業務用GPTsを高精度に作る方法とは？

TL;DR

業務をルール処理、生成AI処理、人間処理に分解し、反復頻度が高い生成AI処理から用途特化チャットにする。各チャットの指示とナレッジを実務の中で磨き、将来は自動化処理と連結すれば、人間の関与を抑えたAIエージェントへ発展させられる。

Transcript

こんにちは。イ友です。今回はAI エージェントに向けた下準備。GPTsで 業務効率化を実現する秘訣と題しまして、 ただGPTsを使いましょうということで はなく、これから来るAIエージェント 次第に向けてどういう考え方でGPTsに 代表されるカスタムAIチャットを作って いき、どんな風にこれがAIエージェント に進化していくのか、こういうのを見据え ていきながら実践的な活用の方法であっ たりとかポイントをご紹介していきたいと 思います。この動画を見ることによって ただ単にチャATGPT使うだけではなく 、最終的にこうやって業務が自動化して いき、その中で今自分はこんなことをし なくちゃいけないんだなということが ばっちり分かると思いますので是非最後 までご覧いただければ幸いで。え、この チャ... Read More

Key Insights

• 業務分解は、決まった条件で動くルール処理、柔軟な理解を担う生成AI処理、機械化が難しい人間処理の3分類が基本である。分類後に適切な実行手段を選ぶことで、生成AIを不必要な工程へ当てはめずに済む。
• ルール処理は、メール送信者による振り分けや表の条件判定など、入力と結果の関係が明確な作業に向いている。生成AIよりも固定的で安定するため、マクロ、スクリプト、RPAなどで処理する選択が優先される。
• 生成AI処理は、メール本文の意味や優先度の判定、内容に応じた返信案の作成など、固定ルールだけでは扱いにくい作業に向いている。ただし出力が毎回変わる可能性があるため、重要な結果には人間の確認を残す。
• 用途特化チャットは、頻繁に繰り返す生成AI処理のプロンプトや手順をあらかじめ固定する仕組みである。長い指示を毎回コピーする負担を減らし、同じ種類の入力に対して一定の流れで処理できる。
• AIエージェントは、個別の生成AI処理とルール処理を連結し、人間が介在しない工程を長くする考え方である。すべてを一度に無人化せず、選択やレビューを残しながら任せる範囲を広げる形が示されている。
• 用途特化チャットの価値は、単独タスクの効率化だけでなく、将来のAIエージェントを構成する再利用可能な部品になる点にある。調査、原稿作成、構成確認などを個別に磨けば、連結後の成果物の質も高められる。
• 活用パターンは、定番コンテンツ生成、ルーティン処理、独自ナレッジチャット、外部データ連携の4種類である。外部連携は制作難度が高い一方、接続先の情報を使って回答する用途への発展が見込まれている。
• モデル選定は、同じプロンプトをGPTs、Gem、Claudeのプロジェクトなどで試し、対象業務に合う出力を比較する方法が有効である。話者は、業務分析やスライド化、文章作成でツールを使い分けている。
• 🎬 このチャンネルの他の動画:
  • NotebookLMで資料の理解を深める方法
  • ChatGPTをビジネスで活用する方法
  • ChatGPT後に日本が取るべき3つの戦略とは？
• 📺 このチャンネル: いけともch

Questions & Answers

Q: 業務用GPTsを作る前に何をすればよいですか？

最初に業務を細かなタスクへ分解し、ルール処理、生成AI処理、人間処理の3種類へ分類します。条件が明確な作業はプログラムや自動化ツールへ回し、文章理解や柔軟な生成が必要な作業をGPTsなどの候補にします。目標設定や最終確認など、人間が担う工程も明示することが重要です。

Q: どの業務を用途特化AIチャットにすべきですか？

頻繁に繰り返され、毎回似たプロンプトや判断手順を使う生成AI処理を用途特化チャットにします。例として、メールの内容判定と返信案作成、情報調査、スライド原稿作成、構成確認、SNS投稿案の作成があります。単純な条件分岐だけで完了する仕事は、固定的な自動化のほうが適しています。

Q: ルール処理と生成AI処理はどう使い分けますか？

条件と結果を明確に書き切れる作業にはルール処理を使い、文章の意味理解や状況に応じた生成が必要な作業には生成AIを使います。送信者が特定人物ならメールを処理する、表の条件に応じて印を付ける、といった仕事はルール向きです。営業メールの判定や柔軟な返信文の作成は生成AI向きです。

Q: 生成AIの出力に人間の確認が必要なのはなぜですか？

生成AIは同じ種類の依頼でも出力が変わる可能性があり、固定ルールによる処理ほど結果が安定しないからです。メール返信や資料原稿を生成できても、その内容が目的や社内ルールに合うとは限りません。そのため、重要な工程では担当者や上司による確認を残し、問題があれば修正する設計が必要です。

Q: 用途特化AIチャットをAIエージェントへ発展させる方法は？

個別に磨いた用途特化チャットを、ルール処理や別の生成AI処理と順番に接続していきます。例えば、情報調査、スライド原稿作成、テンプレートへの反映、発表用ノート作成を連結すれば、資料作成の長い区間を任せられます。途中の情報選択やレビューには人間を残し、精度を確認しながら接続範囲を広げます。

Q: GPTs、Gem、Claudeのプロジェクトはどう選べばよいですか？

同じ業務用プロンプトを複数のツールやモデルで実行し、目的に最も合う出力を選びます。話者は、業務分析ではChatGPTのモデル、スライド化やX投稿案ではClaudeを使う例を示しています。一つのツールへ固定するのではなく、文章の質や処理内容との相性を比較して用途別に選ぶ考え方です。

Q: SNS投稿作成用のAIチャットはどう設計しますか？

記事やURLを入力すると、内容を整理して複数の投稿切り口を提案し、人間が選んだ切り口から文章案を作る段階的な流れにします。話者の例では、いきなり投稿文を完成させず、価値が高い視点を人間が選択します。さらに過去の自分の投稿を分析した要件を指示へ盛り込み、本人らしい長めの考察文を生成しています。

Q: 業務プロセスの分解をAIに支援させる方法は？

対象業務、利用者、最終的な成果物、元となる情報、現在の手順や課題をAIへ伝え、工程一覧と各工程の分類案を作らせます。動画内の例では、研修資料作成を複数のステップへ分け、各作業が生成AI、自動化、人間のどれに適するかを整理しています。出力は素案として扱い、実際の業務に合うかを人間が確認します。

Summary & Key Takeaways

• 最初に業務全体を細かなタスクへ分け、ルールが明確な処理、柔軟な判断や文章生成を要する処理、人間に残す処理の3種類へ分類する。固定条件で処理できる仕事にはマクロやRPAなどを使い、メール内容の判定や返信案作成には生成AIを使う。目標設定、最終確認、物理作業など、現状では機械化しにくい部分は人間が担当する。

• GPTs、Gem、Claudeのプロジェクトなどは、生成AIを使う個別タスクを用途特化したアシスタントである。毎回同じ長いプロンプトを入力せず、入力データに対して一定の手順を繰り返せる。候補は、定番コンテンツ生成、ルーティン処理、独自ナレッジに基づく回答、外部データ連携の4種類であり、同じ指示を複数モデルで試して用途別に選ぶ方法も示される。

• 用途特化チャットは、将来のAIエージェントを構成する部品として先に作り込める。研修資料作成なら、情報調査、スライド原稿、構成確認、発表用ノートなどを個別に改善し、テンプレートへの反映や配布などの自動化処理と後から接続する。途中に人間の選択やレビューを残しながら連結範囲を広げれば、精度を管理しつつ長い工程を任せられる。