コンテンツの洪水：量が多ければ良いわけではない
毎日、インターネットは拡大し続けています。WordPressサイトだけで1日あたり約750万件のブログ記事が公開されています。YouTubeには毎分500時間を超える新しい動画がアップロードされます。これは生成AI登場前のベースラインでした。
2022年末のChatGPTのローンチ以降、AI生成コンテンツは急増しました。NewsGuardは2024年半ばまでに1,000以上のAI生成ニュースサイトが運営されていることを確認しました。Originality.aiの推計によると、2025年に公開されたウェブコンテンツの14%が完全にAI生成であり、2022年の2%未満から増加しました。AmazonのKindleストアでは、2022年から2025年の間にセルフパブリッシングタイトルが400%増加し、その相当部分がLLMを使用して制作されました。
これは品質だけの問題ではありません。シグナル対ノイズの問題です。コンテンツ制作コストがゼロに近づくと、凡庸なコンテンツの供給は事実上無限になります。希少な資源はもはや制作能力ではなく、フィルタリング能力です。
Herbert Simonは1971年にこれを予見していました。「情報の豊かさは注意の貧困を生む」。彼は50年早く正しかったのです。違いは、情報の豊かさが「大量」から「理解不能な量」になったことです。注意力はそれに追いついていません。
学習を大切にする人にとって、この変化はゲームを根本的に変えます。「Xについての情報を見つけられるか？」という問いではありません。それは簡単に解決できます。問いは「Xについての1万件のコンテンツのうち、どの3件に時間を使う価値があるか？」です。これがキュレーションの問いです。そして現在、ほとんどの人はこの問いを、自分の利益を考えていないアルゴリズムに委ねています。
この情報の洪水を意図的に管理する方法について考えているなら、健全な情報ダイエットの構築に関する記事で実践的な方法を解説しています。
テイストの本当の意味（そしてなぜ仕事に重要なのか）
「テイスト（審美眼）」という言葉は主観的に、あるいはエリート主義的にさえ聞こえるかもしれません。しかし実際には、テイストは特定の認知スキルです。深いパターン認識に基づいて、品質を素早く正確に評価する能力のことです。
Steve Jobsは1996年のWired誌のインタビューでシンプルにこう述べています。「Microsoftの唯一の問題はテイストがないことだ。まったくテイストがない。小さな意味で言っているのではなく、大きな意味で言っている。つまり、オリジナルのアイデアを考えず、製品にあまり文化を持ち込まないということだ。」
Jobsは抽象的な話をしていたのではありません。具体的な競争優位性を説明していたのです。Appleの成功は、何を含めるかと同じくらい、何を除外するかを知ることから生まれました。すべてのプロダクト判断はキュレーション判断でした。
StripeのCEOであるPatrick Collisonは、読書リストや知的影響を公に共有することで知られています。彼の個人サイトには、テーマ別に整理されたキュレーション済みの書籍推薦があり、それぞれなぜ重要かを説明する注釈が付いています。Collisonは単に幅広く読むだけではありません。慎重に選び、選んだものに文脈を与えています。これが実際のテイストです。
Maria PopovaはBrain Pickings（現The Marginalian）をインターネット上で最も尊敬される知的出版物の一つに育て上げました。彼女は毎週約12冊の本を読みますが、発表するエッセイは約3本です。彼女の価値は量ではありません。捨てた75%と、残した25%の間に引く接続にあります。
このように理解されるテイストには3つの要素があります。
- 幅広い接触：十分な例を見ていなければ品質を判断できません。Popovaは3本書くために12冊読みます。Jobsはカリグラフィー、建築、禅仏教を学びました。
- 評価フレームワーク：経験豊富なキュレーターは、「良い」とはどのようなものかについての内的モデルを発達させます。これらのフレームワークは多くの場合暗黙的で、明示的なルールよりも繰り返しによって構築されます。
- 除外する勇気：キュレーションには「ノー」と言うことが必要です。アルゴリズムはエンゲージメントを最適化するのでこれができません。人間にはできます。
これは学習可能です。シカゴ大学の研究者は2023年に、視覚芸術、音楽、文章などの領域における美的判断が、意図的な練習とフィードバックによって測定可能に向上することを発見しました。テイストは生まれつきのものではありません。素材との持続的で内省的な関わりを通じて訓練されるものです。
