Claude Code開発者は「同僚のように話せ」と言った。

2026年10月、Claude Codeの開発者Boris Chernyの発言が話題になった。趣旨は明快だ。AIには同僚に話すように依頼すればよく、多くの仕事で複雑な定型文を過度に組み立てる必要はない。重要なのは、何をしてほしいか、どれだけ力をかけるか、正しくできたとどう確認するか。これは「言葉の魔法」を磨くより、仕事の目的と検証条件を伝える発想に近い。

誤解してはいけないのは、彼が「何も説明せず、AIに丸投げせよ」と言っているわけではないことだ。目的を伝える。期待する労力を示す。確認方法を指定する。短い依頼でも、仕事に必要な情報は残している。自然な会話と、曖昧な丸投げは同じではない。モデルや仕事の種類によっては、詳細な手順や制約が必要になることもある。

さらに重要なのは、AI企業がすでに「プロンプトを作る作業」を製品化していることだ。OpenAIの公式開発者資料には、Playgroundでタスクを説明するだけでプロンプトやスキーマを生成する機能が紹介されている。指示文をゼロから手で書くことを、唯一の出発点としていない。

Googleも別の角度から進んでいる。Vertex AI Prompt Optimizerでは、モデルがプロンプト候補を作り、評価し、改善する。2026年1月のAndroid開発者向け記事では、自動最適化を使った分類や翻訳の品質改善例が紹介された。ここで競っているのは、誰が美しい指示文を書けるかではない。どの候補が、定めた評価基準でより良い結果を出すかである。

ただし、これらの技術は「プロンプト研究の終了」を意味しない。むしろ、プロンプトは依然として重要だからこそ、自動生成や最適化の対象になっている。専門家が設計すべき領域も残る。高リスク業務、複雑なシステム指示、セキュリティ、検証可能性などだ。変わりつつあるのは、すべての利用者が毎回、自力で最適な指示文を書かなければならないという前提である。

ここには重要な逆説がある。自動最適化の技術が高度になるほど、評価指標を決める人間の責任は重くなる。誤った基準で最適化すれば、AIはその誤りに忠実に近づいてしまうからだ。正答率だけを上げても、個人情報を漏らしたら失敗。文章が流暢でも、事実が間違っていたら失敗。最前線の技術を使うほど、何を成功と呼ぶかが問われる。

最前線の共通点は、文章の職人芸から、目的・文脈・評価・改善の仕組みへと関心が広がっていることだ。では、手書きが良いのか、AI生成が良いのか、普通に話すだけで良いのか。権威の言葉だけで決める必要はない。次の講義では、読者自身が確かめられる比較方法と、実際に使える贈り物を用意した。