【AI × 入力設計 28】〔番外編 03〕🤖 生成AIとエージェントAIの違いとは？｜田中くん3人の使い方から学ぶ「AIに仕事を任せる設計」

Hanamaruki

2026年9月16日 16:16

🤖 生成AIとエージェントAIの違いとは？｜田中くん3人の使い方から学ぶ「AIに仕事を任せる設計」

🧭 曖昧な指示で混乱する田中くん、工程を組み立てる林さん、AIと壁打ちして全体最適する佐藤さん――市場調査・企画書・PowerPoint・日報作成から考えるAIエージェント時代の仕事術

👥 登場人物紹介｜AI導入チームと今回の関係者

🧑‍💻 田中くん｜失敗しながらAIを覚えてきた実践型

20代の若手社員。

現場で働きながらAIを仕事に使い始め、これまでにも企画書、報告書、情報整理など、パソコン内のデジタル業務でAIを活用してきました。

AIの専門家ではありません。

むしろ、

とりあえず試す
失敗する
原因を考える
また試す

という繰り返しで覚えてきたタイプです。

真面目で熱意はあります。

ただし、調子に乗ると少し先走る。

今回も、その性格が見事に出ることになります。

今回の役割は「AIに仕事を頼んだものの、出力に振り回される人」です。

🧑‍🔧 林さん｜現場感覚で工程を組み立てる先輩

田中くんより年上の先輩社員。

現場経験が豊富で、

「それ、本当に現場で使えるのか？」

という視点を常に持っています。

田中くんの失敗もよく知っているため、遠慮なくツッコミを入れます。

ただし口では文句を言いながら、結局最後まで手伝ってくれる面倒見の良い人物です。

今回の林さんは、AIへの指示を一気に投げるのではなく、

作業を順番に分解して、一つずつ積み上げる

という方法を取ります。

今回の役割は「AIが迷わない仕事の骨組みを作る人」です。

👩‍💼 まゆみさん｜入力だけでなく、出力もしっかり見る観察役

仕事のできるキャリアウーマン。

専門用語よりも、

分かりやすいか
実際に使えるか
本当に仕事が楽になるか
普通の社員でも使えるか

を重視します。

そして何より、周囲をよく見ています。

今回も田中くんたちの操作を横から見ながら、

「何回指示したのか」

だけではなく、

「出力がどこから崩れ始めたのか」

まで観察します。

今回の役割は「読者が気になる違いに最初に気づく人」です。

🧑‍💼 佐藤さん｜AIを動かす前に、仕事そのものを設計する人

仕事が非常にできる人物。

ただし、その能力をひけらかすことはありません。

AI導入チームでは、

改善
工程設計
考え方の整理
導入順序

を担当しています。

佐藤さんは、いきなりAIへ指示を出しません。

まず、

「何を作りたいのか」

「何を根拠に考えるのか」

「どこまでAIに任せるのか」

を整理します。

そして必要であれば、別の生成AIと壁打ちしてからエージェントAIを動かします。

今回の役割は「AIが最大限働けるよう、仕事全体を設計する人」です。

🧚 AI妖精ちゃん｜今回はリーダーAI

田中くんたちと一緒に働くAI側のキャラクターです。

今回のエージェントAI編では、ユーザーから仕事を受け取り、

タスクを分解する
必要な担当AIへ仕事を振る
結果をまとめる
必要なら追加処理を行う

というリーダーAIの立場になります。

ただし、どれだけ優秀でも、渡された指示が曖昧なら迷います。

そして部下であるサブAIたちは、迷いながらも一生懸命働きます。

これが今回、大変なことになります。

AI妖精ちゃんは「AIから見ると、なぜこの指示は分かりやすいのか」を説明する役でもあります。

