7月から、分散していた会話をSlackに戻し、ChatGPTプロジェクトと接続した。重要なのはAIの出力ではなく、それを行動に変える現場設計です。AIには便利ツールではなく、チームの試作速度を上げる伴走者になって頂きましょう。
AIを導入するのではなく、AIが動ける現場を作る
7月に入る少し前から、仕事のコミュニケーション環境を見直していました。といっても、大げさなDXプロジェクトを始めたわけではなく、散らばっていた会話の置き場所を、もう一度Slackに戻すという、ごく地味な変更です。
Messengerで話したこと、iMessageで盛り上がった話題、メールでの共有と、バラバラ。特にFacebook Messengerは検索性が極めて低く、情報が全く探し出せない。人間同士なら「あれ、どこで話しましたっけ」と探せば済みますが、AIと働くとなると、この散らばり方が急に問題になります。
AIは、読める場所にある情報しか使えません。
今回やったことは、分散していたテキストコミュニケーションをSlackに集め直し、そのSlack上の会話やプロジェクトの文脈を、ChatGPTのプロジェクトから参照しやすくすることでした。道具を増やしたというより、AIが現場に入ってこられる通路を作った感覚に近いです。
実際に始めてみると、これがかなり快適でした。何気ないチャットの投げ合いからアイデアが生まれ、それをAIがまとめ、論点に分け、次に人間が動ける方針へと整えてくれる。会話が流れず、仕事の素材として残り始めたのです。
これは「AIを使う」という話ではありません。AIと働く現場を作る、という話です。
AIの価値は、出力ではなく行動にある
AI活用で最初に確認しておきたいのは、AIの出力そのものには、まだ十分な価値がないということです。もちろん、文章がきれいに出てくる、会議が要約される、企画案が並ぶ、調査のたたき台ができるという便利さはあります。
ただし、その出力を読んで「なるほど」と思って終わるなら、それは少し高度な知的消費です。会議の要約ができても、誰が何をするかが決まらなければ、仕事は進んでいません。
AIの価値は、出力された瞬間ではなく、行動に変わった瞬間に発生します。
ここが、いまのAI活用の分かれ目です。AIを触っている人は増えましたが、AIの出力をもとに、実際に記事を出し、資料を直し、プロトタイプを作り、顧客に見せ、次の打ち手に変えている現場は、まだ多くありません。
つまり、AIを使うことと、AIで仕事が変わることの間には、かなり大きな距離があります。その距離を縮めるために必要なのが、AIの出力を行動へ接続するチームの設計なのです。
まず、会話をAIが読める場所に置く、これだけで大きく変わる
今回の変更で最も効いたのは、会話の置き場所を変えたことでした。MessengerやiMessageは、近い距離のコミュニケーションにはとても便利ですが、プロジェクトの記憶としては弱く、議論が個人間に閉じてしまいます。
一方で、Slackに会話を戻すと、チームの思考が場に残ります。誰が何に違和感を持ったのか、どこで判断が分かれたのか、どのアイデアが途中で消えかけていたのかが、あとからたどれるようになる。
そして、その場にAIを呼び込めるようになります。
「今日の議論を、決定事項、未決事項、次のアクションに分けてください」。
「この会話から、ブログ記事にできる論点を抽出してください」。
「このプロジェクトの方針として、チームに共有できる文面にしてください」。
「明日までに試せるプロトタイプ案を3つ出してください」。
こうした依頼が、自然にできるようになります。これまでは流れていた会話が、AIによって編集され、行動できる形に変換される。チャットが、単なる連絡手段ではなく、チームの思考ログになるのです。
チャットは、会議であり、未加工の企画書である
仕事の面白い種は、完成した資料の中だけにあるわけではありません。むしろ、まだ言葉になりきっていない違和感や、誰かがふと投げた一言、少し荒いけれど妙に引っかかる仮説の中にあります。
これまで、そうした会話はすぐに流れていきました。忙しい日ならなおさらです。誰かがメモしなければ残らず、残ったとしても、あとから企画や記事やタスクに変換するには、人間の編集作業が必要でした。
AIは、この変換を軽くしてくれます。
何気ないチャットが、論点になります。論点が、方針になります。方針が、記事や企画書や次のアクションになります。ここで重要なのは、AIがゼロから賢いアイデアを出しているというより、人間同士の会話に含まれていた未加工の価値を、取り出しやすくしている点です。
つまり、AIは会話の鉱脈を掘る道具でもあります。
