※本記事にはアフィリエイト広告(PR)を含みます。
毎週の進捗報告を生成AIでまとめるようにしたら、書く時間は半分になりました。要点は箇条書きで並び、文章も読みやすい。それなのに、返ってくるのは「それで、来週は何を変えるの?」という質問ばかり。実は自分でも、まとめはできても次の一手が書けていないことに薄々気づいている。
「資料づくりは速くなったのに、自分の値打ちはむしろ下がっている気がする」。そんなもやもやを抱えている人に開いてほしいのが、経営学者の楠木建さんと、独立研究者の山口周さんの対談本『知的生産のセンス』です。
この記事で分かること
- AIが広まるほど、なぜ「測れる力」の値打ちが下がり、「選ぶ力」の値打ちが上がるのか
- AIに任せていい仕事と、自分の手に残すべき仕事の線の引き方
- 明日の資料づくりから試せる、多本読造流の7日間の練習メニュー
結論を先に言うと:AIのおかげで「平均点の資料」は誰でも作れるようになりました。だから差がつくのは、何を拾い、何を捨て、どんな順番で、誰のために出すかという判断の部分です。本はこの判断の力を「センス」と呼び、問いと仮説は自分で立て、決まった形の作業をAIに回すよう勧めています。
『知的生産のセンス』はどんな本?
| 書名 | 知的生産のセンス ― 情報を価値にする「知の工程」を紐解く |
|---|---|
| 著者 | 楠木建さん(経営学者。専門は競争戦略)、山口周さん(独立研究者・著作家) |
| 出版社 | 日経BP 日本経済新聞出版 |
| 発行 | 2026年8月 |
| ページ数・価格 | 379ページ、本体1,800円(税別) |
| 形式 | 二人の対談。情報を取り込む「入力」、溜める「保存」、考えに変える「変換」、外に出す「出力」の4段階に沿って話が進む |
二人は2019年にも『「仕事ができる」とはどういうことか?』という対談本を出しています。そこで掲げたのが、身につけ方を教えられる「スキル」と、その人ならではの判断の基準である「センス」の対比でした。今回の本はその続きで、生成AIが日常の道具になった今、人間の手元に何が残るのかを、二人が自分の仕事ぶりを材料にして語り合います。
二人の仕事は、本や論文、講義、講演、企業への助言といった形で考えを届けることですが、本の中では、読者の多くは企画やプレゼン資料を作るビジネスパーソンだろうと想定されています。上司に出す資料も、本一冊も、「情報を集めて、考えて、相手に届ける」という骨組みは同じだからです。
ポイント:こんな人に向く本
- AIで資料を作るようになったのに、評価が上がった実感がない人
- 本や記事をたくさん読み、メモも溜めているのに、自分の考えとして話せない人
- 「AIに仕事を奪われるのか」より、「AIと組んで自分は何をするのか」を考えたい人
本の核心:AI時代に「センス」が効く6つの理由
本は情報を取り込むところから外に出すところまで、仕事の工程に沿って章が進みます。この記事では順番を変え、会社員がまず困る「AIとの分担」から入り、最後に「なぜ今それが大事なのか」という根っこに戻る形で、論点を6つに組み直しました。それぞれ「本の主張」「なぜそう言えるか」「職場に置き換えると」の順で見ていきます。
論点1 「作業」はAIに、「仕事」は自分に
本の主張:山口さんは、結果に責任を負うものを「仕事」、負わないものを「作業」と分けます。上司が部下に資料を頼むとき、上司にとって大事なのは中身の出来で、部下が手で書いたかAIを使ったかではありません。人から頼まれているのは「仕事」で、その中の作業はAIに回しても構わない、という整理です。
なぜそう言えるか:本は有名レストランのたとえを使います。料理の多くをスタッフや機械が作っていても、店の名前で出す以上、最後に味を見て「これで出してよし」と決める人がいる。その最終判断こそが責任の中心で、数字に分解できないとしています。さらに山口さんは、その判断を下すには「いざとなれば自分でもできる」程度の基礎の力が欠かせないと付け加えています。自分でできないことは、良し悪しも見分けられないからです。
職場に置き換えると:AIが出した数字の表を、そのまま会議に出していないでしょうか。「この数字はおかしくないか」「この並べ方で相手は納得するか」を見て、OKを出すのがあなたの仕事です。もし表の作り方を自分でまったく知らないなら、それは作業を任せたのではなく、判断まで手放している状態かもしれません。
