仕事の未来は子供の​​寝室で形になっています

この投稿は、FaiāのマネージングディレクターであるGeorge Siosi Samuelsによるゲストの貢献です。ファイアがここで技術の進歩の最前線にとどまることにどのように取り組んでいるかを見てください。

If you've watched a kid interact with artificial intelligence (AI) lately, you've seen the future of work taking shape. Whether it's a 10-year-old calmly explaining to a chatbot why its answer needs more debugging or a teen tweaking an algorithm to brainstorm a school project, there's a new kind of thinking taking hold.

最近、子供が人工知能（AI）と対話するのを見た場合、仕事の未来が形になっているのを見てきました。なぜ答えがより多くのデバッグを必要とするのか、または学校プロジェクトをブレインストーミングするためにアルゴリズムを微調整する10代のチャットボットに静かに説明している10歳であるかどうかにかかわらず、新しい種類の思考が定着しています。

As someone building products with AI at a company like Faiā, I'm noticing interesting patterns. They go deeper than just tech adoption—we're seeing the next generation of talent completely redefine what the workplace will be. What's happening at kitchen tables today is a sneak peek into the cubicles, boardrooms and remote dashboards of tomorrow. Here's what we can learn and how it'll ripple through enterprise.

Faiāのような会社でAIで製品を構築する人として、私は興味深いパターンに気づいています。彼らは単なるハイテクの採用よりも深くなります。次世代の才能が職場が何であるかを完全に再定義するのを見ています。今日のキッチンテーブルで起こっていることは、明日のキュービクル、ボードルーム、リモートダッシュボードを覗いてみることです。これが私たちが学ぶことができることと、それがどのようにエンタープライズを波及するかを示します。

Steering AI with smarter inputs

よりスマートな入力を備えたステアリングAI

Let's start with the basics: AI doesn't run itself—it thrives on human input. Kids are already masters of sharper questions getting sharper results. Ask a generic "What's blockchain?" and you'll get a textbook dump; ask "How could blockchain cut supply chain costs by 20%?" and you've got something actionable.

基本から始めましょう。AIはそれ自体を実行しません。人間の入力で繁栄します。子供はすでに、より鋭い質問をしているマスターです。一般的な「ブロックチェーンとは？」そして、あなたは教科書のダンプを取得します。 「ブロックチェーンはどのようにしてサプライチェーンのコストを20％削減できますか？」と尋ねます。そして、あなたは何か実用的なものを持っています。

Now, that's not just a kid skill—it's a workforce superpower. A 2023 study from the Massachusetts Institute of Technology (MIT) found that professionals who purposely refine their prompts improve AI output accuracy by up to 40%. The employees of 2035 won't be the ones who can withstand the most data—they'll be the ones who know how to steer AI toward signal, not noise.

今、それは単なる子供のスキルではなく、労働力の超大国です。マサチューセッツ工科大学（MIT）の2023年の調査では、プロンプトを意図的に改良する専門家は、AI出力の精度を最大40％改善することがわかりました。 2035年の従業員は、ほとんどのデータに耐えることができる従業員ではありません。彼らは、ノイズではなく、AIを信号に向けて操縦する方法を知っている人になります。

Enterprises that spot this early can build teams that don't just use tools—they optimize them. They'll integrate best practices for getting the most out of every query. It's a level of agility we'll need as tech evolves even faster.

これを早期に見つける企業は、ツールを使用するだけでなく、チームを最適化するチームを構築できます。彼らは、すべてのクエリを最大限に活用するためのベストプラクティスを統合します。技術がさらに速く進化するにつれて、それは私たちが必要とする敏ility性のレベルです。

AI as a workforce copilot

労働力の副操縦士としてのAI

Then there's the partnership angle. Children aren't treating AI like a glorified calculator—they're turning it into a collaborator. A middle-schooler might use it to quickly mock up a business pitch idea, then add an image and have the bot suggest improvements in real-time as they type.

次に、パートナーシップの角度があります。子どもたちは、AIを栄光のある計算機のように扱っていません。彼らはそれを協力者に変えています。中学生はそれを使用してビジネスピッチのアイデアをすばやく模倣してから、画像を追加し、ボットにタイプ中にリアルタイムで改善を示唆してもらうことができます。

Sound familiar? It's the same dynamic we're chasing in agile teams: rapid iteration, creative problem-solving, human-machine synergy. Now, institutions like Gartner are predicting that by 2027, 70% of enterprises will rely on AI as a “copilot” for decision-making, boosting productivity by 25%.

