エージェントを​「チーム」に​する

まだ、AIを1体で回していませんか

AIに質問して、答えをもらって、次に何をするかは自分で考える。多くの職場でのAI活用は、いまもこの形です。

この使い方でも、一つひとつの作業は確かに速くなります。けれど仕事全体の進み方は、使う人ひとり分のままです。調べる、書く、確かめる。その順番を回しているのは、結局ひとりの人間だからです。

ボトルネックは、やる気ではなく「手足の数」

やるべきことに追われるほど、本当に進めたい仕事は「いつか」に回っていきます。これは意欲や根性の問題ではありません。

足りないのは時間ではなく、一人分の手足しかないこと。

AIの使い方を「1体のアシスタント」から「役割を分けたチーム」に変えると、この前提が変わります。

点・線・面で見る、AIの違い

同じ「AI」でも、仕事への関わり方は大きく3つに分かれます。チャット型のAIは「点」、チャットボットは「線」、自律型のエージェントは「面」です。

図1AIの関わり方は、点から線、線から面へ

チャット型AI

チャットボット

自律型エージェント

たとえると

点

線

面

動き方

聞かれたその場で、一つ答える

決められた流れに沿って応える

目的に向けて、範囲全体を動く

人が渡すもの

質問

想定した会話の流れ

目的

任せられる範囲

一問一答

想定内の手続き

調べる・つくる・確かめるまで

人が渡すものが「質問」から「目的」へ変わる

点のAIは、聞かれたことにしか答えません。線のチャットボットは、あらかじめ引かれた道筋の上だけを動きます。面のエージェントは、目的を受け取ると、その範囲の中で何をやるかを自分で組み立てます。

AIは、足りなかった手足になる

チームとしてのAIには、作業の手順ではなく目的を渡します。目的を受け取ったチームは、探す・つくる・確かめるの役割に分かれて動き始めます。誰が何をやるかを組み立てるのも、チームの仕事です。

図2目的を渡すと、役割に分かれて動く

目的

• 探す調べる・集める・比べる
• つくる書く・まとめる・形にする
• 確かめる条件と照らす・抜けを探す

人が渡すのは「何のために」まで。分担はチームが組み立てる

実例1：一つの依頼が、担当に振り分けられる

僕自身は、普通に頼むだけで内容に合った担当のエージェントが立ち上がる仕組みを毎日使っています。議事録、発信、資料づくりなど、用意している役割は50を超えます。

図3依頼から判断までの流れ

1. 01依頼する「議事録をまとめて」と普通に頼む
2. 02振り分ける内容から担当を選ぶ
3. 03担当が動く専門ごとに作業する
4. 04検収する結果を確かめてから返す
5. 人人が決める最後の判断は自分

ポイントは、担当の名前や手順を覚えていなくても依頼できることです。人が覚えるべきことが減るほど、AIに任せられる仕事は増えていきます。

実例2：記憶の整理も、チームで回す

もう一つは、AIとの作業の記録を夜のうちに整理する記憶基盤 CerebraLOS です。作業中に残したメモを夜間の処理がまとめ、長期の知識に残す候補を並べます。残すかどうかを決めるのは、僕自身です。

図4記録が知識になるまで

1. 01書き残す作業中の決定や学びをメモに
2. 02夜に整理夜間の処理が記録をまとめる
3. 03候補に積む残す候補を並べる
4. 人人が承認承認したものだけが知識に

人がやるのは、手作業ではなく判断になる

2つの実例に共通しているのは、最後に人が決める地点を残していることです。すべてを自動にするのではなく、チームが進める範囲と、人が決める範囲の境界線を先に引いておきます。

図5チームと人の役割分担

チームが進める

• 情報を探す
• 条件を読む
• 下書きをつくる
• 照らし合わせる

人が決める

• 何のためにやるか
• どれを進めるか
• 最後に確かめて出す

見てほしいのは自動化ではなく、一つの依頼からチームが動く構造