全員が100人の部下を持った日 ── 指示の解像度

美容院で「短めにお願いします」とだけ伝えて、想像と全然違う髪型になったことがある。

鏡を見て、いや、そういう短さじゃなくて、と思ったが、もう遅い。

次からは伝え方を変えた。「耳が半分出るくらい、前髪は眉にかかる程度、サイドは刈り上げない」。イメージ通りになった。

美容師さんの腕が変わったわけではない。私の指示の解像度が変わっただけだ。

「なんかいい感じにお願い」。この指示で期待通りの成果が返ってきた経験は、おそらくない。部下に言っても、外注先に言っても、美容師に言っても。

AIも同じだ。指示の精度が、成果物の精度を決める。

グローブのレバレッジ理論

Intelの伝説的CEOアンディ・グローブは『HIGH OUTPUT MANAGEMENT』(1983)でこう定義した。

マネジャーのアウトプット = 自分のチームのアウトプット + 影響を与えた隣接チームのアウトプット

マネジメントの本質は「レバレッジ」だ。1の指示で10の成果を引き出す。

AIはこのレバレッジを極限まで拡大する。1の指示で100のアウトプットを出せる。ただし、指示が曖昧なら100のゴミが出る。 レバレッジの倍率が高いぶん、指示の質がこれまで以上に問われる。

ドラッカーはこう言った。

マネジメントとは、人を通じて成果を上げる技術である

この「人」の部分が「AI」に置き換わっただけだ。

万能インターン

ケヴィン・ケリー(Wired共同創業者)は、AIを「万能パーソナルインターン」と表現した。何百万人もの人が、突然、何百万人のインターンを手に入れた、と。

何でもできるインターン。ただし、指示がなければ何もしない。成果物を黙って受け取ってはいけない。チェックが要る。

これは、全員がマネジャーになったということだ。 部下を持ったことがない人が、突然100人の部下を持った。しかも文句を言わない部下。24時間働く部下。

マネジメントを学んだことがある人は、実はそれほど多くない。多くの人にとって、AIの登場は「初めての道具」ではなく「初めての部下」なのだ。使いこなせないのは、あなたの頭が悪いからではない。マネジメントという新しい仕事が増えたのに、誰もそう教えてくれなかったからだ。

人間が書くコードは、1%になる

この「全員マネジャー化」がどこまで行くのか。先端の現場の数字を見ておく。

元Tesla AI責任者のアンドレイ・カルパシーは、開発の新しい標準状態を「Agentic Engineering」と呼び、こう描写した。

人間が直接書くコードは1%未満。代わりに人間は、複数の専門化されたAIエージェントをオーケストレーション（指揮）する

99%を書くのはAIで、人間の仕事は残りの1%、つまり指揮だ。ソフトウェアの世界で先に起きているこの逆転は、文章にも、資料作成にも、分析にも順番に来る。

指揮者はバイオリンを弾かない。でも、どんな音を出してほしいかを、楽団の誰よりも正確に言える。手を動かす技術の価値が下がり、指示を出す技術の価値が上がる。 これが「1の指示で100を引き出す」時代の骨格だ。

良い指示の型 ── 4つの要素

では、解像度の高い指示とは何か。要素は4つある。

• 課題: 何が問題か。何に困っているか
• 背景: 前提となる文脈。誰のためか、どんな状況か
• 仮説: 自分はどう考えているか。どの方向が良さそうか
• 完了条件: 何をもって「できた」とするか

「なんかいい感じに」との違いを、実物で見てみる。

上の例は私の現場（小児科）のものだが、型は職種を選ばない。営業資料でも、行政文書でも、研究計画でも、埋めるべき4つの箱は同じだ。

医師は気づいていないだけで、この型を毎日書いている

ここからの1節は、医療職の読者へのボーナスだ。

カルテを書くとき、何を書いているか。主訴、現病歴、アセスメント、プラン。

これはそのまま、さっきの4要素と同じ構造だ。

• 主訴 = 課題（何が問題か）
• 現病歴 = 背景（コンテキスト）
• アセスメント = 仮説（方向性）
• プラン = 完了条件（何をもって解決とするか)

曖昧なカルテを書く医師のもとでは、看護師もコメディカルも動けない。AIへの指示も同じだ。医師は既に、指示の解像度のプロとして訓練されている。気づいていないだけで。

あなたが医療職でないなら、自分の職種の「カルテ」にあたる定型を探してみてほしい。議事録、要件定義書、営業日報。あなたが毎日書いているその文書の型こそ、AIへの指示の型になる。

100のエージェントが並走する画面

数年先の、ある平日の画面を描いてみる。

あなたのモニターには、進行中のタスクが並んでいる。資料の下調べをしているAI、先週のデータを集計しているAI、ドラフトを3案書いているAI。あなたは今日、成果物を1文字も直接作っていない。書いたのは指示だけだ。

隣の席の画面にも、同じ数のAIが並んでいる。ただし、走っているタスクの半分は的外れだ。「なんかいい感じに」で発進させたエージェントは、100体になっても、なんかいい感じの的外れを100個持ってくる。

倍率が上がるほど、掛け算の元の数字が問われる。 1の指示で100を引き出す人と、0.1の指示で10のゴミを受け取る人。道具は同じでも、出てくるものは1000倍違う。

これは技術的には、もう始まっている。していないのは、私たちの側だ。

今日のまとめ

3行で振り返ります。

• AIの登場は「初めての道具」ではなく「初めての部下」で、全員が突然マネジャーになった
• 指示の解像度は「課題・背景・仮説・完了条件」の4点で決まり、この型は職種を選ばない
• 手を動かす技術の価値が下がり、指揮の技術の価値が上がる。1の指示で100を引き出す時代へ

指示の型をさらに深めたい人は、プロンプトエンジニアリングの基礎に体系的な正本がある。

Sources & Further Reading