30秒サマリ

  • 鍵は「プロンプト設計」ではなく「コンテキスト設計」——自分の判断軸・過去の意思決定・目的をシステムプロンプトに埋め込み、汎用AIを「自分専用AI」に変換する
  • BridgewaterはRAGパイプライン＋二重検証エージェント、unicodeveloperは毎朝GitHub Actionsで大統領ブリーフィング相当を自動生成、Karpathyは個人MarkdownノートをLLMの専用知識ベース化
  • Perplexity＋NotebookLMの組み合わせで調査時間60〜80%削減の実績報告が複数
  • NavalRavikantは逆張りで「特定ツールを習得しない」——AIの進化速度が人間の学習速度を上回るため
  • AI情報キュレーション市場は2024年→2025年で47%成長（52.3億ドル→77.1億ドル）

背景と知識地図

情報爆発（インフォメーション・エクスプロージョン）と意思決定の質には深刻なトレードオフがある。現代の知識労働者は平均3分おきに新着通知を受け取り、業務時間の3割以上を「必要な情報を探す」行為だけに費やしているという調査がある [1]。投資家や起業家にとってこの問題は特に致命的だ。なぜなら、情報の優劣が直接リターンに反映される職種だからである。

こうした背景から、「情報食（インフォメーション・ダイエット）」——何を取り込み、何を遮断するかを意図的に設計する考え方——が2020年代前半に注目され始めた。しかし手作業による情報管理には限界があり、2024〜2025年にかけてAIエージェント（自律的にタスクを実行するAIシステム）が実用化されると、この問題へのアプローチは根本から変わった。

PKM（パーソナル・ナレッジ・マネジメント、個人知識管理）の分野では、Tiago Forteが提唱したCODEメソッド（Capture=収集、Organise=整理、Distil=蒸留、Express=発信）とPARAフレームワーク（Projects/Areas/Resources/Archives の4層構造）が長年の標準だった [2]。しかし2025〜2026年のAI進化により、OrganiseとDistilの2工程はほぼAIが自動化できるようになり、「人間はCapture（何を入力するか）とExpress（何をアウトプットするか）だけに集中すべき」という再定義が起きている [3]。Forte自身も2026年に「Second Brain」をAIとの協働モデルに刷新すると発表した。

設計思想の核心は、コンテキスト・エンジニアリング（文脈設計）にある。プロンプト・エンジニアリング（指示文の最適化）が単一の命令文の磨き込みだとすれば、コンテキスト・エンジニアリングはAIエージェントが「どの情報を・どの順番で・どの粒度で受け取るか」を設計する上位概念だ [4]。AIのコンテキスト・ウィンドウ（一度に処理できる情報の上限）は有限なため、信号（シグナル）とノイズ（シグナル以外の無意味な情報）の比率を高める設計が、エージェントの出力品質に直結する [5]。

一流の投資家・起業家はこの仕組みをどう実装しているか。Reid Hoffmanらは、生成AIが初期段階のアントレプレナー（起業家）の「情報の非対称性（自分だけ知らない状況）」を大幅に縮小できると指摘する [6]。具体的なアーキテクチャとして注目されているのは、RAG（Retrieval-Augmented Generation、検索拡張生成——外部知識ベースをリアルタイムで検索しながら生成する手法）と、個人の判断軸・好み・過去の意思決定をシステムプロンプトに埋め込む「ペルソナ固定型エージェント」の組み合わせである [4][7]。これにより、汎用LLMでは得られない「自分のコンテキストに合った回答」が実現する。

一方で、AIキュレーションには構造的リスクもある。エコーチェンバー（自分好みの情報だけが増幅されるフィルターバブル）への偏向と、モデルが学習データに存在しない最新情報をハルシネーション（事実と異なる内容を確信的に生成する現象）として補完するリスクだ [1][5]。Gartner予測では、エンタープライズ（大企業）向けアプリケーションの40%が2026年末までにタスク特化型AIエージェントを組み込むと見込む一方、「ガバナンス（適切な統治）なき自律性」を最大のリスクとして挙げている [8]。

データ・数値

ナレッジワーカー（知識労働者）は週の28%、約13時間をメール・情報収集に費やしており [1]、リーダー層はさらに答えを探す作業だけで就業時間の25%を失っているという調査がある [2]。情報過負荷（インフォメーション・オーバーロード）を訴える労働者の割合は2020年の60%から2026年には80%へ拡大し、一度中断した集中を完全に回復するまで平均23分15秒を要する [3]。年間コストは世界経済全体で約1兆ドルと推計されている [3]。