👨‍💼 黒田営業部長｜次々と実戦課題を投げてくる上司

前回、田中くんがCodexを使ってファイル整理に挑戦した成果を確認した人物。

整理されたフォルダを見ながら、

「なかなかうまく整理できているじゃないか」

と田中くんを褒めます。

問題は、そのときなぜかニヤニヤしていたこと。

田中くんは、その笑顔を見た瞬間から嫌な予感を感じていました。

そして、その予感は的中します。

🚪 導入編｜ファイル整理の次は「市場調査から企画書まで」

😅 黒田さんの笑顔には、やっぱり続きがあった

「田中。なかなかうまく整理できてるじゃないか」

黒田さんは、整理された共有フォルダを眺めながら言いました。

田中くんは少し胸を張ります。

「ありがとうございます。Codexに整理のルールを渡して、ファイル名やフォルダ構成も統一してみました」

「なるほどな」

黒田さんはうなずきます。

そして――ニヤッと笑いました。

田中くんの背中に嫌な汗が流れます。

「……黒田部長。なんで笑ってるんですか？」

「いや。次にちょうどいいと思ってな」

「次？」

黒田部長は田中くんを見ると、何でもないことのように言いました。

「今度は市場調査をやってくれ」

「はい？」

「その結果から企画書を作る。PowerPointにもして、最後に日報にまとめる」

田中くんは固まりました。

「……どうして僕がそこまでやらないといけないんですか？」

黒田さんは少し呆れたような顔をします。

「何を言ってるんだ」

「君たちはAI導入チームだろう」

「これから社員にAIを使ってもらうなら、教える側が一番AIに触って、一番失敗して、一番詳しくなっていないと話にならんだろう」

正論でした。

田中くんは何も言えません。

「……分かりました」

こうしてAI導入チームの研究室で、次の実践が始まることになりました。

🚀 第1章｜田中くん、エージェントAIに全部まとめてお願いする

😎 「今回は一気にやってもらえばいいんですよ！」

研究室へ戻った田中くんは、すでに少し調子に乗っていました。

前回のファイル整理がうまくいったからです。

「市場調査して、企画書作って、PowerPointにして、日報ですよね」

「これ、エージェントAIなら一気にできるんじゃないですか？」

AI妖精ちゃんが少し引いた顔をします。

「田中さん……なんだか、また面倒なことが起こりそうな予感がするんだけど……」

林さんが横でうなずきました。

「まあ確かにな」

「こいつが調子に乗ると、大概こっちまで巻き込まれるからな」

そしてAI妖精ちゃんに向かって一言。

「ご愁傷様」

「えっ、私に言うの？」

田中くんだけが納得していません。

「なんで二人ともそんな反応なんですか！」

「今回はエージェントAIですよ？」

「全部まとめて進めてくれるんですよ？」

少し離れたところで、まゆみさんが笑っています。

「まあいいんじゃない。やってみれば」

「何回指示することになるか、数えておくね」

「なんで回数を数える前提なんですか！」

そして田中くんは入力しました。

市場調査をして、売れそうな企画を考えて、企画書を作って、PowerPointにして、最後に日報にまとめてください。いい感じにお願いします。

一見すると、それらしい指示です。

しかし実際には、重要な情報がほとんどありません。

どこの市場を調べるのか
誰を対象にするのか
何のための市場調査なのか
競合をどこまで見るのか
企画書は誰に見せるのか
PowerPointは何枚なのか
日報では何を報告するのか
何をしてはいけないのか

