浅い思考と深い思考の違い
序論
人は一日の大半を、脳が自動運転する“省エネ回路”で過ごしている。歩きながらスマホを操作したり、慣れた手順で報告書をまとめたり――ほとんどのタスクは無意識レベルで片づくため、深い思考が本当に必要な局面でも省エネ回路のまま走ってしまうことが少なくない。そこで本稿は、思考を「どれだけ深く掘り下げたか」と「どれだけ脳資源を使ったか」の二軸で捉える DLI（Deep-Loop Index） と MLI（Mental-Load Index） を提示し、七つのコア認知機能にマッピングした 「DLI 層 × コア機能 × MLI」モデル を用いて、深い思考を測定・育成する方法を整理する。
本論
1. 深い思考と浅い思考の定義
● 深い思考とは
抽象と具体を行き来しながら、
① 問いを立てる：思考の出発点（問い）を自分で設定する
② 仮説を立てる：因果関係を想定して仮説を組み立てる
③ 検証する：現場やデータで検証する
④ モデルを更新して再適用する：前提や構造を見直す
⑤ 問いそのものを再定義する：もう一度「そもそも何が問題か」を掘り直す
──という知的ループを最低1回以上まわす再帰的なプロセスです。
● 浅い思考とは
既存のルールや過去の経験に頼って、一回きりの判断や処理で完結するプロセスです。
- 直感的に動く、または問いや目的が曖昧なまま動く
- 仮説や因果を考えずに反応する
- 表面的な検証や思いつきで済ませる
- 修正や再挑戦を行わずに放置する
2. DLI と MLI ― 測定フレーム
2.1 DLI（5 質問フロー）
2.2 MLI（三要素平均）
例）
- 保持項目数：会議中に３案件の数字を保持
- 切替回数：資料作成⇔チャット⇔電話を10往復
- 情動ストレス：クレーム対応で心拍上昇
三要素の合計を 0–30 点とし、0–8＝低、9–16＝中、17–24＝高、25 以上＝オーバーロード。
独立性のポイント
- DLI 高 × MLI 低：短時間の深い内省。
- DLI 低 × MLI 高：感情制御やタスク洪水で疲れるが浅い。
二指標を分けて記録することで「なぜ疲れるのか」「どこを深めるか」を切り分けられる。
3. DLI 層 × コア機能 × MLI マトリクス
4．深さ × 脳疲労マップ
結論
「よく考えたつもり」が意味するのは、多くの場合 高い MLI（脳負荷） を背負っただけの状態であり、DLI（思考の深さ） が十分に回っているとは限らない。真に深い思考を実現するには、
- まず問いを立てる（DLI チェックポイント A）
- 何を解くべき課題かを定義する作業は、人間にしかできない創造的行為である。
- 高負荷の単純処理は AI に委ねる
- 大量データの収集・整理・比較といった「容量負荷」「切替負荷」が大きい工程は AI ツールに任せ、MLI を意図的に下げる。
- 余力をループの再帰に振り向ける
- MLI を中域に保つことで、仮説→検証→モデル更新→問いの再定義という DLI ループを何度も回せる。
つまり 「問いをつくるのは人間、脳を消耗させる単純処理は AI」 という分担こそが、深い思考を継続させる現実的な戦略である。