情報処理の基礎用語として「Ｉ／Ｏ」というものがあります。Ｉ＝INPUTで入力、Ｏ＝OUTPUTで出力、両方で「入出力」を意味します。そして、Ｉ：入力したものを、Ｏ：出力するためにＰ＝PROCESS（処理＝計算）が存在します。基本的に情報処理という働きは下図のように、このＩ→Ｐ→Ｏの組合せで「人間か機械」どちらかを介して行われます。よって、コンピュータ（機械）の働きである「コンピュータという存在を介し価値を提供する」の内容は「情報を入力し、計算処理をして、新しい価値を持つ情報を出力する」と言い換えることができます。このIPO活動が情報処理の働きです。
では、人間という実在を通した情報処理の働きを、単純化して、足し算の問題を解く場合を考えてみます。問題用紙に「２と４を足しなさい」と書いてあれば、まずその問題を読みます（Ｉ：入力）。次に、頭の中で足し算して（Ｐ：処理・計算）、最後に、回答用紙に答えの６を書きます（Ｏ：出力）。これもIPO活動です。
これをコンピュータで情報処理させると、以下のような流れになります。
| Ｉ：入力 ２と４をキーボードで入力 Ｐ：計算 人間が作成した「キーボードから入力された２つの数字ａとｂを加算して、その結果cをモニタに表示する」プログラムが実行 Ｏ：出力 ６がモニタに表示 |
これを図解すると以下のようになります。入力だけは人間が行いますが、それ以外はプログラムが実行します。なお、本書ではこのようにIPO活動の一部又は全部を自動化する実体をIPOマシンとします。
上記の事例は大変単純なのですが、AIやIoT、APIもすべてこのIPOマシンが進化した中で、簡単にですが説明ができます。さらには、このIPO活動の「情報」を「ヒト」や「モノ」に変え、人間か機械のどちらが介することで、世の中のすべての「働き」を表すことができます。本書ではこれを「働きのモデル１：IPO」とします。詳細は第2章で後述しますが、本書でこの単純なモデルが繰り返し出てくる具体的意味を、この段階で以下に説明します。
| ①人間か機械が働いた結果はＯ：出力された内容で、いわゆる仕事の成果 ②仕事の成果に問題があるのはＩ：入力かＰ：処理に問題がある ③②より成果の改善はＩ：入力かＰ：処理を改善する以外方法はない |
いわゆる因果関係をIPO分解しただけの、当たり前の内容ですが、意外と筆者も含めて多くの方が理解し実行できていないです。分かりやすい例が「切り取り」問題がなくならない理由と、その構造です。
例えば他人の発言を切り取る人の傾向として、自分の考えにこだわりすぎて変えられない場合が多いです。つまり、主張したい結論であるＯ：出力が決まっているために、かつ主義の元であるＰ：処理方法を変えられないため、入力：Ｉを全部でなく一部切り取り入力し、一部でもそれは事実と主張して、Ｐを変えずとも自然と結論Ｏが出てくるようにする構造です。なお、切り取りの具体例は差し控えますが、高齢者にこの傾向が高い理由を、AIの学習・利用構造により後述します。
いずれにせよ、本書ではIPOモデルと後述のIPODモデルを「働き」自体を変革する考えとして活用し、以下API・IoT及びAIを同モデルで解説します。
データ化とIPOD
情報処理がどんどん複雑になり、大量かつ高速に行われるように出現してきたのが、複数台のコンピュータを接続するネットワークシステムです。前図のような単純なMS-DOSパソコンによる情報処理から、下図のように社内で大量のIPOマシンが接続され、大量の情報を流通させる情報処理になっていきました。ホストコンピュータ時代の汎用機と端末との接続や、クライアント・サーバー型の社内LANなどがありました。しかし、基本的には自己管理内というクローズな世界でIPOマシンの構築が行われていました。
このクローズな世界での発展を、情報処理の頭脳であるＰの実在数で整理します。初期に１台のパソコンで処理していた場合、Ｐの数は１つで「１」通りの情報処理の世界。その次に汎用機やサーバー１つに複数（ａ個）の端末を接続するネットワーク型ではＰの数は「１×ａ」通りになります。汎用機やサーバーの数が増えると、「ａ×ａ＝ｎ」通りです[1]。
これに対してAPIでは、ユーザーのIPOマシンのPが自らIPOマシンに対して仕様公開され様式（ルール）に合致する情報を送り、相手のＰを借りて処理した結果を返してもらうことになります。
社内ネットワークもAPIも見た目には、IPOマシン同士で、同様の行為を行っています。しかし、APIと社内ネットワークの決定的な違いは、APIは社外のＰがどんな処理・計算を行い、どんな結果Ｏを出力しているかが、外からわからない・関知しない点です。社内のネットワークシステム開発では、処理・計算するプログラムを開発することが、価値や資産となります。しかし、APIは、プログラム同士が結びつき、他者の頭脳を借りて、結果だけ返してもらうという割り切った考え方です。
つまり、自分は得意なＰ開発に特化して、それ以外は他者の力を借りることにより、得意分野に特化したＰが、APIネットワークにより無数：ｎにつながり、今までになかった、オープンなｎ×ｎ型情報創造が起きます。わかりやすい例は、グーグルマップを使ったタクシー配車や不動産物件検索等のさまざまなサービスです。自社のＰ開発は配車や物件検索などに専念して、グーグルマップのＰを借りて地図のデータをＩ：取り込んで、自社ＰからＯ：出力されるデータと併せて、新たなサービス展開するということです。
なお、一般的なインターネットを利用したショッピングサイトでの買い物や、旅行サイトでの予約なども、表面的には自分のユーザーIPOマシンがWebサービスのIPOマシンと情報をやり取りしていて同じ働きに見えます。しかし、その場合は「ヒト対プログラム」でのヒトの操作によるやり取りであり、APIは「プログラム対プログラム」の決まったルールでの外部とのプログラム共有による、機械同士の直接やり取りです。前者が「ａ×ｎ」型データ処理で、APIにより完全な「ｎ×ｎ」型データ流通になったイメージです。
そして図14のように、その結果としてAPI仕様公開し外部にプログラム共有するIPOマシンには、大量のI/Oデータが流通され保存されます。本書では、このマシンはデータを元に駆動する「データ駆動型」として、単なる情報処理のIPOマシンと区別し、データによる力の源泉を表すため、下図のようにIPODマシンとます（本書ではＤ:データを意味します）。
さらにデータ：Ｄを重視し活用する、これからの「データ駆動の働き方」をIPOと区別して「働きのモデル２：IPOD」として本書で多用していきます。モデル２はIPODマシンのようにビッグデータを取り扱うかどうかは別として、上図のようにIPOの各活動に対してD:データが基盤能力となる、つまりDは働く能力を示します。第2章で人間の能力向上は、その源泉が「記憶：Ｄ」となる構造により詳しく説明します。ここでは、「O＝I×P×D」という関係、つまり、「働いた結果＝（人間が介在して）入力した内容×それに対する処理×それぞれの能力」という関係を意味することを理解してください。
[1] 本書ではｎは無数を意味し、それに対しての有数という意味でaを利用します。
上記は弊社代表の書籍「人事労務DX データによる働き方改革2.0」から抜粋致しました。