プロンプト共有を超える AI エージェントワークフローの時代
AI エージェント活用が一度きりの成果で終わらないように、プロンプトや個人の工夫を再利用できるワークフローへ変える考え方を紹介。Epismo が目指す、チームとコミュニティで知見が蓄積し続ける未来を解説します。
はじめに
AI エージェントは、私たちの仕事の進め方を大きく変え始めています。コードを書き、情報を調べ、ドキュメントを整理し、複数のツールを操作しながら成果物を作れるようになってきました。これまで人が時間をかけていた作業の一部を、AI と一緒に進めることはすでに特別なことではなくなりつつあります。
一方で、AI をうまく使えた瞬間ほど、そのやり方は失われやすいという課題があります。よい結果が出たとしても、どんな文脈を渡したのか、どのツールを使ったのか、どこで人が判断したのか、どの確認をしたから信頼できたのかは、チャット履歴や個人の記憶の中に散らばりがちです。
その結果、別の人が同じ成果を再現しようとしても、うまくいかないことがあります。コピーできたのはプロンプトの文章だけであり、本当に価値があった仕事の進め方そのものではないからです。
Epismo は、この問題を解決するために、AI エージェントとの働き方を再利用できる形にすることを目指しています。プロンプトを共有するだけでなく、エージェントと人がどのように協力して成果を出すのかを、実行可能なワークフローとして保存し、共有し、改善できるようにする。その考え方が、これからの AI 活用で大きな力になると考えています。
📖 TOC
プロンプト共有だけでは足りなくなっている理由
成果を生んだ本当のプロセスが残らない
初期の生成 AI 活用では、プロンプトの工夫が大きな意味を持っていました。よい指示文を知っているだけで、出力の質が大きく変わったからです。今でもプロンプトは重要ですが、AI エージェントを使った実務では、それだけでは十分ではありません。
実際の仕事では、ひとつのプロンプトだけで完結することはほとんどありません。市場調査であれば、調べる範囲を決め、情報源を確認し、データを整理し、仮説を作り、レポートとしてまとめ、最後に人が妥当性を判断します。ソフトウェア開発であれば、コードベースを読み、仕様を整理し、実装し、テストし、レビューし、必要なら修正します。
価値があるのは、個々の指示文だけではなく、その一連の流れです。どの順番で進めたのか。どの情報を先に集めたのか。どの時点で人が確認したのか。どの品質基準を満たしたら完了としたのか。こうした構造がなければ、よい結果は一度きりの偶然に近くなってしまいます。
AI 活用の差は「聞き方」から「組み立て方」へ移っている
AI をうまく使う人は、単に質問が上手いだけではありません。仕事をどのように分解し、どの部分をエージェントに任せ、どの部分に人の判断を残すかを設計しています。必要なコンテキストを用意し、使うツールを選び、途中の成果物を確認し、失敗しやすい箇所にチェックポイントを置いています。
この設計力こそが、AI エージェント時代の重要なスキルになっています。モデルの性能が上がるほど、差が出るのはモデルそのものではなく、どのように仕事を構造化してエージェントに渡すかです。
ところが、この知見はまだ個人の習慣として閉じています。うまくいった人のチャット履歴やローカルファイル、頭の中には残っていても、チームやコミュニティが再利用できる形にはなっていません。このままでは、誰かがよい方法を見つけても、次の人はまた最初から試行錯誤することになります。
ワークフローを再利用可能にするという考え方
プレイブックは人とエージェントの協働手順である
Epismo では、AI エージェントと人が成果を出すための再利用可能な手順を、プレイブックのようなものとして捉えています。ここでいうプレイブックは、単なるチェックリストではありません。どのステップをエージェントが進め、どこで人が判断し、どんな成果物を作り、どの基準で確認するのかを含む実行の構造です。
たとえば、機能開発のプレイブックであれば、最初にコードベースを調査し、既存パターンを整理し、実装方針をまとめ、人が方向性を確認し、エージェントが実装し、別の観点でテストやレビューを行う、といった流れを持てます。
これは、ひとつのスキルよりも広い単位です。スキルはエージェントに特定の作業を教えるために役立ちます。一方でプレイブックは、複数の作業、人の判断、ツール、品質確認をつなぎ、ひとつの成果に到達するための道筋を示します。
明示されたワークフローは改善できる
ワークフローを明示すると、再現性が高まるだけでなく、改善もしやすくなります。暗黙のやり方に頼っている間は、なぜうまくいったのか、どこで失敗したのかを振り返ることが難しくなります。しかし手順、コンテキスト、成果物、確認ポイントが見える形になっていれば、改善すべき場所を具体的に見つけられます。
調査の精度が低ければ、情報源の選び方を変えられます。レビューで見落としが多ければ、品質ゲートを追加できます。人の確認が遅れてボトルネックになるなら、判断が必要な箇所をより早い段階に移せます。
このように、AI 活用を一度きりのセッションではなく、継続的に良くなる仕組みとして扱えるようになります。よいワークフローは、使われるほど磨かれ、別の人が使うことでさらに改善されていきます。