AI妖精ちゃんの頭の上に、クエスチョンマークが浮かび始めます。

「えっと……」

「市場って、国内？　海外？」

「企画書の対象者は……？」

「PowerPointは経営会議用？　説明会用？」

しかしエージェントAIは働きます。

リーダーAIであるAI妖精ちゃんは、なんとか仕事を分解します。

そしてサブAIたちも一斉に動き始めました。

調査AIは市場を調べます。

分析AIはデータを整理します。

構成AIは企画書の骨格を考えます。

制作AIは資料を作り始めます。

確認AIは何を基準に確認すればいいのか迷いながら、それでもチェックを始めます。

田中くんは最初、満足そうでした。

「ほら！　ちゃんと動いてますよ！」

ところが、出てきた結果を見て首をかしげます。

「……あれ？」

「ちょっと違うな」

そして追加指示。

「国内市場だけにしてください」

しばらくして、

「競合比較も追加してください」

さらに、

「経営層向けでお願いします」

また少しすると、

「でも現場の人にも分かるようにしてください」

「PowerPointは10枚くらいで」

「数字の根拠ももっと欲しいです」

「日報は簡単にしてください」

まゆみさんが後ろで静かに数えています。

「……7回目」

「え？」

「田中くん、もう追加指示7回目」

さらに画面を見ます。

「しかもさっき国内市場に絞ったのに、途中の企画では海外事例がまた入ってる」

「経営層向けって言ったあとに現場向けも追加してるから、文章の粒度もバラバラ」

「……田中くん」

「何ですか？」

「AIと漫才やってるの？」

「やってません！」

しかし画面の中では、リーダーAIもサブAIたちも大混乱でした。

AIが暴走しているのではありません。
曖昧な仕事を、AIが一生懸命進め続けているのです。

🧩 第2章｜生成AIとエージェントAIは、そもそも仕事の進め方が違う

🤔 一対一の生成AIと、チームで動くエージェントAI

田中くんの画面を見ながら、佐藤さんが口を開きました。

「田中君」

「生成AIとエージェントAIの違いを、一度整理した方がいいかもしれないね」

田中くんが振り向きます。

「違いですか？」

「生成AIは、基本的にはユーザーとAIの一対一に近い」

たとえば、

文章を書いてもらう
要約してもらう
アイデアを出してもらう
会話しながら修正する

といった使い方です。

実際、生成AIは「相談して作ってもらうもの」、AIエージェントは「目的を伝えて作業を進めてもらうもの」と整理できます。

「一方、エージェントAIは少し違う」

佐藤さんは続けます。

「ユーザーから仕事を受け取ったリーダーAIが、内部で仕事を分解する」

「そして必要に応じて、複数のサブAIに仕事を振る」

イメージとしては、

調査AI
分析AI
構成AI
制作AI
確認AI

といった専門担当が同時に働くチームです。

さらに、それぞれの担当の中でも処理が分かれる場合があります。

たとえば調査AIの中でも、

市場規模を調べる
競合を調べる
顧客ニーズを調べる
過去事例を調べる

と、複数の処理が並行します。

佐藤さんはホワイトボードにビルのような絵を描きました。

「こういう感じかな」

「一階に5人いるように見えても、その下や上でも処理が分かれている」

「だから、最初の指示が曖昧だと……」

林さんが気づきました。

「曖昧なまま下に伝わるわけですね」

「そう」

佐藤さんはうなずきます。

「しかも、みんな真面目に働く」

「だから止まるんじゃない」

「混乱したまま成果物が完成してしまう」

田中くんの顔が引きつります。

生成AIでは、曖昧さは一回答のズレで済むことがあります。
エージェントAIでは、その曖昧さが分業全体へ広がります。

AI妖精ちゃんも補足します。

「田中さんの場合、私が分からない部分を推測して仕事を分けてたんです」

「サブAIたちも、その推測を前提に動きます」

「だから、途中で田中さんが条件を変えると――」

「みんなで方向転換することになるんです」

田中くんは画面を見ました。

そこには大量の出力が並んでいます。

「……僕の曖昧さが増幅されてる？」

AI妖精ちゃんは笑顔で答えました。

「そういうことですね♪」

「笑顔で言わないでください！」

🏗️ 第3章｜林さんは「プロンプト」ではなく仕事の順番を作った

🔢 一つずつ積み上げれば、AIの仕事は標準になる

林さんが腕を組みます。

「俺だったら、こんなやり方はしないけどな」

