タスクシュートは使い続けるほどに自身の時間の使い方が記録として蓄積されていきます。
この記録は、言ってみればパーソナルなビッグデータと言えます。
ほんの一週間分であっても分析する角度によっては意外な発見がそこに見いだされることもあるでしょう。
例えば、
- 「入浴」を21時までに開始できた日の85％は2時までに就寝できている
- 「ウォーキング」の実績が30分以上ある日は「21-22」セクション以降に実行できるタスク数が10％増える
- ミーティングが1日に2件入っている日はまったく入っていない日に比べて予定外のタスク実行実績が15％増える
- ミーティングが1日に1件だけ入っている日はまったく入っていない日に比べて予定外のタスク実行実績が20％減る
いずれの「発見」も架空のものですが、記録の量が増えるほどにその精度も高まるはずです。
こうした定量的な記録に加えて、タスク実行後に残すコメント内容、すなわち定性的な記録についても分析の対象とすることで、潜在的な課題をあぶり出す上で役に立つかもしれません。
とはいえ、記録の量が増えるほどに分析の負荷が高まりますから、「手動」では限界があります。
そこで、「TaskChute AI」とでも呼ぶべき自動分析機能です。
まだ構想段階、あるいは妄想段階ではあり、実現するとしてもそれは少し先のことになりそうですが、記録が増えるほどにその可能性への期待が高まります。
今のところは「アナログ AI」すなわち手動での記録分析でどこまでできるのか、僕自身の体感を元に考えてみます。