アルゴリズムによるレコメンデーション vs. ヒューマンキュレーション
この2つのアプローチは表面上は似ています。どちらもコンテンツを提示します。しかし、根底にあるロジックは根本的に異なります。
| 次元 | アルゴリズムによるレコメンデーション | ヒューマンキュレーション |
|---|---|---|
| 最適化対象 | エンゲージメント（クリック、滞在時間、シェア） | 意味（洞察、有用性、品質） |
| 選択方法 | 行動データの統計的パターン | 専門性と文脈に基づく判断 |
| 説明責任 | 不透明：誰もあなたが見るものを「選んで」いない | 透明：特定の人が選択を行った |
| セレンディピティ | 低い：過去の行動を強化する | 高い：キュレーターが予想外のつながりを発見する |
| 文脈 | なし：関連性スコアでランク付けされる | あり：キュレーターがなぜ重要かを説明する |
| バイアスの種類 | 人気バイアス、新しさバイアス、エンゲージメントバイアス | 個人的バイアス（ただし特定・修正可能） |
| スケール方法 | 限界費用ほぼゼロで無限に | 人間の注意力に制限され、ゆっくりと |
| 信頼モデル | 「システムがあなたを知っている」 | 「この人の判断を信頼する」 |
Netflixのレコメンデーションエンジンは視聴者の選択の80%を左右しています（Netflix Tech Blog, 2023年）。YouTubeのアルゴリズムは全視聴時間の70%を決定しています。Spotifyの協調フィルタリングに基づくDiscover Weeklyプレイリストは、音楽発見のかなりの割合を占めています。これらのシステムは「機能」しています。しかし「機能する」とは「ユーザーをエンゲージさせ続ける」という意味であり、「ユーザーをより賢く、よりよく情報を得た状態にする」という意味ではありません。
エンゲージメントと価値は定期的に乖離するため、この区別は重要です。YouTubeのアルゴリズムは、ますます過激なコンテンツの4時間のラビットホールにあなたを喜んで送り込みます。優れたヒューマンキュレーターなら、20分の動画を1本渡して「これが私が見つけた最良の説明です。これを見れば十分です」と言うでしょう。
ヒューマンキュレーションは、アルゴリズムが構造的に提供できないものを導入します。それは編集判断です。キュレーターが「これを読んで、それは飛ばして」と言うとき、エンゲージメント指標では捉えられない価値観、専門性、文脈を持ち込んでいます。だからこそ、個人からのニュースレター（Ben ThompsonのStratechery、Matt LevineのMoney Stuff、Emily OsterのParentData）は、深さと満足度においてアルゴリズムフィードをしばしば凌駕します。誰かが何を含めるかを選んだのです。
フィルターバブル、エコーチェンバー、自動化のコスト
Eli Pariserの2011年の著書 The Filter Bubble は、アルゴリズムによるパーソナライゼーションがユーザーを情報の繭に閉じ込めると警告しました。当時、多くの研究者はその影響は小さいと反論しました。
14年後、エビデンスはより強固になっています。2025年に Nature Human Behaviour に掲載されたBhadani、Rothらの研究は、LLMを活用したコンテンツレコメンデーションが情報の多様性にどう影響するかを調査しました。6か月間にわたり、AIキュレーションフィードに接触したユーザーは、時系列フィードを使用した対照群と比較して、消費する情報源の多様性が34%減少しました。この効果はシステムと最も多くインタラクションしたユーザーで最も強く、エンゲージメントが狭小化を深めるフィードバックループが確認されました。
これは政治の話だけではありません。プロフェッショナルな文脈では、フィルターバブルはナレッジワーカーが既存のフレームワークに合致するアイデアしか目にしないことを意味します。アルゴリズムが提供するコンテンツだけを読むエンジニアは、ますます狭い専門性を身につけるでしょう。アルゴリズムのニュースフィードに依存するファウンダーは、自分の業界外のシグナルを見落とすでしょう。
メカニズムは単純です。レコメンデーションアルゴリズムは行動から学習します。Reactの記事をクリックすれば、アルゴリズムはもっとReactの記事を提供します。時間が経つにつれ、Rust、Elixir、システム設計に関する記事が表示されなくなります。フィードは過去の興味の鏡になり、次に何を学ぶべきかを示す窓ではなくなります。