田中くんが振り向きます。

「どうするんですか？」

「一個ずつやらせる」

林さんは、まず市場調査だけを指示しました。

① 市場調査

調査対象を決める
期間を決める
何を見るか決める
必要な情報だけ集める

結果を確認。

次に進みます。

② 情報整理

市場規模
競合
顧客課題
トレンド
価格
リスク

といった項目に分けます。

③ 分析

集めた情報から、

何が伸びているのか
何が課題なのか
競合との差は何か

を整理。

④ 企画の骨子

分析結果を使って、

誰向けか
何を解決するか
どんな価値を出すか

を決める。

⑤ 企画書

骨子を文章としてまとめます。

⑥ PowerPoint

企画書をプレゼン用に再構成します。

⑦ 日報

最後に、

今日何を調べたか
何を判断したか
何を作ったか

を簡潔にまとめます。

まゆみさんは画面を見ながら言いました。

「林さん、指示の回数自体は多いね」

「でも……」

少し考えます。

「一度決めたところにほとんど戻ってない」

林さんはうなずきました。

「前の工程の結果を、次の工程の材料にしてるからな」

まゆみさんが気づきます。

「これ、毎回同じようにやるなら……」

「この流れそのものをAIにテンプレートとしてまとめてもらえばいいんじゃない？」

林さんが笑いました。

「そういうことだな」

林さんが作っていたのは、その場限りのプロンプトではありません。

次回も使える仕事の標準です。

プロンプトを工夫するだけではなく、AIが次の仕事をしやすい情報と工程を積み上げる。

ここから先は、単純なプロンプトエンジニアリングよりも、コンテキストエンジニアリングに近づいていきます。

林さんは、

「AIに何を言うか」

だけでなく、

「AIが次に何を使える状態にしておくか」

を作っているのです。

👀 第4章｜まゆみさんが気づいた「佐藤さん、さっきから何してるんだろう？」

💬 上級者は、プロンプトを頭の中だけで作っているわけではない

その頃。

佐藤さんは少し離れた机で、何かをしていました。

まゆみさんが気づきます。

「……佐藤さん、さっきから何してるんだろう」

画面を見ると、ChatGPTと何度もやり取りしています。

しばらく見ていると、佐藤さんが視線に気づきました。

「あ、目ざといね」

まゆみさんは少し笑います。

「何してたんですか？」

佐藤さんは画面を見せます。

「AIとプロンプトを壁打ちしてたんだよ」

「プロンプトを？」

「そう」

「今回、

何を調べるか
どこまで調べるか
最終的に何を作るか
何をやってはいけないか
どこで人が確認するか

を先に整理してた」

まゆみさんは少し驚きます。

「佐藤さんなら、全部自分で考えてるのかと思ってました」

佐藤さんは笑いました。

「私だって、全部最初から分かってるわけじゃないよ」

「だから分からないところからAIと相談する」

AIを使うためのプロンプトも、AIと一緒に作ればいい。

林さんも話を聞いていました。

「じゃあ佐藤さんは、俺みたいに一工程ずつ作る前に、先に設計図を作ってるんですね」

「そうだね」

「林君のやり方はすごく強い」

「工程が残るから、標準になる」

「私は、その標準や過去の情報を材料にして、今回用に組み替えてる感じかな」

📁 第5章｜「一緒に渡していたファイルは何ですか？」

🧠 プロンプトだけではなく、AIが判断するための材料を渡す

まゆみさんは、もう一つ気になっていました。

「佐藤さん」

「企画書とPowerPointと日報のプロンプトを作ってたのは分かりました」

「でも……」

画面を指さします。

「AI妖精ちゃんに一緒に渡してた、そのファイルは何ですか？」

佐藤さんが答えます。

「ああ。今回の仕事に必要な情報をまとめたファイルだよ」

中には、

市場調査結果
競合情報
過去資料
今回の企画条件
対象顧客
期間
予算
禁止事項
過去の参考企画

などが入っています。

まゆみさんが言いました。

「じゃあ、プロンプトだけ渡してるわけじゃないんですね」

「むしろ大事なのは、こっちかもしれないね」

佐藤さんは説明します。

「プロンプトは何をしてほしいか」

「このファイルは何を根拠に考えてほしいか」

そこへAI妖精ちゃんが入ってきます。

「私からすると、このファイルは指示の空欄を埋めるための情報なんです」

「たとえば、

誰向けなのか
どこまで調べるのか
何を判断材料にするのか
何を使ってはいけないのか

