前回は、インプットKPIを使った「未来を作るシステム」のうち、日々の学習を最適化する「短期視点」の手法を解説しました。各論点の復習間隔を調整し、日々の学習サイクルを回していく。目の前の課題を一つずつ確実にクリアしていく「戦術」レベルの最適化です。詳細はこちらをご覧ください。

#勉強#会計士#システム

過去の記録を未来に活かす

過去の学習を記録できたら､それを最大限活用しましょう｡今回は短期視点での活かし方をご紹介｡

2026.07.0910 min

個別最適の罠を抜ける「長期戦略」の技術

ところが、ここで一つ厄介な問題が生じます。「論点単位での学習効率」を突き詰めても、それが「合格」という最終目標を保証してくれるとは限らない、という問題です。

みなさんは､ゲーム理論にて登場する「共有地の悲劇」をご存知でしょうか。
簡単に言うと､以下のような思考実験のことを指します｡

みんなが使える共有の牧草地に、各自が「自分の羊を1頭でも多く放したほうが得だ」と考えて羊を増やしていく。その結果、牧草地は食べ尽くされて荒れ果て、最終的には全員が損をしてしまう。

一人ひとりが自分にとって最も得な行動を選んだ結果､全体としては最悪の結末を迎えてしまう。ここに、この悲劇の本質があります。

ミクロ（個々の論点）で最適に見える行動が、マクロ（全科目を通じた合格戦略）では失敗を招いてしまう。同じことが、学習でも起こりうるのです。

たとえば、出題頻度の低い難解な論点に多くの時間を注ぎ込み、本来力を入れるべき重要論点がおろそかになる､といった現象が鉄板でしょう｡まさに 「木を見て森を見ず」 の状態です。

では、私たちはどうすれば、日々の泥臭い学習（ミクロ）を続けながら、合格という大局的なゴール（マクロ）を見失わずにいられるのでしょうか。

本記事では、この問いへの答えとして、より高い視座から学習を捉える 「長期視点のシステム」 をご紹介します。

なお、あらかじめお伝えしておきたいことがあります。今回扱うのは「戦略」や「視座」といったテーマです。その性質上、前回の記事に比べてどうしても抽象的な説明が多くなります。システムと呼ぶには、いささかざっくりしている。そんな印象を受ける場面もあるでしょう。

しかし、この 「抽象的に考える力」 こそ、全体像を的確につかみ、合格を手繰り寄せるための鍵になる。私はそう確信しています。ですので､しばしお付き合いいただければと思います｡

本記事でご紹介するシステムは、次の2つです。

• 「科目レベルでの申し送り」：戦術のミスを防ぐ、大局的な羅針盤
• 「AIコーチング」：自分のバイアスを補正してくれる「外部の目」

1. 科目レベルでの申し送り

まずご紹介するのは、「科目レベルでの申し送り」システムです。これは、前回の記事で紹介した論点レベルのメモを、科目全体を見渡す視点へと引き上げたものです。

なぜ「科目レベル」の視点が必要なのか

論点単位で学習計画を立てていると、どうしても視野が狭くなりがちです。すべての論点を「平等」に扱ってしまい、重要度の濃淡が見えなくなるからです。

ここでは、財務会計論の「在外支店」という論点を例に考えてみましょう。この論点は、本支店会計の修正や複雑な為替換算が絡み、学習する側からすると非常に「手強い」テーマです。論点レベルの視点だけで見ると、「たくさんの注意ポイントがあるし､苦手だから重点的に理解しよう」という判断に傾きがちです。

ところが、一歩引いて科目全体（マクロ）の視点で眺めるとどうでしょう。実は在外支店は近年の出題頻度が低く、本試験でも難易度が高すぎて「埋没（合否に影響しない）」となる可能性が高い論点です。大局的に見れば、**「在外支店には深入りせず、頻出の連結会計や理論対策に時間を割くべき」**というのが正解なのです。

