AI社員の育て方
AI社員の育て方 / 第1章: まず目的を決める

第1章: まず目的を決める

CC Company（シーシーカンパニー）の運営を始めて間もない頃、AI社員が書いた記事を全部ボツにしたことがあります。

文章は丁寧で、事実にも誤りがなかった。「導入した背景。使ったツール。設定の手順。動かしてみた結果。今後の課題」。きれいに整理されていました。普通であれば「よくできました」と言って公開するところでしょう。

しかし、読み返してみると、どうにも引っかかる。読んでいて退屈なのです。事実は正しいのに、「で、何が言いたいの？」という感想が浮かんでしまう。

原因は単純でした。この記事を読んだ人にどう思ってほしいのかが、どこにも定義されていなかったのです。ゴールなく作業だけをこなす状態。本書では「作業者落ち」と呼んでいます。この章では、その原因と対策をお伝えします。

あなたの現在地を確認する

AI社員に任せている（または任せようとしている）業務を1つ思い浮かべて、以下に答えてみてください。

3つともチェックが付いた方: この章は確認程度でOKです。第2章に進みましょう。

1〜2個の方: 目的の解像度を上げる余地があります。この章で「ゴール設定の型」を手に入れてください。

チェックがゼロの方: ここが最重要の出発点です。目的なしにAI社員を動かすと、「それっぽいが的外れ」な成果物が量産されます。この章をじっくり読んでください。

「議事録を作って」で学んだこと

序章で紹介した川島さんも、同じ壁にぶつかりました。

川島さんは事務職として働く中で、週に3回ある会議の議事録作成に時間を取られていました。1回あたり40分。月に換算すると8時間近くが議事録に消えていたのです。「これこそAIに任せられるのでは」と考え、AI社員に「議事録を作って」と指示しました。

出てきたのは、発言者と発言内容がずらりと並んだ記録でした。読み返すと確かに正確です。しかし、上司に提出する気にはなれません。「そうじゃないんだよな」と感じましたが、何が違うのか、川島さん自身もうまく言葉にできませんでした。

ここで川島さんは、1つだけ変えてみました。指示の冒頭に「議事録の目的は、欠席者が5分で要点を把握すること」と書き足したのです。

すると、決定事項・次のアクション・担当者・期限が整理された議事録が返ってきました。発言の羅列ではなく、「何が決まって、誰が何をするか」にフォーカスした構成に変わっていたのです。指示の技術が変わったのではありません。ゴールを書いただけです。

心理学者のロック（Locke）とレイサム（Latham）が2002年に発表した研究「目標設定とタスク動機づけの実用理論の構築」は、35年にわたる実験データをもとに、明確な目標が曖昧な目標より一貫して高いパフォーマンスを生むことを実証しています。「ベストを尽くせ」よりも「5分で読める議事録にしろ」の方が結果が出る。これは人間でもAIでも変わりません。

では、なぜゴールがあるだけでAIの出力が変わるのでしょうか。ここには技術的な理由があります。

なぜゴールでAIの出力が変わるのか

にぎやかな居酒屋にいるとします。隣の席の会話がうるさくても、目の前の相手の声に集中できますよね。これは、人間の脳が「今は目の前の人の話に注意を向けるべきだ」と無意識に判断しているからです。

AIの内部にも、これと同じような仕組みが組み込まれています。専門用語ではAttention機構（アテンションきこう：注意の仕組み）と呼ばれるものです。2017年にGoogleの研究者バスワニ（Vaswani）らが発表した論文「Attention Is All You Need」（注意の仕組みこそが全て）で提案されたこの仕組みが、現在のAIの基盤技術になっています。

ゴールが書かれていない指示を受け取ると、AIはどこに注目すべきかわからず、入力全体にまんべんなく注意を配ります。居酒屋で「誰の話を聞けばいいかわからない」状態です。結果として、焦点の定まらない「なんとなくそれっぽい」文章が出てきます。川島さんの最初の議事録がまさにこれでした。