2024年のMIT Sloan Schoolのワーキングペーパーでは、ナレッジワーカーの62%が主要な情報フィードを「繰り返しが多い」と表現し、41%が「コンテンツのループにはまっている」と感じていました。アルゴリズムフィードを通じて自分の前提を覆す視点に定期的に出会うと報告したのはわずか18%でした。
コストは現実のものです。多様な情報摂取はより良い意思決定と相関しています。2023年の Management Science に掲載されたAggarwalとWoolleyの研究では、多様な情報源から情報を消費するメンバーで構成されたチームは、同質的な情報チームより複雑な問題解決タスクで29%優れた成果を上げました。入力を狭めるアルゴリズムは、静かにあなたの出力を劣化させています。
アンチアルゴリズム運動
読者、クリエイター、ナレッジワーカーの間で、アルゴリズムフィードから積極的に離脱する動きが広がっています。これはニッチなトレンドではありません。測定可能な現象です。
Substackの報告によると、有料ニュースレターの購読数は2025年に前年比50%成長し、3,500万件を超えるアクティブ有料サブスクリプションに達しました。これらの読者は、アルゴリズムが提供できないもの、つまり何が重要かについての特定の人間の判断に対して、実際にお金を払っています。
長らく「終わった」と宣言されてきたRSSリーダーの利用は、2023年以降着実に増加しています。Feedlyは2023年から2025年の間にアクティブユーザーが38%増加したと報告しました。Readwise Reader、Omnivore（買収前）、Feedbinも成長を報告しています。人々は自分自身の情報パイプラインを再構築しています。
キュレーションされたコミュニティプラットフォームも勢いを増しています。Glaspのコミュニティフィードは、実際の人々がウェブ上で何をハイライトし、読んでいるかを表示します。これはアルゴリズムがあなたがクリックすると予測するものよりもはるかに有用なソーシャルシグナルです。思慮深い読者が何に注目しているかを見ることで、操作なしにセレンディピティを得ることができます。
| アプローチ | 例 | 得られるもの | 失うもの |
|---|---|---|---|
| アルゴリズムフィード | Twitter/X、TikTok、YouTube Home | 無限のコンテンツ、ゼロの努力 | コントロール、多様性、深さ |
| 有料ニュースレター | Stratechery、Money Stuff、The Diff | 専門家の判断、一貫した品質 | 幅広さ、無料アクセス |
| RSS / リーダーアプリ | Feedly、Readwise Reader | 完全なコントロール、アルゴリズムなし | 発見性（情報源を手動で選ぶ必要あり） |
| コミュニティキュレーション | Glasp、Hacker News、Are.na | 多様な視点、ソーシャルプルーフ | スケール（小規模コミュニティ） |
| パーソナルキュレーション | Notionデータベース、Obsidian vault | 完全なフィット感、深い文脈 | 維持に時間がかかる |
共通するのは意図性です。これらのアプローチはすべて、人間をループの中に戻します。アルゴリズムが提供するものを受動的に受け取るのではなく、情報源を能動的に選び、品質を評価し、自分自身の情報アーキテクチャを構築するのです。
これはパブリックラーニングの考え方と直接つながっています。何を読み、なぜそれを読むかを公開的にキュレーションすることで、自分の判断力を強化しながら他者に価値を提供できます。
プロフェッショナルスキルとしてのキュレーション
キュレーションは個人的な実践にとどまりません。業界を超えたコアなプロフェッショナルスキルになりつつあります。
ベンチャーキャピタルでは、ディールフローをキュレーションする能力がトップパフォーマーのファームと平均的なファームを分けます。Marc Andreessenは、最高の投資家は本質的に「人とアイデアのキュレーター」であると述べています。Y Combinatorの成功は資本（豊富にある）からではなく、応募者の上位1〜2%を正しく選別することから生まれています。
プロダクトマネジメントにおいて、その仕事は本質的にキュレーション的です。PMは機能を作るのではありません。どの機能を作り、どれを捨てるかを決めます。優れたPMはユーザーニーズ、競争環境、技術的制約について深くキュレーションされた理解を維持しています。解決すべき正しい問題を選択するのです。