ちなみに私は例に漏れず、在外支店は基本的に捨てるスタンスでした。

こうした「冷静で大局的な判断」を、学習の熱気のなかでも見失わない。そのために私が組み立てたのが、このシステムです。

使用方法のデモンストレーション

具体的な運用フローをご紹介します。

① 学習開始前の「羅針盤」確認

まず、その日の学習を始める前に、Notionのホーム画面を開きます。私はホーム画面のいちばん目立つ場所に、科目ごとの「大局的な申し送り事項」を表示するボードを置いていました。

たとえば、これから「租税法」を学習するとします。租税法の列を見ると、次のようなメモが目に入ります。

「消費税の計算分野では、『売上』の区分判定を徹底的にマークすること。一方で、『仕入』の税額控除については最低限の対策に留めること」

これが、当時における租税法（消費税）の「戦略」です。これを頭に入れた状態で、詳細な学習に入っていきます。

② 戦略に基づいた論点選択

次に、この戦略指針をベースに、具体的な学習論点（前回記事のシステム）を選びます。

例えば「消費税_計算」の分野には、スプレッドシート上2つの論点が表示されていたとしましょう。

• 「みなし譲渡/低額譲渡」（売上側の論点）
• 「使用形態変更」（仕入側の論点）

もし論点レベルの情報（重要度や復習日）だけで判断すると、どちらも同じように復習してしまいそうです。

いやむしろ、「条件の細かさを例題で確認すべき」という申し送りがある下側の論点（＝仕入れの論点）を、重点的に学習すべきようにも思えます。

しかし、先ほどの羅針盤（申し送り）には 「仕入は最低限でいい」 とありました。この情報があるおかげで、 「今回は『使用形態変更』はざっと確認する程度にとどめ、浮いた時間を『みなし譲渡』の理解を深めることに使おう｡そもそも消費税の計算なんかに構ってられるか」 という、メリハリの効いた判断ができるのです。

③ 戦略のアップデート

当然､学習を進めるなかで「やっぱりこの論点は重要だわ」とか､「今の時期はこの分野を捨ててもいいな」といった新たな気づきが出てきたら、すぐにホーム画面のボードへ加筆・修正します。

そして、時期が過ぎて不要になった戦略は、完了チェックを入れて削除します。常に「今、意識すべき戦略」だけが目に入る状態を保つ。これが大切です。

2. AIコーチング

続いてご紹介するのが、「AIコーチング」です。先ほどから述べているように､長期的な学習計画を立て、修正し続ける。これは合格のために欠かせません。とはいえ、変数が多く不確実な未来を予測し、計画を立てる行為は、非常に高い認知負荷を伴います。自分一人で完璧な長期計画を運用し続けるのは、至難の業でしょう。

もちろん、予備校の講師やチューターの方々に相談し、客観的な長期計画を立ててもらうのも有効な手段です。実際に私も、講師の方々から得られる情報を大切にしていましたし、オンラインで質問することもありました。

ただ、私のように地方（京都）に住み、オンライン中心で学習を進めていた身にとっては、いつでも相談できる **「AIコーチング」**が非常に心強い味方になりました。

何より、自分の学習データやこれまでの成績をNotionに集約していたからこそ、それをAIに読み込ませるだけで データに基づいた自分専用のアドバイス を、気兼ねなく受けられる。ここに大きなメリットを感じていました。講師にすべてのデータを見せて分析してもらうのは、やはり気が引けますしね。

使用方法のデモンストレーション

私は毎週日曜日を「来週以降の計画日」と決め、AI（Claude）にコーチングを依頼していました。以下､当時の私のフローをご紹介します｡あくまでも受験当時の環境ですので参考までに｡

① MCPによるデータ連携

まず、AIに私の学習状況を共有します。ここでは「MCP（Model Context Protocol）」という技術を使い、Claudeが私のNotionデータベース（学習ログ）へ自動でアクセスできるようにしていました。

