが見られます。スピードのためにアナロジーをデフォルトとし、リスクが高い場面や状況が本当に前例のないものである場合に第一原理にエスカレートします。
あなたの知識システムは両方のモードをサポートする必要があります。つまり、結論だけでなく、その根底にある推論も記録し、必要な時にアイデアをその基盤まで遡れるようにしておくことが重要です。
「収集・統合・適用」パイプライン
すべての創業者の知識システムは、創業者自身がそう呼ぶかどうかにかかわらず、3段階のパイプラインに従っています。
ステージ1：収集
ここでほとんどの人がつまずきます。読んでいないからではなく、保存していないからです。2021年のReadwiseによる調査では、ユーザーの72%がサインアップ前にKindleのハイライトを一度もエクスポートしたことがなかったと判明しました。情報は理論的にはKindleアカウント内に「保存」されていましたが、実質的にはアクセス不能でした。
効果的な収集には3つの特性があります。速いこと（1項目あたり10秒以内）。文脈が保存されること（ソース、日付、初期の反応が残る）。そして一元化されていること（すべてが一つのシステムに入り、アプリ間に散らばらない）。
Glasp のWebハイライターはWeb コンテンツの速度の問題を解決します。ハイライトすれば即座にキャプチャされ、完全なソースメタデータとともに保存されます。書籍については、Kindleハイライトインポートがアノテーションを同じシステムに取り込みます。摩擦の低減は「あれば便利」ではなく、使い続けるシステムと放置するシステムの分かれ目です。
ステージ2：統合
収集なき統合はため込みです。統合とは、生のハイライトを関連付けられた理解へと変換する段階です。
Dunloskyら（2013年）がPsychological Science in the Public Interestに発表したメタ分析によると、最も効果的な統合テクニックは、精緻化質問（各事実に「なぜ」「どのように」を問う）、自己説明（自分の言葉で内容を説明する）、練習テスト（内容について自分でクイズを出す）です。ハイライト単体のランクは低いものの、ハイライトと精緻化アノテーションの組み合わせはかなり高いランクでした。
これこそ、ハイライトそのものよりもアノテーションレイヤーが重要な理由です。ベゾスのメモ文化について一節をハイライトし、自分のチームのコミュニケーション課題と結びつけるメモを追加したとき、収集から統合へと移行しています。Glasp のAIチャットはここで役立ち、自分のハイライトライブラリに質問を投げかけることで、見逃しがちなつながりを浮かび上がらせます。
統合メソッドの詳細については、スマートノートの取り方のガイドをご覧ください。
ステージ3：適用
意思決定を変えない知識はトリビアです。適用の段階こそ、システムが真価を発揮するところです。
適用はさまざまな形を取ります。3冊の異なる本をもとに戦略メモを書く、数ヶ月前に記録したメンタルモデルに基づいて採用を決定する、昨年伝記で似たような事例をハイライトしていたから市場パターンを認識する、などです。
重要な指標は「ハイライト数」や「取ったメモの数」ではありません。「過去30日間で知識システムに基づいて行った意思決定の数」です。その数字がゼロなら、システムを見直す必要があります。
メンタルモデル：格子構造を構築する
マンガーの格子構造のアイデアは、単なる素晴らしい比喩ではありません。研究に裏付けられた具体的な認知アーキテクチャです。
VargaとHamburgerが2018年にThinking & Reasoningに発表した研究では、複数の分野からモデルを一つの問題に適用できる専門家は、独立した評価者により35%創造的で28%実用的と評価されるソリューションを生み出すことがわかりました。分野横断的なモデル適用は知的に興味深いだけでなく、より良い結果を生み出すのです。
2020年にFarnam Streetが200以上の投資家・創業者インタビューを分析した結果に基づく、創業者の意思決定に最も頻繁に現れるメンタルモデルは以下のとおりです。
逆転（マンガー）：「どうすれば成功するか？」と問う代わりに、「何をすれば確実に失敗するか？」と問います。そして、それを避けます。ベゾスが「10年後も変わらないものは何か？」と問い、その不変量（低価格、迅速な配送、幅広い品揃え）を中心にAmazonを構築したのは、この手法です。