教育では、「壇上の賢者」から「傍らのガイド」への転換は、実質的にキュレーションへの転換です。優れた教師は情報を提示するだけではありません。適切な読み物を選び、効果的に順序立て、各ピースをより広いフレームワークの中で文脈化します。
広くナレッジワーカーにとって、キュレーションスキルがキャリアの前進と相関していることがわかっています。2024年のMcKinsey Global Survey on workforce productivityによると、構造化された個人ナレッジベース（キュレーションされたノート、注釈付きブックマーク、整理されたハイライト）を維持している従業員は、検索・取得方式だけに頼る従業員より23%生産性が高いことがわかりました。
これは考えてみれば当然です。2023年のIDCの調査によると、平均的なナレッジワーカーは週に9.3時間を情報検索に費やしています。コアトピックに関する最良のリソースをすでにキュレーションしていれば、その検索時間は大幅に短縮されます。キュレーションは将来の効率への投資です。
研究者にとって、キュレーションは特に強力です。集合知に関する記事で述べたように、個人が自分の発見をキュレーションして公に共有すると、複利的に増大するナレッジリソースが生まれます。ある人のキュレーションされたハイライトが、別の人の出発点になるのです。
ソーシャルアノテーション：インターネットのキュレーションレイヤー
ここで思考実験をしてみましょう。誰かが記事を読んで重要な洞察を見つけるたびに、その洞察が次の読者に見えるようになったとしたらどうでしょう。ページ下部のコメントとしてではなく。いいねやシェアとしてでもなく。テキスト内のハイライトされた箇所として、なぜ重要なのかを説明する読者のメモとともに。
これがソーシャルアノテーションが実現することです。既存のインターネットの上にキュレーションレイヤーを作り出します。
このコンセプトはVannevar Bushの1945年のエッセイ「As We May Think」に遡ります。そこで彼は「memex」を描写しました。ユーザーがドキュメント間にリンクされたアノテーションの道筋を作成できる装置です。Bushは、良い判断力を持つ思索家によって作られたこれらの連想的な道筋が、ドキュメントそのものよりも価値を持つようになると想像しました。
80年後、そのテクノロジーが実現しました。Glaspのウェブハイライターは、あらゆるウェブページの文章をハイライトし、そのハイライトを公開で共有できます。あなたのハイライトはコミュニティフィードに表示されます。他のユーザーはあなたに何が響いたかを見ることができます。時間の経過とともに、何百万ものウェブページにわたる最も価値のあるものの、豊かで人間がキュレーションしたマップが構築されます。
これはアルゴリズムによるレコメンデーションとは根本的に異なります。アルゴリズムは「これをクリックした人はあれもクリックしました」と言います。ハイライトされた箇所は「実在の人間がこれを注意深く読み、この特定の部分に価値を見出しました」と言います。情報的内容はより豊かで、より信頼でき、より有用です。
ソーシャルアノテーションはAIが学習をどのように変えているかにも影響する問題を解決します。それは受動性の罠です。テキストをハイライトし、なぜそれが重要かについてメモを書くとき、能動的な処理に従事しています。ただ消費しているのではありません。評価し、選択し、文脈化しているのです。これがキュレーションの最も純粋な形です。
そしてそれらのアノテーションが共有されると、ネットワーク理論家Clay Shirkyが「生産的になった認知余剰」と呼んだものが生まれます。すべてのアノテーションは、コミュニティ全体に利益をもたらすキュレーションの小さな行為です。KindleのハイライトをGlaspにインポートすれば、あなたの何年もの読書が公共のリソースになります。YouTube Summaryを使って動画コンテンツの要点を捉えれば、1時間のトークから本質的な10%をキュレーションしたことになります。
AI時代のキュレーション経済学
AIが進歩するにつれてキュレーションがより価値を持つ理由には、シンプルな経済的議論があります。コンテンツの供給が無限に向かうとき、良い判断力の供給はそうならないからです。
これは補完財の典型的なケースです。AIはコンテンツ制作をほぼ無料にします。しかし、供給が増加すると個々のコンテンツの価値はゼロに向かって低下します。希少であり続け、したがって価値があるのは、優れた1%とノイズの99%を区別する能力です。