が最初から入っていれば、余計な推測をしなくて済みます」

まゆみさんがうなずきます。

「なるほど」

「プロンプトが指示書で、ファイルが判断材料なんですね」

AI妖精ちゃんも笑顔になります。

「はい」

「両方そろっていると、私もサブAIたちにすごく仕事を振りやすくなります」

プロンプト＝何をしてほしいか。
一次情報＝何を基準に考えてほしいか。

これが今回の大きな違いです。

佐藤さんは、AIへ短い指示を出しているように見えます。

しかし実際には、その前に大量の仕事設計を済ませているのです。

⚙️ 第6章｜佐藤さんは、AIを一気に動かして終わりにはしない

🔁 一度走らせ、見て、足りないところだけ追加する

準備が整うと、佐藤さんはAI妖精ちゃんへ指示を出しました。

まず市場調査。

AI妖精ちゃんは内容を理解すると、必要なサブAIへ仕事を振り分けます。

今度は先ほどとは違います。

サブAIたちの動きに迷いがありません。

調査AI。

分析AI。

構成AI。

それぞれが同時に動きます。

しばらくして結果が戻ってきました。

田中くんが言います。

「これで終わりですか？」

佐藤さんは首を振りました。

「いや。一回見る」

市場調査結果を確認します。

「競合情報は十分」

「顧客ニーズもかなり揃ってる」

「ただ、市場規模の根拠が少し弱いね」

「あと、このセグメントだけ情報が足りない」

そこで、不足部分だけ追加調査させます。

しかも今回は、

市場規模の追加確認
顧客ニーズの補完

を同時並列で処理します。

結果が戻る。

もう一度確認。

「うん」

「これなら企画判断に必要な情報は揃った」

田中くんが驚きます。

「全部もう一回やり直さないんですね」

「必要なところだけでいいからね」

これがHuman in the Loopです。

AIを完全放置するのではありません。

かといって、人間が全工程へ口を出し続けるわけでもありません。

AIに走らせる。
人が重要なところを見る。
足りないところだけ追加する。
そして次へ進む。

佐藤さんは、次に企画書を作らせます。

完成した情報を使い、

市場背景
顧客課題
競合
提案内容
差別化
実行方法
リスク

を整理。

次に、その企画書をPowerPointへ変換。

最後に、

「今回行った調査、判断、成果物を日報として簡潔にまとめて」

と指示します。

田中くんは画面を見ながらつぶやきました。

「……3つくらいしか大きな指示を出してない」

まゆみさんも驚いています。

「でも、その前に全部設計してたんだ」

AI妖精ちゃんは満面の笑みです。

「すごく分かりやすかったです！」

🛡️ 第7章｜Human in the Loopは、自動化を邪魔する仕組みではない

👤 人間が消えるのではなく、「どこを見るか」を決める

AIエージェントという言葉を聞くと、

完全自動化

をイメージする人もいるかもしれません。

しかし、重要な仕事ほど完全放置は危険です。

実際、AIエージェントを使う場合も、

送信
支払い
契約
削除
重要判断

などは人間の承認を残す方が安全です。

今回の佐藤さんも、

AIに自由に仕事をさせながら、

重要な判断地点だけ人間が確認する

という方法を取っています。

これなら、

AIのスピード
並列処理
大量情報処理

を活かしながら、

人間は、

判断
品質確認
方向修正

に集中できます。

自動化とは、人間が見なくなることではない。
人間が「どこを見るか」を設計することでもあります。

📊 第8章｜3人の違いは「プロンプトの上手さ」だけではなかった

🧭 田中くん、林さん、佐藤さんのAI活用を比べてみる

今回、3人は同じ目的へ向かいました。

作るものは、

市場調査
企画書
PowerPoint
日報

です。

しかし、AIへの仕事の渡し方は大きく違いました。

【田中くん】

指示方法：思いつくたび追加
AIの迷い：大きい
手戻り：多い
サブAI：混乱しながら一斉稼働
中間成果物：崩れやすい
再利用性：低い
人の確認：後追い

【林さん】

指示方法：工程を順番に分解
AIの迷い：小さい
手戻り：少ない
サブAI：必要なAIだけ稼働
中間成果物：次工程へ再利用
再利用性：高い
人の確認：工程ごと

【佐藤さん】

指示方法：事前設計して渡す
AIの迷い：非常に小さい
手戻り：必要最小限
サブAI：全体を効果的に並列稼働
中間成果物：判断材料として統合
再利用性：高く、状況にも柔軟
人の確認：判断ポイントで確認