二次的思考：ほとんどの人は意思決定の直接的な影響のみを考えます。ベゾスやピーター・ティールのような創業者は、習慣的に「その次はどうなるか？」を2〜3段階深く問います。ティールがFacebookに投資したとき、大学のソーシャルネットワークのことを考えていたのではなく、インターネットのアイデンティティインフラについて考えていたのです。
能力の輪（バフェット/マンガー）：自分が何を知っていて何を知らないかを把握します。自分の能力の輪の中にとどまる創業者は、壊滅的なミスを少なくします。輪の外にいることを認識し、独断で進めるのではなく専門家を求める人は、時間とともに優位性を複利的に積み上げます。
生存者バイアス：オンラインで目にする創業者のブックリストは、生き残った者によって選ばれています。スタートアップが失敗した創業者のブックリストは見えません。適切な知識システムは、反証となる証拠や失敗事例を積極的に探すことで、このバイアスに対処します。
複利効果：財務的なものだけではありません。知識は複利的に増えます。新しいメンタルモデルの一つひとつが、新たな接続ポイントを生み出すことで、他のすべてのモデルをより有用にします。これは知的複利の実践であり、格子構造の構築に早くから投資する創業者が時間とともにますます差をつける理由です。
この格子構造を構築するには、意図的で分野横断的な読書が必要です。スタートアップの本だけを読んでいては構築できません。生物学（進化、生態学）、物理学（フィードバックループ、エントロピー）、心理学（認知バイアス、動機づけ）、歴史学（サイクル、制度の衰退）、数学（確率、複利）が必要です。
マルチモーダル学習：YouTubeが読書を補完する理由
読書はほとんどの創業者の知識システムの基盤ですが、唯一のチャネルではありません。マルチメディア学習に関する研究は、モダリティの組み合わせが定着率と理解度を向上させることを一貫して示しています。
メイヤーのCognitive Theory of Multimedia Learningは、視覚と言語の両チャネルを通じて情報を受け取る学習者が、言語情報のみを受け取る学習者を上回ることを示す100以上の実験を統合しています。効果量は大きく、Butcherによる2014年のメタ分析では平均0.47標準偏差の改善が見られました。これは50パーセンタイルから68パーセンタイルへの移動に相当します。
創業者にとって、YouTubeは重要な学習チャネルとなっています。カンファレンストーク、実務者へのインタビュー、技術的なディープダイブ、プロダクトの分析がすべてオンデマンドで利用可能です。しかし、動画も読書と同じ問題を抱えています。収集しなければ、インサイトは消えてしまいます。
YouTube Summary by Glaspは、YouTube動画のタイムスタンプ付きサマリーを生成し、90分のトークを3分でスキャンして、再訪すべきセグメントをハイライトすることで、この課題に対処しています。受動的な動画消費を能動的な学習プロセスに変えるのです。このアプローチの詳細については、YouTubeから効果的に学ぶ方法のガイドをご覧ください。
最も効果的な創業者の学習スタックは以下を組み合わせています：
- 書籍と長文記事：深く構造化された理解のために
- YouTubeとポッドキャスト：暗黙知、トーン、実世界の文脈のために
- 会話とコミュニティ：アイデアの圧力テストと盲点の発見のために
- 執筆とアノテーション：統合と想起のために
Glasp のコミュニティフィードはここにソーシャルな次元を加えます。同じ記事で他の読者や創業者がハイライトした箇所を見ることで、一人で読んでいては気づかない視点が浮かび上がります。これは分散型の統合の一形態です。
創業者のための知識システム構築法
実用的な創業者の知識システムには5つの要素があります。どれか一つでも欠けると、システムは機能しなくなります。
1. インプットのキュレーション
すべての情報が等しいわけではありません。ナヴァル・ラヴィカントの「読書を愛するようになるまで、好きなものを読みなさい」というルールは出発点ですが、構造が必要です。創業者にとって実用的なインプットの配分は以下のとおりです：
- 月に2〜3冊の本（専門分野と分野横断のミックス）
- 週に10〜15本の質の高い記事（キュレーションされたもの、アルゴリズムによるものではない）
- 週に3〜5時間の動画/ポッドキャストコンテンツ（インタビュー、トーク、講義）
- 週に1〜2回の会話（自分とは異なる考え方をする人と）
