AIに任せると、仕事の設計が問われる

AIエージェントを増やす。役割を複数のAIに分担させる。自動化フローを組む。生成する量を増やす。

外から見ると、これは前進しているように見えます。

けれど、AIへ仕事を任せたあとに残る本当の問いは、別のところにあります。

• 依頼した仕事は、本当に終わっているのか
• 抜けている部分はないか
• 頼んでいないことまで増えていないか
• 仕様や業務ルールに沿っているか
• 次の判断や作業に、そのまま使える状態か

これらの問いに答えられなければ、AIエージェントがいくつあっても、仕事は前に進んでいません。

生成することと、終わらせることは違います

AIは、指示すればすぐに何かを生成します。文章、コード、要約、計画。どれも数分で手に入ります。

しかし、生成されたものと、依頼していた仕事が完了した状態は、同じではありません。

たとえば、次のようなことが起きます。

• 依頼していないファイルまで、善意で追加される
• 「完了しました」という報告だけでは、実際に何が変わったか分からない
• 一部は動いているが、残りは手つかずのまま報告される

これは、AIの性能の問題ではありません。「作られたこと」と「仕事が終わったこと」を、そもそも区別していなかったことの結果です。

AIは、人間同士では曖昧だったものを見えやすくします

こうした出来事は、一見AI固有の問題に見えます。

しかし、AIだけで起きていることではありません。人間同士の仕事でも、

• 善意による過剰な対応
• 自己申告だけで完了とされる報告
• 誰が最終的に確認するのかが決まっていない責任分界
• 受入条件が定義されないまま進む作業
• 全体最適ではなく、担当者ごとの局所最適

は、日常的に起きています。

以前、会議についても同じことを書きました。成果条件のない会議は、活動は生んでも前進は生みません。AIへの委任で起きていることも、構造としては同じです。AIが新しい種類の問題を作っているのではありません。これまで人間同士のやり取りのなかで、曖昧なまま処理されてきた前提を、そのまま見えやすくしているだけです。

完了条件・受入条件・検証方法まで設計する

必要なのは、「何を作らせるか」という指示だけではありません。

実際にAIへ仕事を任せるとき、本当に定義すべきことは、次のようなものです。

• 対象範囲はどこまでか
• やらないことは何か
• 何をもって完了とするか
• どの成果物、どの証拠を確認して受け入れるか
• 誰が、どの方法で検証するか
• どこで人間の判断へ差し戻すか

これは、AIの性能を上げる話ではありません。仕事の設計を、依頼する側が最後まで担うという話です。

私自身も、対話、実装、レビューなどの場面で複数のAIを使っています。ただし、役割を与えるだけでは仕事になりません。実行する内容だけでなく、完了条件、確認方法、受入条件、そして人間へ差し戻す地点まで含めて設計して、初めて任せられる仕事になります。

作ることだけが、成果ではありません

この設計を続けていくと、あるとき「作らない」という判断そのものが、最も価値のある成果になる場面に出会います。

• 変更は不要だという結論
• 既存のもので十分だという判断
• 実装を止めて、人間のレビューへ戻す判断
• 分業するより、直接手を動かした方が早い小さな作業

生成量を増やすこととは逆に見えますが、同じ設計の一部です。仕事が完了したかどうかを問い続けていれば、「何も増やさない」という答えに行き着くことは、当然にあり得ます。

人とAIが、同じ仕事を終えられる構造を設計する

優秀なAIエージェントを増やすことは、目的ではありません。

重要なのは、人とAIが同じ仕事を、同じ完了条件・受入条件のもとで、安全に終えられる構造を用意することです。

これは、AIに限った話でもありません。人への委任、外部委託、会議、次工程への引き継ぎ、組織内の責任分界。仕事を誰かに渡すあらゆる場面で、同じ設計が必要になります。AIはその必要性を、これまでより早く、はっきりと突きつけてくるだけです。

AIに任せてみて初めて見えてくるのは、AIの限界ではありません。自分たちがこれまで、仕事の設計をどれだけ曖昧なまま済ませてきたかということです。

Fragment Practiceが扱っていること

Fragment Practiceが扱っているのは、AIエージェントの実装や運用代行そのものではありません。

AI活用が広がる場面で、委任の範囲、完了条件、受入条件、責任分界、そして人間が最終的に判断すべき地点を整理し、実務で使える判断材料に変えることです。

AIに仕事を任せてみて、報告と実態のずれ、責任の所在の曖昧さ、受入基準の不足に気づいた場合は、まずその設計を整理するところから始められます。

AIに任せることは、仕事を楽にするだけの手段ではありません。任せてみて初めて、仕事の設計が問われます。