生成AIを「作業員」として使うだけではもったいない
ChatGPTやClaude、Geminiなどの生成AIを仕事で使う人が増えています。
文章の作成、メールの下書き、Excelデータの整理、資料の要約など、これまで人間が時間をかけていた作業をAIに任せられるようになりました。
私自身もITインフラ関連の業務で生成AIを利用しています。
実際に、資料の内容を確認したり、複数のデータを照合したり、報告書の作成を補助してもらったりすると、かなり便利です。
しかし、最近AIを使っていて、さらに重要な考え方に気づきました。
それは、
「AIに作業をさせる」のではなく、「AIに作業するためのツールを作らせる」
という考え方です。
1．AIに直接作業させる方法
例えば、毎月あるデータを確認する仕事があるとします。
人間が、
- ファイルを開く
- データを確認する
- 別のデータと比較する
- 不備を探す
- 結果をまとめる
- 報告書を作成する
という作業をしていたとします。
生成AIにファイルを渡せば、
「このデータに不整合がないか確認してください」
と指示することができます。
AIが結果を返してくれれば、人間の作業時間は大幅に減ります。
これは非常に便利です。
ただし、来月になったら、また同じことをAIに依頼する必要があります。
つまり、
AIが作業してくれるようになっただけで、作業そのものは残っています。
2．AIに「ツール」を作らせる
ここで発想を一段階変えてみます。
AIに、
「この作業を毎回AIに依頼するのではなく、誰でも実行できるツールにしてください」
と依頼します。
すると、例えばPythonやGASなどを使って、
- CSVを読み込む
- データを比較する
- 不整合を検出する
- エラー内容を一覧化する
- 結果をCSVに出力する
といった処理を自動化できます。
すると次回からは、
データを投入するだけ
で処理できるようになります。
イメージとしては、
【これまで】人間 ↓AIに質問 ↓AIが処理 ↓人間が結果を確認 ↓報告書作成
だったものが、
【ツール化した後】データ投入 ↓自動チェック ↓不備一覧を出力 ↓報告書作成
という流れになります。
3．「AIに作業させる」と「AIに仕組みを作らせる」の違い
この違いは非常に大きいと思います。
AIに作業させる
その場の作業時間を減らす
というメリットがあります。
一方、
AIに仕組みを作らせる
これから発生する同じ作業そのものを減らす
ことができます。
例えば毎月1時間かかる作業があったとします。
AIに毎月作業させれば、その都度時間を削減できます。
しかし、ツール化してしまえば、
「毎月1時間かかっていた作業自体を数分にする」
ことができます。
さらに、そのツールを半年、1年と使い続ければ、削減できる時間はどんどん積み上がります。
4．AIへの指示も「成果物」を意識する
生成AIを使うとき、つい、
「これを調べて」
「これをまとめて」
「この文章を書いて」
という指示を出してしまいます。
もちろん、それでもAIは役に立ちます。
しかし、繰り返し発生する仕事なら、もう一歩踏み込んでみます。
例えば、
「この作業を自動化するPythonツールを作ってください」
「次回から同じ作業を繰り返さなくて済むようにしてください」
「入力ファイルを変更しても再利用できるようにしてください」
「エラーが発生した場合に原因が分かるようにしてください」
と指示します。
このように**「結果」ではなく「成果物」を要求する**のがポイントです。
5．ITエンジニアなら、さらに一歩進められる
ここは特にITエンジニアにとって面白いところです。
例えばAIに作ってもらったPythonスクリプトを、
GitHub
で管理します。
さらに、
- Terraform
- Ansible
- GitHub Actions
- クラウド
- API
- データベース
などと組み合わせれば、単なる小さな自動化ツールから、実際の業務システムへ発展させることもできます。
例えば、
データ取得 ↓Pythonで処理 ↓データベースへ保存 ↓AIで分析 ↓結果をレポート化 ↓メール通知
という仕組みです。
さらに定期実行まで設定すれば、
人間が毎回操作する ↓必要なときだけ確認する
という仕事のスタイルに変えられます。
6．「同じ作業を2回したら自動化」を意識する
私が最近意識しているのが、
同じ作業を何度もするなら、次はツール化できないか考える
ということです。
例えば、
- Excelのデータ照合
- CSVの加工
- ファイルの整理
- 定型メールの作成
- データのチェック
- 報告書の作成
- 定期的な集計
- システムの状態確認
などです。
最初は人間が作業しても構いません。
しかし、同じ作業を繰り返すことが分かったら、
「これはAIにツール化してもらえないか？」
と考えます。
この小さな積み重ねが、最終的には大きな業務効率化につながります。
7．AIを「従量課金」で使うなら、特に重要
生成AIのAPIや高性能モデルには、利用量に応じて料金が発生するサービスがあります。
そのため、
「AIに毎回作業してもらう」
という使い方だけでは、AIへの依存度と利用量が増えていきます。
一方、
「AIに一度ツールを作ってもらい、そのツールを何度も使う」
という考え方なら、AIへの支払いを開発コストとして捉えることができます。
もちろん、ツールの運用にもサーバー代などのコストは発生します。
しかし、
AIに払うお金を「その場の作業代」ではなく「将来の自動化への投資」と考える
と、生成AIの使い方が大きく変わります。
8．まとめ
生成AIは、文章を書いてもらったり、資料を要約してもらったりするだけでも非常に便利です。
しかし、AIを仕事で長期的に活用するなら、もう一段階先を考えてみる価値があります。
それは、
AIに仕事をさせるのではなく、AIに仕事を自動化する仕組みを作らせる
という考え方です。
最初は小さなツールで構いません。
手作業 ↓AIに作業させる ↓AIにツールを作らせる ↓ツールを繰り返し使う ↓API・クラウドと連携する ↓業務そのものを自動化する
この流れを意識すると、生成AIは単なる「便利なチャットツール」ではなく、
自分専用の開発パートナー
として活用できるようになります。
これからも、実際のIT業務でAIを活用しながら、どこまで仕事を自動化できるのか試していきたいと思います。
コメント