AIオーケストレーション 完全理解

脳科学 × マルチモデル × 3PC体制

目次

コンテキストスイッチング = 脳疲労の主因

核心原理 — 作業量ではなくスイッチング回数が問題

ナレッジワーカーが3つ以上のAIを並列稼働させると、各AIへの指示出し・結果評価・統合判断を繰り返すことで、前頭葉のワーキングメモリを極度に消耗する。

3つの罠

AIオーケストレーションに潜む疲労加速因子

対策の基本原則: 回復法の追加 ＜ 流入量と切替回数の削減

DMN vs CEN — 脳の2つのモード

Default Mode Network と Central Executive Network

AI待ち中にSNSを見る = CEN→DMN切替の失敗 (DMNが回復の機会を失う)

HSPとコンテキストスイッチング

SPS (Sensory Processing Sensitivity) の神経科学的含意

SPS (Sensory Processing Sensitivity) の3特性:

• 深い情報処理 (Depth of Processing) → 1タスク処理に多くのニューロン活動
• 過刺激されやすさ (Overstimulation) → UI多重・通知でCENが早期に枯渇
• 微細な差異への感受性 → スイッチングのたびに詳細評価が走る

HSPはスイッチングコストが定型より高い → 役割固定と操作面集約が特に重要

コックピット設計 — 操作面を1つに

VS Code / Ghostty 一極化 + 「指揮者」から「承認者」へ

役割の降格: 毎回どれを使うか選ばない。考える時点で疲れる。

• 役割固定 → AI選択のスイッチングコストをゼロに
• ウィンドウ切替を物理的に削減 → DMN回復の機会を確保

待ち時間ルール

AI処理中の過ごし方で疲労量が決まる

出力フォーマット統一

毎回フォーマットが違うと読解にCENを消費する

## [タイトル]

**結論 (3行以内)**
- 核心メッセージ1
- 核心メッセージ2
- 核心メッセージ3

**次アクション (3つ)**
1. 即座に実行すること
2. 今週中にやること
3. 判断を要すること

**判断点**
> [ここだけ人間の判断が必要な箇所を明示]

---
詳細は以下 (必要な時だけ読む)

フォーマット統一の効果: 結論位置が固定 → 目線移動ゼロ → CEN消費最小化

マルチモデルオーケストレーション

モデル選択基準 — タスク特性で使い分ける

Opusにプロンプトを書かせる

核心原理: 人間 → Opus → 他モデルへのプロンプト委譲

なぜ重要か: 人間がプロンプトを磨く作業自体がCENを消耗する。Opusに委譲することで人間の判断コストを最小化。

Opus は「プロンプトエンジニア」として機能する。人間は「承認者」に徹する。

3PC体制 — 役割定義

Cockpit / MotherShip / GateKeeper の分担

通知とデータの分離

ntfy = 制御プレーン / GDrive = データプレーン

「ちゃんと動く雑兵器」 — 複雑さより確実性。シンプルな設計が安定性を生む。

ロードマップ — 今やること vs 将来やること

段階的実装で認知負荷を最小化

用語集 1/3 — 脳科学用語

(Neuroscience Terms)

用語集 2/3 — オーケストレーション用語

(Orchestration Terms)

用語集 3/3 — 3PC用語

(3PC Architecture Terms)