仕事での使い方

稟議が差し戻されるのは、内容ではなく書き方であることが多い。過去に通った文書から型を取り出し、毎回そこから始める方法を整理します。

文字起こしの精度は実用の水準に届きました。ただし字幕にするには、区切り方と表記の整理が要ります。手順と、外れやすい箇所を整理します。

関数を書かせる、表記を揃える、集計の方針を相談する。表計算まわりは効きやすい領域です。ただし数値の計算そのものは任せられません。

見栄えのするスライドは作れます。ただし伝わる資料になるかは別の話です。任せる工程と、自分で決める工程を分けて整理します。

定型のメールは任せられます。ただし関係が変わる内容は、文面より判断のほうが重い。線の引き方と、実際に使える頼み方を整理します。

書いた文章を直させると、読みやすくはなります。ただし全部を任せると、自分の文でなくなる。どこまで直させて、どこを残すのかを整理します。

市場規模や競合の状況を聞くと、それらしい数字が返ってきます。その数字がどこから来たのかを確かめないまま資料に使うと、後で困ります。使い方を整理します。

分からないところを何度でも聞ける相手がいる状態は、独学の条件を変えます。ただし教科書の代わりにはなりません。学習に使うときの組み立て方を整理します。

契約書を渡して要点を拾わせる使い方は、実務でよく効きます。ただし最終判断には使えません。下読みとして機能する部分と、専門家に渡すべき境目を分けます。

散らかった頭の中を整理する相手として、AIはよく働きます。ただし管理そのものを任せるのは無理があります。整理に使える部分と、任せられない部分を分けます。

断片的なコードを書かせるのは簡単でも、実際の開発現場の課題は別物です。SWE-benchはGitHubの実際の課題2,294件を集めた試験で、公開当時の最高成績はわずか1.96%でした。この試験が何を測っているのかを整理します。

自分で読むぶんには問題なくても、他人に渡した瞬間に性質が変わります。責任の所在、文脈の欠落、確認していない事実。転送する前に見ておくべき点を整理します。

海外の取引先とのメール、英語の資料、問い合わせの返信。AIを挟むと負担がかなり下がります。ただし翻訳させるだけでは不十分な場面もある。実務での使い分けを整理します。

手順や関係を示す図を画像生成で作ろうとすると、文字が崩れて使えません。図はコードで書かせるものです。何を使えばよいのかと、頼み方を整理します。

提案書や報告書の下書きをAIに作らせると、形は整っているのに中身が薄い。その原因と、手を入れるべき箇所ははっきりしています。使える資料にするまでの分担を整理します。

生成AIの翻訳は、従来の機械翻訳と性質が違います。文脈をまたいで訳せる反面、書かれていないことを補ってしまう。この差がどこから来るのかと、業務で使うときの手当てを整理します。

AIで書いた記事は検索で不利になるのか。Googleは公式にこの問いへ答えています。禁止はしていない、ただし条件がある、という立場です。どこに線が引かれているのかを、公開されている文面から確認します。

同じ「文章を書く」でも、AIが得意なものと苦手なものがはっきり分かれます。分かれ目は文章の長さでも難しさでもありません。何が決めているのかを整理すると、任せる前に見当がつくようになります。

会議の録音をそのまま渡しても、使える議事録にはなりません。文字起こしと要約は別の作業で、それぞれ違うつまずき方をします。配れる形にするまでの手順と、確認が必要な箇所を整理します。