どうも、Kazuです。
AIの本を読む。
YouTubeで使い方を見る。
ChatGPTやClaudeを触る。
新しいツールも試す。
それでも、仕事の中でどう使えばいいか分からない。
こういう方は、かなり多いです。
先日、ある専門職の方と初回セッションをしました。
その方は、AIについて半年ほど学んでいました。
本も読んでいる。
動画も見ている。
AIツールにも触っている。
でも、実際の仕事にどう入れればいいのかで止まっていました。
そこで最初にやったのは、プロンプトを教えることではありません。
その方の専門性、実績、発信したいこと、判断基準、日報を、AIが後から読める状態にすることでした。
AIに質問する前に、AIにその人の仕事を見せる。
ここが変わると、AIはただのチャット相手ではなく、仕事を一緒に進める相手に近づきます。
今日は、個人が特定されない範囲で、初回セッションから見えた「AIを学んでも仕事に落ちない人に足りないもの」について話します。
AIを学んでも、仕事が変わらない人は多い
AIを学ぶこと自体は悪くありません。
むしろ、最初は触ってみることが大事です。
ただ、AIの知識が増えても、仕事が変わらないことがあります。
モデル名を知っている。
便利なツールも知っている。
プロンプトの型も見たことがある。
AIで文章や画像が作れることも分かっている。
でも、自分の業務のどこに入れればいいか分からない。
何をAIに渡せばいいか分からない。
どこまで任せていいか分からない。
最後に何を人間が判断すべきかも見えていない。
この状態だと、AIを学んでいるのに仕事は変わりません。
知識は増えているのに、現場では毎回ゼロから相談している。
ここで止まっている方は多いです。
足りなかったのは、プロンプトではなく「事業を見せる場所」
AIに質問すれば、答えは返ってきます。
発信テーマを考えて。
商品説明を書いて。
集客方法を教えて。
業務効率化のアイデアを出して。
こう聞けば、それっぽい答えは出ます。
でも、AI側からすると、事業の前提が見えていません。
どんな専門性があるのか。
どんな実績があるのか。
どんな商品やサービスがあるのか。
どんなお客さんに届けたいのか。
過去に何を発信してきたのか。
どんな判断基準で動いているのか。
ここが入っていないと、AIは一般論に寄ります。
SNSを頑張りましょう。
顧客の悩みに寄り添いましょう。
強みを言語化しましょう。
継続的に発信しましょう。
間違ってはいません。
でも、そのままだと動けない。
なぜなら、事業の前提がAIに渡っていないからです。
AIに聞く前に、AIが読める事業の前提を用意する必要があります。
初回セッションでやったこと
その方との初回セッションでやったことは、派手なAIデモではありません。
まず、画面を一緒に見ながら、AIが後から読める事業メモの置き場を作りました。
そして、その方のプロフィール、実績、発信したいこと、仕事で大事にしている判断基準を整理しました。
次に、発信の方向性を決めました。
どんな人に届けるのか。
どんなテーマを積み上げるのか。
何を大事にして発信するのか。
どんな言い方は避けるべきか。
ここをAIと一緒に整理していきました。
さらに、初回の発信まで一緒に進めました。
日報や作業ログを残す運用も作りました。
その日に何をやったのか。
何を決めたのか。
次に何を試すのか。
こういう記録を残しておくと、次回以降、AIがその流れを読みやすくなります。
その日にやったのは、AIの勉強ではありません。
AIがその人の仕事を読める状態を作ることでした。
AIの可能性に気づく瞬間は、ツールを知った時ではない
新しいAIツールを知ると、刺激があります。
こんな文章が作れるのか。
こんな画像が作れるのか。
こんなコードまで書けるのか。
それはそれで面白いです。
でも、仕事が変わる感覚は、もう少し別のところにあります。
自分の専門性が、AIの材料になる。
これまでの実績が、発信の材料になる。
日々の作業ログが、次の判断材料になる。
過去に迷ったことが、次の改善案につながる。
そう見えた時、AIは「他人の便利ツール」ではなくなります。
自分の仕事を一緒に進める相手に近づきます。
AIの可能性に気づくのは、すごいデモを見た時ではなく、自分の仕事がAIの材料になると分かった時です。
AIを半年学んでも止まる理由
AIを学んでも止まる理由は、知識量だけではありません。
もちろん、最低限の使い方は必要です。
でも、それ以上に大事なのは、仕事との接続場所です。
事業情報の置き場がない。
最初にAIへ渡す業務が決まっていない。
AIに読ませる資料が決まっていない。
人間が判断するラインが決まっていない。
毎日のログが残っていない。
この状態だと、いくらAIを触っても、毎回その場限りになります。
便利だけど、積み上がらない。
面白いけど、仕事の流れが変わらない。
ここがもったいないんです。
AI学習で止まる人は、知識ではなく、最初の業務設計で止まっていることがあります。
最初に決めるのは、AIへ渡す1業務
では、何から始めればいいのか。
いきなり全部をAI化しようとしなくて大丈夫です。
最初は、1業務でいいです。
発信テーマを決める。
問い合わせの返信方針を整理する。
広告レポートを見て確認点を出す。
商品ページの改善点を洗い出す。
日報から明日のタスクを出す。
何でもいいわけではありません。
自社にとって、止まりやすくて、繰り返し発生していて、AIに下ごしらえさせやすい業務から選ぶ。
そこに必要な資料、過去の判断、今の迷いを渡す。
最後に人間が判断するラインも決める。
これだけで、AIとの会話は変わります。
「何かいい案を出して」ではなく、
「この資料と過去の判断を見て、次に確認すべきことを整理してください」
こういう使い方に変わっていきます。
AIに質問する前に、AIに事業を見せる
AIを学ぶこと自体は大事です。
ただ、それだけでは仕事は変わりません。
自分の専門性。
実績。
商品やサービス。
顧客の悩み。
過去の発信。
日報。
作業ログ。
判断基準。
こうした情報を、AIが読める状態にする。
そして、最初にAIへ渡す1業務を決める。
ここから、事業のAI活用は始まります。
AIに質問する前に、AIに事業を見せる。
この順番を間違えなければ、AIはただの検索窓ではなく、仕事を一緒に進める相手に近づいていきます。
エージェントチーム無料配布中
この続きでは、事業の記憶をAIに渡す入口を動画と資料でお見せします。
AIに何を読ませるのか。
最初にどの業務へ使うのか。
日報、作業ログ、商品情報、過去の判断をどう残すのか。
まずは、その流れを見てください。
僕が普段使っているObsidianボルトテンプレート、完全マニュアル、デモ動画、無料コミュニティ招待を、エージェントチームと一緒に無料で配布しています。