AI Work Skills / Practical Use

AIの性能だけでは、
仕事の成果は決まりません。

生成AIを使うときに大切なのは、難しいプロンプト技術だけではありません。自分の考えを伝え、AIの答えを理解し、確かめ、実際の仕事につなげる力です。

A simple model

総合力＝ ① 人間の入力の質 × ② 生成AIの性能 × ③ 人間の理解・検証・実行力

これは数学の公式ではなく、生成AIを仕事で使うときに必要な力を整理するためのモデルです。

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

結局、必要なのは普通の問題解決力です。

AIが使えるようになっても、「よく見る」「考える」「試す」「なぜを考える」という基本は変わりません。むしろAIが速く答えを出すほど、人間が結果を見極める力は大切になります。

よく見る→理解する→考える→仮説を立てる→試す→結果を見る→なぜを考える→次に生かす

観察力、想像力、論理的に考える力、洞察力、創造力、仮説を立てる力、検証する力。こうした力は、AIが使えるようになったから不要になるのではなく、AIを正しく使うために必要になります。

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。

技術者なら「境界条件」に近い感覚

高性能な数値ソルバーでも、何を解くか、どんなモデルと条件を与えるか、結果が妥当かを考える必要があります。生成AIへの条件設定にも似たところがあります。固定する条件、変化として与える条件、複数の量の関係として与える条件を、Dirichlet・Neumann・Robin境界条件になぞらえて考えることもできます。これは理解のための比喩であり、数学的に同じという意味ではありません。

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。

Webサイトの制作・更新目的や読者、表現上の条件を決め、生成と確認を繰り返します。

Webサイトのローカライズ単なる翻訳ではなく、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の性能だけでは、仕事の成果は決まりません。