② プロンプトによる指示

次に、スニペット登録しておいた、次のようなプロンプトを送信します。

## 役割
あなたは私の 公認会計士試験（論文式）合格に向けた学習コーチ です。
 
---
 
## 指示
以下の条件を踏まえ、「今週の学習サマリと傾向」および「来週実施すべき具体的な学習内容」 を提示してください。
 
---
 
## 前提条件
- 試験日：2025年8月22日
- 私のこれまでの 学習履歴 / メモ / 演習記録はMCP経由で接続している Notionデータベース に格納されている
 
---
 
## 要求事項
1. Notionデータを参照して分析すること
   - 実績データに基づく評価・傾向抽出
   - 単なる一般論は禁止
 
2. 提案内容の根拠には、以下のような情報を使用すること
   - 予備校の公開情報
   - 合格体験記
   - 信頼性の高い記事
 
3. 提示内容
   - 今週の学習サマリ
   - パフォーマンスの傾向分析
   - 明確な改善策
   - 具体的な演習方法
   - 来週に実施すべき学習計画
 
4. 時間軸
   - 中長期的視点を持つこと
   （週次・月次スパンで整合性のある提案を行う）
 
---
 
## 出力フォーマット（推奨）
- 今週の総括
- 傾向分析（強み / 課題）
- 来週の学習方針
- 具体的タスク（科目別・優先度付き）
- 参考にした根拠や情報源

③ AIからのフィードバックと修正

実際に指示を投げると、AIは蓄積されたデータをもとに、客観的な分析を返してきます。

このように「外部の目」があると、独りよがりな学習に陥るのを防ぎ、常に軌道修正をしながらゴールへ向かえます。

⚠️ AIの「ハルシネーション（誤情報）」への注意

ただし、生成AIを使ううえで、絶対に忘れてはならない注意点があります。それは、AIが時として もっともらしい嘘（ハルシネーション） をついたり、データの分析を誤ったりすることです。

たとえば私の実際のケースでも、AIが「企業法は0.2時間しか学習していない」「管理会計論の学習実績がない」といった、明らかな分析ミスをすることがありました。実績データは正しくNotionに存在するにもかかわらず、読み込みや解釈の段階でエラーが起きてしまうのです(もちろん､AIの進歩も凄まじく､私の受験当時と比較してもハルシネーションのリスクはかなり低減されていますが)｡

だからこそ、AIに全面的に頼るのではなく、私たちは常に人間による最終検証が欠かせません｡

私はAIの提案を受け取ったら、必ず自分でNotion上の学習グラフやチャートを確認し、その分析がこれまでの蓄積データと整合しているかをチェックしていました。AIはあくまで強力な「壁打ち相手」であり、最終的な判断を下すのは人間であるべきです。

そうした理由もあって、予備校の講師やチューターの方々によるアドバイスと、相互補完的に使うのが理想的であると私は整理しています。熟練の人間から得られる「経験に基づいた知見」。そして、AIが膨大な学習データから導き出す「客観的な分析」。この両翼を使い分けることで、より盤石な合格戦略を築けるでしょう。

Appendix：Geminiによるスプレッドシート分析

試験終了後の検証にはなりますが、Googleの有料プラン（当時 2,900円/月）を使い、スプレッドシートを直接読み込ませて分析させる手法も試してみました。この方法は、MCPのやり取りに比べてハルシネーションのリスクが少なく感じられました。分析の精度も高いように思います。

もちろん、私の受験時代よりAIの性能が上がっているという事情もあるのでしょうが……。

私自身は受験当時に使っていませんでしたが、今まさに学習中の方にとっては、課金してでも導入する価値のある「有効な一手」になり得ると感じます。一つの選択肢として、参考にしてみてください。

結びに

ここまで2回にわたり、インプット学習を最適化する「未来を作るシステム」をご紹介してきました。

論点レベルでの緻密な管理（短期視点）。そして、科目レベルでの戦略的なかじ取りと、AIによる客観的な監査（長期視点）。この 「ミクロ」と「マクロ」の両輪 が噛み合ったとき、学習システムは単なる「記録ツール」を超え、あなたを合格へと導く強力なエンジンへと変わります。

インプットの管理については以上となります。次回以降は、学習のもう一つの柱である「アウトプット管理」を解説していきます。演習の点数をどう記録し、どう分析して得点力につなげていくか。その具体的な手法をご紹介する予定です。

今回もご覧くださり､ありがとうございました｡