00:00
あの、あなたは普段、AIに仕事を頼んだとき、画面に出てきた、できました、っていう返事だけで、安心していませんか?
あー、よくありますよね、それ。
これって、なんか、レシピとか中身の焼き加減を一切確認せずに、デコレーションの見た目だけで、完璧なケーキが完成したと思い込むような、危うさがありますよね。
ええ、本当にそうですね。あの、表面だけ綺麗に取り繕った、実は生焼けのケーキかもしれないのに、私たちはつい、AIの流暢な言葉を信じてしまいがちなんですよね。
そうなんですよ。なので、今回の深掘りでは、あるITエンジニアの日地速報をベースにして、AIの仕事をどうやって実務で使える、検査可能な成果物に変える、というミッションに挑みたいと思います。
はい。重要なのは、AIからの出力をどうやって後から検証できる状態にするか、という点ですね。まず、AI自身の言葉ではなく、事実を見る、というアプローチです。
事実ですか?
ええ。例えば、AIがログイン周りを直しました、と説明してきても、それをただ信じるんじゃなくて、Gitなどのバージョン管理システムに残る差分、つまりディフを中心としたレビューを行うんです。
ああ、なるほど。AIの自己申告じゃなくて、実際に変更されたファイルの数とか中身という、確固たる証拠を突き合わせるわけですね。
そういうことです。
なんか、契約書の修正履歴みたいに、どこがどう書き換わったかの赤字を直接確認するような感覚ですね。
まさにその通りです。ただ、その確認作業自体を毎回人間が目で見てやるのは、ちょっと現実的じゃないですよね。
いや、絶対に大変ですよ。見落としも出そうですし。
そこで、フックという概念が重要になってきます。これは、決まったイベントごとに自動検査を走らせる仕組みのことでして。
自動検査を走らせる?
はい。特定のツールに依存しなくても、AIがコードを生成した瞬間にテストスクリプトが動くように設定しておくんです。
そうすれば、人間の貴重なリソースは例外的な判断にだけ使えますからね。
定型的な検査は仕組みに任せるってことですね。品質管理をAIの気分とか人間の記憶力に依存させちゃいけないっていう、すごく実務的なアプローチですね。
ええ、そうなんです。
でも、ちょっと待ってください。変更された後から差分を見たり自動テストを回したりするだけだと、もしAIの根本的な方向性が間違っていた場合、手戻りが大きすぎませんか?
ああ、そこは鋭いですね。実際の開発現場でも全く同じ問題が起きます。だからこそ、事後チェックからの脱却、つまり事前の合意が不可欠になるんです。
事前の合意?具体的にはどうするんですか?
大規模な修正をされる前に、AIが何をしようとしているのか、その実装計画を人間が事前に確認して範囲を修正してから進めるんです。
なるほど。
さらに最初からストラクチャードアウトプット、いわゆる構造化出力の機能を使ってですね、JSONなどの返却形式をあらかじめ固定してしまう手法もかなり有効ですね。
03:03
いや、待ってください。そこは少し危険な気がするんですよ。出力がきれいなJSON形式に整っているからといって、元になっているAIの調査とか計算そのものが正しいとは限らないですよね?
おっしゃる通りです。
なんか、見た目が完璧な星型のクッキーでも、砂糖と塩を間違えていたら納得意味がないじゃないですか?
それ、本当に多くの人が陥る罠なんですよ。形式が整っていると、人間は中身まで正しいと錯覚して、つい自動承認したくなるんです。
ですよね。
JSONの形が完璧であることを担保する仕組みと、その値の根拠が正しいか検査する仕組みは、完全に切り離して考えなければなりません。これが検査可能な成果物の肝なんです。
なるほどな。計画を擦り合わせて出力形式も決めて、検査も自動化する。それでもやっぱりAIが予期せぬエラーを起こすことってありますよね?
ええ、もちろんあります。
そういう時はどう対処するんでしょうか?
そのために履歴と復元点を芋妻として残しておくんです。作業の節目ごとにチェックポイントを作成して、いつでもロールバック、つまり元の状態に戻せるようにしておきます。
失敗した時の戻るボタンですね。
ええ。それに加えて、実行履歴を細かく残すことで、どこで待機したか、どこで失敗したかを正確に追えるようにします。セッションの記録を丸ごと残しておけば、次の担当者への引き継ぎもスムーズになりますから。
なるほど。原因究明のためのフライトレコーダーを最初から用意しておくわけですね。
はい。ただ、ここで絶対に忘れてはいけないのが、ロールバックはあくまど手段だということです。
と言いますと?
戻せるから大胆に変更していい、という免罪符にはならないんです。事前の計画や事後の品質検査を省いていい理由には決してなりません。
ああ、失敗しても元に戻せるからといって、目隠しして作業を進めていいわけではないと。
いやあ、ここまでいろいろな手法を見てきましたけど、最終的に私たちがAIに仕事を頼むとき、具体的にどうマインドを切り替えればいいんでしょうか?
そうですね。完了の条件を返事ではなく採用前の受け渡しカードに変えることです。
受け渡しカードですか?
はい。成果物の場所、対象範囲、実行した検査、まだ人間が見ていない未確認事項、そして戻し方、これらを明記させるんです。
まあ、全部が難しければ、まずは成果物と未確認事項だけでも構いません。
AIへの依頼を、ただ調べてから調べた結果と、まだ深くな点を分けて残してに変えるんですね。
これだけで次に仕事を受け取る人間の負担が劇的に変わりそうです。
ええ。AIに任せる量を増やす前に、まず私たちが受け取れる形を整える。それが実務でAIを使いこなす絶対条件だと思います。
ありがとうございます。では最後にこれをお聞きの方、あなたに問いかけたいと思います。
あなたが今日AIから受け取って完了としたそのデータは、明日の自分や全く別の同僚がそのまま検査できる形で残っていますか?
06:03
次回の依頼からぜひこの受け渡しカードを試してみてくださいね。