だからこそ、会話をどこに置くかが重要になります。AIが読めない場所にある議論は、AIにとって存在しないのと同じです。現場の知恵をAIに活かしたいなら、まず現場の知恵が残る場所を作らなければなりません。
考えるのは人間、まとめるのはAI、動くのは人間
AIと働くと言うと、AIに考えさせる方向に話が寄りがちですが、実際の現場では少し違います。問いを立てるのは人間であり、違和感を持つのも人間であり、何を面白いと感じるかを決めるのも人間です。
AIが得意なのは、その人間の思考を受け取り、構造化し、比較し、言葉にし、次の形に変換することです。散らかった会話を、論点、仮説、選択肢、タスク、記事、企画、実験案に変えてくれる。
考えるのは人間。まとめるのはAI。動くのは人間。
この分担が、いまのところ最も現実的で、最も強いと感じています。AIは人間の代わりに責任を持つ存在ではありませんが、人間の思考と行動の間にある摩擦をかなり減らしてくれます。
この摩擦が減ると、チームは動きやすくなります。「昨日の話、こういう方針で進められそうです」「これは記事化できます」「これはまだ材料不足です」「次の会議ではこの3点を決めましょう」。こうした変換が速くなるだけで、現場の速度はかなり変わります。
AI活用の勝負は、プロンプトよりプロトタイピング速度にある
AI時代に本当に差がつくのは、きれいなプロンプトを書けるかどうかだけではありません。もちろん指示の出し方は大事ですが、それ以上に重要なのは、AIによって試作回数を増やせるかどうかです。
企画書、記事構成、講義資料、営業メール、イベント告知、動画のチャプター、調査レポート。以前なら数時間かかった初稿が、いまは数分で出てきます。ただし、その初稿を完成品だと思うと、AIの使い方を少し間違えます。
AIの初稿は、完成品ではありません。初稿は、試作品です。
AIを使って成果が出る現場は、一回の出力に期待しすぎません。10案出し、比較し、削り、組み合わせ、実際に出し、反応を見て、もう一度作り直す。この反復の速度が上がることこそ、AIの大きな価値です。
AIを便利ツールで終わらせる現場は、出力を眺めます。AIを仕事のOSにできる現場は、出力を試します。ここには決定的な違いがあります。
仕事をAI化する前に、仕事を疑う
AIを入れる前に、仕事を分解する必要があります。たとえば「記事を書く」という仕事は、実際にはテーマ選定、読者理解、一次情報の調査、論点整理、構成、執筆、校正、公開、反応分析という複数の工程に分かれています。
このうちAIが得意なのは、情報整理、比較、要約、構成案、表現案、校正、反応分析です。一方で、最終的な主張、責任ある判断、読者との信頼関係、何を語るべきかという編集判断は、人間が担うべき領域として残ります。
仕事を分解しないままAIを入れると、「とりあえずAIに聞く」になります。仕事を分解してAIを入れると、「この工程はAIに任せる」「ここは人間が判断する」と切り分けられます。
さらに言えば、AIで自動化する前に、やめられる仕事はやめた方がいい。読まれていない報告書、目的が曖昧な会議、誰も見返さない議事録、形式だけの承認をAIで高速化しても、速くなるのは無駄そのものです。
AI導入の順番は、まず疑う、次に削る、そのうえで整える、最後に高速化する、です。散らかった業務にAIを入れると、散らかり方が増幅します。整理された業務にAIを入れると、速度と品質が同時に上がります。
AIに読ませるデータは、日常の中で作る
AI時代の資産は、完成した資料だけではありません。むしろ、完成前の会話、試行錯誤、判断の理由、失敗した案、読者や顧客の反応、現場で出た小さな違和感こそが、次の判断を支える材料になります。
これまで、こうした情報は流れやすいものでした。口頭で話して終わる。DMに沈む。誰かの記憶に残る。けれど、Slackに会話を集め、ChatGPTのプロジェクトと接続し、記事や企画やプロジェクトごとに文脈を残していくと、それらは再利用できる知識になります。
AIにとって価値があるのは、きれいに完成した資料だけではありません。どんな議論を経てその判断に至ったのか、なぜその案を捨てたのか、どこで迷ったのか、誰がどんな懸念を出したのかというプロセスも重要です。
AIを使うということは、AIに何かを聞くことだけではありません。
AIがあとから読める形で、日々の仕事を残していくことでもあります。
AIは「答える存在」から「進める存在」へ変わる
いま、AIの役割は大きく変わりつつあります。以前のAIは、質問に答える存在でした。これからのAIは、仕事を進める存在になります。調べる、比較する、要約する、構成する、試作する、タスクに分ける、次の実験を提案する。
