二つのプレゼンテーションが同じデスクに置かれます。同じデータ、同じ四半期、同じ要求です。一つは、数字をストーリーに組み立てるのに四時間も苦闘した人が作ったものです。もう一つは、スプレッドシートから90秒でAIツールが生成したものです。どちらが「はい」と部屋に承認してもらえるでしょうか？ 正直な答えは：それは「主張」のどの部分を指すかにかかっています。そして、その区別—情報の構造化と実際に主張することの間の差—が、AIと人間によるプレゼンテーション作成の比較で最も誤解される部分です。 --- **主張とは、主張の構造ではなく、レイアウトではありません** 比較する前に、プレゼンテーションの主張がそもそも何であるかを明確にする価値があります。それはブレットポイントではありません。それはトランジションでもありません。本当の主張とは、連鎖です：主張、それを裏付ける証拠、そして前のスライドが提起した質問にそれぞれ答える順序です。 これは、McKinseyがスライドの主張を構築する際の構造と完全に一致しています—トピックをラベル付けるのではなく結論を述べるタイトル、誰かがレイアウトに手を付ける前に論理的な順序をテストする。これは有用な基準です、なぜなら、それは二つの非常に異なるスキルを分離するからです：既に知っていることを整理することと、実際に主張に値するものを決めることです。 AIは、その第一に非常に優れています。第二については、多くの人が想像するよりも不安定です。 --- **AIが本当に優れるところ** AIツールに汚れたスプレッドシートと曖昧な目標を渡せば、ほとんどの人間が空のデッキを開くよりも早く、信頼性のあるスライドのシーケンスを生成します。それは構造のパターンマッチングに優れています：問題-解決-証明、状況-複雑さ-解決、時間的な構築。スライド14の途中で「データがあったから」と4つのチャートを1つのスライドに詰め込むようなことにはならず、途中で疲れてしまうことはありません。 大規模な採用がこれを裏付けています。Deloitteの2025年の世代Zとミレニアル世代の調査では、コンテンツ作成、プレゼンテーションデザイン、レイアウトを含む仕事タスクで生成AIを使用している人が多数を占めています—世代Zの57％とミレニアルの56％です。これはもはやマイナーな習慣ではなく、ほぼデフォルトの最初の試行となっています。 一つ言えることは、AIは多くの人が認める以上に、第一稿の整理者として優れているということです。AIが生成するデッキは、急いだ人間が作るデッキがよくするような、3つのトピックを1つのスライドに詰め込むような無秩序なものをほとんど生み出しません。 --- **AIが主張を止める場所** ここが、「AI vs. 人間」の比較で速度だけを見るものには現れない部分です。よく整理された主張のシーケンスは、真の主張のシーケンスとは同じものではありません—そしてAIには、データが実際にそれを支持している主張と、単にそう見える主張との違いを判断する信頼性のある方法がありません。 AIツールにスプレッドシートから成長ストーリーを構築するよう依頼すると、それは「Q3で強い勢いがある」と自信を持って書き込むでしょう、たとえその下の数字が丸め誤差であったり、一時的な契約更新であったりしても。データが堅実か薄弱かを問わず、同じ確信のトーンで書きます、なぜならトーンは実際に論理的に考えているものではなく、スタイルのデフォルトだからです。同じデッキを熟練した人間が作成する場合（少なくともそうするべきです）、その主張が実際に証明されているのかどうかを確認するために一時停止しなければなりません。 これは、ピッチデッキで見られる同じ失敗パターンです—トラクションスライドは、起業家のデッキが不誠実になる場所です—見せかけの指標がビジネスの勢いのように装飾されています。そのスライドをAIがドラフトすると、不誠実さを自動的に検出することはありません。単に渡された数字を自信のある主張の形に整理するだけです、なぜならそれが訓練されたパターンだからです。 --- **図表は言葉よりも早くギャップを明らかにします** 実際に最も早くこの問題が明らかになるのは、テキストではなく、AIツールが「主張を支持する」ために生成する図表です。ラベルのないボックスのフローチャート、ボックスのペアによって意味が3つも異なる矢印、プロセス図が同時に予算サイズをボックスの幅でコード化しようとするもの。これらの図表は、すべて理解を静かに破壊する図表のミスの一種であり、明らかに壊れたビジュアルではなく、理解を妨げるものです—それが precisely なぜ、注意深く見ることなく送り出すことができるのかです。 これはAI特有の欠点とは言えません。緊迫した人間も同じミスを締め切りの下で犯します。しかし、AIはその量と速度で、それらを生成し、レビュー—誰かが実際に各図表に8秒のテストを適用する—がより必要不可欠になり、より必要になることを意味します。 --- **結局誰が勝つのでしょうか?** 決して清潔に勝者は出ません。より正直なフレーミングは、AIが構造化のレースで勝ち、証拠判断のレースで負け、プレゼンテーションの主張が実際にオーディエンスに効くためには両方が必要であるということに近いです。 両者がそれぞれ異なる失敗を繰り返すのを観察してきた結果、私はこう結論づけました：AIに最初の整理を任せましょう—それは実際に、ほとんどの人がスプレッドシートを主張のシーケンスに変換するよりも速いです。その後、人間によるパスを実施し、その唯一の役割は敵対的なものです：各主張のタイトルについて、「このスライドの証拠がこの主張を実際に支持しているのか、それとも単にそう見えるだけなのか」と問うのです。この単一の質問は、AIで構築された主張のほとんどの誤りを捕捉し、AIが現在自分自身に対してこの質問をする立場にないことを意味します。 次にAIで生成されたデッキをレビューする際、フォントやレイアウトを最初に見るのは止めましょう。McKinseyのデッキをテストするように、スライドのタイトルを順番に読み、その中で実際に口頭で主張できるものがどれかを問い質しましょう。