論点2 問いと仮説、そして話す順番は手放さない
本の主張:楠木さんの鉄則は「仮説が先、AIが後」です。自分の頭で立てた仮説があってはじめて、AIは裏付けや確認の道具として役に立つ。何を出して何を出さないかの判断までAIに預けると、自分の価値基準を手放すことになる、と強い言葉で戒めています。
なぜそう言えるか:本は、AIが得意な所と苦手な所を、コンサルの仕事の流れに当てはめて整理しています。
ポイント:仕事の流れとAIの向き不向き(本の整理を要約)
- 何を問題にするか決める・仮説を立てる → AIには難しく、センスが出る
- 情報を集める → ネット上の公開情報ならAIが得意。現場で見聞きする一次情報は集められない
- 分析する → ある程度できる。ばらばらの情報を一つにまとめる「統合」は苦手
- 構成案・下書き・図表を作る → AIが得意
山口さんは、書評を頼まれたときの例を挙げています。狙いを定める段(コンセプト)と進め方を指示する段(ディレクション)を自分で決め、文章に起こす段(プロダクション)をAIに任せたところ、何も指定しなかったときの総花的な文章とは違い、筋のいい書評になったそうです。
本はもう一つ、「順番」にこだわります。結論から言う型は、相手がすんなり受け入れられる話なら効きます。けれども、相手にとって意外で受け入れにくい話、たとえば不本意な異動を伝える場面では、理由を小出しにして、相手が受け止める準備を整えてもらうほうが自然だ、と山口さんは言います。AIは情報を同じ高さに並べがちで、こうした流れを組み立てるのは苦手です。楠木さんはこれを、箇条書きを一本のストーリーにつなぐ「並列から直列へ」と表現しています。
職場に置き換えると:「理由は3つあります」と並べる前に、聞き手が今どんな気持ちで座っているかを考えてみてください。山口さんは、説明中に相手が別のページをめくる、スマホを見るといった「響いていない」合図が三つほど重なったら、いったん止めてずれを確かめると話しています。ロジックの正しさで押し切るより、そのほうが早く方向を立て直せるからです。
論点3 平均点の資料は、正しくても選ばれない
本の主張:AIは世の中にある大量の文章をもとに、いちばんありそうな答えを返します。統計でいえば中央値の答えで、間違いではないけれど、誰が書いても同じになる。本にはAIに意見を求めてみた例も出てきますが、二人の結論は、AIの答えは整っていても凡庸に寄る、というものです。
なぜそう言えるか:本は、受け手が一番うれしいのは「意外なのに、聞けば納得できる」ものだとし、AIが出すのは「納得はできるが、当たり前」のほうだと整理します。ただし後者を不要とは言いません。前提となる事実や定番の理論の説明は、標準的で正確であるほど良いので、そこはAIに書かせてよい。そのうえで、ところどころに「おっ」と思わせる一点を置き、その配分と順番を決めることまで、本はセンスの仕事に数えています。全部をAIに任せると、当たり前の説明ばかりが平らに続く成果物になる、というのが二人の実感です。
| 会議資料の部分(当記事の例) | どちらに当たるか | AIに任せてよいか |
|---|---|---|
| 市場規模・競合一覧・用語の説明 | 当たり前でよい部分。正確さが大事 | 任せてよい(数字の確認は自分で) |
| 「だから、うちはこうする」という提案の芯 | 意外で、かつ腑に落ちてほしい部分 | 任せない。自分の仮説から書く |
| ページの並び順・どこで芯を出すか | 配分と順番の判断 | 任せない。聞き手を思い浮かべて決める |
職場に置き換えると:差がつくのは、たとえば「競合が値下げしている今こそ、うちは値上げできる客層がある」のような、聞いた瞬間は驚くけれど、理由を聞くと腑に落ちる一点です。資料の全ページを独自の主張で埋める必要はなく、その一点がどこにあるかがはっきりしていれば十分です。
論点4 何を「捨てるか」で、入ってくる情報の質が決まる
