AI が変わっても、仕事はやり直しにならない。
AI モデルは日々進化し、ツールを切り替えるのも当たり前になりつつあります。でも仕事の再構築は簡単ではありません。Epismo は結果、背景、レビューを一緒に残し、人やモデルが変わっても仕事を続けられるようにします。繰り返し得られた学びは、プレイブックとして次の仕事に活かせます。
はじめに
下書きはコピーした。でも、その背景にある判断はコピーしていない。
これは、AI を使った仕事でよくある引き継ぎです。ある AI モデルがローンチ告知の最初の下書きを書きます。チームはすでに、「すべての AI に対応している」とは書かないと決めています。その表現は、現在サポートしている連携の範囲を超えてしまうからです。誰かが文章を整えるために、下書きを2つ目のモデルに貼り付けます。2つ目のモデルは、求められた通りに動き、より強い表現を返します。
「チームが使うすべての AI に対応しています。」
2つ目のモデルが不注意だったわけではありません。その制約を受け取っていないのです。受け取ったのは一つの段落と、文章を改善する指示だけでした。下書きは移動しました。しかし、下書きの周りにある仕事は、最初のチャットやスレッド、あるいは誰かの頭の中に残りました。
次の10分間に何が起きるかは想像できます。新しいチャットを開き、すでに存在する仕事を説明し直す。古いスレッドから一文を探す。どの下書きを使えばよいか確認する。モデルは速くても、ブリーフィングは速くありません。
この再構築を、私たちは説明し直し税と呼びます。仕事を共有する場所がなければ、人やモデル、セッションが変わるたびに、この税が発生します。
あなたにとって最高の AI モデルは、昨日と今日で違うかもしれません。それでも、仕事まで最初からやり直す必要はありません。
📖 TOC
持ち運べることと、続けられることは違う
一見すると、両方のツールから見られる場所に下書きを保存すればよさそうに思えます。それは役立ちます。しかし、それだけでは足りません。
この問題は、長い会話履歴を貼り付ける、スレッドをエクスポートする、次のモデル向けにより良いブリーフを書く、といったプロンプトの問題として扱われがちです。しかし、貼り付ける内容を増やしても、重要な問いには確実に答えられません。最新の下書きはどれか。どの判断がまだ有効か。何がすでにレビューされたか。次に何をすべきか。
持ち運べるとは、別のツールで下書きを開けることです。続けられるとは、次の担当者が、その仕事が何であるか、なぜ今の形になっているか、何がすでに検討・指摘されたか、そして次に何をすべきかを理解できることです。
判断を伴わない成果物は、過剰な主張へと「改善」されてしまうことがあります。別のチャットにあるレビューは、また探し直さなければなりません。誰か一人の記憶にだけある次の一手は、別の人やモデルが仕事を引き継いだ瞬間に失われます。
この要求は、しばしば「メモリ」として語られます。つまり、前の会話を残してほしいということです。しかし、それだけでは、下書きと、そこに対する指摘が別の場所に残ります。レビューで指摘された主張を、次のモデルが再び磨き上げてしまうかもしれません。レビュー自体が、仕事と一緒に移動していないからです。
レビューも仕事と一緒に移動すべきだ
AI を使った仕事に必要なのは、ファイルではなくループです。
結果 → レビュー → 修正 → 判断 → 次の一手
ソフトウェアチームは、すでにこのパターンに依存しています。変更内容、その履歴、レビューコメントが同じ場所にあるからこそ、変更はレビュー可能になります。誰もパッチをメールで送り、あとからフィードバックが見つかることを期待しません。レビューする人は仕事を見て、書いた人は仕事とコメントを一緒に見返します。
AI を使うワークフローでは、次の担当者が別の人の場合も、別の AI モデルの場合もあります。ある AI が結果を書き、別の視点によるレビューが、根拠のない主張、弱い前提、未解決の問いを指摘する。別の AI や人がそれを修正し、人が最終的な判断を下すこともできます。
レビューが結果から離れると、このループは壊れ、チームは再び説明し直し税を払うことになります。
仕事は、ツール間を移動できるだけでは不十分です。レビューできて、続けられる状態でなければなりません。保存された結果、その背景にある判断、レビューが一緒に残っていれば、次の担当者はその3つすべてをもとに作業できます。
次のモデルに必要なのは、より長いプロンプトではない
Epismo では、案件が一つの仕事を共有する場所になります。別のチャットボットでも、すべてのセッションを投げ込む場所でもありません。案件には、次の担当者が自分で再構築せずに済むよう、現在の結果、その背景にある判断、未解決の問い、レビュー、次の一手を残します。生のチャット履歴、ツール呼び出し、リトライ、ローカルファイルは、それを生み出した実行環境に残しておけます。
ローンチ告知の例に戻りましょう。
案件にはすでに、下書きと、対応している連携だけを書くという判断があります。自動レビューを有効にすると、Epismo は保存された結果を読み、同じ案件に指摘を書きます。この主張は、そこに記録された連携の範囲よりも広すぎる、と。元の下書きを黙って書き換えることはありません。下書きは残り、レビューもその隣に残ります。
案件へのアクセス権を持つ人や接続済みの AI は、下書き、制約、指摘の3つすべてから仕事を続けられます。主張を修正し、改善された結果を次の担当者のために保存します。
モデルが急に賢くなったわけではありません。仕事と、その周りのレビューを受け取ったのです。
会話の記録は会話です。案件は仕事です。会話を貼り付けても、仕事を再開したことにはなりません。
まずは案件、プレイブックはその後。
このループを何度も繰り返すと、パターンが見えてきます。ローンチコピーには、公開前に必ず主張のレビューが必要かもしれません。リサーチブリーフでは、誰かが提案を書く前に情報源が必要かもしれません。毎回、うまくいっている競合のパターンをリサーチしているかもしれません。下書きを始める前に、判断を記録すべきかもしれません。
その学びは、ある種類の仕事に再利用できるアプローチであるプレイブックになります。案件は、今日の仕事を続けるためのものです。プレイブックは、チームが次の同種の仕事をより良く進めるためのものです。
チームがプレイブックを作っても、このサイクルは終わりません。同じような仕事が再び始まるとき、そのプレイブックをもとに新しい案件を始められます。プレイブックは共通の進め方を示し、新しい案件には、その回で生まれた結果、判断、レビュー、次の一手が残ります。
実際の循環は次のようになります。
案件 → 実際の仕事からの学び → プレイブック → 新しい案件
すべての仕事を始める前に、方法を定義することが目的ではありません。有用な方法は、実際の仕事がどこで停滞したか、レビューが何を見つけたか、どの判断が繰り返し重要だったかをチームが見た後に、はっきりすることが多いからです。
方法から始めるのではなく、仕事から始めます。
まずは案件、プレイブックはその後。
仕事は、切り替えを越えて残るべきだ
AI モデルは日々進化しています。ツールを切り替えたり、組み合わせたりするのは、もはや特別なことではありません。あなたにとって最高のモデルは、昨日と今日で違うかもしれません。
ツールを変えるたびに、コンテキストを手作業で運ぶか、失うかを選ばなくてはならない状態であってはいけません。重要なのは、どのツールが会話を所有するかではありません。人や AI が変わったときにも、仕事が理解でき、レビューでき、続けられる状態であるかどうかです。
結果、背景、レビューが一緒に残れば、移動のコストを理由に一つのツールへ留まるのではなく、次の仕事に最も適したツールを選べます。
AI は変わっても、案件は残ります。
AI を切り替えても、仕事は残る。