LLMは専門知識を持つ人ほど恩恵が大きい
原題: LLMs reward expertise
なぜ重要か
LLM普及後も専門知識の価値が維持されるという主張は、AI時代の人材育成・採用戦略に直接影響する論点となる。
エンジニアのSean Goedecke氏は2026年7月24日、LLMの活用においてドメイン知識が決定的な差を生むと指摘した。数学者Terence Tao氏がChatGPTとJacobian予想の反例について行った対話を具体例に挙げ、専門家は同じモデルから非専門家よりはるかに高い成果を引き出せることを示した。
Sean Goedecke氏はブログ記事の中で、「LLMは誰でもジェネラリストにする」という通説に異議を唱えた。確かにLLMは技術的な知識格差を埋める効果があるが、同氏は「プロンプティングで最も重要なスキルは、問い合わせ対象ドメインにおける専門知識だ」と主張する。
具体例として挙げられたのが、Fields賞受賞数学者Terence Tao氏がChatGPTとJacobian予想への反例について行った対話だ。Tao氏のメッセージは短く要点を絞ったものであり、モデルを「素人への説明モード」ではなく「数学者との対話モード」に誘導している。また、モデルの回答が誤りに見えると直接否定せず「これは思っていたより複雑そうだ」と述べ、自ら代替アプローチを提案するなど、モデルを強く方向づけている。こうした手法は表面的なプロンプトテクニックではなく、数学そのものの深い理解があって初めて可能だとGoedecke氏は説明する。
同氏はプログラミングの現場でも同様の経験を持つ。コードベースに精通していれば「ここはもっとシンプルにできるはず」「既にXを実装していないか」といった具体的な指示でLLMを誘導でき、知識がない場合に比べてはるかに高い品質の成果を得られるという。
Goedecke氏はこの考察から、「多くのタスクでボトルネックはモデルではなく人間であり、必要な情報はモデルの中にすでに存在するが、それを引き出すには高い知性を持つ人間が求められる」と結論づけ、モデルが強化されても人間の専門知識の価値は失われないと述べている。