整理すると、

田中くん

その場のプロンプト中心

AIへお願いし、出力を見て修正します。

林さん

コンテキストを積み上げる

工程と途中成果物を残し、次回も使える標準へ変えます。

佐藤さん

コンテキスト＋制約＋エージェント運用＋Human in the Loop

既存情報を使いながら、状況に応じてAIの動かし方そのものを設計します。

🧠 第9章｜AIエージェント時代に必要なのは「完璧なプロンプト」ではない

🎯 良いAI活用とは、AIが迷わない仕事環境を作ること

今回の実験から見えてきたことがあります。

AIエージェントへ仕事を任せるとき、本当に重要なのは、

長くて立派なプロンプトを書くことではありません。

必要なのは、

目的
対象
範囲
一次情報
成果物
制約
禁止事項
確認ポイント

です。

そして、これらが分からなければAIと壁打ちすればいい。

人間が全部考える必要もありません。

AIに全部考えさせる必要もありません。

人間とAIが一緒に仕事を設計する。

そこからエージェントAIへ仕事を渡す。

これが今回、佐藤さんがやっていたことです。

AI妖精ちゃんが最後に言いました。

「私たちは、指示が長いほど働きやすいわけじゃないんです」

「何を目指していて」

「何を見て判断して」

「どこまでやればいいのか」

「それが分かるほど、迷わなくなります」

エージェントAIは、ユーザーの曖昧さも、ユーザーの設計力も、どちらも増幅します。

📝 まとめ｜AIに「質問する」時代から、AIへ「仕事を渡す」時代へ

🌱 生成AIからエージェントAIへ、変わるのはAIだけではない

生成AIでは、

「何を聞くか」

が重要でした。

エージェントAIでは、そこからさらに進みます。

重要になるのは、

「どんな仕事として渡すか」

です。

今回の3人から見えたのは、

田中くん
→ 曖昧な指示は、エージェント全体の混乱へつながる
林さん
→ 工程を作れば、AI活用は標準化できる
佐藤さん
→ 一次情報・制約・確認ポイントまで設計すると、AIの並列処理を最大限活かせる

という違いでした。

田中くんは少し落ち込みながらつぶやきます。

「つまり僕の場合、AIが暴走したんじゃなくて……」

「僕の曖昧さが増幅されたってことですよね」

AI妖精ちゃんが笑顔で答えました。

「そういうことですね♪」

林さんがすぐに横から入ります。

「笑顔で言うなよ。こいつ結構へこんでるぞ」

「林さんまで！」

研究室に笑い声が広がりました。

🎬 後日談｜田中くん、失敗まで報告書にしてしまう

📄 「この3つ、比較したらかなり分かりやすいですよね？」

数日後。

AI導入研究室では、今回の実践結果を整理していました。

田中くんは、自分の失敗ログを見ながらしばらく考えていました。

そして突然、顔を上げます。

「……でも」

「僕の失敗例と、林さんのやり方と、佐藤さんのやり方」

「これ、3つ並べたらかなり分かりやすいですよね？」

林さんが笑います。

「まあ、反面教師としては優秀だったな」

「それ、褒めてます？」

まゆみさんも、これまで記録していた内容を見返します。

「確かに」

「田中くんは途中から条件が増えて混乱」

「林さんは順番に積み上げて安定」

「佐藤さんは最初に設計して、必要なところだけ確認してた」

田中くんは少し開き直ったように言いました。

「じゃあ、この3パターンを黒田さんに報告してみます」

「報告書の作成は……」

AI妖精ちゃんを見る。

「AI妖精ちゃん、お願いします！」

AI妖精ちゃんが一瞬止まります。

「……田中さん」

「今度は“いい感じにまとめて”じゃないですよね？」

「言いませんよ！」

田中くんは条件を書き始めました。

対象：今回の3つのAI活用例
読者：黒田さん
目的：AIエージェント導入時の指示方法の違いを報告
比較項目：
- 指示方法
- AIの動き
- 手戻り
- 成果物の安定性
- 再利用性
結論：AIエージェントでは、プロンプトだけでなくコンテキスト・制約・人間の確認が重要
形式：1〜2ページ程度の簡潔な報告書