AIを活用した情報キュレーション（選別・要約）スタックの導入効果として、月間30時間超の節約が報告されており、AIニュースレター要約ツールはメール処理時間を30〜50%削減するとされる [4]。PerplexityとNotebookLMを組み合わせたリサーチワークフローは調査時間を最大60〜80%削減、「数時間かかっていた作業が45分に」という実績報告も複数存在する [5][6]。

採用率の面では、2025年時点でAIを少なくとも1業務に活用する組織の割合は55%から78%へ急伸し、2026年初頭には88%に達した [7]。ナレッジ管理チームのうちAIを導入済みの割合は38%、2025年末までに70%がAI型KM（ナレッジ・マネジメント）システムを採用するとの予測もある [4]。

ただし経営層の実態は温度差がある。6,000人の経営幹部を対象にした2026年2月の調査では、AIを使っているのは全体の約1/3にとどまり、使用者でも週平均1.5時間にすぎない [8]。80%超の企業が「AIによる生産性向上をまだ実感していない」と回答しており、個人ワークフローへの組み込みと組織レベルの成果の間には明確なギャップが存在する [8]。

Perplexityはリサーチ特化型AIとして2025年に月間クエリ数7億8,000万件・前月比20%超成長を記録し、アクティブユーザーは2025年初頭の2,200万人から4,500万人超へ倍増した [9]。AI駆動型KM市場は2024年の52.3億ドルから2025年に77.1億ドルへ47.2%成長、2029年には358.3億ドルへ達する見通しである [4]。

実事例

VC投資家

Bridgewater Associates / AIA Labs（2024〜2025年）

世界最大のヘッジファンドがClaudeを使った「Artificial Investment Associate（人工投資アシスタント）」を構築。Amazon Bedrock上でClaude Opus 4を稼働させ、Amazon Textract（PDF解析API）で財務報告書をMarkdown化してRAG（検索拡張生成）パイプラインに流す。設計哲学は「最良のプロンプトエンジニアはエンド・ユーザーである投資家本人」。"Blueprint"と呼ぶ複数ステップ構造で、単一プロンプトでは解けない複雑な分析に対応。

体現している側面: 主題専門家（ドメイン専門家）が直接プロンプトを設計する「人間-in-the-loop（人間参与型）ワークフロー」の最高峰事例。

Bessemer Venture Partners（2025年）

内部AI統合でアナリスト一人あたり234時間/年を回収したと報告（Affinity社レポート引用、Bessemer直接公表数値は未確認）。ディール・ソーシング（投資先候補の発掘）からLPレポーティングまでAIを基盤インフラとして再設計。「AI Agent Autonomy Scale（AIエージェント自律性スケール）」という独自フレームワークを公開し、ユースケースの成熟度を可視化している。

体現している側面: 投資業務の全フェーズをエージェント化し「AIをツールではなくインフラ」として捉える思想的転換の事例。

GoingVC / VC Lab（2025〜2026年）

Decile HubというVC専用AIプラットフォームを軸に、ディール・ソーシング→デューデリジェンス（企業精査）→LP管理→ポートフォリオ監視の全工程をエージェント化。特徴的なのが「Devil's Advocate Agent（悪魔の代弁者エージェント）」設計: 1人目のエージェントが投資テーゼを構築し、2人目の別エージェントが同じ資料を読んで「最強の反対論」を生成する二重チェック構造。Telegram/Discordから自然言語でクエリ可能。

体現している側面: マルチエージェント（複数AIエージェント）の対立構造によるバイアス除去という高度な設計哲学の実装。

Granola × VC業界（2025年）

VCコミュニティで最も口コミが広がったツール。参加者のプライバシー保護のためボット参加ゼロで会議音声をローカル処理し、ファウンダーとの全会話を検索可能なアーカイブに自動変換、フォローアップ・アクション項目を自動生成する。2025年に$43M調達、評価額$250Mに到達。

体現している側面: 「情報収集ではなく会話から知識を蓄積する」という非同期型インテリジェンス設計の代表例。

テック起業家・エンジニア

Andrej Karpathy（元Tesla AI責任者、2025〜2026年）

2025年12月以降、自分でコードを一行も書いていないと公言。最大20個のAIエージェントを並列稼働させ、自身は「意図・文脈・方向性の管理者」として機能。「アイドル状態のトークンはボトルネックがあなた自身だという証拠」と述べる。また「LLM Wiki」を提唱: 個人のメモをプレーンMarkdownで整備し、LLMがファイルを読んで一般インターネットではなくユーザー固有の知識から回答するパーソナルKB（知識ベース）設計。

