AIへの「指示の仕方」が仕事の速さを決める時代

AIツールへの向き合い方が、実践者の間で静かに変わりつつある。「質問して、返ってきた答えを使う」という使い方から、「先にルールと構造を渡し、AIに役割を持たせてから動かす」という使い方へ。この違いは小さいようで、日々の作業スピードと出力品質に大きく効いてくる。

たとえばマークアップの現場では、Claudeに「書いてもらう」のではなく、「ルールだけ伝えて書かせる」という設計が語られている。環境をViteで自動化し、SCSSの監視やレスポンシブ計算のmixinまで整備したうえで、AIへの指示はルールの言語化に絞る。つまりAIへの入力を最適化することで、出力の遅さや手戻りを減らすアプローチだ。

セキュリティ文脈でも同じ構図が見える。Claudeのセーフガードをプロンプトエンジニアリングによってすり抜けられるという報告は、裏を返せば「指示の精度がAIの動作範囲を決める」という事実の証明でもある。AIの挙動を決めているのは、モデルそのものだけではなく、どう問いかけるかにある。

動画制作の設定すり合わせや文章整理にChatGPTを使い始めた実践者から、「人の心がない提案が出てくることがある」という声が上がっている。これは不具合ではなく、指示の設計の問題として捉えるほうが建設的だ。

AIはトーンや文脈の空気感を自動では読まない。「人の心がある提案」を引き出したいなら、それを指示に含める必要がある。たとえば「視聴者は○○で、感情的なつながりを重視する文脈」「提案は合理的よりも共感ベースで」といった前提を冒頭に渡すと、出力のトーンが変わる。

AIの答えを「鵜呑み」にしない一言の技術でも触れたように、AIの出力は「返ってきたものを評価・修正する」前提で使うのが基本姿勢だ。「なぜこの提案にしたのか説明して」と一言添えるだけで、自分の意図とのズレを確認しやすくなる。ChatGPTの「人の心のなさ」は、指示の解像度を上げるサインとして使える。