Variant Fundの共同創業者Li Jinは、クリエイターエコノミーが「キュレーターエコノミー」に移行していると主張しています。彼女の分析によると、飽和したコンテンツ市場ではオーディエンスは制作ではなくフィルタリングに対してますますお金を払うようになっています。オリジナルの分析を書くニュースレターは価値があります。既存の最良のコンテンツを見つけて文脈化するニュースレターはしばしばそれ以上の価値があります。読者の問題はコンテンツの不足ではなく、フィルタリングの不足だからです。
賃金データもこれを裏付けています。2025年のGlassdoorデータによると、メディア企業のコンテンツキュレーター職は、同等レベルのコンテンツクリエーター職よりも15〜30%高い給与を得ています。プロフェッショナルキュレーターであるリサーチライブラリアンは、組織が情報過多に苦しむ中、2020年以降の報酬中央値が22%上昇しています。
組織レベルでは、キュレーション投資のリターンはさらに明確です。
- コンサルティングファームは、主にキュレーションされた知識に対してクライアントに課金しています。McKinseyの価値はオリジナルデータの生成ではありません。特定のクライアントの状況に適したフレームワークとエビデンスを選択することです。
- ベンチャーキャピタルのリターンは選択の質によって決まります。最高のVCは平均的なVCより多くのディールを見ているわけではありません。より良く選んでいるのです。
- 学術出版はキュレーションビジネスです。査読、ジャーナル選択、編集判断はすべて、どの研究が注目されるかを決めるキュレーションの形態です。
AIがコンテンツ制作コストをゼロに向かって押し下げるにつれ、すべてのビジネスはますますキュレーションビジネスになるでしょう。今強力なキュレーション能力を開発する組織と個人が、構造的な優位性を持つことになります。
キュレーション習慣の構築
キュレーションはスキルです。つまり、意図的な練習によって向上します。日々のキュレーション習慣を構築するための実践的なフレームワークをご紹介します。
ステップ1：インプットを多様化する。 主要分野外の5〜10の情報源を購読しましょう。エンジニアなら、哲学ブログ、経済ニュースレター、デザインの出版物を追加してください。目標は接触の幅広さです。RSSリーダーやGlaspのコミュニティフィードを使って、他の分野の賢い人々が何を読んでいるかを発見しましょう。
ステップ2：積極的にハイライトする。 ただ読むだけではなく、響いたものに印をつけましょう。Glaspのウェブハイライターを使って、出会った文章をキャプチャしてください。テキストを選択するという物理的な行為が、判断を迫ります。これは保存する価値があるか？これがあなたの評価本能を訓練します。
ステップ3：文脈とともに注釈をつける。 メモなしのハイライトは半分のキュレーションです。なぜ保存したかを説明する一文を追加しましょう。「Xに関する通説に反する。」「Yの最良の説明を見つけた。」「Zのアイデアにつながる。」これらのメモは、テイストが明示的かつ共有可能になる場所です。
ステップ4：レビューしてつなげる。 週に一度、最近のハイライトを見直しましょう。情報源を横断するパターン、矛盾、つながりを探してください。GlaspのAIチャットを使って、収集したハイライトについて質問し、見落としていたかもしれない関係性を浮かび上がらせましょう。この統合のステップが、キュレーションが知識創造になる場所です。
ステップ5：選択的に共有する。 最良の発見を公開しましょう。週次のまとめを書きましょう。読書リストを共有しましょう。オーディエンスのためにキュレーションする行為があなたの基準を引き上げます。見つけたものすべてを共有するのではなく、品質のバーをクリアしたものだけを共有します。これがプレッシャー下のテイストです。
ステップ6：情報源を反復的に見直す。 毎月、情報インプットを監査しましょう。品質が低下した情報源は外し、ギャップを埋める新しいものを追加します。キュレーション実践は知識と興味の発展に応じて進化すべきです。固定された読書リストは停滞のサインです。
これは健全な情報ダイエットの構築で説明したことに非常に近いですが、重要な追加があります。共有レイヤーです。孤立して実践するキュレーションは自分を助けます。公開で実践するキュレーションは全員を助けます。
よくある質問
AIキュレーションは人間のキュレーターを置き換えるほど優れてきていないのですか？