おなじみのように聞こえますか？アジャイルチームで追いかけているのと同じダイナミクスです。急速な反復、創造的な問題解決、人間の相乗効果です。現在、Gartnerのような機関は、2027年までに、企業の70％が意思決定のために「副操縦士」としてAIに依存し、生産性を25％増やすと予測しています。

The difference is, these kids see AI as a partner, not a crutch. For businesses, that mindset translates to workers who don't outsource thinking—they amplify it. Imagine a junior analyst who pairs AI's market analysis with their own instinct to spot a key trend faster than a legacy system ever could. That's the multiplier effect we're seeking.

違いは、これらの子供たちは松葉杖ではなく、パートナーと見なしていることです。企業にとって、その考え方は、思考を外部委託しない労働者につながります。彼らはそれを増幅します。 AIの市場分析を独自の本能と組み合わせて、レガシーシステムよりも早く重要なトレンドを見つけるジュニアアナリストを想像してください。それが私たちが求めている乗数効果です。

Expertise as an efficiency edge

効率性としての専門知識

Here's a trend worth noting: expertise cuts through the clutter. A kid who's obsessed with coding can ask AI a question like, "How do I optimize this smart contract for minimal gas fees on PoS chains?" and get there in one shot, while a newbie will burn 30 minutes cycling through basics. It's efficiency in action, and in technical terms, it's about reducing token spend for optimal throughput.

注目に値するトレンドは次のとおりです。専門知識は乱雑さを切り裂きます。コーディングに夢中になっている子供は、「このスマートコントラクトをPOSチェーンで最小限のガス料金で最適化するにはどうすればよいですか？」などの質問をすることができます。そして、一方のショットで到着しますが、初心者は基本的に30分間サイクリングを燃やします。それは実際の効率であり、技術的には、トークン支出を最適なスループットのために削減することです。

A 2024 study by Stanford showed that domain experts use 50% fewer queries to achieve the same results as novices when working with large language models. On a large scale, that generation will value deep knowledge in blockchain, biotech or any field as a competitive edge. The blockchain architect who can code a protocol in three prompts will outpace the one who fumbles through ten. Expertise isn't dying—it's the fuel for smarter automation.

スタンフォードによる2024年の調査では、ドメインの専門家が50％少ないクエリを使用して、大規模な言語モデルを操作する際に初心者と同じ結果を達成することが示されました。大規模には、その世代はブロックチェーン、バイオテクノロジー、または任意の分野の深い知識を競争力として評価します。プロトコルを3つのプロンプトでコーディングできるブロックチェーンアーキテクトは、10を駆け抜ける人を上回ります。専門知識は死にません。これは、よりスマートな自動化の燃料です。

Setting boundaries for better outcomes

より良い結果のために境界を設定します

And finally, it’s all about questions. Kids today aren't busy memorizing encyclopedias—they're asking "Why?" and "What if?" to get the bot thinking. It's not trivia hunting; it's strategic thinking.

そして最後に、それはすべて質問です。今日の子供たちは百科事典を暗記するのに忙しくありません。彼らは「なぜ？」と尋ねています。と「どうすれば？」ボット思考を得るために。トリビア狩りではありません。それは戦略的思考です。

Now, the future workforce won’t be judged by what they know—AI will have that part covered. But they’ll be assessed by the questions they can ask to generate new value. Picture a supply chain manager asking, "What's the bottleneck in our Southeast Asia node?" versus "How do we cut container delays by 20% using real-time data from Southeast Asia to optimize routing and factor in seasonality for bulk cargo?" The second question drives value.

今、将来の労働力は彼らが知っていることによって判断されることはありません。しかし、それらは、新しい価値を生成するために求めることができる質問によって評価されます。 「東南アジアのノードのボトルネックは何ですか？」と尋ねるサプライチェーンマネージャーを想像してください。と比較して、「東南アジアのリアルタイムデータを使用して、バルク貨物の季節性のルーティングと因子を最適化するために、コンテナの遅延を20％削減するにはどうすればよいですか？」 2番目の質問は値を駆動します。

A recent McKinsey report forecasts that by 2030, 80% of new job growth will favor skills like critical questioning over rote knowledge. So, the enterprises that foster that curiosity now—through specialized training programs, internal culture or even

最近のマッキンゼーのレポートでは、2030年までに、新しい雇用成長の80％が暗記知識に対する重要な質問のようなスキルを支持すると予測しています。したがって、現在その好奇心を育てている企業は、専門のトレーニングプログラム、内部文化、さらには