本の主張:本は、知的生産をたくさんの判断の連続であり、同時に「捨てる」ことの連続だと捉えます。楠木さんが勧めるのは、頭の中に自分の関心の見出し、つまり「タグ」を持っておく方法です。これは内田和成さんが提唱するやり方で、楠木さんも自分の習慣として取り入れています。楠木さんのタグはおよそ20個で、それ以上増やすと注意が散ってしまうので、新しいタグを足すことには慎重だといいます。山口さんは10個ほどです。
なぜそう言えるか:楠木さんが心に刻んでいるのが、経済学者ハーバート・サイモンの次の言葉です。
情報の豊かさが注意の貧困をつくる
(出典:楠木建・山口周『知的生産のセンス』第1章。元はサイモンの1971年の講演)
人の脳の処理能力はほとんど変わっていないので、情報が増えれば増えるほど、個々の情報に向けられる注意は薄まります。だから注意を守るには、入れる量そのものを絞るしかない。楠木さんは、タグのふるいを通すと新聞で読む箇所はおよそ50分の1、雑誌はおよそ10分の1になり、保存までするのは月に5件前後、週に1件くらいだと明かしています。山口さんは、楠木さんの「センスが良くなるほど保存は軽くなる」という言葉を裏返し、保存がかさばっている人はセンスが良くない、とまで言います。何を残すか迷ったときの基準として、楠木さんは「人に話したくなるかどうか」を挙げています。
職場に置き換えると:「いつか使えそう」と撮ったスクリーンショットで、スマホの写真アプリが埋まっていませんか。メモアプリを替えても解決しないのは、問題が保存の仕組みではなく、入り口で選んでいないことにあるからです。「今の自分が気にしている問いはこれ」と決めておけば、通勤電車で流れてくる記事の大半は、読まずに通り過ぎられます。
論点5 「正解を探す」と「理解する」は別物
本の主張:楠木さんにとって「考える」とは、問題集のように正解を当てることではなく、対象を理解しようとすることです。正解探しはAIに任せられても、理解は人にしかできません。本は、ソフトウェア開発で使われ始めた「理解負債」という言葉を紹介します。AIが書いたコードは動くのに、それがなぜ動くのかを誰も説明できない状態が、気づかないうちに積み上がっていく問題です。
なぜそう言えるか:山口さんは、この負債はビジネスの現場にも3種類あると指摘します。
| 理解負債の種類 | 本の説明(要旨) | 会社員の場面の例(当記事の例) |
|---|---|---|
| 概念 | 流行りの言葉を、腹落ちしないまま使っている | 「リスキリング推進」と書いたが、誰が何を学ぶのか説明できない |
| 構造 | 因果や仕組みが分からないまま、前例で動いている | 「昔からこの承認ルートだから」と、理由を知らずに続けている |
| 文脈 | 経緯や背景を知らず、結論だけが共有されている | 前任者がなぜこの取引先を選んだのか、誰も知らない |
正解探しの訓練ばかり受けてきた人は、立場を決めるのが苦手だ、とも本は言います。判断材料がまだそろわないからと先送りしても、仕事で材料が完全にそろう日はまず来ないので、返事になっていない。楠木さんは、何にでも「一理ある」と言う人を厳しく評価します。どちらの理を取るか決める、つまりもう一方を捨てることが、立場を取るということだからです。
職場に置き換えると:AIに「A案とB案の長所と短所を出して」と頼めば、きれいな比較表ができます。でも会議で求められているのは表ではなく、「私はB案です。理由はこうで、捨てるA案の良さはこう補います」という一言です。
論点6 なぜ今これが効くのか:測れる力ほど安くなる
ここまでの5つの論点の根っこにあるのが、本の出発点となる次のひと言です。
スキルのデフレとセンスのインフレ
(出典:楠木建・山口周『知的生産のセンス』はじめに)
本の主張:身につけ方が決まっていて、点数で測れる力ほど、機械に置き換えやすい。そのぶん、何を選ぶかという判断の比重が増す、という見立てです。
なぜそう言えるか:本は「作れる量」と「欲しがる人」を分けて考えます。AIは作れる量を一気に増やしますが、欲しがる人が同じだけ増えるわけではありません。作れる量が増えれば、選ばれるための競争はむしろ厳しくなる。山口さんは、味がいまひとつの店がいくら手早く作れるようになっても、客は増えないというたとえを出しています。相手が「欲しい」と思うかどうかは、相手の事情を読み取って何を出すかを選ぶセンスにかかっている、というのが本の考えです。