体現している側面: 情報「消費者」から情報「オーケストレーター（指揮者）」へのパラダイムシフトの象徴的事例。

Olatunde Alabi（"unicodeveloper"、2025年）

Claude CodeとValyu DeepSearch API（SEC申告書・PubMed・arXiv・FRED・株価データ等36以上のソースへの統合アクセス）を組み合わせたモーニング・ブリーフィング・エージェントを構築。コアプロンプト:

"Research the latest developments in [topic] using Valyu's DeepSearch.
Synthesize key findings into a structured report with executive summary,
3-5 key findings, and implications.
Create a Google Doc, email the link."

設定ファイル（daily-research.md）でトピックを指定し、GitHub Actionsで毎朝自動実行。Google Docs作成→Gmail送信まで全自動。

体現している側面: ローコードで「大統領のデイリーブリーフィング」相当の情報収集を個人レベルで再現するアーキテクチャの具体実装。

AIMaker Substack著者（2025年）

Make.com + Perplexity API（Sonar Proモデル、Max Tokens 10,000）+ OpenAI + Google Sheetsの4層構造。

  • シナリオ1: Mailhookトリガー→Perplexity DeepResearch実行→Sheetsに「ソース・日付・トピック・関連度スコア」をメタデータ付きで蓄積
  • シナリオ2: Sheets蓄積データ→OpenAIが週次サマリーをメール生成

従来のRSSとの差別化ポイントを「既知ソースのモニタリングではなく未知ソースからの情報発見」と明言。$5のAPIクレジットから開始可能。

体現している側面: RSSの「プッシュ型」をPerplexityの「探索型」に置換したハイブリッド情報収集アーキテクチャ。

研究者・思想家

Andrew Ng（DeepLearning.AI創設者、2025年5月）

「Agentic Reviewer」を週末プロジェクトとして構築し公開（paperreview.ai）。アーキテクチャ:

  1. PDF→Markdown変換
  2. 学術論文であることを確認
  3. 検索クエリ生成（ベンチマーク・類似問題・関連技術など複数粒度）
  4. Tavily API経由でarXiv検索
  5. 独創性/重要性/根拠/健全性/明確性/価値性/文脈化の7軸でスコアリング
  6. 構造化レビュー生成

ICLR 2025レビューで測定したAI対人間のスピアマン相関は0.42（人間対人間は0.41）。従来6ヶ月かかっていたフィードバックループを時間単位に短縮。

体現している側面: エージェントによる反復的探索（arXiv検索→要約→統合）という「アジャイル型研究フィードバック」の具体実装。

Naval Ravikant（エンジェル投資家・思想家、2025〜2026年）

明示的なプロンプトエンジニアリングをあえて習得しない方針を公言。「AIのほうが私に適応するスピードが、私がAIに適応するより速い」と述べ、"Boomer queries"（プレーンな完全文での質問）を推奨。情報消費については「インターネットが注意持続時間を壊した」と述べており、AIによるキュレーションよりも深い読書・精選情報を重視するアプローチ。

体現している側面: 「ツール習得コストの最小化」という逆張り的情報哲学——AIの進化速度が速いため特定ツールへの投資を意図的に回避する設計思想。

Obsidian + Claude Code "AI Second Brain"（PKMコミュニティ実践者、2025年）

知識層（Obsidianのローカルmarkdown）→エージェント層（Claude Code CLI）→統合層（MindStudio経由でメール/カレンダー連携）の3層構造。重要なのがCLAUDE.mdファイル（エージェント指令書）の中身:

  • 役職定義2〜3文
  • フォルダ命名規則
  • セッション開始/終了プロトコル
  • 出力形式の指定
  • 利用可能ツールリスト

セッション間の記憶は/AI/sessions/に構造化ログとして書き出し、次セッション冒頭で読み込む設計。Tiago ForteのPARA法（4分類）をAIエージェントの永続記憶として機能させる。

体現している側面: 10年以上前のPKM方法論をAIエージェントで実行可能な動的システムに昇格させる「知識の自動化」設計パターン。

n8nコミュニティ（自動化実践者、2025年）

公開されている投資家向けワークフローテンプレート（多数）の代表例:

  • Scheduleトリガー（毎朝9時）→4つのRSSソースをフェッチ→OpenAI Assistantが約400語でハイライト生成→Perplexity AIで「金融・経済・政治スタイル」に整形→Gmail送信
  • 株式ポートフォリオ版: Google Sheetsの保有銘柄リストをトリガーに→Perplexity APIでリアルタイムデータ取得→GPT-4でリスクアラートと売買提案を生成