そう考えると、AIへの依頼の仕方も変わります。「この件について教えて」ではなく、「このテーマを記事にするために、論点整理、構成案、反論可能性、読者への意味、次に調べるべきことまで出してください」と依頼する。
「この会議を要約して」ではなく、「この議論を、明日チームが動ける方針に変換してください」と依頼する。「このアイデアどう思う？」ではなく、「このアイデアを、今日中に試せるプロトタイプ3案に分解してください」と依頼する。
AIは、答えを出すだけでは弱い。仕事を前に進めて初めて強い。
だから、AIとの関係は、一問一答からワークフローへ移ります。会話を読み、文脈を理解し、次の一手を作る。ここまでつながったとき、AIはようやく現場の伴走者になります。
AIと働く現場の指標は「出力行動率」である
AI活用の成果を測るなら、「何回使ったか」だけでは不十分です。何本の文章を生成したか、何件の要約を作ったか、何枚のスライドを作ったかは、利用量の指標にはなりますが、成果の指標としては弱い。
本当に見るべきなのは、AIの出力がどれだけ行動に変わったかです。AIが出した論点から記事が公開されたか。AIが整理した会議メモから、次の打ち合わせが前に進んだか。AIが提案した仮説を、実際に検証したか。
これを、仮に「出力行動率」と呼んでみます。
AIの出力が増えているのに行動が増えていないなら、AIは知的なノイズを増やしているだけかもしれません。逆に、出力が多少粗くても、それがすぐに試され、改善され、現実のプロジェクトを前に進めているなら、そのチームはAIをかなりうまく使っています。
AI活用の本質は、出力品質だけではありません。出力から行動までの距離を、どれだけ短くできるかです。
AIを、チームの一員、あるいはOSとして扱う
今回のSlack統合とChatGPTプロジェクトの接続で見えてきたのは、AIは単体のアプリではなく、チームのOSになり得るということです。OSとは、個別のアプリを動かす土台です。AIも同じです。
文章作成、要約、調査、画像生成、コード補助といった機能をバラバラに使うだけでは、AIは便利なアプリ群にとどまります。しかし、会話、資料、タスク、意思決定、試作、公開、反応分析までをつなげると、AIはチームのOSに近づきます。
Slackがチームの会話の場になり、ChatGPTプロジェクトが文脈を読む場になる。そこから記事、企画、方針、タスク、プロトタイプが生まれ、実際に動いた結果がまた次の会話として戻ってくる。
この循環ができると、AIは「使いに行くもの」ではなくなります。仕事の流れの中に、最初からいるものになります。
ここに、AIと働く現場の本質があります。AIを導入するのではなく、AIが働ける場所を作る。これは、ツール選定の話ではなく、コミュニケーション、情報設計、チーム運営、試作文化の話なのです。
小さく始めて、速く回す
もちろん、最初から完璧なAIワークフローを作る必要はありません。むしろ、最初から大きく設計しすぎると、たいてい止まります。AI活用は、巨大な構想よりも、小さな実践を速く回した方がよい。
まず、会話を一か所に集める。次に、AIにまとめさせる。そのまとめを、タスクや記事や企画に変える。実際に出す。反応を見る。また改善する。これだけでも、仕事の速度はかなり変わります。
AI時代の差は、壮大な構想を語れるかどうかではありません。今日の会話から、明日の行動を作れるかどうかです。Slack上の雑談から記事が生まれ、会議のログから企画書が生まれ、誰かの違和感から次の実験が生まれる。
この小さな循環が回り始めると、AIは単なる効率化ツールではなくなります。チームの行動速度を上げ、学習回数を増やし、まだ形になっていない問いを現実に近づける伴走者になります。
AIの本当の価値は、現場が動き出すことにある
AIを便利ツールで終わらせないために必要なのは、特別な才能ではありません。必要なのは、AIに読める場所に情報を置くこと、仕事を分解し、不要なものを削ること、AIの出力を必ず次の行動に接続することです。
7月から始めたSlackへの再統合とChatGPTプロジェクトの接続は、そのための小さな実験です。分散していた会話がチームの記憶になり、チームの記憶がAIに読める知識になり、AIが整理した知識が次の行動になる。
行動の結果は、また次の知識になります。
この循環が回れば、AIは便利な道具ではなく、チームのOSになります。考えるのは人間、まとめるのはAI、動くのは人間。そして、動いた結果をまたAIと一緒に振り返る。
AIを導入すること自体には、もうそれほど大きな意味はありません。これから問われるのは、AIの出力で本当に行動しているか、AIによって試作の回数が増えているか、AIが現場の速度と学習を変えているかです。
AIの本当の価値は、画面の中の答えではありません。
現場が動き出すことにあります。