職場に置き換えると:本にも出てくるAI通訳の例を、会社に当てはめてみます。英語が苦手で海外との会議を避けてきた人も、AIの同時通訳があれば参加できるようになりました。得をしたのは「苦手だった側」です。逆に、英語の上手さで一目置かれてきた人は、その強みだけでは目立たなくなります。部署の全員がAIで見栄えのいい資料を作れるようになったときも同じで、「見栄えがいい」は加点されなくなり、目に留まるのは「この人はこの問題をこう見ている」がはっきり分かる1本です。
調べてみた:本の主張をデータで確かめる
本の主張を、研究や調査と並べてみました。
| 本の主張 | 調べた資料 | 分かったこと | 読み方 |
|---|---|---|---|
| AIの答えは平均に寄る | Doshi & Hauser(Science Advances、2024年) | 短編小説の実験で、AIのアイデアを使った人の作品は創造性の評価が上がった一方、作品どうしが互いに似通った | 補強。一人ひとりは良くなるが、全体の多様さは減る |
| スキルの足りない人ほど得をする | Brynjolfsson ほか(QJE、2025年) | コールセンター約5,000人で、AI補助により1時間あたりの解決件数が平均15%前後増加。伸びたのは経験の浅い人で、熟練者はほぼ横ばい | 補強。ただし定型業務での結果 |
| AIの出力は陳腐 | Dell’Acqua ほか(HBS、2023年) | BCGのコンサルタント758人。AIが得意な課題では質が4割以上向上。苦手な課題では、AIを使った人のほうが正答率が19ポイント低かった | 条件付き。得意な範囲では質も上がる。範囲の見極めが要る |
| AIに頼ると考える力が弱る | Lee ほか(Microsoft Research・カーネギーメロン大、CHI 2025) | 知識労働者319人の調査で、AIへの信頼が高い人ほど批判的に考える場面が少ないと答えた。考える中身は「確認・統合・管理」に移る | 補強。ただし本人の自己申告 |
| 同上 | ピュー研究所(2025年9月) | 米国の成人の53%が、AIが広まると人の創造的に考える力は悪くなると予想(良くなるは16%) | 注意。将来の予想で、能力を測ったものではない |
| 情報が注意を奪う | サイモンの1971年の講演録 | 情報が豊かになるほど、それを受け取る注意が足りなくなるという議論の原典 | 原典確認。半世紀前の指摘が、AI時代にいっそう当てはまる |
特に面白いのは、一つ目と三つ目の組み合わせです。AIは個人の成果物を平均以上に押し上げる力を持っています。ただし、みんなが同じ道具を使えば、成果物どうしは似てくる。そして道具が得意でない領域では、頼った人ほど間違える。本が言う「平均点は誰でも取れる。差は選び方と線引きで生まれる」という主張は、データから見てもかなり筋が通っていると言えます。
一方で、日本の状況も確認しておきます。総務省の令和8年版情報通信白書を伝えた報道によると、生成AIを使ったことがある人は30代で56.3%、40代で49.0%でした。つまり30〜40代の会社員の約半数はすでにAIに触れていて、「使えること」自体はもう差になりにくい段階に入りつつあります。
ポイント:データから見えること
AIは「平均点への底上げ」には強い。だからこそ、平均から外れた一点と、どこまでAIに任せるかの線引きが、人の側の値打ちになる。
多本読造の見立て:賛成できる点と、条件が違う人へのひと言
大いに賛成できるのは、「AIで平均点は取れるようになった。だから平均点では差がつかない」という見立てです。上の研究とも合いますし、何より「AIはダメだ」とも「AIがあれば十分だ」とも言わず、使いどころの線を引こうとする姿勢が誠実です。作業と仕事を分ける考え方は、明日からの資料づくりにそのまま使えます。
条件が違う人には、別のやり方もあると思う点もあります。
- 「嫌なことはAIに任せる」という線引き:楠木さんの基準は、好きなことは自分でやり、嫌なことはAIに任せるという主観的なものです。本人も、これは個人で仕事をする場合の話で、組織で動くときは別だと断っています。会社員の場合は、好き嫌いに加えて「チームで品質を揃える必要があるか」「後から人が検証できるか」という軸も足すと使いやすくなります。
