指示の解像度

「なんかいい感じに」の罪

「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。

美容院で「短めに」とだけ伝えて、想像と全然違う髪型になった経験がある人は多いはずだ。「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」と伝えれば、イメージ通りになる。

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をこう表現した。

Generative AIs are UPIs -- Universal Personal Interns. Millions of people now have millions of interns at their side.

万能パーソナルインターン。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。

カルパシー(元Tesla AI)はさらに踏み込んで「Agentic Engineering」という概念を提唱した。

The new default state of development where the human writes less than 1% of the code directly. Instead, they orchestrate multiple, specialized AI agents.

人間の仕事は「オーケストレーション(指揮)」になる。1%の指示で99%の成果を引き出す。究極のマネジメントだ。

カルテはAIプロンプトの原型だった

医師はすでにマネジメントのプロだ。気づいていないだけで。

カルテを書くとき、何を書いているか。主訴、現病歴、所見、アセスメント、プラン。

これはそのままAIへの指示と同じ構造だ。

• 主訴 = 何が問題か(課題の定義)
• 現病歴 = 背景情報(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。

今日からできること

ジェームズ・クリアは『Atomic Habits』でこう書いた。

You do not rise to the level of your goals. You fall to the level of your systems.

目標のレベルに上がるのではない。システムのレベルに落ちる。AIを「目標」として導入しても定着しない。AIを日常のシステムに組み込むことが本質だ。

明日から、AIに指示を出すときに「主訴・現病歴・アセスメント・プラン」の4項目を意識してみてほしい。それだけで返ってくる答えの質が変わる。

次のレッスンでは、AIから良い答えを引き出すために最も重要な力、「問いを立てる力」について考える。