見出し画像

AI時代に必要なのは、プロンプト力より「要件定義力」だと思う。

oritaki

生成AIが一気に普及して、企業の研修でも「プロンプトの書き方」を学ぶ機会が増えました。

もちろん、AIへの指示の出し方を学ぶことは大切です。

でも、実際に企業へAIを導入し、AIダッシュボードを作りながら、私は少し違うことを感じています。

これから本当に価値が高くなるのは、

「AIにどう聞くか」より、「自分たちが何を実現したいのかを定義できる力」

ではないか。

つまり、

プロンプト力より「要件定義力」。

今回は、この話を書きたいと思います。

AIの性能が上がるほど、プロンプトの価値は相対的に下がる

数年前まで、生成AIを上手に使うには、かなり工夫して指示を書く必要がありました。

ところがAIは急速に進化しています。

人間が多少曖昧な言葉で伝えても、意図を推測してくれる。

資料を渡せば読み取る。

画像も理解する。

データも分析する。

コードも書く。

これからAIがさらに賢くなれば、

「上手なプロンプトを書く技術」そのものは、徐々にAI側が吸収していく

と私は考えています。

しかし、AIがどれだけ賢くなっても、簡単には解決できない問題があります。

それは、

「そもそも、何を作ればいいのか？」

です。

「AIで何かやりたい」が一番難しい

企業との打ち合わせで、

「AIを導入したい」

「業務をAI化したい」

という話が出ます。

そこで、

「何をAI化したいですか？」

と聞く。

すると意外と答えられない。

これは当然だと思います。

なぜなら、AIについて考える前に、

自分たちの会社がどう動いているのかを整理できていない

ケースが多いからです。

例えば営業。

「営業をAI化したい」

だけではAIは作れません。

誰が営業しているのか。

新規営業なのか既存営業なのか。

リードはどこから来るのか。

商談まで何日かかるのか。

受注率はいくらか。

失注理由は何か。

誰がフォローするのか。

どの数字を社長が見たいのか。

ここまで分解して、ようやくAIに任せる仕事が見えてきます。

要件定義とは「会社を言葉にすること」

ITの世界では、システム開発の前に要件定義を行います。

私はこれをもっと経営に広げて考えています。

難しく言えば要件定義ですが、私なりに言えば、

「会社を言葉にする作業」

です。

例えば、

会社の目的は何か。

誰に価値を提供しているのか。

どこで利益が生まれているのか。

誰が何を担当しているのか。

どんな情報を使って判断しているのか。

どこに問題があるのか。

何を改善したいのか。

これらを一つずつ言語化する。

するとAIに、

「何をしてほしいのか」

が見えてきます。

だから、いきなりClaudeを触らない

私たちが考えるAI研修では、単に生成AIの操作方法を覚えるだけではなく、

①会社を理解する
↓
②業務を棚卸しする
↓
③課題を見つける
↓
④要件を定義する
↓
⑤AIで実装する
↓
⑥AIダッシュボードで可視化する

という流れを重視しています。

例えば現在Excelで管理している業務がある。

いきなり、

「これをAI化してください」

とは考えません。

まず、そのExcelを見ます。

なぜ、このExcelがあるのか。

誰が入力しているのか。

誰が見るのか。

何を判断するために使うのか。

入力に何分かかっているのか。

そもそも、この作業は必要なのか。

ここを棚卸しする。

すると面白いことが起きます。

AI化する前に「やめた方がいい仕事」が見つかる

業務を棚卸しすると、

「この入力、誰も見ていない」

「同じ数字を別のExcelにも入力している」

「この報告書は何のために作っている？」

「この会議、本当に必要？」

ということが出てきます。

つまり、

AIで効率化する以前に、仕事そのものをなくせる。

これは非常に重要です。

必要のない仕事をAIで高速化しても、

必要のない仕事を高速でやっているだけ

だからです。

AI導入の本当の価値は、

単なる時間短縮ではなく、

会社の仕事そのものを再設計すること

にあると思っています。

