スピードの神話
平均的な人はタイピングで毎分40語、話すと毎分130語です。数字の上では音声入力は3倍速いことになります。しかし実際の生産性の方程式はもう少し複雑です。
生の速度はあくまで一つの要素に過ぎません。思考から完成したテキストまでの合計時間には、考えること、入力すること、編集すること、フォーマットすることが含まれます。各段階を分解してみましょう。
入力速度：音声が明らかに優位
純粋な入力速度では、話すことが圧倒的に有利です。
- タイピング：ほとんどのプロフェッショナルで毎分40〜80語。高速タイピストで100語以上。
- 音声：自然な会話では毎分130〜160語。タイピングスキルに関係なく一定。
このギャップは特に、ソフトウェア開発やライティング職以外でタイピングが速くない方に顕著に現れます。
編集時間：ツール次第
生のディクテーションは編集が必要なテキストを生み出します。言い淀み、句読点の欠落、文法の問題、不適切なフォーマット——これらはすべて手動のクリーンアップを必要とします。この編集のオーバーヘッドが速度上の利点を帳消しにする可能性があります。
ここでAIエンリッチメントが方程式を変えます。
- エンリッチメントなし：3倍速で話すが、2倍長く編集します。正味の生産性向上は限定的です。
- エンリッチメントあり（Telvr）：AIが言い淀みを除去し、文法を修正し、出力をフォーマットします。編集は小さな微調整のみになります。正味の生産性向上は2〜3倍です。
AI処理の品質が、音声入力が生産性の純粋な向上をもたらすか、単に作業を別の形に変えるだけかを左右します。
認知負荷：隠れた要素
タイピングは思考をキーボード上の指の動きに変換することを必要とします。話すことは思考を言葉に変換することを必要とします。ほとんどの人にとって、後者の変換の方がより自然で、認知的な負荷も少なくなります。
これが最も重要になる場面：
- 初稿の作成：考えを話すことはタイピングより自然に流れます。アイデアがより完全で一貫した形で出てきます。
- 長文コンテンツ：ライターズブロックは部分的にはタイピングの問題です。話すことは思考とアウトプットの間にある機械的な障壁を取り除きます。
- 多言語での作業：ある言語で考えながら別の言語で入力する場合、思考している言語で音声入力することでより良い初期アウトプットが得られます。
一方、タイピングが優位な場面もあります。
- 構造化されたコンテンツ：コード、スプレッドシート、フォーマット済みの文書はキーボード入力の精度から恩恵を受けます。
- 静かな環境：オープンオフィス、図書館、共有スペースは音声入力を非実用的にします。
- 編集と修正：テキストの移動、単語の選択、精密な変更はキーボードとマウスの方が速いです。
実際のシナリオ
メール（音声が優位）
200語のメールの作成：
- タイピング：考えることと編集を含めて約5分
- 音声（TelvrのEmailモード）：90秒話す＋確認で約2分
音声が2〜3倍速い理由は、メールの本質が会話的であること、AIがフォーマットを担当することです。
コードのドキュメント（音声が優位）
関数の説明やREADMEセクションの作成：
- タイピング：コードとドキュメントのコンテキスト切り替えが摩擦を生みます
- 音声：コードを見ながら関数を自然に説明します。クリーンアップモードがクリーンなドキュメントテキストを生成します。
Slackメッセージ（音声が優位）
クイックなチームへの更新や返信：
- タイピング：短いメッセージでもコンテキスト切り替えを含めて30〜60秒
- 音声：プッシュ・トゥ・トークの操作を含めて10〜15秒
コードの記述（キーボードが優位）
実際のコードを書く作業：
- 音声：構文、括弧、正確な変数名のディクテーションは遅くエラーが起きやすい
- タイピング：思考と画面上の文字との直接的なマッピングが機能する
データ入力（キーボードが優位）
フォームへの入力、数値の入力：
- 音声：数字、略語、フィールドのナビゲーションがオーバーヘッドを増やす
- タイピング：Tabキーによるナビゲーションを使った直接入力の方が速い
ハイブリッドアプローチ
最高の生産性は両方の入力方法を組み合わせることから生まれます。
- コンテンツには音声を使う：メール、メッセージ、ドキュメント、ノート、説明文
- 構造にはキーボードを使う：コード、フォーマット、ナビゲーション、編集
- コンテキスト認識で切り替える：それぞれのマイクロタスクに適したツールを使う
Telvrのプッシュ・トゥ・トークモデルはこのハイブリッドアプローチを自然にサポートします。手はキーボードの上に置いたままです。テキストを書く必要があるときはホットキーを押して話す。精密さが必要なときはタイプする。アプリを切り替えたり、モードを変えたりする必要はありません。
自分の生産性を測定してみる
この実験を試してみてください。
- 典型的な作業タスクを選ぶ（メールの作成、機能のドキュメント、メッセージへの返信）
- タイピングでそのタスクを時間を計って行う
- 同じ種類のタスクを音声入力で時間を計って行う
- 単なる速度だけでなく、出力の読みやすさも比較する
ほとんどの人は、音声入力の方が初回の試みでより自然で完結したテキストを生成することに気づきます——理論上の3倍という速度差が実際にはそこまで大きくない場合でも。
まとめ
音声入力はキーボードを置き換えることを目指すものではありません。それぞれのコンテキストに適した入力方法を使うことです。自然言語のコンテンツ——メール、メッセージ、ドキュメント、ノート——については、AIエンリッチメントを備えた音声入力は測定可能なほど速く、より良い初稿を生み出します。
重要な前提条件はシームレスな統合です。音声入力が別のアプリを開いて録音し、書き起こして、コピーして貼り付けるという手順を必要とするなら、そのオーバーヘッドが速度上の利点を完全に打ち消してしまいます。プッシュ・トゥ・トークとカーソルへの直接挿入がその摩擦を取り除きます。