鍵は、アルゴリズムによる消費ではなく、意図的なキュレーションです。Twitterのタイムラインやlinkedinのフィードは知識のインプットではありません。たまにシグナルが混じる娯楽です。
2. 摩擦のない収集
出会ったすべてのインサイトは、永続的なシステムからワンクリックの距離にあるべきです。何かを保存するのに10秒以上かかるなら、継続的には行えません。
Glasp のブラウザ拡張機能は、Webコンテンツに対してこれを瞬時に実現します。任意のWebページの任意の文章をハイライトすれば、完全な文脈とともに保存されます：URL、日付、タグ、追加したメモ。書籍については、Kindleインポートがハイライトを自動的に取り込みます。目標は、「これは面白い」から「これは保存された」までの摩擦をゼロにすることです。
3. 定期的な統合セッション
収集なき統合はデジタルのため込みです。週に30〜60分を確保して、最近のハイライトを見直し、つながりを追加し、簡潔な統合ノートを書きましょう。ここがセカンドブレインの構築の方法論と創業者の実践が交わる場所です。
統合の際、各ハイライトについて3つの質問をしてください：
- なぜこれを保存したのか？（最初の関心を明確にする）
- これは何とつながるか？（格子構造を構築する）
- いつこれを使うか？（アクショナブルにする）
4. 検索練習
忘却曲線はあなたの敵です。意図的な想起で対抗しましょう。週に一度、前月のハイライトから5〜10個を選び、再読する前に核となるアイデアを思い出してみてください。この簡単な練習は、テスト効果に関する200以上の研究に裏付けられており、長期的な定着率を2倍にすることができます。
5. 意思決定ログ
これはほとんどの創業者が省略する要素であり、最も価値のある要素です。重大な意思決定を行ったとき、どのメンタルモデル、フレームワーク、または具体的な知識がそれに影響を与えたかを書き留めてください。このログを四半期ごとに見直しましょう。時間とともに、知識システムのどの部分が実際に意思決定を動かしているか、そしてどの部分が無駄な重みになっているかが見えてきます。
実際に機能するツールとワークフロー
ツールはワークフローほど重要ではありません。しかし、適切なツールは摩擦を十分に低減し、ワークフローを定着させます。
| ツールカテゴリ | 目的 | ツール例 | 主な基準 |
|---|---|---|---|
| Webハイライト | 記事からインサイトを収集 | Glasp, Hypothes.is, Liner | 収集の速さ + ソーシャルレイヤー |
| 書籍ハイライト | 読書からインサイトを収集 | Glasp Kindle Import, Readwise | 自動同期、手動入力不要 |
| 動画学習 | トーク/講義からインサイトを抽出 | Glasp YouTube Summary, Snipd | タイムスタンプ付きサマリー + ハイライト |
| ノート統合 | アイデアを結びつけ発展させる | Obsidian, Notion, Logseq | 双方向リンク + 検索 |
| AIアシスタント | 自分のナレッジベースに質問 | Glasp AI Chat, NotebookLM | 汎用ではなく自分のハイライトに基づく |
| 意思決定ジャーナル | 知識の適用を追跡 | プレーンテキスト, Notion, Day One | 低摩擦、日付スタンプ付き |
ほとんどの創業者に有効なワークフロー：
- 毎日：読んでハイライト（Glasp が自動的に収集）
- 毎週：30分の統合セッション（ハイライトを見直し、メモを追加し、アイデアをつなげる）
- 毎月：インプットソースの監査（低シグナルを削除、高シグナルを追加）
- 四半期：意思決定ジャーナルの振り返り（どの知識が実際に重要だったか？）
多くの人が犯す間違いは、ワークフローではなくツールスタックを最適化することです。Glasp のハイライターとシンプルな週次レビューを使う創業者は、複雑なNotionセットアップを構築しても使わない人を上回ります。
知識から意思決定へ
知識システムの究極のテストは意思決定の質です。ループを閉じる方法を紹介します。
意思決定前の知識チェック：重大な意思決定（採用、プロダクト方針、資金調達、市場参入）の前に、15分かけてハイライトライブラリで関連するフレームワーク、データポイント、メンタルモデルを検索しましょう。Glasp のAIチャットは、自然言語でハイライト履歴全体に問い合わせることで、このプロセスを加速できます。
