サイクルを断つ：組織がDoompromptingを避けて成功する方法

1950年代の理論的な概念以来、人工知能（AI）は、特に機械学習システムを通じて、企業が強化された機会と生産性を体験できるように道を開いてきた。这些ツール/技術は予測と意思決定を改善し、将来の技術的進歩の基礎を築いた。近年、ジェネレーティブAIは、私たちが仕事について知っているすべてを覆すことを約束しており、AIの体験を民主化している。ユーザーは現在、ChatGPTのようなAIモデルと「プロンプト」を通じて対話している。しかし、これらの利点も新しい課題、Doompromptingをもたらしている。これは、オンラインコンテンツのDoomスクロールに相当し、明確な目標がない状態でユーザーをラビットホールに陥れる。AIの場合は、ラビットホールが応答する。ジェネレーティブモデルとエージェントモデル両方で、完璧な出力を得るために（または特定の目標を持たずに）継続的なAIプロンプトの改良が行われると、費用が増加し、収穫は減少する。成功への大きな障害となり、AIテクノロジー自体の目的を否定する。

企業がAI関連の予算を増やしている間、意思決定者は投資の実際の収益と価値を理解する必要がある。2025年のIEEEのレポート「AIの隠れたコスト：小さな非効率がどのように累積するか」は、小さな調整がどのように重大な経済的負担に累積するかを示している。費用のかかる闘争の一部とならないために、組織はLLMを使用する従業員のトレーニングを改良して、AI投資の全ポテンシャルを達成する必要がある。

ジェネレーティブAIは最適化と効率の約束をもたらしている。しかし、チームが無限の改良（または目標のないさまよい）のサイクルに陥ると、非効率がこの基盤を損なう。

「ワークスロップ」のクリーンアップ

チームが完璧なレスポンスを生成するために継続的に出力を改良する理由の1つは、ワークスロップである。ハーバード・ビジネス・レビューで初めて説明されたワークスロップは、「AIによって生成されたワークコンテンツが、質の高い仕事のように見えるが、与えられたタスクを有意に進める内容がない」と定義される。

このAI生成の「スロップ」は、ドゥームプロンプティング・サイクルを生み出す最初のドミノである。低品質のコンテンツを改良または編集することは重要だが、減少する収穫の坂に陥る前に止めるタイミングを理解する必要がある。組織は、AIトレーニングへの時間投資に微妙なバランスを取る必要がある。一方で、チームは必要な品質を認識する必要がある。他方で、過度な改良を避ける必要がある。AIモデルの賢い使用と明確な目標を通じて従業員のトレーニングも役立つ。

ドゥームプロンプティングを避けるためのエージェントAIの活用

近年、企業は運用の有効性を高めることで知られるエージェントAIへの関心と投資を大幅に増やしている。エージェントAIは複雑なタスクを取り扱い、複数のエージェント（RAGとアクションエージェントを含む）と協力して行動方針を決定し、タスクを自律的に実行することができる。

これらの特性は、ドゥームプロンプティングを緩和したり、完全に避けたりするのを助けることができる。ジェンAIインターフェイスを複数のプロンプトで操作してタスクを完了する必要性を取り除くことができる。AIOps（AIパワードIT運用）が良い例である。AIOpsは、AIを日常のタスクに組み込むことで、ITを現代化している。従来、チームはシステムを手動で調整していた。21世紀の部門は、AIを使用して、トラブルシューティング、インシデント対応、リソース割り当てなどの重要な機能を自律的に処理するものである。

別の適切な例は、エージェントAIシステムが複雑なインシデントを自律的に処理する方法である。これらのエージェントは、ITOpsと協力して、問題のコンテキストを理解し、行動方針を決定するために推論エージェントと協力し、ITシステムの最後のマイルの修正を行うためにアクションエージェントを使用し、最終的に、解決を理解し、将来のインシデントでより効果的に適用するために学習エージェントを使用することができる。

エージェントAIの賢い自動化は、人間の介入を減らし、タスクを自律的に実行する。事業の需要が進化するにつれて、繰り返しのタスクと運用は自律的なAIに任せるべきである。これにより、繰り返しのプロンプティングと改良のサイクルが除去され、ドゥームプロンプティングを助長する。自律運用により、AIモデルは手動入力なしで変化する変数に応じて継続的に最適化し、迅速な結果をもたらす。

トレーニングを受けた専門家は、人間がループにいるアプローチを通じて、日常の運用の中で重要な役割を果たすことになる。ただし、彼らの時間は、結果の検証に費やされることになる。これにより、エラーの導入や過度な調整のリスクが最小限に抑えられる。

ドゥームプロンプティングを防ぐためのガバナンスの役割

最近のマッキンゼー調査によると、88%の回答者が少なくとも1つのビジネス機能でAIを使用していることを示した。これは2024年から10%、2023年から33%の増加である。エージェントAIの場合、この増加はさらに顕著で、2023年の33%から2025年の80%に達した。

この広範な採用は、企業がドゥームプロンプティングに対する新しい解決策を見つけるよう促している。そうしたツールの1つは、堅牢なガバナンスフレームワークである。これらのフレームワークは、AIプロジェクトがビジネス目標と一致し、無限の最適化のワルツに陥らないように、慎重に作成されるべきである。チームがこれらのフレームワークを開発する際には、以下の点を考慮する必要がある。

• ガイドラインの確立：AIモデルへのデータストリームとデータストリームは、ますます複雑になっている。簡素化するために、AIガイドラインは、チームがデータを処理し、決定を下し、AIの出力を責任を持って管理するためのフレームワークを作成する必要がある。
• ユーザーのトレーニング：プロンプトの使用方法に関する適切なトレーニングは、最適な生産性に役立つ。
• 専用モデルの使用：業界や目的ごとのAIモデルは、より迅速に文脈化された有意な出力を提供する可能性が高い。
• AIモデルのトレーニング：AIモデルを業界/タスク/組織固有のデータ（可能な限り）でトレーニングすることで、ワークスロップが少なく、より適切な出力が得られる。
• ルールの開発：明確なルールの策定と実施は、AIの開発と展開を導くために不可欠である。チームが運用上の境界を確立すると、採用されたシステムが組織の目標、倫理基準、規制要件と一致することを保証できる。

AIソリューションの採用率が増加している一方で、ガバナンスは増加していない。2025年のPEXインダストリーレポートによると、AIガバナンスポリシーを導入しているのは半分以下で、25%が導入中であり、約3分の1はAIガバナンスポリシーがなかった。これらのフレームワークは、企業が適切なパフォーマンスの境界を設定するのに役立つ、成功への重要な要素となる。

ドゥームプロンプティングのループから脱出

ドゥームプロンプティングのサイクルに陥らないために、企業は完璧さよりも結果を優先するAI戦略を採用する必要がある。プロンプトトレーニング、目的特化型AIモデル、企業のコンテキストデータでトレーニングされたモデルの使用により、広範な再プロンプティングの必要性が減少する。エージェントAI、自律的なIT運用、堅牢なガバナンスフレームワークを活用する企業は、無限の最適化サイクルに陥ることなく、重要なリソースをビジネス目標の達成に向けて再割り当てできる。成功は、チームが常に改良から焦点を当てた実行と計測可能な成果にシフトするときに訪れる。自律的なIT運用と強力なガバナンスフレームワークを備えた企業は、ビジネス目標を達成するために重要なリソースを再割り当てし、無限の最適化サイクルに陥ることなく成功することができる。