AIは過去の好みに合ったコンテンツを見つけることには優れています。しかし、キュレーションを価値あるものにする要素、つまり予想外のつながりを発見すること、価値観に基づく判断を適用すること、生きた経験を必要とする文脈を提供することには不得意です。2025年のReuters Instituteの調査では、回答者の67%がアルゴリズムによるレコメンデーションよりも、フォローしている特定の人物によるレコメンデーションの方を信頼すると回答しました。AIは人間のキュレーターを支援できます（候補の提示、コンテンツの要約、関連コンテンツの発見）。しかし、編集判断のレイヤーは明確に人間のものです。
テイストを始めたばかりの段階ではどう発達させればよいですか？
まず量、それから選択性です。3〜6か月間、キュレーションの品質を気にせず幅広く読んでください。気前よくハイライトしましょう。時間が経つと、初期のハイライトが最近のものほど選別されていなかったことに気づくでしょう。そのギャップがテイストの発達です。シカゴ大学の美的判断に関する研究（2023年）では、改善には特定の領域での素材との意図的で内省的な関わりに約200時間が必要であることがわかりました。近道はありませんが、成長の軌道は確実です。
キュレーションは副業的な実践ではなくキャリアになり得ますか？
すでに多くの人にとってキャリアです。Ben Thompson（Stratechery、推定年間収益300万ドル以上）やMatt Levine（BloombergのMoney Stuff）のようなニュースレターライターはプロフェッショナルキュレーターです。リサーチライブラリアン、ミュージアムキュレーター、タレントスカウト、ベンチャーキャピタリスト、学術ジャーナル編集者はすべてキュレーションを職業としています。コンテンツ制作コストが低下するにつれ、スキルのあるキュレーターへの需要は業界全体で成長するでしょう。Li Jinの「キュレーターエコノミー」テーゼは、これが今後10年でより大きな雇用カテゴリーになると予測しています。
Glaspはブックマークや記事の保存とどう違うのですか？
ブックマークはURLを保存します。キュレーションは具体的な洞察とそれが重要な理由を保存します。Glaspで文章をハイライトすると、コンテンツ内のシグナルをノイズから切り離しています。あなたのハイライトは検索可能、共有可能になり、他のハイライトとつながります。時間の経過とともに、知的成長を反映するパーソナルナレッジグラフが構築されます。ソーシャルレイヤーにより、他のユーザーがあなたのキュレーションから恩恵を受け、あなたも彼らのキュレーションから恩恵を受けます。プライベートなブックマークツールでは実現できない集合知効果を生み出します。
AI生成コンテンツはキュレーションをさらに難しくしませんか？
短期的にはそうです。コンテンツの量はフィルタリングツールの品質よりも速く増加するでしょう。しかし、まさにこれが、ヒューマンキュレーションがより価値を失うのではなく、より価値を増す理由です。無限のAI生成記事の世界では、「この3つが読む価値があり、その理由はこうです」と言える人は途方もない価値を提供します。洪水はフィルターの重要性を減らすのではなく、増すのです。
結論：キュレーションするか、されるか
今や選択肢は2つしかありません。アルゴリズムにあなたが見るもの、読むもの、考えるものを決めさせるか。それとも、自分で選ぶスキルを身につけ、他の人がより良く選ぶ手助けをするかです。
エビデンスは明確です。アルゴリズムによるキュレーションはエンゲージメントに最適化し、世界観を狭め、情報摂取の多様性を劣化させます。意図を持って実践し、オープンに共有するヒューマンキュレーションは、その逆を行います。予想外のアイデアを浮上させ、本物の理解を構築し、ネットワーク内のすべての人に複利的な価値を生み出します。
テイストは贅沢品ではありません。情報時代のサバイバルスキルです。そして他のスキルと同様に、練習を通じて発達します。幅広く読み、意図的にハイライトし、文脈とともに注釈をつけ、他者と共有することで。
今日からキュレーション実践を始めましょう。Glaspのウェブハイライターをインストールし、重要なものをハイライトし始め、コミュニティと共有してください。何千もの小さなキュレーション判断を通じて磨かれるあなたのテイストは、最も価値あるプロフェッショナル資産の一つになるでしょう。
AI時代は、ヒューマンキュレーターの時代でもあります。問いは、あなたがキュレーターになるか、それとも誰かのアルゴリズムにあなたの現実をキュレーションさせるかです。