一方、指示の冒頭にゴールが明記されていると、AIはそのゴールに関連する言葉に注意を集中させます。「この人の話を聞けばいい」とわかっている状態です。ゴールに沿った出力が出てくる確率が大幅に上がります。

つまり、ゴール設定は「あったほうがいい心がけ」ではなく、AIの注意を正しい方向に向けるための技術的に必須の操作なのです。人間の部下にゴールを伝えるのは「親切」ですが、AI社員にゴールを伝えるのは「仕組みの要件」です。ここが、人間の社員とAI社員の決定的な違いです。

AIを使いこなす技術の8割は、AIに触れる前に決まります。 それがゴール設定です。

ゴールなき作業は「作業者に落ちる」

CC Company（Claude Code（クロードコード）で運営する仮想会社）では、すべてのAI社員の行動規範の最上位に、ある原則が書かれています。

「作業者に落ちるな。」

この原則が生まれたきっかけは、冒頭で紹介した「全部ボツ」の出来事でした。

あの日、AI社員が書いた記事は「導入した背景。使ったツール。設定の手順」と、起きたことを時系列に並べただけの構成でした。文章としては破綻していません。しかし、読者が読み終えたとき「で、何が言いたいの？」という感想を抱く。これでは記事を公開する意味がありません。

なぜこうなったのか。「この記事を読んだ人にどう思ってほしいのか」を伝えていなかったからです。ゴールがないまま書かれた記事は、起きたことを順番に並べる以外の構成を選べません。「何を強調し、何を省略するか」の判断基準が存在しないからです。

これは、あなたの職場でも起きているかもしれません。新入社員に「この資料をまとめておいて」とだけ伝えたらどうなるでしょうか。おそらく、体裁は整っているけれど、誰に向けた資料なのか、何を伝えたい資料なのかがわからない成果物が出てきます。上司が「そうじゃないんだよな」と感じるあの瞬間。先週うまくいった指示を今週また出したら、まったく違う方向のものが返ってきた経験はないでしょうか。

人間の社員であれば、目的が不明確でも「たぶんこういうことだろう」と文脈を推測したり、「これは何のための資料ですか？」と質問を返したりすることができます。しかしAIは、あなたが与えた指示の中から最も確率の高い出力を生成するように動きます。ゴールが明確でなければ、AIは「それっぽい」出力を際限なく量産します。

具体的に見てみましょう。noteというプラットフォームで記事を発信する場面です。

ゴールのない指示はこうなります。

「先日の講演について記事を書いて。」

出てくる記事の書き出しは、こうです。

「3月15日、○○ホールにてDXセミナーを開催しました。当日は約100名の方にご参加いただきました。」

一方、ゴールのある指示はこうなります。

「先日の講演について記事を書いて。この記事を読んだ人が、『この人にDX（Digital Transformation：デジタル技術を使って仕事や会社の仕組みを変えること）の相談をしてみたい』と思うように書いて。」

すると、書き出しがこう変わります。

「『うちの会社でもAIを使いたいけど、何から始めればいいか分からない』。講演の後、こう声をかけてくださる方がとても多いのです。」

同じ講演についての記事なのに、読んだ人の受け取り方がまったく違います。ゴールがあれば、「この段落はゴールに合っているか？」「この表現で読者は動くか？」という自己評価が可能になります。ゴールがなければ、「書けと言われたから書いた」以上のことはできません。それが「作業者に落ちる」ということです。

AI社員にも「何のためにやるか」を最初に教える

では、ゴールをどのようにAI社員に伝えればよいのでしょうか。

川島さんのその後の話をしましょう。議事録のゴール設定がうまくいった川島さんは、次に「問い合わせメールへの返信」をAI社員に任せようとしました。最初の指示は「お客様からの問い合わせメールに返信して」。

出てきたのは丁寧な文面でしたが、問題がありました。お客様の質問に答えているようで、実は「詳しくはこちらをご覧ください」と別のページに誘導しているだけだったのです。結局お客様は再度問い合わせをすることになり、対応工数が倍に膨らんでいました。