要件定義ができる人は「AIを作る側」に回れる

私はこれから、人材の価値も変わっていくと思っています。

これまでは、

「Excelが使える」

「PowerPointが作れる」

「システムが使える」

ことが評価されました。

これからは、

「AIに何をさせるべきかを定義できる人」

の価値が高くなる。

例えば介護施設のスタッフが、

「この業務は毎日30分かかっています」

「この情報とこの情報がつながれば楽になります」

「施設長が本当に知りたいのは、この数字です」

と言語化できる。

エンジニアでなくてもいい。

むしろ、

現場を知っている人だからこそ、要件定義できることがあります。

その要件をClaudeやCodexなどに渡し、AIと一緒に形にしていく。

すると、

現場社員がAI開発の参加者になる。

私は、ここに大きな可能性を感じています。

「AIを使える人」から「AIに仕事を教えられる人」へ

AI社員という考え方をすると、もっと分かりやすくなります。

新入社員が入ってきたら、

「適当に仕事をしてください」

とは言いません。

会社について説明する。

役割を説明する。

仕事の手順を説明する。

判断基準を教える。

必要な資料を渡す。

目標を設定する。

AIも同じです。

だからAI社員を作るには、

会社側が自分たちの仕事を説明できなければならない。

これこそが要件定義です。

これから必要なのは、

AIを操作できる人ではなく、AIに仕事を教えられる人。

そう考えています。

要件定義 → AIダッシュボード → AI社員

前回の記事でAIダッシュボードについて書きました。

この3つは、実は一本につながっています。

要件定義
会社・業務・課題を言語化する。

↓

AIダッシュボード
会社の「人・物・金・情報」を可視化する。

↓

AI社員
その情報を理解して、分析・提案・業務支援を行う。

↓

AI企業OS
複数のAI社員と企業データをつなぐ。

私は、この順番で企業のAI化を考えています。

AI研修のゴールも変わる

だから私は、

「AI研修を受けました」

で終わる研修にはしたくありません。

研修後に会社へ戻ったとき、

「ChatGPTが使えるようになりました」

だけではなく、

「自分の仕事を棚卸しできました」

「要件定義書を作りました」

「AIダッシュボードを作りました」

「会社に実装するテーマが決まりました」

というところまで持っていきたい。

AIを「勉強する」のではなく、

AIを使って会社を変える。

これが私たちが目指している実践型のリスキリングです。

プロンプトは変わる。でも会社の本質は残る

AIツールはこれから何度も変わるでしょう。

今日使っているAIが、5年後も中心とは限りません。

しかし、

顧客は誰なのか。

会社は何で利益を出しているのか。

社員は何をしているのか。

どこに課題があるのか。

何を実現したいのか。

これは、AIが変わっても必要です。

だから私は、

プロンプトの書き方を覚えること以上に、会社や仕事を構造化して説明できる力を身につけること

が重要だと思っています。

AI時代の「新しい仕事力」

読み書き。

計算。

PC。

インターネット。

Excel。

それぞれの時代で、仕事に必要な基礎能力は変わってきました。

そしてAI時代。

私は、

「要件定義力」

が新しい基礎能力の一つになると思っています。

自分の仕事を理解する。

問題を分解する。

目的を定義する。

必要な情報を整理する。

完成形を言葉にする。

そしてAIと一緒に実装する。

これができる人は、

AIに仕事を奪われる側ではなく、

AIを使って新しい仕事をつくる側

に回れる。

私はそう考えています。

次回

次回は、この「要件定義力」を実際の会社でどう身につけるのか。

「会社の業務を全部棚卸ししてみる。AI化の前にやるべきこと。」

Excel、Slack、LINE、紙、会議、営業、経理、人事。

会社の仕事を一度全部テーブルの上に出してみると、何が見えてくるのか。

そして、そこからどうAIダッシュボードにつなげるのか。

実践方法を書いてみます。

56歳からのAI企業OS開発日誌 #04
折瀧浩二