PLASの職員向けに、ChatGPT/Codexの全体像と初期設定を学ぶ研修を行っています。
新しいAIツールを組織に入れるときに必要なのは、便利な機能の紹介だけではありません。
誰が、どの仕事で、どこまで使うのか。
そして、どこから先は人が判断するのか。
AIを仕事に取り入れるには、その線引きを組織で一緒につくっていく必要があります。
「ChatGPTを使う」だけでは、仕事は変わらない
研修では、Chat・Work・Codexの違いを整理するところから始めました。
Chatは、質問や検索、壁打ちなど、すばやく相談するためのAIです。
Workは、調査や分析、文書、表、スライドなど、一般業務の成果物をつくることに向いています。
Codexは、コードやWeb制作、スクリプトなど、より技術的な作業を実行します。
この違いは、機能の分類というより、仕事の任せ方を考えるための入口です。
相談するAIと、作業を進めるAIは、同じように見えて役割が違います。
何でもChatに聞くだけでは、個人のちょっとした時短で終わってしまうことがあります。
一方で、資料を読み、複数の手順を進め、成果物を残し、人が確認して修正し、それらが組織の資産となり積み重なっていくところまで組み込めると、AIは少しずつ仕事の流れの中に入ってきて、組織そのものを変える力になってくれます。
まず教えたかったのは、使い方よりも安全な任せ方
今回の研修では、アプリのインストールやログイン、モデルや推論レベル、使用状況の確認なども、全員で実際に操作しながら確認しました。
でも、設定項目以上に大切にしたのが、権限と承認の考え方です。
必要なフォルダやファイルだけを開く。
まずは読み取りや分析から始める。
原本ではなく、作業用コピーを編集する。
削除や上書き、外部への送信や公開には、必ず人の確認を挟む。
AIに仕事を任せることと、判断まで手放すことは同じではありません。
これは、人に仕事を頼むときにも似ています。
初めて一緒に仕事をする相手に、最初からすべての権限を渡すことはありません。
小さな範囲から頼み、結果を確認し、少しずつ任せる範囲を広げていく。
AIに対しても、同じような仕事の設計が必要です。
毎回ゼロから説明しないために、プロジェクトをつくる
研修の次の段階では、ChatGPTのプロジェクトを使い、継続する業務の土台をつくりました。
プロジェクトには、参考資料を入れるSources、毎回守る共通ルールを書くプロジェクト指示、成果物ごとに分けるChatsがあります。
この仕組みの価値は、高度な機能を使えることではありません。
同じ仕事の前提を、毎回ゼロから説明し直さなくてよくなることです。
資料を置き、文体や確認基準を決め、仕事ごとにチャットを分ける。
一人ひとりが頭の中に持っていた仕事の前提を、AIも参照できる形にしていくことは、仕事の属人化を見直すことにもつながります。
もちろん、個人情報や機密情報を入れないことも確認しました。
便利になるほど、確認の仕組みも同時につくらなければいけません。
組織に合う使い方をつくる
時間がかかっている仕事。
情報が散らばっている仕事。
毎回、似た手順を繰り返している仕事。
そこから、最初に試せる小さな作業を研修の中で、一人一人が考えました。
ワークの時間をつくって、学ぶ→手を動かすのループを研修の中で繰り返しながら、自分の日々の業務に落とし込む作業を、みんなでやっていきます。
AI活用は、詳しい一人が先へ進むだけでは、組織の力になりません。
安全に試せる共通ルールがあり、困ったときに相談でき、うまくいった方法を共有できること。
そうして初めて、個人のスキルが組織の力へ変わっていくのだと思います。
まだ、私たちも試行錯誤の途中です。
みなさんの組織では、AIに任せられそうな仕事と、人が持ち続けるべき判断を、どのように分けているでしょうか。
まずは一つ、「時間がかかっている」「繰り返しやる」小さな作業から考えてみると、組織に合うAI活用の入口が見えてくるかもしれません。
こうしたテーマに関心のある方は、よかったらSubstackを購読していただけたら嬉しいです。