プロンプトが上手い人と、AIを使いこなせる人は何が違う？

「AIが得意な人」と聞いて、あなたは何を思い浮かべるだろう。専門用語を並べ、長い指示文を一度で完成させる人だろうか。私たちは、その評価方法を変えるべきだと考えている。技術が進化しても、人間の物差しが古いままなら、進歩した能力を正しく評価できないからだ。

新しい物差しの第一は、目的設定。何を実現したいのか、誰のどんな問題を解決するのかを決められるか。第二は、委任設計。AIに任せる部分、人間が承認する部分、外部の専門家に任せる部分を分けられるか。第三は、文脈設計。AIが判断に必要とする資料、制約、過去の経緯を適切に渡せるか。第四は、検証。出力が正しいと何をもって判断するのか。第五は、改善。失敗した原因を探し、次の試行で結果を変えられるか。

たとえば二人の担当者がいる。Aさんは精巧なプロンプトを自作し、見事な提案書を出力した。Bさんは短い依頼から始め、AIに必要な質問をさせ、顧客の条件を確認し、試作品を見せて修正した。最終的に顧客の意思決定を前進させたのがBさんなら、仕事の成果という観点ではBさんを高く評価すべきだろう。これはAさんの技能を否定する話ではない。何を競う競技なのかを、はっきりさせる話である。

ここで重要なのが「検証」だ。AIが自信満々に答えても、根拠がなければ成果とは呼べない。記事なら出典を確認する。ソフトウェアならテストを実行する。業務改善なら、時間短縮やミス削減を実測する。経営判断なら、実際の意思決定がどう変わったかを見る。評価指標を持たないまま「すごい回答が出た」と喜ぶだけでは、古い物差しを別の言葉に置き換えただけになってしまう。

新しい物差しを導入するなら、評価対象も明確にしておこう。たとえば「一週間で問い合わせ対応の負担を何時間減らしたか」「担当者の確認なしに外部へ誤送信しなかったか」といった指標だ。速度だけを追えば事故が増える。品質だけを追えば費用が膨らむ。成果、コスト、安全性を一緒に測ることが、実務では欠かせない。

そして、この物差しはAIがさらに賢くなっても使える。今は人間が文脈を整える必要があっても、将来はその作業の多くをAIが担うかもしれない。それでも、何のために働くのか、どんなリスクを受け入れるのか、現実に何が変わったのかという問いは残る。私たちが測りたいのは、操作の巧妙さではなく、現実世界の前進なのだ。

ただし、これは一人の実践者の持論にすぎないのだろうか。次の講義では、Claude Codeの開発者とOpenAI、Googleの公式資料を見て、世界の開発現場で何が起きているか確かめよう。