- タグを20個まで絞る:一人で研究や執筆をする人と違い、会社員は異動や担当替えでテーマが外から決まります。本でも、仕事上の要請で上から決まるタグと、自分の興味から育つタグの二種類があると触れています。会社員なら、まず「仕事のタグ3つ+自分のタグ2つ」くらいから始めるのが現実的でしょう。
- チームで使うときの落とし穴:本は主に一人ひとりのセンスを語っていますが、調べた短編小説の実験では、AIの案を使うと一人ひとりの出来は上がる一方で、作品どうしが似てくるという結果が出ていました。会議で全員が同じAIに案を出させると、出そろう案の幅が狭くなるおそれがあります。チームでは、最初の案出しだけはAIなしで各自が持ち寄り、その後でAIに肉付けさせる、という順番にすると、本の言う「平均から外れる一点」が残りやすくなると多本読造は考えます。
多本読造流の実践:AI時代の「選ぶ力」を育てる7日間
本は二人の仕事のやり方を語る本で、手順書ではありません。そこで多本読造が、本の考え方を会社員の1週間に落とし込んでみました。1日10〜15分、ノート1冊とペンがあれば始められます。
| 日 | やること | 本のどの考え方につながるか |
|---|---|---|
| 1日目(月) | 今気になっている問いを5つ、ノートの1ページ目に書く。仕事の問い3つ、自分の興味2つ | タグで注意を絞る |
| 2日目(火) | 今週の仕事を「作業(結果責任なし)」と「仕事(結果責任あり)」に仕分ける。作業の欄からAIに回すものを1つ選ぶ | 作業と仕事を分ける |
| 3日目(水) | 作りかけの資料を読み、「当たり前でよい部分」と「驚きがあって納得してほしい部分」に別の色で印をつける。後者が1つもなければ、それを足すのが今日の宿題 | 平均点の部分と、外れる一点の配分 |
| 4日目(木) | 資料の冒頭に「この提案で、やらないこと」を1行足す | 捨てる判断を見える形にする |
| 5日目(金) | 同じ資料の中身を、AIに3通りの順番で並べ替えさせる(結論から/理由から/相手の困りごとから)。どれで出すかは自分で選び、選んだ理由を1行書く | 話す順番は自分が決める |
| 6日目(土) | ブックマークやスクリーンショットを見返し、「人に話したくなるもの」以外は消す。残すのは1週間で1件が目安 | 保存は軽く |
| 7日目(日) | 今週いちばん手応えのなかった資料を1つ選び、「問い・仮説・順番・最後の確認」のどこが弱かったかに丸をつける。来週はそこだけ自分の手でやる | AIとの線引きを毎週見直す |
翌週からは、1日目の問いを見直して、増やすのではなく入れ替えるようにします。本は、センスは使わないと錆びると言い、楠木さん自身もアウトプットを習慣にするために平日毎日更新するブログを続けています。週に1回、短い文章でも「自分の考え」を外に出す枠を決めておくと続けやすくなります。
ポイント:AIに資料を頼む前の5つの確認(チェックリスト)
- この資料は誰の、どんな悩みのためのものか、1行で言える
- AIに作らせた並べ方のうち、どれを採るかを自分で選び、理由を言える
- AIに任せるのは「正解がある説明」の部分だけにした
- 相手が驚き、かつ納得する一点がどこか決めた
- 話す順番を、相手の気持ちに合わせて並べ替えた
よくある疑問
- 『知的生産のセンス』は生成AIに否定的な本ですか?
- いいえ。二人とも調べものや下書きではAIを使っています。否定しているのは、問いや判断までAIに預けることです。使いどころの線引きを考える本だと言えます。
- 対談形式ですが、読みにくくありませんか?
- 話し言葉なので読みやすい反面、話題が広がりやすいので、最初は「はじめに」と序章、第4章の冒頭を読んで全体像をつかむと迷いにくくなります。
- 前作『「仕事ができる」とはどういうことか?』を読んでいなくても大丈夫?
- 大丈夫です。スキルとセンスの違いは本書の中でも改めて説明されています。前作を読んでいると、AIが登場して何が変わったかがより分かりやすくなります。
- センスは生まれつきのものではないのですか?
- 本は、センスは仕事の現場で相手の反応を感じ取りながら磨かれるものだという立場です。逆に、使わないと錆びるとも言っています。
- 梅棹忠夫『知的生産の技術』とはどう違いますか?
