生成AIで業務のムリ・ムダ・ムラを減らす方法

TL;DR

生成AIで業務を改善するには、暗黙知を要件と具体例に変え、プロンプトへ組み込んで成果物の品質をそろえる。良い成果物を追加しながら指示を育て、定型作業のツール化や自動化にも広げれば、ムラ、ムダ、ムリを段階的に減らせる。

Transcript

こんにちは。です。今回は生成AIを使っ た無理、無駄無村、この3つをいかに解消 するかという内容でご紹介していきたいと 思います。ま、今制成ですね。一言で制裁 と言ってもいろんな活用方法であったり、 いろんなツールがあるわけなんですが、 今回この無理無駄無駄という3つの視点で どんなことができるのか、今そもそもどう いう課題があり、その課題に対して生成 AIがどんな風に起用するのかを知ること によって生成合を使える範囲であったりと かケースをもっと広げる位度になるんじゃ ないかなと思うので、是非最後までご覧 いただいて今後の皆さんの業務であったり とか事業に使っていただけると幸いです。 え、このチャンネルではAI エージェント市に活躍するスキルや ノーハウを学ぶというところで実践に 目指して... Read More

Key Insights

• ムラは、担当者ごとの能力差だけでなく、同じ担当者でも資料、メール、顧客対応などの品質が安定しないことで発生する業務課題である。
• 高精度な処理用プロンプトは、実行してほしい要望に加え、成果物の構成や文体を定める要件と、完成形を示す具体例を含む必要がある。
• 要件は、具体例のどこを再現すべきか明確にする役割を持ち、具体例は、抽象的な要件だけでは伝わりにくい完成形を示す役割を持つ。
• オンザジョブプロンプトは、AIの出力を人間が修正し、その完成版を新しい具体例として追加することで、実務を続けながら指示を育てる方法である。
• リバースナレッジは、複数の成果物や業務データをAIに渡し、共通する良い点や文章上の特徴を抽出させ、人間が重要な要件を選ぶ手法である。
• 良い具体例は、反響の高い投稿、受注につながった提案書、担当者が高品質と判断したメールなど、再現したい成果に沿って選ぶ必要がある。
• ムダは、人間が行う必要のない定型作業や、人間だけで処理すると非効率な作業であり、専用ツールの開発やAIとプログラムの連携が削減策となる。
• ムリは、担当者の能力や経験が不足する場合と、仕事量に対して人員が足りない場合に生じ、生成AIとDXによる支援が少人数での業務拡大につながる。
• 🎬 このチャンネルの他の動画:
  • GPTsで定型業務を自動化する方法
  • Runway Gen-2でビジネス動画を作る方法
  • AIのディープリサーチを無料で使う方法は？
• 📺 このチャンネル: いけともch

Questions & Answers

Q: 生成AIで業務のムラを減らす方法は？

熟練者の判断基準や会社らしい表現を言語化し、要件と具体例としてプロンプトに組み込む方法が有効である。資料、メール、提案書などの良い成果物を例示し、構成、文字数、文体、含める内容も指定すれば、担当者による品質差を抑えやすくなる。

Q: 精度の高い業務用プロンプトの作り方は？

実行してほしい要望、守るべき要件、参考にする具体例の三つをそろえる。要望だけではAIが構成や文体を推測するため、結果が運任せになりやすい。文字数、段落構成、対象者、表現の調子などを明記し、過去の良い成果物も併せて提示する。

Q: なぜプロンプトには要件と具体例の両方が必要なのか？

要件と具体例は互いの不足を補うからである。具体例だけでは、構成、表現、内容のうち何を重視してまねるのかが曖昧になる。要件だけでは完成形を想像しにくいため、抽象的な基準と実際の見本を同時に与えることで再現性が高まる。

Q: 具体例がない業務でプロンプトを育てる方法は？

最初は人間が成果物を作り、それを最初の具体例として使う。次にAIが作った初期案を人間が修正し、完成版を新しい例として追加する。この工程を繰り返せば、実務を進めながら良い例が蓄積され、AIの出力を段階的に改善できる。

Q: オンザジョブプロンプトとは何ですか？

オンザジョブプロンプトとは、日々の業務で完成した良い成果物をプロンプトへ継続的に追加し、AIへの指示を育てる考え方である。最初から完全なマニュアルを作るのではなく、AIの案を人間が直した結果も次回の具体例として再利用する。

Q: リバースナレッジで暗黙知を言語化する方法は？

複数の良い成果物や業務データをAIに渡し、共通する特徴や良い点を箇条書きで抽出させる。次に、人間が一覧を確認し、本当に再現したい項目だけを選んで要件へ変える。投稿、提案書、営業記録、面談記録、社内投稿などに応用できる。

Q: プロンプトに使う良い具体例の選び方は？

今後も再現したい成果に結び付いた例を選ぶ。SNS投稿なら反響を確認できるもの、提案書なら受注したもの、メールなら担当者が良いと判断したものが候補になる。単に過去の成果物を集めるのではなく、望ましい品質かを人間が評価する必要がある。

Q: 生成AIで定型業務のムダを減らす方法は？

転記や決められたルールに沿う処理などを洗い出し、生成AIを使った専用業務ツールや、AIとプログラムを組み合わせた自動化へ移す。人間が行う必要のない作業と、人間の判断は必要だが処理が非効率な作業を分けることが出発点となる。

Q: 生成AIで人手不足によるムリを減らすには？

能力や経験が足りず実行できない仕事と、仕事量に対して人数が足りない状態を分けて捉え、生成AIで不足部分を支援する。さらにAI導入をDXにつなげ、業務の進め方自体を見直すことで、少人数でも従来以上の仕事を扱える体制を目指す。

Summary & Key Takeaways

• 業務の「ムラ」は、担当者ごとの能力差や、同じ担当者でも成果物が安定しないことから生じる。生成AIで対処するには、熟練者の暗黙知や会社らしい判断基準を言語化し、プロンプトの要件として設定する。さらに、評価の高い資料、投稿、提案書、メールなどを具体例として与え、生成結果の作成と品質確認の両方に同じ基準を使う。

• 高精度な処理用プロンプトには、実行してほしい「要望」だけでなく、文字数、構成、文体、含める内容などの「要件」と、完成形を示す「具体例」が必要である。要件だけでは解釈が抽象的になり、具体例だけでは何をまねるべきか判断しにくい。両方を組み合わせることで、AIが期待する成果物を再現しやすくなる。

• 具体例が少ない場合は、人間が作った初回の成果物を基準にし、AIの初期案を人間が修正して良い例としてプロンプトへ追加する。この反復により指示を実務の中で育てられる。要件の抽出が難しい場合は、複数の良い成果物をAIに分析させ、共通する特徴を列挙させた後、人間が必要な項目を選ぶ。定型作業は専用ツール化やプログラムとの連携も検討する。