エージェントワークの共有レイヤー
個人の工夫をチームとコミュニティの資産に変える
Epismo は、エージェントと進める仕事のやり方を保存し、共有し、再利用できる場所をつくっています。個人が見つけたよい進め方を、自分だけの習慣で終わらせず、チームやコミュニティが使える資産に変えるためのレイヤーです。
ワークフローには、手順だけでなく、必要なコンテキスト、使うツール、スキル、引き継ぎのポイント、レビュー観点、完了条件を含められます。非公開で自分やチームだけが使うことも、公開して他のユーザーがコピーし、調整し、実行できるようにすることもできます。
これにより、AI 活用の知見はブログ記事や一時的な投稿として眺めるだけのものではなくなります。実際に自分の環境へ取り込み、手元のエージェントで動かし、必要に応じて変更できるものになります。
いつもの環境からワークフローを使える
共有されたワークフローは、使いやすくなければ広がりません。新しいツールに完全に乗り換えなければ使えない仕組みでは、日々の仕事には定着しにくくなります。
そこで重要になるのが、MCP、CLI、API のような複数の接続手段です。ワークフローやスキルを、普段使っているエージェント、開発環境、ターミナル、独自のシステムから検索し、自分の作業環境に取り込めるようにする。コミュニティのベストプラクティスへアクセスする入口が複数あることで、チームは今の働き方を大きく変えずに取り入れられます。
これは、ワークフロー共有を単なるコンテンツ配布ではなく、実行可能な仕組みに近づけます。よい方法を見つけたら、それを読むだけでなく、そのまま実務の中で使える。チームが採用するまでの摩擦が下がるほど、ベストプラクティスは実際の働き方に入り込みやすくなります。
なぜこの方針がこれから強くなるのか
エージェントが増えるほど、仕事の単位はプロセスになる
これから、ひとりがひとつの AI だけを使う世界ではなく、複数のエージェントやツールを組み合わせて仕事を進める世界が広がっていきます。ひとつのチームが多くのエージェントを動かし、調査、実装、分析、ドキュメント作成、運用確認を並行して進めるようになります。
そのとき重要になるのは、どのエージェントを持っているかだけではありません。どのプロセスを持っているかです。成果を安定して出すための進め方、チェックポイント、人と AI の役割分担が、チームの生産性を左右します。
SaaS が人の席数を中心に広がってきたのに対し、エージェント時代には実行されるワークフローの数が増えていきます。人が増えなくても、チームが扱う仕事量は大きく増える可能性があります。そのとき、再利用可能なプロセスは単なる便利機能ではなく、組織の実行力を支える基盤になります。
コミュニティで知見が複利になる
ソフトウェアの世界では、よいコードが共有されることで開発の速度が上がりました。モデルの世界では、よいモデルやデータセットを見つけ、試し、改善できる場所が大きな価値を持ちました。同じことが、AI エージェントとの働き方にも起きるはずです。
誰かが市場調査のよいワークフローを公開する。別の人がそれを自分の業界向けに調整する。さらに別の人がレビュー工程を強化する。こうした改善が個人のチャット履歴の中で消えず、共有された場所に戻ってくれば、コミュニティ全体の仕事の質が上がっていきます。
優れた AI 活用者は、これから成果物だけでなく、成果を生むプロセスによっても評価されるようになるかもしれません。どんなレポートを書いたか、どんなコードを出したかだけでなく、他の人も使える形でどんなワークフローを残したかが、その人の価値を示すようになります。
信頼できる AI 活用には検証可能な構造が必要になる
AI エージェントが実務に深く入るほど、ただ動けばよいという状態では足りなくなります。なぜその結果になったのか。どの情報を参照したのか。どこで人が確認したのか。失敗を防ぐためにどんなチェックがあったのか。こうした点が見えなければ、重要な仕事を安心して任せることは難しくなります。
再利用可能なワークフローは、この信頼性を高めるためにも役立ちます。プロセスが明示されていれば、チームはその手順を確認し、必要な品質基準を追加し、リスクの高い箇所に人の判断を入れられます。エージェントの力を引き出しながら、無制限に任せるのではなく、検証可能な形で使えるようになります。
モデルが賢くなるだけでは、チームの仕事がそのまま良くなるわけではありません。重要なのは、エージェントと人がどのように協力し、どのようなプロセスで成果を出すかです。プロンプト、コンテキスト、ツール、スキル、人の判断、レビューをひとつのワークフローとして扱えるようになると、AI 活用は一度きりの成果ではなくなります。
Epismo は、そうしたエージェントワークの共有レイヤーをつくっています。個人の工夫をチームの資産にし、チームの知見をコミュニティのベストプラクティスにし、よい働き方が使われるほど改善される状態を目指しています。
AI と働く時代に強いチームは、ただ多くのエージェントを持つチームではありません。よいプロセスを見つけ、共有し、改善し続けられるチームです。そのための基盤が整うほど、AI 活用は積み上がる実行力へと変わっていきます。