AI Work Skills / Practical Use

AI時代、人に必要になるのは、
「全体を見る力」です。

翻訳、検索、文章の下書き、簡単なプログラムなど、AIが手伝える仕事は増えました。難しくなるのは、たくさんの条件がつながっている仕事です。何を目指すか、何を大事にするか、一つを変えたときにほかへ影響がないか。人には、仕事全体を見る力が必要になります。

A simple way to think about it

人が目的を決める → AIに手伝ってもらう → 人が全体を確かめる

AIに全部を任せるのではなく、人とAIで役割を分けます。AIが速くなっても、何を良しとするかを決める仕事は残ります。

AIを仕事で使うために、大切な3つの力。

AIの性能だけでなく、何を頼むか、どう確かめるか、どう使うかで成果は変わります。

頭の中を、伝えられる形にする

何をしたいのか。何を知っているのか。何を変えてはいけないのか。普段は無意識に決めていることを、言葉・数字・条件として外に出します。

目的を決める
必要な情報を渡す
守る条件と任せる範囲を決める

AIに、考える仕事を手伝ってもらう

生成AIは、情報の整理、比較、説明、発想、仮説づくり、文章やコードの生成などを支援できます。足りない情報があれば、AIに質問させることもできます。

調べる・整理する
比較する・別の見方を出す
案や仮説を作る

理解して、確かめて、使う

読みやすい答えと、正しい答えは同じではありません。AIの答えを理解し、現実と合っているかを確かめ、実行し、結果から次を考えます。

意味を理解する
正しいか確かめる
実行して結果から学ぶ

一つの答えより、「全体が合っているか」を見る。

一つの質問に一つの答えを返す仕事は、AIがかなり手伝えるようになりました。でも実際の仕事では、価格を変えると契約や案内も見直す、製品の説明を変えるとサポートや事例も確認する、といったことが起こります。難しいのは、答えを一つ知っていることより、関係するものを一緒に見て、全体としておかしくない状態にすることです。

何を目指すか決める

最初に「何を良くしたいか」を決めます。目的があいまいなままでは、AIが速く作業しても良い結果にはつながりません。

何を大事にするか決める

速さ、価格、安全、品質、分かりやすさなど、全部を最大にはできません。何を優先するかを決めます。

一つを変えたら、ほかも見る

一か所を直したとき、関係する別の場所に問題が出ていないかを確認します。仕事が大きくなるほど、この確認が重要になります。

「何か変だ」に気づく

AIの答えも間違うことがあります。基礎知識があると、数字、説明、結果の違和感に気づき、確認する場所を見つけやすくなります。

どこで十分か決める

改善は何度でも続けられます。仕事では、必要な品質を満たしたか、残っている問題は何かを見て、どこで終えるかを決めます。

AIの強みは、確認と修正を何度でも繰り返せること。 ただし、一度の回答で正しいと決めつけず、実際の結果を見て直す使い方が大切です。

人が同時に扱える情報には限りがあり、関係する項目が増えるほど考える負担は大きくなります。工学でも、部品を一つずつ確認するだけでなく、組み合わせた全体を確認することが重視されています。生成AIも、一度で完成させるより、確認と修正を繰り返す方法が研究されています。

考え方の参考：Cognitive Load / Task Complexity、NASA Systems Engineering Handbook、Self-Refine (NeurIPS 2023)、NIST AI Monitoring (2026)

全部を細かく命令する必要はありません。

大切なのは、AIに任せるところと、人が決めるところの境界を考えることです。

まず決めたい4つのこと

ここは必ず守る。

ここはAIに考えさせる。

この範囲なら変えてよい。

分からないときは勝手に決めず、確認する。

AIに任せる範囲を決める

AIに自由に考えてもらう部分と、人が必ず決める部分を分けます。たとえば、目的、守る条件、使ってよい情報、最後に確認する項目を先に決めておけば、AIはその範囲で何度でも案を出し直せます。

AIを仕事で使うなら、3つだけ確認します。

難しい仕組みを覚える必要はありません。実務では、次の3点を確認できれば、AIを使った作業の失敗をかなり減らせます。

何を扱っているか

対象のファイル、製品、顧客、モデルなどを取り違えていないか。まず「何についての作業か」をはっきりさせます。

途中でずれていないか

編集や更新の途中で、対象や前提が変わっていないかを確認します。分からなくなったときは、無理に進めず確認します。

結果は目的に合っているか

作業が終わったら、期待した結果になったかを確認します。「できた」ではなく「目的を満たしたか」を見ます。

要するに、取り違えない。途中でずれない。最後に確かめる。 この3つを、人とAIの両方で確認できるようにすることが大切です。

実際の仕事で試しています。

この考え方が本当に仕事で使えるのか。性質の異なる仕事に当てはめて、AIに何を伝える必要があるか、どこまで任せてよいか、結果をどう確かめるかを確認しています。

ITトラブルの原因調査状況を整理し、原因候補を絞り、確認手順を組み立てます。

自社Webサイトの制作・更新価格、製品、サポート、事例、法務、導線などがつながっています。一つを変えたら、関係するページも確認します。

海外Webサイトの日本語化元になる情報が比較的はっきりしている仕事です。翻訳だけでなく、文脈・用語・リンク・表示まで確認します。

OSSの技術評価・検証導入目的に対して、機能・挙動・再現性などを実際に確かめます。

理論を増やすことが目的ではありません。実際に使い、結果を見て、必要なところだけを直していきます。

AIを学ぶことは、自分の考え方を学ぶことでもあります。

うまく質問できないときは、自分でも問題を整理できていないことがあります。AIの答えを評価できないときは、足りない知識や確認方法が見えてきます。生成AIは、仕事を代わりにするだけでなく、自分の考えを言葉にし、考え、試し、学ぶための道具にもなります。

① 自分の考えや条件を伝える。
② AIに考える仕事を手伝ってもらう。
③ 答えを理解し、確かめ、使い、結果から学ぶ。

生成AIを、実際の仕事でどう使うか。

M&Tでは、生成AIを単なる文章作成ツールとしてではなく、調査・整理・比較・実行・確認まで含む仕事の道具として試しています。このページでは、人が何を決め、AIに何を任せ、結果をどう確かめるかという観点から、実務で得た知見を継続的に整理して公開します。

成功例だけでなく、うまくいかなかった点や、人の確認が必要だった点も含めて、できるだけ具体的に紹介していきます。

AI・自動化の実例を見る技術記事一覧へ

AI時代、人に必要になるのは、「全体を見る力」です。