「AIに仕事を任せる」は、プロンプトの話ではなかった——池尻AI講座レポート

こんにちは！株式会社YTAL（ワイタル）代表の岡崎（Okazaki Yuta）です。

この記事は、講義の体験記事です。ChatGPTかClaudeを横に開いて、一緒に手を動かしながら読んでください。

まず、AIに「雑に」頼んでみてください

今、手元のAIにこう入力してみてください。

自分の組織の宣伝記事を定期的に発信したい

おそらく、「ターゲット読者を明確にしましょう」「月2回のペースで」「SNSで拡散」……といった、当たり障りのない提案が並んだと思います。

本日、MIDORI.so池尻というコワーキングスペース主催の元開催した講座「AIに仕事を任せる技術」でも、20名の参加者に同じことを試してもらいました。ある参加者の感想がこの状況を言い当てていたかもしれません。

「その人らしさが全然ない答えが返ってきた」。

AIが悪いわけではありません。仕事の渡し方の問題です。

賢いモデルは図書館のようなもの。あなたの指示で、「取り出される（活性化する）」本が決まる。

「人に仕事を渡すとき」と同じ構造にする

新しく入ったメンバーに「宣伝記事よろしく」とだけ言ったら、同じようにふにゃっとしたものが上がってくるはずです。

人に仕事を渡すとき、私たちが暗黙にやっていることがあります。

• 役割: あなたは○○として書いてほしい
• 入力: 材料はこれ
• 指示: こういう方針で
• 出力: こんな形式で

この4つを揃えて渡すことを、講座では「型化」と呼んでいます。

では、もう一度やってみてください。さっきの指示を、この4要素で書き直してAIに渡してみます。

あなたは[自分の業種]のマーケティング担当です。以下の情報をもとに、[対象読者]向けの記事ネタを5つ提案してください。トーンは[堅め/柔らかめ]、1つあたり2〜3行で。材料: [自社の強み、最近のトピックなど]

（[ ]の中は自分の状況に合わせて埋めてください。）

最初の結果と比べてどうですか？

講座のアンケートでは、この「型化」が最も「役立ちそう」と選ばれました（回答者の約8割）。理由は、おそらくプロンプトの特殊テクニックではなく、普段の仕事の構造と同じだったから。渡す相手がAIになっただけです。

もう一歩——AIに「質問させて」みてください

型化で出力は良くなった。でも、そもそも[ ]を埋めるとき、迷いませんでしたか？

「対象読者って、具体的に誰だろう」「自社の強みって何だろう」——実は、自分の中でも言語化されていないことが多い。

そこで、さっきのプロンプトの末尾に一行だけ足してみてください。

まずは私に質問してから進めてください。

やってみると、AIが「想定読者は誰ですか」「投稿頻度は」「トーンは堅めか柔らかめか」と3〜5個の質問を返してくるはずです。

多くのツールでは「プランモード」として表現されていますが、本質は「まずは私に質問して」と付け加えるだけ。

AIからの逆質問に、すぐ答えられましたか？

講座でこの演習をやったとき、もっとも手応えがあったのはこの部分です。自分が何を作りたいのか、誰に届けたいのか、何が成功なのか——AIの質問に答えようとして、初めて「言語化する機会になった」と気づく。自分も毎回このテクニックにお世話になっています。

AI講義の参加者のAI活用レベルはまちまちで、初めてのChatGPTという方からAPIやCursorを日常的に使うエンジニアまでほぼ半々。それでも「AI側から質問される」のは新鮮だったという反応は共通していました。

ある参加者のアンケート: 「“質問させる”はやっていなかった。日々取り入れていく」。

AIの質問に答える過程は、頭の中の曖昧な前提を言語化するプロセスそのものです。AIを、自分との壁打ちの高速化に使うことが、もっとも費用対効果が良い使い方の一つです。

ここまでの3ステップを整理する

あなたが今やったことを並べます。

この3つで、AIからの出力は別物になったはずです。はるかに安定した。

もう一つ、講座ではここに分解を加えました。「定期的に宣伝記事を発信したい」を「ネタを毎日出す」「下書きを作る」「推敲する」のように、AIに渡せる粒度にすること。大きな仕事をそのまま渡すと、AIは「なんとなくそれっぽいもの」を返すしかありません。

これを「毎朝勝手に動く仕組み」にする

ここまでは毎回手で入力する話でした。でも、型化した時点で「変わらない部分」と「変わる部分」が分離できていることに気づきましたか？

• 固定: 役割、対象読者、トーン、出力形式
• 変動: 今日の日付、季節、ランダムに選ばれるテーマ

講座ではさらにもう一歩踏み込んで、この構造をGoogleスプレッドシートに保存し、毎朝9時に自動実行される仕組みを構築しました。コードは不要で、プロンプトを所定の欄に貼り付けるだけです。

一括実行した瞬間、ネタ帳シートにリアルタイムでデータが増えていく。翌朝9時、何もしなくてもシートにネタが追加されている。「雑に頼む」から始めて1時間で、放っておいてもネタが溜まる仕組みができました。

次回のテーマは「評価」です

ネタが毎日溜まる。でも1週間分を見返すと、「使えそう」「微妙」がバラバラのはずです。

次にやるべきことは「良い/悪いの基準」を型化して、AIに自動で採点させること。そしてスコアが低ければやり直し、高ければ成功例として蓄積する。

仕事を任せる → 成果を評価する → フィードバックして改善させる。これはマネジメントの基本サイクルそのものです。相手が人からAIに変わっても、相手が疲れの知らないモデルに変わったからこそ、構造が一層重要になってきます。

BCGの調査では、88%の企業がAIを導入済みだけれど、大きな価値を生んでいるのは5%だそうです。この差は「AIを入れたか」ではなく「業務をAI前提で設計し直したか」にあると考えています。

この記事でやったこと、そのまま続けてください

ここまで読みながら手を動かした方は、すでに「型化」と「質問させる」を体験しています。ぜひ明日から、

AIに何か頼むとき、最後に「まずは私に質問してから進めて」と加えてみてください。

この記事の内容は、池尻のHomework Villageで開催中の講座（世田谷区産業活性化事業・全3回）の第1回で扱ったものです。第2回では「評価の型化」、第3回では「自動改善ループ」に進みます。

「チームや組織で仕組みにしたい」という話であれば、ご連絡ください。型化→評価→改善ループを、業務に合わせて設計するのがYTALの仕事です。初回相談は無料です。