マネジメント

【後編】AIの「正論」が現場を疲弊させる。経験者だけが持つ『逆転のプロンプト』

経験者の暗黙知とプロンプトでAIを導くイメージ
前編はこちら
前編では、AIが出す「論理的な最適解」が、いかにして全体の戦略（目的）をブレさせ、現場に混乱をもたらしてしまうか、という罠についてお伝えしました。後編では、いよいよ派遣ビジネスの最深部「マッチングと稼働」にメスを入れます。

シーン3：AIが評価できない「改善オタク」と暗黙知の正体

応募の次は、マッチングの壁が待っている。AIが膨大な履歴書をスキャンし、スキルの一致度を100点満点でスコアリングしていく。

未
若手SE（未来）
「予約が取れた候補者から順に、AIが自動選考を行っています。この人はJava経験が半年しかないので、不採用リストに入れました。AIの判断は極めて公平で、ヒューマンエラーはゼロです」
課
課長
「未来さん。この候補者、前職の居酒屋で『店舗オペレーションを自作スクリプトで改善した』と経歴に書いている。なぜAIはこれを見落とした？」
未
若手SE（未来）
「それは……Javaの経験年数という『必須条件』を満たしていないからです。そもそも、その『改善オタク』みたいなあやふやな性質、システムにどう組み込めばいいんですか？」
課
課長
「ここでいう『改善オタク』とは、単にコードを書くスキル以上に、日々の業務の無駄を自発的に自動化してしまうような、不便を放置できない性質のことだ。派遣先のB社がなぜうちを指名し続けるか。彼らは求人票に『Java必須』と書くが、本当に欲しいのは、古いシステムの不備を察して自ら直せる、こういう人間なんだ。」
「もちろん今のAIなら、適切に指示を出せば経歴書の行間から資質を推論することくらいはできる。だが、ただ漠然と『条件に合う人を探せ』とだけ命じると、AIは統計的な正解（Javaの経験年数）を優先し、人間が本当に求めているノイズ（居酒屋での改善エピソード）を不要なものとして切り捨ててしまうんだよ」

シーン4：暗黙知のシステム化を阻む「鮮度維持」のコスト

若手は「全てを明文化し、AIに教えろ」と叫び、熟練者は「それは不可能だ」と静かに首を振る。問題の根幹はどこにあるのか。

未
若手SE（未来）
「だからこそ、その『改善オタク』という性質や現場の『空気感』を徹底的に言語化して、AIの教師データにすべきじゃないですか？
人間でも言われなきゃわからないことなら、AIに教えれば（形式知化すれば）いい。それをしないのは属人化を放置する怠慢です！」
課
課長
「未来さん、技術的にはその通りだ。時間をかければAIに学習させることはできる。だが、それが抜け落ちてしまう最大の理由は、『圧倒的なコストの壁』なんだよ。」
「人間の機微や現場の空気感という『暗黙知』を、AIが誤解なく処理できる精緻なデータ（形式知）に翻訳する。さらに、現場の空気は生物（なまもの）だ。B社の現場リーダーが一人交代した瞬間に、これまでの教師データはすべてゴミ箱行きになる。AIに教え続けるコストには、この『鮮度維持』の絶望的な重圧も含まれているんだ。」
「このデータ整備・運用コストは莫大で、マッチング業務で得られる利益をあっさりと食いつぶしてしまう。
対して、熟練のコーディネーターなら一瞬で『あ、この人B社に合いそう』と察知できる。つまり、人間の脳の『暗黙知の処理効率（コスパ）』に、AIの学習コストはまだ遠く及ばないんだ。全てをAIに教え込むコストがビジネス的に許容できないからこそ、割り切って人間が介入する余白を残す必要がある。」

