理解こそが最重要
部下としてのAIは、使う人の能力を10倍ブーストしてくれる最高の武器だ。但し、AIによって優れた部分は10倍に飛躍するが、システムへの理解が浅かったり、そもそも指示が見当違いなら、破壊力も10倍になる。
生成AIを使いこなす上で、何より大切なのは、生成AIの特性と取り組んでいるシステムへの「理解」だ。AIはどれだけ性能が上がろうとも、その仕組み上ハルシネーションネーションを今のところゼロにできない。あくまで部下なのであり、人間のマネージャーが責任と意思決定を担い、「自分で理解しておく」ことが重要だ。
AIのコーディングで一度バグが起これば、死ぬほど重複コードが生まれてしまう。コードが汚かったり、リファレンスがゼロなのに放置されていたりする。安定化が一番難しいので、何をLLMにやらせるかというノウハウが必要だ。業務で使うには、分散システムやデプロイメント、テストの知識が必須で、勉強していない人がバイブコーディングでできるのは簡易なプロトタイプまでだろう。
一流のエンジニアたちはみな「理解」に時間をかけている。自分が理解できていない状態を絶対に見逃さず、会議でも打ち合わせでも時間をかけて、「理解できてない」点を解決する。理解は時間がかかるが、そうすることで以後の生産性が爆上がりするのだ。
生成AIの仕組みを理解しておく
生成AIの仕組みを理解しておくことで、AIマネジメントの合理的な考え方が身に付く。
①生成AIは「スケール則」で賢くなった道具
生成AIは膨大な学習の結果、「ある言葉の次にどんな言葉が来る確率が高いか」を予測する仕組みだ。この時AIは言葉を「トークン」という最小単位に分解して処理する。この「次のトークンを予測する」処理を天文学的なデータ量で突き詰めることで、生成AIは単なる確率予測を超えて、最終的なゴールから逆算して次の単語を選ぶ「推論プロセス」を備え、人間さながらの思考回路を走らせる。
注意点は、AIの知識は「学習を終えた時点」で止まっているということ。最新のニュースや、手元にある非公開ファイルの内容を、AIはそのままでは知り得ない。
②LLMのメンタルモデルと「コンテキスト」
ユーザーがプロンプトを入力すると、指示や関連ツールの定義がLLMに送られ、レスポンスが返ってくる。この時、一度で回答が完了することもあれば、AIがツールを使う必要がある」と判断し、実行結果を待ってから再度考えることもある。一見複雑な仕事も、マルチターンで処理、自らの思考のステップを積み重ねることで精度の高い回答を実現する。
重要なのは、やり取りが繰り返されるたびに、会話履歴やツールの実行結果が「トークン」として積み重なり、「コンテキスト」を形成していく点だ。コンテキストが膨れ上がりすぎると、AIは情報の矛盾に混乱したり、記憶の限界を迎えたりするので、AIに送るコンテキストをいかに適切にコントロールするかが、賢く動かす鍵になる。
③手足を手に入れたAIと「リスニング・ループ」
最近のAIが飛躍的に強力になったのは、LLMが各種アプリを直接操作できる「ツール」を手に入れたからだ。このツールを使いながら、リクエストとレスポンスのサイクル、即ち「指示の理解」→「検索・実行」→「結果の分析」という自律的な試行錯誤を繰り返しながら、答えに辿り着こうとする。
④「コンテキスト・マネジメント」の重要性
AIにも「一度に覚えておける情報量（トークン数）」に限界がある。そこで意識すべきなのが単なるプロンプトの書き方を超えた背景情報の管理術「コンテキスト・マネジメント」だ。極意は「余分な情報を与えない」こと。参照先を限定し、必要な情報だけ与え、不要なものは削ぎ落とすことが、AIを安定して動かす鉄則だ。
⑤忘却対策としての「スラッシュコマンド」と「段階的開示」
AIの忘却や混乱を防ぐ具体的なテクニックが、指示をファイルとして外出しにする「スラッシュコマンド」だ。「ツール呼び出し」において、/で始まるコマンドを入力することで、事前に定義した特定の機能を素早く実行できる。AIにあらゆるルールを常に覚えさせようとすると、コンテキストウィンドウを圧迫し、混乱させる。特定のタイミングで、そのタスクに必要な指示だけをAIに読み込ませるために使う。
さらに高度な手法として、Skillsと呼ばれる方法があり、これによりワークフローの指示をエージェントに必要な時だけ読ませることができる。これは「段階的開示」というテクニックを使っている。情報を階層化し、AIの判断でアクセスさせることで、文脈をクリーンに保ったまま高度な作業を完遂できるようになる。
以上の特性を踏まえて、AIを適切に仕事に導入できると、自動化できる範囲が大幅に増えて、強力なアシストとなる。