AI妖精ちゃんの表情が明るくなります。

「はい！」

「これなら迷いません」

「必要な情報も揃ってます！」

林さんが田中くんの画面を見ます。

「お前、ちゃんと学習してるじゃないか」

田中くんは少し得意そうです。

「僕だって毎回同じ失敗はしませんよ」

後日。

黒田さんは完成した報告書を読んでいました。

しばらく黙っています。

田中くんは少し緊張していました。

「ど、どうでしょうか……」

黒田さんは顔を上げます。

「なるほどな」

そして少し笑いました。

「田中」

「お前の失敗も、ちゃんと役に立ってるじゃないか」

田中くんは少し複雑な顔をします。

「そこ、もうちょっと別の褒め方ありません？」

黒田さんは笑いながら続けました。

「失敗して終わりなら、ただの失敗だ」

「だが」

「記録して、比較して、次に使える形にすれば改善になる」

AI妖精ちゃんも小さくうなずきます。

「そうですね」

「失敗も整理して残せば、次のAIに渡せる大事なコンテキストになります」

田中くんは完成した報告書を見ました。

そこには、

失敗した指示
うまくいった工程
成果物
判断した理由
改善した内容

が残されています。

もう単なる会話ログではありません。

失敗も、整理して残せば資産になる。

田中くんは少し笑いました。

「じゃあ今回の僕の失敗も、会社の資産になったってことですね」

林さんがすぐに返します。

「調子に乗るな」

「次もまた何かやらかすぞ」

「ひどい！」

研究室に、また笑い声が広がりました。

そして机の上には、

次にAIを使う人が迷わないための、新しい仕事のコンテキスト

が残っていました。

田中君シリーズを応援してください

今回も田中君は、便利なAIへ全部丸投げしようとして、林さんと佐藤さんに止められてしまいました。
これからも、田中君たちは失敗しながら、AIとの安全で便利な付き合い方を学んでいきます。
「続きを読んでみたい」「今回の記事が役に立った」と感じていただけましたら、スキ、コメント、チップで応援していただけるとうれしいです。
皆さまからの応援は、田中君のおやつ、林さんの胃薬、佐藤さんのコーヒーブレイクに使わせていただきます。

✨田中君シリ－ズです。ご興味がございましたらお楽しみください。

#AI , #生成AI , #人工知能 , #AI活用 , #AI初心者 , #ChatGPT , #仕事術 , #業務効率化 , #働き方改革 , #DX , #デジタル化 , #AI仕事術 , #AI学習 , #AI導入 , #AI導入支援 , #AIコンサル , #AIコンサルティング , #生成AI活用 , #企業AI活用 , #業務改善 , #業務改革 , #生産性向上 , #AI人材育成 , #社内AI導入 , #AI研修 , #AI教育 , #プロンプト , #プロンプト設計 , #プロンプトエンジニアリング , #コンテキストエンジニアリング , #AIエージェント , #エージェントAI , #AIエージェント活用 , #AI自動化 , #業務自動化 , #HumanInTheLoop , #マルチエージェント , #AIワークフロー , #AI業務設計 , #AI導入設計， #Codex #自動化したいこと

#AI , #GenerativeAI , #ArtificialIntelligence , #ChatGPT , #AIForBusiness , #AIProductivity , #FutureOfWork , #DigitalTransformation , #BusinessTransformation , #Automation , #BusinessAutomation , #WorkflowAutomation , #AIAdoption , #EnterpriseAI , #AIConsulting , #AIConsultant , #AIImplementation , #AITraining , #AIWorkflow , #PromptEngineering , #PromptDesign , #ContextEngineering , #AIAgents , #AgenticAI , #MultiAgentSystems , #HumanInTheLoop , #AIOrchestration , #AIGovernance , #BusinessProcessImprovement , #AITransformation