AIネイティブの職場を作る：最前線からの教訓

10キロのロードレースを走っているとき、厳しい丘を登るのに苦労しているときに、突然レースのルールが変わったとします。運転手が車で走者を乗せてレースをするようになったとします。走り続けるでしょうか、それとも車に乗ってガスを踏み込み、グランプリを争うでしょうか?

現在のビジネス界では、AIがレースのルールを変える要因です。企業は従来の方法で進めることができます。長期的な計画を立て、プロセスに従い、従業員に競争的な環境で成功するためにより一層努力させることができます。しかし、AIはレースの性質を変えています。企業に新しい車両を与え、従業員に問題を回避する新しいルートを提供しています。AIの力を従業員に与えない企業は、長い坂道で後ろに残ります。

AIのマネージャーになることで未来に適応する

コクローチラボでは、ジェネラティブAIが私たちに思いつかなかったことを実現できることを早くから学びました。私たちは、ジェネラティブAIを会社全体で使用しています。検索、レコメンドシステム、セマンティック検索に使用しています。

AIが労働プロセスを変える最も良い例の1つは、教育部門でのことです。チームは、顧客、パートナー、そして私たちの従業員がデータベース製品ラインの操作について専門家になるためのカリキュラムの開発を加速するためにAIを使用しています。

最近、コースを作成しました。21のハンズオン演習と20のスライドデッキが含まれています。プロジェクトを開始する前に、通常の開発プロセスを使用して、業界標準の開発者が1時間のコンテンツを生成するのにかかる時間を考慮して、このプロジェクトが3〜5ヶ月かかることを予想しました。

結果はどうでしたか？ 私たちの既存のプロセスにジェネラティブAIを組み込むことで、5週間でタスクを完了することができました。

このプロセスで、私たちはいくつかの教訓を学びました。

• 私たちはみんなAIのマネージャーです。私たちはAIを使用して非常に違った考え方を取り入れることができます。私たちはマネージャーとして行動する必要があります。直接の上司がいなくても、無限の知能能力を管理することができます。どれだけ自動化できるか、どれだけ創造的にできるか、どれだけ効果的にAIツールをプロンプトできるか、どれだけ新しいモデルを生成できるかを考えてみましょう。私たちはそれを管理できます。私たちはそれを活用できます。私たちの能力が許す限り、できることは何でもできます。
• AIにすべてを期待しないでください。AIが実行できないタスクもあります。しかし、時間がかかるタスクをAIに任せることができます。従業員が行うべきではないタスクをAIに任せることができます。
• AIが出力する結果を盲目的に受け入れないでください。確認してください。技術を信頼してください。しかし、常に検証してください。精度が重要です。仮定を達成に変えることができます。

タスク管理のためのAIの導入プロセス

私たちが期待よりも早くゴールに到達するためにAIがどのように役立ったかを簡単にまとめてみましょう。

• 異なるモデル：異なるモデルには異なる長所があります。ベストオブブリードのコンポーネントを使用してソリューションを構築するのと同様に、モデルを交換して長所を活用することができます。最初のエクササイズの草案を作成するために、魅力的な文章と指示を生成することに優れているClaude Sonnet 3.5を使用しました。技術的なレビューアーとして、技術的な正確性を確保するためにChatGPT 4o&”oの推論モデルを使用しました。
• 再現可能な結果：高度な技術的なタスクを実行するとき、技術的な制約を明確に適用し、構造化された出力を生成して再現可能な結果を実現したいと考えました。明確な構造要件とフォーマットの例を提供しました。
• 高度な技術的なタスクのプロンプト：非常に具体的に何をAIに求めるかを示してください。そうしないと、AIは予期せぬことを行う可能性があります。入力や環境条件に関する仮定を明確に示し、予期せぬケースを処理するようにモデルに依頼してください。

otherwise、AIは予期せぬことを行う可能性があります。

• 洗練されたプロンプト：AIツールに明確化する質問を求めることが重要です。最初のプロンプトは完璧ではありません。改善やステップをモデルが提案する場合、ベースプロンプトに組み込んで、AIとチームメンバーと一緒に反復してください。
• テスト、テスト、テスト：一貫性の確認は重要です。プロンプトの有効性を測る1つの方法は、出力の一貫性を確保することです。同じ入力が出力されることを確認するために、頻繁にテストしました。

人間の専門知識がAIを導く：AIの監督の重要な役割

AIは時間のかかるタスクを従業員の1日から除去しますが、ワークフローから完全に除去することはできません。人間はカリキュラム開発で重要な役割を果たしており、AI駆動のプロセスに統合する必要があります。

良い例は、教育チームがプロンプトエンジニアリングを行う方法です。人間は、関連するソースからのコンテキストを含む初期プロンプトを作成する責任があります。次に、ジェネラティブAIツールがプロンプトを実行した後、ツールの出力を人間がレビューします。プロセスが成功することを保証するために、専門知識を持った人間が必要です。チームメンバーはツールと共同で作業し、プロンプトが公開する準備が整うまで反復します。

この共同の人間とAIのプロセスは効果的であることが証明されていますが、モデル間のコンテキストと遷移を管理する人間が必要です。

人間がプロセスに参加しない場合、チームは信頼性の低いAIツールの犠牲になります。カリキュラムプロジェクトを開始したとき、ツールは概念を要約または説明することに優れており、適切なコンテキストが与えられれば、技術的な正確性を確保することができました。しかし、ツールは頻繁に妄想をしました。現在、モデルは推論に優れていますが、人間がプロセスを管理する必要があります。現在、人間はレビューと創造性に集中できます。プロセス管理に集中する必要はありません。

将来的には、AIエージェントがプロセスでより大きな役割を果たすことになります。人間が手動でコンテキストを収集したり、プロンプトを作成したり、AIモデル間で作業を移動したり、出力をレビューおよび改良したりするのではなく、エージェントがこれらのタスクを実行できるように開発しています。エージェントは、コンテキストを自動的に収集および処理し、スキルタクソノミーとコースアウトラインを生成し、確立されたワークフローを実行し、人間の専門家に重要な決定ポイントのみを提示することができます。

結論

走ることは体を鍛えるのに良いですが、車は昔から人間が移動する能力を変えてきました。AIも同じような利点を職場で提供しています。企業がプロセスを改善し、より良い結果を生み出すのに役立ちます。AIを活用し、複合的な効率性の向上を実現する企業は、競合他社を引き離すことになります。