AI開発で自分の未知を先に見つける方法

TL;DR

AIとの仕事では、曖昧な指示を直ちに実装させず、自分が知らない点や未決定事項を先に洗い出すことが重要である。盲点チェック、ブレスト、試作、インタビュー、現物参照と実装計画を組み合わせ、指示と成果のずれを段階的に減らす。

Transcript

大嶋澤です本日はですねアンソロピックの 中の人が思ってたのと違うをなくすAIと ねま一緒に仕事をしていく上での鍵がま 自分の道を先に見つけることみたいな形で ですねまブログを共有してくれていたので まこれについて解説していきたいと思い ますまソフトウェアの話とかじゃなくてね まちょっとメタなことを言ってるなあって いうようなブログなんですけれどもまこれ をねま僕も日頃から結構言わせてもらって はいるんですけれどもより噛み砕いてです ねま皆さんにお届けできるればなという風 に思いますまこういうね抽象的な話を僕も 得意なので皆さんにえ解説できたらという 風に思っておりますというところで私の チャンネルではAIに関する最新情報や 本質情報をできる限り早くより深くほぼ 毎日動画投稿してますよかったら... Read More

Key Insights

• AIへの指示は現場そのものではなく地図であり、明示されていない制約や複雑さをモデルが推測で補うため、意図と成果の間に目標ドリフトが生じる。
• 未知の自覚は良い成果の出発点であり、未決定事項だけでなく、当然すぎて伝えていない知識や、まだ考えたことすらない論点まで区別する必要がある。
• 具体的な言葉は解釈可能な範囲を狭め、未知を減らせる一方、指示を固定しすぎると、本来は方向転換すべき場面でもAIがその指示へ追従してしまう。
• 曖昧すぎる指示はAIによる補間の範囲を広げ、成果を一般的な最善策へ収束させやすいため、モデルの能力に応じた抽象度の調整が欠かせない。
• 盲点チェックは質問すべき内容さえ分からない領域で有効であり、AIに不足知識や検討項目そのものを洗い出させることで、探索の全体像をつかみやすくする。
• プロトタイプは実装の奥に隠れた未知を表面化させる手段であり、1枚のHTMLやモックを見ながら修正点を伝えると、言葉だけの対話より認知負荷を下げられる。
• リファレンス提示は言語化できない意図を補う方法であり、現物やソースコードをAIへ渡すことで、説明だけでは共有できない判断基準や期待する方向を示せる。
• 実装後のピッチ資料やクイズは理解を検証する仕組みであり、成果物を別の形式で説明させることで、人間が内容を把握して判断できる状態か確認できる。
• 🎬 このチャンネルの他の動画:
  • Codexアプリの新機能を使いこなす方法
  • Agent Skillsを買うか自作するかの判断方法
  • DeepSeek Harnessとは何か？
• 📺 このチャンネル: まさおAIじっくり解説ch

Questions & Answers

Q: AI開発で自分の未知を見つける方法は？

まずAIに盲点、不足知識、未決定事項、確認すべき制約を列挙させる方法が有効である。その後、各項目について質問とブレストを重ね、HTMLやモックなどの小さな試作品を作る。実物を見て違和感を言語化すると、考えただけでは見えなかった未知を次の入力へ変えられる。

Q: AIとの仕事で目標ドリフトを減らす方法は？

指示と期待する成果の間にある未記述の条件を明示し、途中でフィードバックすることが基本となる。任せる仕事が大きく曖昧になるほど、AIが推測で補う変数は増えるため、実装計画、試作品、現物の参照を使って認識を合わせ、変わりやすい論点から先に確認する。

Q: AIへの指示はどこまで具体的に書くべきですか？

成果を判断するための条件は具体化しつつ、変更や探索が必要な部分には余地を残すべきである。細かく指定しすぎるとAIが不適切な方針にも追従し、曖昧すぎると一般的な解へ収束しやすい。利用するモデルがどこまで意図を補えるかを見ながら、抽象度を調整する必要がある。

Q: 何を質問すべきか分からない分野をAIで調べる方法は？

AIに答えを直接求める前に、その分野で初心者が見落とす点、理解に必要な前提、確認すべき質問を洗い出させる。さらに、初心者や新卒にも分かる説明、直感的な説明を依頼して全体像をつかむ。分からないことを明示すれば、対話を通じて既知と未知の境界を整理できる。

Q: AI開発でプロトタイプを先に作る利点は何ですか？

プロトタイプには、言葉だけでは発見できない要件や違和感を早い段階で表面化させる利点がある。1枚のHTML、モック、簡単なアプリなどを作り、画面を見ながら良い点と悪い点を伝えれば、認識合わせと確認を速められる。方向の異なる複数案から選ぶ方法も使える。

Q: AIにインタビューさせて要件を整理する方法は？

自分は対象を十分に理解していないとAIへ伝え、必要な情報を質問で引き出すよう依頼する。AIから順番に質問を受け、自分の希望、制約、判断基準を回答すれば、最初から完全な仕様を書けなくても要件を具体化できる。言葉で説明しにくい部分には、現物やソースコードも併用する。

Q: AIに実装計画を書かせるときの確認点は？

実装計画では、後から変わる可能性が高い論点を前方へ配置させ、早い段階でレビューすることが重要である。計画だけで未知が消えるとは限らないため、実装中に判明した事実や判断をノートへ残し、必要に応じて図解する。これにより、進行中の作業と新たな未知を追跡しやすくなる。

Q: AIが作った成果物への理解を確認する方法は？

成果物の完成後に、AIへピッチ資料や説明用スライドを作らせ、さらに内容に関するクイズを出させる方法がある。別形式で構造や判断理由を確認し、答えられない点を再び質問や調査へ戻す。実装できたことと、人間が理解して判断できることを分けて検証する仕組みになる。

Summary & Key Takeaways

• AIに渡す指示は地図にすぎず、実際の開発現場には言語化されていない制約や複雑さが残る。曖昧な部分をモデルが推測で補うほど、意図した成果と実際の成果がずれる目標ドリフトが起きやすい。まず既知の事実、未決定だと自覚している点、当然すぎて書いていない知識、考えたこともない未知を区別し、自分の理解の境界を明確にする必要がある。

• 未知を減らす際は、指示を細かくするだけでは不十分である。具体的すぎる指示は方向転換の余地を失わせ、曖昧すぎる指示は一般的な回答や似通った設計へ収束させる。モデルに盲点を質問し、複数案をブレストし、1枚のHTMLやモックを試作して確認することで、言葉だけでは発見しにくい要件を具体化できる。任せる範囲はモデルと作業内容に応じて調整する。

• 実装前には盲点チェック、ブレスト、プロトタイプ、インタビュー、リファレンス提示と実装計画を用い、変更されやすい論点を計画の前方に置く。実装中はノートや図解で作業を可視化し、完了後はピッチ資料やクイズを作らせて理解を確認する。動画制作の例では、編集知識の確認、試作、複数の色調補正案からの選択を重ね、未知を判断可能な選択肢へ変えていた。