- 本書は1969年の『知的生産の技術』を、情報の集め方や整理の仕方といったスキルの体系として位置づけています。本書が扱うのは、その手前にある「何を選び、何を捨てるか」の判断です。読み比べると違いがよく分かります。
この本が合う人・合わない人
| こんな悩みの人 | 本から得られること |
|---|---|
| AIで資料は作れるのに、会議で通らない | 平均点の資料に、自分にしか言えない一点を足す考え方 |
| 読書や情報収集をしているのに、話せる・書けるものが増えない | タグで絞り、保存を軽くし、人に話す前提で読む姿勢 |
| AIをどこまで使っていいか迷っている | 作業と仕事、規定の説明と独自の部分を分ける線引き |
合わないかもしれない人:手順を1から10まで示してほしい人には、対談の行き来がもどかしく感じられるかもしれません。その場合は、この記事の7日間メニューのような自分用の手順に落としながら読むのがおすすめです。AIツールの操作方法の本でもありません。
あわせて使いたいもの
本の考え方を実際に試すときに役立つ本と道具を選びました。
梅棹忠夫『知的生産の技術』(岩波新書、1969年)
本書が「スキルの体系」の代表として挙げる古典です。カードやノートの使い方という「技術」と、本書の「センス」を並べて読むと、何が道具で何が判断なのかの区別がはっきりします。
内田和成『スパークする思考 右脳発想の独創力』(角川書店、2008年)
楠木さんがタグの考え方の出どころとして紹介している本です。実践メニューの1日目で書く「問い」を、どう持ち、どう寝かせるかを深めたい人に向きます。
楠木建・山口周『「仕事ができる」とはどういうことか?』(宝島社、2019年)
本書の前作で、スキルとセンスの対比はここから始まっています。AI以前の議論と読み比べると、何が変わり何が変わらないかが見えてきます。
コクヨ 測量野帳 スケッチブック(3mm方眼)セ-Y3
胸ポケットに入る硬い表紙のノートです。7日間メニュー1日目の「問い5つ」を1ページ目に書き、毎週入れ替えていく「タグ台帳」にするのにちょうどいい大きさです。本も、考えの中心は手で書いて目の前に置くことを勧めています。
まとめ
ポイント:要点3行
- AIで平均点の成果物は誰でも作れるようになり、差は「何を選び、何を捨てるか」の判断に移った
- 正解のある説明や作業はAIに任せ、問い・仮説・順番・最後のOKは自分の手に残す
- センスは使わないと錆びる。入れる情報を絞り、小さくても毎週外に出す
動画でもっと気軽に、この本のエッセンスを多本読造じいと一緒にたどれます。
参考文献・出典
- 楠木建・山口周『知的生産のセンス ― 情報を価値にする「知の工程」を紐解く』日経BP 日本経済新聞出版、2026年
- Doshi, A. R., Hauser, O. P. “Generative AI enhances individual creativity but reduces the collective diversity of novel content” Science Advances 10(28), 2024 PMC
- Brynjolfsson, E., Li, D., Raymond, L. “Generative AI at Work” The Quarterly Journal of Economics 140(2): 889-942, 2025 Oxford Academic
- Dell’Acqua, F. ほか “Navigating the Jagged Technological Frontier” Harvard Business School Working Paper 24-013, 2023 HBS
- Lee, H.-P. ほか “The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers” CHI 2025 Microsoft Research
- Pew Research Center “How Americans View AI and Its Impact on People and Society” 2025年9月17日 Pew Research Center
- Simon, H. A. “Designing Organizations for an Information-Rich World” (Greenberger, M. ed. Computers, Communications, and the Public Interest, Johns Hopkins Press, 1971)
- 総務省『令和8年版 情報通信白書』(数値は報道で確認:宣伝会議 AdverTimes 2026年7月29日)
- 関連商品の書誌:『知的生産の技術』版元ドットコム、『スパークする思考』KADOKAWA、『「仕事ができる」とはどういうことか?』国立国会図書館サーチ、測量野帳 コクヨ
※「職場に置き換えると」の例、理解負債の表の右列、7日間メニュー、チェックリストは当記事の創作で、本には出てきません。研究の数字は各論文・調査の条件によるもので、本の主張を直接検証したものではありません。