体現している側面: RSSとLLMを組み合わせた「フィルター層」設計——大量情報を自動収集しAIが要約/評価して届けるパイプラインの標準化。

設計パターン整理（本調査から導出）

共通する設計パターンを4つに分類できる:

パターン1: ペルソナ固定型

自分の判断軸・過去の意思決定・投資テーゼをシステムプロンプトに埋め込み、汎用LLMを「自分専用アナリスト」に変換する。Bridgewater、Obsidian+Claude Codeが典型。

パターン2: 対立エージェント型

同じ情報を2つのエージェントに読ませ、一方が推薦し他方が反論する二重構造でバイアスを除去する。GoingVC/VC Labの「Devil's Advocate Agent」が典型。

パターン3: 毎朝自動ブリーフィング型

定時スケジューラー（GitHub Actions/Make.com/n8n）が起動→深い検索→構造化サマリー→配信。unicodeveloper、n8nコミュニティが典型。

パターン4: 知識ベース蓄積型

情報を捨てずにMarkdown/ベクターDBに蓄積し、次のセッションで「過去の自分の知識」をコンテキストとして注入する。Karpathyの「LLM Wiki」、Obsidian+Claude Codeが典型。

未解明・次の問い

  1. 「コンテキスト設計」の品質をどう定量評価するか——「よいシステムプロンプト」の客観的基準はまだ存在しない
  2. パーソナルAIによるエコーチェンバー問題の実証データ——自分好みの情報だけが増幅されることで投資判断が歪む事例は報告されているか
  3. 日本語環境特有の課題——英語前提で設計されたツール（Perplexity、Tavily等）が日本語情報をどの程度カバーできているか

参考文献

  • [1] "Manage information overload with AI, insight curation tools" — TechTarget (2025)
  • [2] "Building a Second Brain: Tiago Forte's PARA Method and CODE Framework Explained" — Forte Labs (2022-2026)
  • [3] "Introducing The AI Second Brain" — Tiago Forte, Forte Labs (2026)
  • [4] "Effective context engineering for AI agents" — Anthropic Engineering Blog (2025)
  • [5] "The signal-to-noise collapse: how AI filters the insights that matter" — MITRIX Technology (2025)
  • [6] "Elevating entrepreneurship with generative artificial intelligence" — ScienceDirect / Journal of Innovation & Knowledge (2025)
  • [7] "Context Engineering for Personalization" — OpenAI Developer Cookbook (2025)
  • [8] "Our 2026 Outlook: 10 AI Predictions Shaping Enterprise, Infrastructure & the Next Wave of Innovation" — Sapphire Ventures (2026)
  • [9] "Personalized Chain-of-Thought Summarization of Financial News for Investor Decision Support" — arXiv:2511.05508 (2025)
  • [10] "Memory as Action: Autonomous Context Curation for Long-Horizon Agentic Tasks" — arXiv:2510.12635 (2025)
  • [11] *Superagency in the Workplace* — McKinsey & Company (2025)
  • [12] "Information Overload Statistics 2026" — SpeakWise App Blog (2026)
  • [13] "AI for Knowledge Management: 2026 Trends & Applications" — Glitter AI / iCert Global (2026)
  • [14] "5-Step Perplexity + NotebookLM Workflow That Cuts Research Time 60%" — Write A Catalyst / Medium (2025)
  • [15] "Perplexity AI Statistics 2026" — DemandSage / Business of Apps (2026)
  • [16] "Bringing AI Into the Investment Process – Bridgewater's AIA" — The AI Insider (2024)
  • [17] "Agentic VC: How AI Agents Transform Venture Capital" — VC Lab (2026)
  • [18] "How I Built an AI Agent That Briefs Me Like the President Every Morning" — unicodeveloper, Medium (2025)
  • [19] "Andrej Karpathy AI Workflow Shift 2026" — The AI Corner (2026)
  • [20] "How I Turned Tiago Forte's PARA Method Into an AI-Powered Productivity OS" — AImaker Substack (2025)
  • [21] "n8n Daily AI news digest – Perplexity Pro & GPT workflow template" — n8n.io (2025)
  • [22] "Andrew Ng on paperreview.ai" — X (@AndrewYNg, 2025)
  • [23] "Naval Ravikant podcast on AI" — Digital Sovereignty Chronicle (2025)