Emo by EVeM 体験会の日程を見る
AIに自走してもらうためには?

AIをアウトカムに繋げる、マネジメントスキルブック

AIに自走してもらうためには?

自分が細々と指示できるのは、自分が詳しい業務だけです。
指示どおりにやってもらえるのはメリットですが、自分の時間もかかり、自分を超えるものは出てきません。

自分を超えるアウトカムを、AIが自走して生むにはどうすると良いでしょうか。

AIをうまく動かそうとすると、つい細かくやり方を指示したくなります。けれど、私がAIでいちばん成果を出せたのは、やり方を教えるのをやめてからでした。

未経験のチームをマネジメントするように

目標設定と評価は自分が行い、プロセスはコーチングで伴走する図

特に非エンジニアは、AIが実際どんな作業をしているのかはもはや分からないことも多いと思います。私自身もエンジニアではありませんので、AIの作業内容をすべて理解できるわけではありません。では、自分が理解できない作業ができるメンバーをマネジメントするときには何が大事でしょうか。

私はDeNA時代に管理部門のマネージャーになったことがあります。それまで管理部門で仕事をした経験がなかったので、法務や総務、経理、財務の知識は何もなく、メンバーができる実務は、私には一切できませんでした。そのときにずっとやっていたのは、まず皆さんに目標を設定して評価をする。そして、そのプロセスの中で毎週1on1を行い伴走する。実務はできないので、それだけです。

・今どんな業務をされていますか?
・目標達成するためには何が課題ですか?
・その課題を解決するためにどんなことをされますか?

このように聞くだけでした。その答えはその人にしか分かりませんし、私には分からないので、「そうですか」と聞いて終わるしかない。相手が自分で考えて行動するために問いを投げる、これだけをやっていました。

毎週聞くだけなので、正直に言うと結構暇だったなという記憶ですが、その時がマネージャーとして一番良いマネジメントができたなとも思っています。
振り返ると、これはコーチングでした。相手が自分で答えを出せるように、質問を通じて導くことです。

未経験の部署でマネジメントするときにコーチングが活きるように、AIと仕事をするときもそれが活きます。AIができることや具体的な作業内容への理解は限定的ですので、AIにやり方まで指示をしないことが、AIに最大限レバレッジを効かせるためのポイントです。目標を設定して評価をするのは私が行いますが、そのプロセスは徹底的にコーチング的なアプローチを取っていきます。

コーチングの問いのプリセット

要因分析と経験学習の問いのプリセット一覧

コーチングにはいくつか問いのプリセットがありますが、特に有効なのが「要因分析」と「経験学習」の2つです。

要因分析コーチング
依頼したことが上手くいかなかったときに、「なぜそれが起きたのか」「次はどうするのか」をひたすら考えてもらうこと。

経験学習コーチング
一通り作業をやりきったときに、「この経験によってどんなことを学びましたか?」「次から何を活かしますか?」と問いかけ、次回依頼時に今回の経験を活かしてもらえるよう、AI自身に言語化させて学びをストックさせること。

B面仕事論の制作をAIに自走させた

B面仕事論は、いまAIが回している。人がやるのは収録だけ

実際の例をお話しします。私は「B面仕事論」という対談ポッドキャストをやっていて、その制作をAIに任せています。いまは、収録さえ終われば、あとはすべてAIが回しています。録音が入るとAIが検知して書き起こし、グラレコ風のスライドを作ってnote記事を書き、別のAIが品質をチェックしてから公開します。続けてX・LinkedIn・YOUTRUSTに投稿し、ショート動画を切り出してInstagramのリールにも出し、社内とポッドキャストチームに公開を報告します。毎週月曜には、Spotifyの数字を読んだ週次レポートまで届きます。

私は、下書きの確認すらしていません。手を一切動かしていないのに、配信日になると、記事も投稿も報告も出そろっています。

最初からこうだったわけではありません。最初にAIに渡した手順書は、「録音を書き起こす。NotebookLMでグラレコを作る。noteに貼って記事化する。要約をX下書きにする」という数行だけでした。最初の数回はうまく動きましたが、回を重ねるうちに、画像の貼り間違い、日本語の漢字化け、記事の論理破綻、保存したはずのnoteが空になる事故と、次々にミスが出てきます。1つの回を処理するだけで、6つのミスが連鎖したこともありました。

なぜ?→要因の言語化→どう防ぐ?→スキルに反映せよ、の循環で手順書が数行から900行に育つ図

私はこのミスを、自分で直しませんでした。ある日、X下書きの「磨き」という字が「碨き」という見たことのない漢字に化けていたことがあります。私には直し方が分かりません。そこで「なぜ化けたのか?」と聞くと、AIは日本語を直接タイプ入力すると変換で化けることがあると要因を言語化しました。「どう防ぐ?」と重ねると、クリップボード経由で貼り付け、貼り付け後に化けやすい漢字を検査する、と対策まで自分で出してきます。

そして最後に、必ずこう命じます。「では、それを二度と起こらないように、スキルに反映せよ」。気づきを口で伝えるだけでは次回には消えるので、必ず手順書そのものに刻ませる。コーチングと「反映せよ」は、必ず1セットにします。

この繰り返しで、最初は数行だった手順書は900行を超えました。さらに面白いことに、要因を掘るうちに「書いた本人が品質チェックも兼ねると、自分の書いたものをOKと判定したくなる」という要因が出てきて、品質チェックを独立した別のAIに任せる構造が生まれました。私が最初から設計したわけではありません。問いを繰り返して要因を掘った結果、役割を分ける構造に行き着き、仕組みが育っていったのです。

AIに対してこと細かに作業指示を一つひとつするのではなく、成し遂げたいことと評価軸、そしてやってはいけないことだけを決めて、あとのプロセスは要因分析や経験学習を通じてずっと問いを投げ続ける。これをずっと繰り返していると、自分が本当に思い描いたこと、AIにやってほしいと要望したことが、実現へと一歩一歩近づいていきます。近づいていくというより、AIが近づけていってくれる、そんな感覚です。

自分が指示をしなければ、自分が導かなければと焦らず、チャットボックスにやって欲しいことを依頼し、あとはコーチングすることがAIを使いこなすコツです。むしろAIやエンジニアリングに詳しくない方が、可能性に蓋をしないお願いができて、高いアウトプットが出せるかもしれません。

まとめ

この記事のまとめのグラレコ

著者:長村禎庸