> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/ja/2025/w19-notebooklm-deepwiki-and-ai-products.md).

# W19-NotebookLM、DeepWikiとAI製品

最近、NotebookLMやDeepWikiのような情報整理ツールを使っている。NotebookLMは作業台という発想で設計され、IDEの雰囲気がある。これを仕事に持ち込んで、dx、ones、code、kmといった社内情報源を自由に統合できる作業台があれば、効率は倍にもなると思う。OODAの仕事術を読んだことがあるが、AIは本質的にOODAループのテンポを速めている。特にObserve（観察）とOrient（状況判断）だ。重要な情報を速く取り出して理解し、認識の枠組みを作ることで、より高い頻度で戦略を調整し、意思決定できる。COEの作成なら、振り返る人は根本原因や教訓に集中すればよく、時系列などは自動で埋まる。誰でもいつでも一つの事故を掘り下げられる。それこそがケーススタディだ。

Lenny's Podcastの、OpenAIのCPOへのインタビューを勧めたい。製品の視点からの洞察がとてもよい。時間を節約するならNotebookLMを使える。印象に残った点は三つある。

1. 製品を支える技術スタックが変わっている。かつての「確定した入力から確定した出力を返す」ルールシステムから、モデルによる「確率的な出力」へ移っている。モデルの更新も極めて速く、2か月ごとにコンピューターは以前できなかったことをできるようになる。今日使うモデルは、将来振り返れば最も能力が低かったモデルになる。製品の考え方と進める速度を調整し続ける必要がある。
2. Evalsがプロダクトマネージャーの中核能力になりつつある。姚顺宇の「LLMの後半戦」と同様、モデルだけをテストするものではなく、特定の問題に対する技術システム全体の働きを評価する道具だ。モデルが万能になるのを待たず、実際の問題を軸に、適したモデルの使い方を製品として組み立てる必要がある。
3. AIは一押しで究極のアイデアを生むわけではなく、実現までの過程を速める。複数案を素早く出し、作り手が何度も試し、組み合わせ、磨けるようにする。本当の生産性向上は、この「人とAIが共に作る」ループから生まれる。