Slide 1
生成AIが壊した5つの前提
1. 入力に応じて文章、要約、分類、抽出、コードなどを生成する技術。出力には確認と責任分担が必要。が壊した5つの前提
架空の営業チームで、問い合わせへの返信をAIに下書きさせました。同じ依頼でも、ある日は丁寧な説明、別の日は簡潔な回答になります。文章の違いは役立つ一方、返品条件まで変わるなら困ります。速く書けることと、仕事として任せられることの間には、まだ判断が必要です。
このコースでは、従来の仕事の設計を見直す観点を「生成AIが壊した5つの前提」と呼びます。すべてのシステムが必ず同じ挙動になるという法則ではなく、見落としを防ぐためのコース独自の整理です。
| 前提 | 仕事で見直すこと | 最初に置く問い |
|---|---|---|
| 出力が毎回違う | 一度の成功を、その後の品質保証にしない | 違ってよい表現と、変えてはいけない事実は何か |
| 能力が外から降ってくる | 提供者の更新を前提に、選択を見直す | 今できることが変わったとき、再評価できるか |
| 自然言語がインターフェース | 利用者が自ら作る場面も含め、使い方のルールを決める | 誰が何を作り、どの情報・権限を使ってよいか |
| エージェントが行動する | 回答だけでなく、送信や更新の権限を設計する | 取り消せない行動の手前で止められるか |
| 学習が組織に閉じる | 自社の判断基準を、AIへ渡せる形に整理する | 判断理由や例外を、人とAIが参照して使えるか |
「学習が組織に閉じる」の「学習」は、業務で得た知見の蓄積を指します。会話するだけでモデルが自社専用に再学習される、という意味ではありません。「能力が外から降ってくる」という前提も、すべての更新が改善になるという約束ではありません。変化を確かめ、使い方を更新する仕事が残ります。
自然言語で依頼できると、利用者自身が文章や小さな仕組みを作る場面が増えます。「自然言語がインターフェース」という前提では曖昧な依頼を具体化するだけでなく、使ってよい情報や実行してよい操作を、利用者と一緒に決めます。「学習が組織に閉じる」という前提では、記録を人へ引き継ぐところからさらに進み、承認済みの判断基準を指示や参照資料としてAIへ渡し、結果を確かめます。秘密の情報を無条件で共有する意味ではありません。
5つの前提は「なぜ学ぶか」、次の7つの領域は「何を学ぶか」を整理する目印です。
| 前提 | 対応する学習領域 | このコースで考えること |
|---|---|---|
| 出力が毎回違う | 評価設計 | 出力の違いを踏まえて、許容水準を決める |
| 能力が外から降ってくる | 戦略 | 今取り組む選択と、準備して待つ選択を比べる |
| 自然言語がインターフェース | リスク | システムだけでなく、人の使い方にもルールを置く |
| エージェントが行動する | 業務分解・運用設計 | 作業を分け、行動する前の承認と停止を決める |
| 学習が組織に閉じる | 組織導入 | 自社の判断基準をAIへ渡し、組織で再利用する |
残る「仕様化」は、「出力が毎回違う」と「エージェントが行動する」の両方に関係します。何を任せるかを言葉にするときに、許容水準と責任の境界も具体化するためです。
まずは、自分の仕事に関係しそうな前提を一つ選んでみましょう。「返信文が毎回違う」なら「出力が毎回違う」、「返信まで自動で送る」なら「エージェントが行動する」が入口になります。