意思決定後のレビュー：意思決定の結果が出た後（良くても悪くても）、それに影響を与えた知識を遡ってみましょう。何を知っていましたか？何を見落としましたか？次回のためにシステムに何を追加すべきですか？
複利効果：2年間運用された知識システムには、数千の相互参照されたインサイトが含まれています。新しい問題が発生したとき、ゼロから始めるのではありません。記憶に値すると判断したすべてのものから成る、キュレーションされ、パーソナライズされ、検索に最適化されたライブラリを活用できるのです。これが知的複利が実践でどのように機能するかです。
最も良い意思決定を行う創業者は、必ずしも最も賢い人ではありません。蓄積された知識を意思決定の瞬間にアクセス可能にするシステムを構築した人です。それこそが本当の競争優位です。
よくある質問
創業者は年間何冊の本を読むべきですか？
魔法の数字はありません。ビル・ゲイツは約50冊読みますが、ナヴァル・ラヴィカントは代わりに5冊の基礎的テキストを再読するかもしれません。質問自体が間違っています。重要なのは年間の読書量ではなく、四半期ごとに収集、統合、適用されたインサイトの数です。強力な知識システムを持って12冊読む創業者は、システムなしで50冊読む創業者を上回ります。ブックカウントではなく、収集・統合・適用のパイプラインに集中しましょう。
定着率が最も高い読書形式は、紙の本、電子書籍、オーディオブックのどれですか？
Delgadoらが2019年にEducational Research Reviewに発表したメタ分析では、54の研究全体で紙の読書がデジタル読書よりもわずかに優れた理解度を示しました（d = 0.21）。しかし、デジタル読書でアクティブなアノテーションを使用すると、この効果はかなり縮小します。形式よりも、それをどう活用するかが重要です。Kindleでハイライトとアノテーションを行い、それをGlasp にインポートすれば、メモを取らずに紙の本を読む人よりも多くを定着させられるでしょう。
何も保存していない状態から知識システムを構築するにはどうすればよいですか？
今日、既に読んでいるものから始めましょう。Glasp のWebハイライターをインストールし、次の2週間はとにかくハイライトしてください。整理やタグ、統合については心配しないでください。まず収集の習慣を身につけましょう。2週間後、30分かけてハイライトを見直し、メモを追加してください。それがあなたのシステムです。そこから進化していきます。
一つの分野を深く読むのと、多くの分野を幅広く読むのと、どちらが良いですか？
両方ですが、順序があります。マンガーのアドバイスは、まず幅を広げ（格子構造）、特定の分野が仕事に関連するようになったら深く掘り下げることです。初めての創業者にとっては、心理学、経済学、歴史学、そして自身の業界にわたる幅広い読書がメンタルモデルの基盤を築きます。具体的な問題（価格設定、採用、プロダクト・マーケット・フィット）に直面したら、その分野を深掘りしましょう。
知識システムを構築しながら情報過多を避けるにはどうすればよいですか？
システムこそが情報過多の解決策であり、原因ではありません。システムがなければ、すべての情報が等しく重要（あるいは等しく忘れられるもの）に感じられます。システムがあれば、何を収集し何を手放すかの明確な基準があります。目安：ハイライトしないなら、読む必要はありません。インプットを厳しくキュレーションし、響くものを収集し、必要な時にシステムがそれを浮かび上がらせてくれると信頼しましょう。
結論：スタックではなくシステムを構築せよ
次に誰かが「どんな本を読むべきですか？」と尋ねたら、質問を方向転換させましょう。本よりも、その本を取り巻くシステムの方が重要です。
まずは収集から始めましょう。記事にはGlasp のWebハイライターを、書籍にはKindleインポートを使いましょう。動画学習にはYouTube Summaryを追加しましょう。これらのツールは、ほとんどの知識システムが始まる前に死んでしまう原因となる摩擦を排除します。
次に習慣を構築しましょう。毎週の統合。毎月の監査。四半期の意思決定レビュー。複利のリターンが現れるまでには時間がかかりますが、現れたとき、ただ「たくさん読む」だけの創業者との差は埋められないものになります。
創業者としてのあなたの競争優位は、今知っていることではありません。新しい情報をいかに速く、いかに確実により良い意思決定に変えられるかです。それは読書の習慣ではなく、知識システムです。構築しましょう。
