「生成AIをきちんと学んでから仕事で使いたい」

この考え方は、とても真面目です。ただ、生成AIの変化が速い今、学び終える日を待っていたら実践はいつまでも始まりません。昨日の正解が今日も正解とは限らず、同じツールでも機能や得意分野が次々と変わるからです。

私は、生成AIについてはわからないまま触り始め、実務の中で理解を更新するほうがよいと考えています。もちろん、機密情報や個人情報を安易に入力しない、AIの回答をそのまま事実として扱わない、といった基本的な安全策は必要です。しかし、すべてを理解してから使おうとすると、経験からしか得られない勘所が育ちません。

今回、私は研修チラシを作る仕事で、まさにこのことを痛感しました。

私の仕事には、ゼロから新しい構想を考える場面もあります。一方で、実際には周囲から集まった情報を整理し、次の人が判断できる形に加工する仕事がかなりあります。

研修チラシも同じです。研修タイトル、開催日、対象者、講師、カリキュラム、得られる成果、申込方法。素材は社内外の複数の人から集まります。これらを一つにまとめ、読んだ人に伝わる形にする必要があります。

この「まとめて見える形にする」工程は、生成AIが得意です。私が一から文章を整えるより、AIにたたき台を作ってもらい、人間が目的とのずれや事実関係を確認したほうが速い場面は増えています。

重要なのは、人間の仕事がなくなるという話ではありません。人間は目的、責任、最終判断を持ち、AIには加工と初稿を任せる。役割を切り分けることで、仕事全体の速度を上げられます。

以前は「ドッグイヤー」という言葉がよく使われました。しかし今の生成AIの世界は、さらに変化が速い。私はこれを「ビートルイヤー」と捉えています。カブトムシが一年で世代を交代するように、技術も仕事の常識も一年単位で大きく入れ替わります。

半年かけて企画を固め、翌年度予算で実行する。その間に市場やツールが変わってしまうことも珍しくありません。だから、まず作る。早く見せる。反応を受けて直す。合わなければ撤退する。この小さな循環を回すことが必要です。

研修チラシの初稿も、最初から印刷物として完璧である必要はありません。関係者が内容を確認するためのたたき台なら、まず短時間で形にする価値があります。品質を軽視するのではなく、品質を高めるための検証開始を早めるのです。

事例: チラシ作りでAIツールを渡り歩いた

今回、最初にChatGPTで研修概要を整理しました。タイトル、概要、対象者、項目、キャッチコピー、サブタイトルなど、チラシに必要な材料をまとめ、制作指示として使えるプロンプトにしました。

文章と構成は作れました。ところが、そこから実際のチラシにする段階で詰まりました。

Codexに頼んでも期待するデザインにならない。Claude Codeでも思うような結果が出ない。Geminiでは狙った形式にできない。Webページとして作ると見栄えはよくても、PowerPointへ変換すると色、フォント、配置が崩れる。Canvaとの連携も、こちらの期待をそのまま伝えてくれるわけではありませんでした。

一見すると遠回りです。しかし、この失敗によって各ツールの得意不得意が具体的に見えました。AI活用で大事なのは、ツール名を覚えることではありません。入力、生成、変換、編集、出力という工程ごとに、どの道具を置くと流れがつながるかを理解することです。

事例: Gammaを中継点にしたら流れがつながった

最後に試したのがGammaでした。以前使ったときには強い印象がなかったのですが、今回あらためてプロンプトを入れると、かなり整ったデザインができました。

そこで、Gammaで構成とデザインを作り、PowerPointで出力し、そのファイルをCanvaへ取り込みました。Canva上でずれや不自然な表現を直し、最終的な印刷やPDF出力に使える原型へ仕上げる。これでようやく、実務に乗る流れができました。

最初から「Gammaが正解」と知っていたわけではありません。ChatGPT、Codex、Claude Code、Web変換、Canvaなどを試し、それぞれの限界を体験したからこそ、Gammaをどこに入れるとよいかがわかりました。

つまり、身についたのは一つのツールの操作方法ではなく、複数のAIと制作ツールをつなぐワークフロー設計力です。

生成AIを使って期待どおりのものが出ないと、「自分には向いていない」「このツールは使えない」と判断したくなります。しかし、一度の失敗だけでは原因を切り分けられません。

入力情報が足りないのか。出力形式の指定が曖昧なのか。そもそもツールの得意分野と仕事が合っていないのか。別の形式へ変換する段階で崩れているのか。どこで問題が起きたかを確かめることで、次のプロンプトと工程は改善されます。

この試行錯誤を記録すると、個人の経験は組織の資産になります。

この六つだけでも残せば、次回は同じ失敗から始めずに済みます。さらにAIエージェントへ渡す手順書やスキルセットの土台にもなります。

生成AI活用でありがちな落とし穴は、万能ツールを探してしまうことです。一つのAIに文章作成、デザイン、変換、校正、出力まで全部やらせようとすると、どこかで無理が出ます。

現場では、次のように工程を分けて考えるほうが現実的です。

この設計ができれば、新しいツールが登場しても、そのツールを工程のどこに入れるか判断できます。特定製品の操作だけを覚えるより、変化に強いスキルになります。

研修を受ける、書籍を読む、動画を見る。どれも大切です。ただし生成AIでは、インプットだけでスキルは定着しません。自分の実務データを安全な形に整え、実際の仕事を一つ渡し、結果を見て修正する。この反復が必要です。

人や組織の変化で詰まったときの参考図書として、私の著書『マインド・トランスフォーメーション　AI時代の思考革命: AI時代に必要な人間OSのアップデート』も、必要に応じて手に取っていただければと思います。AI時代に変えるべきものは、ツールだけではなく、学び方や仕事への向き合い方そのものだからです。

読者の皆さんも、今日の仕事から一つだけ選んでみてください。会議メモの整理、研修案内のたたき台、比較表、メール文、FAQ、簡単な企画書などで構いません。

最初から完璧な成果を求めず、まずAIに渡す。出力のどこが使えないかを言葉にする。次の指示を変える。別のツールも試す。最後の判断は自分で行う。

その一回は小さく見えます。しかし、試した回数が増えるほど、自分の仕事を分解する力、AIへ渡す力、結果を評価する力が育ちます。

生成AIは、正しく学び終えてから使うものではありません。使いながら学び、失敗しながら自分の仕事に合わせていくものです。遠回りに見える試行錯誤が、結局はいちばん確かな近道になります。

近森満（ちかもり みつる） 株式会社サートプロ 代表取締役CEO ／ DXコンサルタント／IT人材育成／検定事業化 IT技術者の教育支援と人材育成を専門とする事業化コンサルタントとして、2006年に株式会社サートプロを創業し、IoT検定・＋DX認定・アジャイル検定などの資格制度を創出。独自の技術者向け教育研修の開発に定評があり、実践的なスキル向上を支援。経済産業省DX推進ラボおよびIoT推進ラボのメンターとして自治体や中小企業のDX推進を支援。近年は超知性ASIスキル可視化にも取り組み、次世代技術の普及に注力している。 主な所属・役職 ・IoT検定制度委員会 事務局長（IoT検定・＋DX認定・超知性ASI検定） ・一般社団法人 IT職業能力支援機構 理事長 ・経済産業省 地方版IoT推進ラボ／地域DX推進ラボ ビジネス創出事業メンター ・デジタル庁 デジタル推進委員 ・アジャイル開発技術者検定試験コンソーシアム 事務局長

X (Twitter)

Facebook

YouTube

note