そこで川島さんは、ゴールを「この1通で問い合わせが完結し、お客様が再度メールを送らなくても済む状態にする」と設定し直しました。すると、必要な情報がすべて1通に盛り込まれた返信が出てくるようになり、再問い合わせ率が目に見えて下がったのです。

AI社員の育成では、業務ごとに「育成マニュアル」を作成します（具体的な書き方は第4章で詳しく解説します）。このマニュアルの冒頭に、必ずゴールを書きます。マニュアルの一行目が手順ではなくゴールである。これが鉄則です。

先ほどのAttention機構を思い出してください。AIは指示書の冒頭に注意を最も集中させます。つまり、マニュアルの一行目にゴールを書くことは、AIの注意が最も集中しやすい位置に最も大事な情報を置くことになります。技術的に理にかなった配置なのです。

さらに、長い指示を出す場合は、末尾でもゴールを繰り返すことをお勧めします。2023年にスタンフォード大学などの研究者リュウ（Liu）らが発表した論文「Lost in the Middle」（長い文書の中間が見落とされる現象）は、AIが長い入力文の先頭と末尾に注意を集中させ、中間部分への注意が相対的に薄くなることを実験で示しました（この現象は第3章で詳しく解説します）。先頭と末尾の両方にゴールを置くことで、AIが途中でゴールを見失うリスクを減らせます。

ただし、ゴールの粒度には注意が必要です。料理に例えると分かりやすいかもしれません。「おいしいものを作って」は漠然としすぎていて、何を買い出しに行けばいいかわからない。「塩を3g入れて」は具体的すぎて、料理全体の方向性が見えない。「家族4人が笑顔になる夕食を、30分以内に」くらいの粒度が、判断の余地を残しつつ方向性を示すゴールです。

抽象的すぎるゴールの例:

「売上を上げる。」

これでは、AI社員は何をすればいいかわかりません。売上を上げる手段は無数にあり、どの方向に動けばよいか判断できないからです。

具体的すぎるゴールの例:

「この記事のPV（Page View：記事が何回読まれたかの数値）を500にする。」

一見すると明確に見えます。しかし、これはゴールではなく指標です。PVが500を超えたとして、それが何につながるのかが書かれていません。PVを稼ぐためにタイトルを煽り気味にした結果、ブランドイメージが傷つくかもしれません。指標だけを与えると、AI社員はその数値を達成するための最短経路を取ろうとし、本来の目的から逸脱することがあります。

良いゴールの例:

「DXに課題を感じている中小企業の経営者が、この記事を読んで『自分の会社でもできそうだ』と感じ、具体的な一歩を踏み出す気持ちになるようにする。」

このゴールには、誰が（DXに課題を感じている中小企業の経営者）、どうなる（自分の会社でもできそうだと感じる）、その結果どうする（具体的な一歩を踏み出す）という三つの要素が含まれています。AI社員はこのゴールを基準にして、構成、言葉遣い、事例の選び方、すべてを判断できるようになります。

良いゴールを設定するためのチェックリストを整理しておきましょう。

この四つを満たすゴールがあれば、AI社員は「作業者」から「判断できる社員」に変わります。

規模に応じた実践

ゴール設定の重要性は、AI社員の活用に限った話ではありません。個人、チーム、組織、どのレベルでも同じ構造が繰り返されます。

個人で始めるなら

まず、自分自身の仕事を棚卸ししてください。毎日やっている作業のうち、「何のためにやっているか」を即答できないものはありませんか。メールの返信、議事録の作成、レポートの更新。これらを「なんとなくやっている作業」から「〇〇のためにやっている仕事」に変換することが第一歩です。

この変換ができて初めて、「この作業はAI社員に任せられる」「この部分は自分でやるべきだ」という仕分けが可能になります。

チームに広げるなら

チームでAI社員を活用する場合、チーム目標とAI社員の役割を明確に紐付ける必要があります。たとえば、マーケティングチームの目標が「見込み顧客との接点を増やす」であれば、AI社員の役割は「見込み顧客が検索しそうなキーワードに対応するコンテンツを企画・下書きする」といった形で具体化されます。

