Writing

AIに仕事を任せる前に、仕事を定義する

August 16, 2026

AIへ依頼した結果が安定しないとき、モデルやプロンプトだけが原因とは限らない。人間同士でも完了条件を共有できていない仕事は、AIに渡しても曖昧なままである。

「このコードを改善して」「競合を調べて」「分かりやすい資料を作って」といった依頼には、方向はあるが基準がない。何をもって改善とするのか、どの競合を含めるのか、誰が資料を読むのかが決まっていない。その状態で出力の品質を評価すると、依頼するたびに判断が変わる。

AIを使う前に必要なのは、巧妙な指示文よりも、仕事の定義である。

入力・出力・制約・確認方法を分ける

仕事を渡すときは、少なくとも四つに分けて考える。

入力は、作業の根拠になる情報である。対象のファイル、仕様、利用者からの報告、数値、参考資料を明示する。AIが知らない情報を推測で補わせない。

出力は、完成物の形である。文章なのか、コードなのか、比較表なのか。どのファイルへ、どの粒度で、どの形式で残すのかを決める。

制約は、変えてはいけない条件である。互換性、利用可能なライブラリ、対象外の領域、期限、表現上のルールなどを含む。

確認方法は、完了を判定する手段である。テストが通る、特定の操作ができる、根拠へのリンクがある、既存の数値と一致する、といった観察可能な条件にする。

この四つが揃うと、依頼は単なる要望から、検証できる仕事へ変わる。

AIが得意な作業の多くは、与えられた材料を別の形へ変換することだ。長いメモを整理する、複数の案を比較する、既存コードの重複を見つける、文章を異なる読者向けに書き直す。元の材料と結果を比べられるため、間違いも確認しやすい。

一方で、目的そのものを決める仕事には人間の責任が残る。どの利用者を優先するか、どのリスクを受け入れるか、何を公開するか。こうした判断には、組織の事情、倫理、長期的な関係が含まれる。文章として自然な答えが出ても、それだけで正しい判断にはならない。

実務では、判断と変換が一つの依頼に混ざりやすい。まず人間が方針を決め、その方針の範囲でAIに作業を渡すと、責任の位置が明確になる。

「高品質」「プロフェッショナル」「直感的」といった言葉は、方向を示すが、完了を判定できない。人によって意味が違い、結果を見た後から都合よく解釈できてしまう。

代わりに、観察できる条件へ変える。

条件が具体的であれば、AIも人間も同じ基準で結果を確認できる。期待と違った場合も、感覚ではなく条件の不足として修正できる。

AIの出力に同じ問題が繰り返されるなら、毎回その場で直すだけでは足りない。なぜ問題が起きたかを依頼や環境へ戻す。

対象外のファイルを変更したなら、変更範囲を明示する。存在しない仕様を推測したなら、参照すべき資料を指定する。見た目の崩れを見逃したなら、確認する画面幅や操作手順を追加する。文章が冗長なら、削るべき表現を例示し、公開前の編集工程を定義する。

重要なのは、AIを叱ることではない。次の作業で同じ曖昧さを残さないことだ。

AIへの依頼を丁寧に定義すると、人間の仕事まで明確になる。目的、材料、制約、完了条件を説明できない仕事は、担当者が誰であっても進めにくい。

AIは、曖昧な仕事を自動的に明確にする装置ではない。曖昧さを、もっともらしい完成物で覆うこともある。だから、出力の速さより先に、評価できる仕事を作る必要がある。

任せる範囲を広げる前に、何を渡し、何を守り、どう確認するかを決める。その準備ができた仕事ほど、自動化しても品質を保ちやすい。