シーン5：KPI至上主義から抜け出す「逆転の問い（プロンプト）」

高コストな形式知化は必要最小限に留め、残りの「割り切れない部分」を人間がどう補うか。最後の難関である「稼働（定着率）」に答えがある。

課
課長
「未来さん、今のシステムに一つだけ『問い』を追加してみてくれ。
『AIが算出した最適マッチングの結果に対し、あえて"過去の短期離職データ"をぶつけて、"この候補者がこの現場で最初に嫌気がさす瞬間"を予測させろ』とね」
未
若手SE（未来）
「……出ました。この候補者、スキルは完璧ですが、過去に一度だけ『残業の柔軟性』で不満を言っています。対してB社の現場は、AIの分析では『残業少』ですが、実際は突発的な対応が月2回ある。AIの予測は……『就業1週間でミスマッチによる退職確率82%』。……そんな……」
課
課長
「その82%を0%に変えるのが、君のシステムに足りなかった『一言』だ。予約画面で『B社は基本定時ですが、月2回の緊急対応が頼みの綱です。そこを助けてくれる方を求めています』と表示させる。

全てをAIに教え込ませる（形式知化する）のではなく、AIの死角を人間の『1%の誠実さ（プロンプト）』で補う。これが最もコスパが良く、稼働率を守る本質的な改善なんだよ」

エピローグ：プロンプトとは、経験者が現場で培った「意志」である

前編の冒頭で触れた「中学生が親世代のAIリテラシーを追い抜く時代」。ビジネスの現場においても、デジタルネイティブである若手社員たちの操作スピードやツールへの適応力に、経験者はもはや勝てないかもしれない。

しかし、若手がいくらAIを高速で回せても、彼らがまだ持ち得ないものがある。それは「現場の泥臭い歴史」や「人と人が織りなす摩擦」といった、時間をかけなければ得られない「経験の蓄積（暗黙知）」だ。
AIという圧倒的な「処理エンジン」を手に入れた今、最も価値を持つのは「何を解決すべきか」「どこまでシステム化し、どこから人間が引き受けるべきか」を文脈から見抜く力である。

デジタルネイティブの「スピード」と、経験を積んだ者の「コンテキスト（文脈）」。この二つは対立するものではない。
現場を知り尽くした者が、その暗黙知を適切な制約としてAIや若手に与えることで、初めてテクノロジーは血の通った未来のインフラとなる。

プロンプトとは、単なるAIへの命令文ではない。「人間にしか見えていない文脈を、システムや若手に共有するための言語化プロセス」であり、人間が現場で培った『意志』そのものなのだ。

【まとめ】AI時代における「経験者」の真の価値

  • AIの仕様を疑い、真の課題に導く： AIはマニュアルの行間（暗黙知）を読めない。表面的な最適解に対し、現場の経験に基づく「制約」を投げかけ、本質的な業務改善に昇華させる。
  • 「形式知化のコスト」を見極める： 全てをAIに学習させることは技術的には可能でも、データの鮮度維持を含めビジネス上（ROI）の正解とは限らない。人間の直感の「圧倒的なコスパ」を理解し、AIと人間の境界線をデザインする。
  • 未来を共創する： 若者の技術的スピードを否定するのではなく、経験者の持つ「コンテキスト」を掛け合わせることで、テクノロジーを真に価値ある最適解へと導く。

【保存版】AIに「現場の落とし穴」を予測させるプロンプト構造

単に「成功を最大化せよ」と指示するのではなく、レッドチーミング（あえて攻撃的・批判的な視点を持たせる手法）を用いてAIに失敗を予測させるための汎用テンプレートです。

  1. [AIの役割]：あなたはリスクマネジメントに長けたベテラン（職種名）です。
  2. [成功の定義]：表面的な（KPI指標）ではなく、半年後の「（KGI指標）」を最大化したい。
  3. [逆転の指示]：この（対象データ）と、現場の「負の側面（残業、人間関係、古い慣習など）」を突き合わせ、対象が『不満を持つ・辞めたいと思う』瞬間を3つ予測してください。
  4. [解決の問い]：そのリスクを最小化するために、事前に伝えるべき「誠実な一言（対策）」を提案してください。
PROMPT TEXT 
あなたはリスクマネジメントに長けたベテラン[職種名]です。
表面的な[KPI指標]ではなく、半年後の「[KGI指標]」を最大化したい。
この[対象データ]と、現場の「負の側面（残業、人間関係、古い慣習など）」を突き合わせ、対象が『不満を持つ・辞めたいと思う』瞬間を3つ予測してください。
そのリスクを最小化するために、事前に伝えるべき「誠実な一言（対策）」を提案してください。
< 未来化 (miraika) トップページへ戻る