AIに質問すると、かなり詳しく説明してくれる。
それなのに、実際の作業を任せると「そこじゃない」「その条件を守ってほしかった」というズレが起きることがあります。
読者
YuLab
AIを使い続ける中で、自分はこの2つを分けて考えるようになりました。
AIがその内容について説明できることと、その場の要件を正しく理解して実行できることは別です。
この記事の結論
重要な作業では、「詳しく説明できたから理解している」と判断せず、目的・守る条件・期待する結果・確認方法を分けて伝えます。そして理解度は、最終的に実際の出力や行動で確認します。
「知っている」と「今回の依頼を理解している」は違う
たとえばAIに、SNS予約投稿の仕組みや外部サービスについて質問すると、一般的な方法を詳しく説明できることがあります。
しかし実際の作業では、
- このチャットで利用できる接続
- 現在の認証状態
- 過去に成功した実行経路
- 今回だけの条件
- 完了と判断する地点
など、その場特有の情報が加わります。
一般知識を持っていても、この条件を取り違えると期待した行動にはなりません。
「知識の正しさ」と「要件理解の正しさ」は別に確認する必要があります。
実際にあった「できるのに、できないと判断された」ケース
自分の運用では、以前に同じような流れでSNS投稿予約ができていたのに、別の場面でAIから「投稿予約できない」と判断されたことがありました。
過去の成功実績を伝えると、AI側の認識が修正されました。
このとき感じたのは、「AIが嘘をついた」と単純に考えるより、現在の実行経路・接続・権限・依頼条件を正しく把握できていなかった可能性を考えた方が実用的だということです。
能力そのものと、その場の条件を分ける
同じ「投稿する」という目的でも、アプリ内機能、外部サービス、API、接続済みツールなど実行経路が違えば可否も変わります。過去にできた／できなかっただけで断定せず、今回の条件差を確認します。
要件を渡すときに分けたい4つの項目
目的
まず、「何をしてほしいか」ではなく「何のために行うか」を共有します。
たとえば「記事を作る」だけでなく、「検索から来た人を次の記事へ回遊させるシリーズ記事を作る」と伝える方が、構成やリンク設計まで判断しやすくなります。
目的があると、AI側も個別作業だけでなく、必要な前工程や不足情報を考えやすくなります。
守る条件
次に、「してはいけないこと」「変えてはいけないこと」を明確にします。
たとえば、
- 既存IDを維持する
- 重複投稿を作らない
- 費用が発生する操作は確認する
- 秘密情報を記録しない
といった条件です。
ここが暗黙のままだと、AIが一般的には合理的な方法を選んでも、自分の運用では困る結果になることがあります。
期待する結果
「何をするか」だけでなく、「どの状態になれば成功か」を決めます。
たとえばSNS投稿なら、文章が完成しただけなのか、予約まで完了するのか、実際の予約日時まで確認するのかで完了地点が変わります。
記事制作なら、本文完成なのか、WordPress下書き登録なのか、公開・管理Sheet更新までなのかで作業範囲が違います。
確認方法
最後に、結果をどう確かめるかを決めます。
AIが「完了しました」と返したこと自体を確認方法にしません。
公開なら本番URL、Sheet更新なら再読、予約なら予約状態や日時など、実際の状態を取り直して確認するようにします。
重要な依頼で最低限伝えること
- 目的：何のために行うか
- 条件：守ること・変えないこと
- 期待結果：どこまで行けば完成か
- 確認方法：何を見れば成功と判断できるか
細かく書きすぎるのも正解ではない
ここまで読むと、すべての依頼を細かい仕様書にすればよいように見えるかもしれません。
ただ、それでは人間側の指示作成コストが大きくなります。
自分がAIを使う目的は、人間側の作業を増やすことではありません。
そのため、毎回すべてを細かく書くのではなく、
- 戻せる作業は目的を渡して試す
- 繰り返し使う条件は仕様やルールとして残す
- 失敗時の影響が大きい条件だけ明示する
- AIが既存情報から取得できることは人間が再入力しない
という形にしています。
「全部指定する」と「何も指定しない」の中間を作る
AIへ任せる意味を残しながら、重要条件だけは曖昧にしない。この線引きを、失敗や運用結果を見ながら調整していきます。
理解できているかは「説明」ではなく「結果」で見る
AIは自然な文章で、もっともらしく説明できます。
そのため、会話だけを見ると「こちらの意図を完全に理解している」と感じやすくなります。
しかし実務では、条件を守って行動できたか、期待した状態になったかを見る方が重要です。
自分は現在、
説明できる → 実行する → 状態を確認する → 不足条件を残す
という順で考えています。
一度見つかった不足条件は、次回も重要なら仕様書や運用ルールへ残します。そうすることで、同じ説明を毎回人間が繰り返す負担を減らせます。
それでも起きるのが「途中まで成功して止まる」問題
目的・条件・期待結果を整理しても、AI運用では別の問題が起こります。
たとえば、投稿案の作成と承認までは進んだのに、最後の予約実行だけ抜ける。インタビューは終わったのに、最後の記録だけ抜ける。
途中まで正常に見えるため、利用者が「全部終わった」と思いやすい状態です。
シリーズの次の記事では、この「サイレント停止」と、完了条件をどう設計するかを整理します。
まとめ
知識と実行を混同しないための4項目
- 目的を共有する
- 重要な条件を明示する
- 期待する完成状態を決める
- 実際の状態を再確認する
AIが詳しく説明できることは便利ですが、それだけで今回の依頼を正しく理解しているとは限りません。
人間側がすべての作業手順を書くのではなく、目的と重要条件を渡し、実際の結果で理解度を確認する。
この形にすると、AIへ任せる範囲を広げながらも、ズレを見つけやすくなります。
AIへ任せる範囲そのものを決める考え方は、AI自動化はどこまでやるべき？回収期間と成果シグナルで判断する方法でも整理しています。
コメント