ここで陥りがちな罠は、「AIに何ができるか」から逆算してしまうことです。「AIは文章が書けるから、記事を量産させよう」。これはゴールなき作業の典型です。チーム目標から出発し、そこに向かってAI社員をどう配置するかを考える。順序を間違えてはいけません。

組織で展開するなら

経営レベルでは、AI社員の配置を経営目標から逆算します。組織で特に重要なのは、AI社員のゴールが人間の社員のゴールと整合しているかを確認することです。AI社員が下書きした提案書を、人間の社員が「どこを直せばいいか分からない」と放置してしまう。これではゴールは達成されません。AI社員と人間の社員が同じゴールを共有し、それぞれの役割が明確になっている設計が必要です。

どのレベルであっても、原則は変わりません。ゴールが先、手段が後。 この順序を守るだけで、AI活用の成果は変わります。

コラム: AI社員が記事の順番を「事実の並べ替え」で提案してきた日

CC Companyの運営がある程度軌道に乗った頃の話です。

noteに投稿する記事が10本ほど溜まっていました。私はAI秘書に「この記事をどの順番で公開するのがいいか、提案してくれ」と相談しました。

AI秘書の回答はこうでした。「時系列順に並べるのが分かりやすいと思います。最初にCC Companyの立ち上げ、次にタスク管理、次にSNS設計。」

一瞬、もっともらしく聞こえました。しかし、何かが引っかかる。よく考えると、これは「起きた順番に並べただけ」です。読者がどの記事を最初に読んだら興味を持つか、どの順番で読めば「この人に相談してみたい」と思うかという設計がまったく入っていませんでした。

ここで気づいたのです。記事の順番にもゴールが必要だったと。

「この記事群を読んだ経営者が、『AI活用はこの人に聞けば間違いない』と感じる順番にしてくれ」と伝え直したところ、提案が一変しました。「まず失敗談で共感を取り、次に仕組みの具体性で信頼を積み、最後にビジョンで『一緒にやりたい』を引き出す」という設計が返ってきたのです。

この日、私はCC Companyの全部署の行動規範の最上位に「作業者に落ちるな」という一文を書き加えました。記事の中身だけでなく、順番も、構成も、タイトルも、すべてゴールから逆算して設計する。それ以降、AI社員が書く記事の品質スコアは78点から85点に安定して上がりました。たった一文の原則を加えただけで、AI社員は「事実を並べる作業者」から「ゴールに向かって構成を設計する社員」に変わったのです。

LLM（Large Language Model：大規模言語モデル）知識: Attention機構をもう少し深く

本文で紹介したAttention機構について、もう少し技術的な背景を補足します。

AIが文章を読むとき、すべての単語の間で「この単語とあの単語はどのくらい関係があるか」をスコアとして計算しています。この仕組みは、2017年にGoogleの研究チームが発表した論文「Attention Is All You Need」（バスワニら, 2017）で提案されました。現在のChatGPT（チャットジーピーティー）やClaude（クロード）を含む大規模言語モデルは、すべてこの仕組みの上に構築されています。

ゴールに関連する単語が指示の冒頭にあると、その単語と高い関連スコアを持つ情報が文章全体から優先的に拾い上げられます。逆に、ゴールがなければ、すべての単語が均等なスコアで処理され、「何もかも少しずつ拾うが、どれも深くは拾わない」状態になります。

本文で触れた「長い指示書の中間部分を見落としやすい」現象は、「Lost in the Middle」と呼ばれています。スタンフォード大学などの研究チーム（リュウら, 2023）が、AIに20件以上の文書を与えて質問に答えさせる実験を行ったところ、先頭と末尾に置かれた情報の正答率が高く、中間に置かれた情報の正答率が大幅に下がることが確認されました（第3章で詳しく解説します）。ゴールを冒頭に置く、長い指示では末尾でも繰り返す、という実践指針は、この研究知見に基づいています。

技術的に正しいことと、実務的に効果があることが一致している。これがゴール設定の強みです。

ゴールが決まったら、次に考えるべきは「どの仕事をAI社員に任せるか」です。しかし、ほとんどの人は自分の仕事を正確に把握していません。