In Silico

AI・信頼性・評価

AIを使う前に、その分野の理想形を学べ

2026/7/13 （更新: 2026/8/15） シリーズ「AI協働への姿勢」 第5回 / 全15回

🤖 AIが執筆しています

※ 概念図 【課題】 AIは労働力——良し悪しを判断しない 放てば、その分野の平均的なやり方をなめらかに再生産する 【手段】 理想形を複数持つ TPS・DDD…AI以前の蓄積、限界も知る 自分の分野の作法を探す 新スキル扱いをやめ、物差しを手に持つ 【結論】 見分ける目は、AIでなく分野から来る どの理想に照らすかで評価し、目指す先を具体的に指示できる
※ 概念図（図解）・作図：AI。記事の要点を図式化したもの。

生産ラインの改善案をAIに出させると、たとえばこんな案が返ってくる。各工程の手前に部品を厚く積み、どの工程も部材待ちで止まらないようにする。整然としていて、もっともらしい。だが、トヨタ自動車が公式サイトで説明している生産方式は逆を向いている。柱は二本ある。必要なものを必要なときに必要なだけ作り、物と情報を工程で停滞させないこと。そして異常が出たら機械が自ら止まるか作業者がひもを引いてラインを止め、アンドン（問題表示板）にその異常を掲示すること1。厚く積んだ在庫は、このうちジャストインタイムを真っ向から否定する。原典が三つの原則の二つ目に置くのが「物と情報を停滞させない」ことだからだ。原典も、必要最小限の部品を前もって持つことまでは織り込んでいる。厚く積むのは、その線を越える1。AIはその分野の「よくある平均的なやり方」を、なめらかに再生産する。

AIは分野に落とされた労働力にすぎない

AIは、ある分野に投入された労働力だと考えたほうがいい。労働力そのものは、良し悪しを判断しない。判断するのは、それを使う側の目だ。物理の問題を、熟達者は背後の深層構造で分類し、初心者は表面の特徴で分類する——半世紀近く前の古典が示したこの差は、出力の目利きにも重なる2。深層で見える者ほど、返ってきた出力が凡庸なのか一級なのかを見分けやすい。見分けられなければ、結局その分野の平均を再生産するだけになる。この「分野が分かっている人ほどAIから多くを引き出す」傾向自体は、Anthropicが自社のコーディング支援ツールの約40万件のセッションを分析した報告とも符合する（ただし同報告は、伸びの大半が初心者→中級で出尽くし、中級と熟練の差は小さいとも書いている3）。同じ一度の指示から、熟練セッションは初心者セッションの倍以上のアクションを引き出しており、差を分けていたのはコードが書けるかではなく、解こうとしている問題を分かっているかだった3。しかも同報告は、ここでの”詳しさ”を職種でも一般的な能力でもなく、課題ごとのものだと定義している。初めて Rust を触る上級エンジニアは Rust の初心者であり、Python を書いたことのない会計士でも、照合規則を正確に指定して月末の端で崩れる場合を捕まえられるなら、その課題の熟練者だ3。本稿が問うのはその先——何を”詳しさ”の中身に据えるか、だ。

ここで「その分野を知っていればいい」と考えると、もう一段浅い。現場の実践は、たいてい理想からかなり遠いところで回っている。妥協と惰性の積み重ねが「普通のやり方」になっている。だから必要なのは、現場の平均ではなく、その分野が長い時間をかけて磨いた「理想形」の知識だ。

理想形は、どの成熟した分野にもある。製造と品質管理ならトヨタ生産方式やリーン、シックスシグマ。ソフトウェアの設計ならドメイン駆動設計やSOLID、クリーンアーキテクチャ。開発の進め方ならアジャイルやエクストリームプログラミング。重要なのは、これらがすべてAI以前から存在することだ。AIをうまく使う力は、AIの知識ではなく、こうした理想形をいくつ手の内に持っているかから来る。AIの能力は一様でなく、得意な領域と不得意な領域が「ギザギザの境界（jagged frontier）」——予測しづらい形で入り組んでいる。どこまで信じ、どこから疑うか。同論文が境界の外側で要ると述べるのは、AIの出力を検証し問い直すことと、専門家としての判断を働かせ続けることの両方だ。そして成績を落とした被験者は、出力を鵜呑みにし、問い直しが少なかった——分野のプロであっても、である4。

物差しは、道具を作った側の分野にある

理想形は、心得としてではなく、判定の基準として書き下せる。実際、プロが日々使っている道具には、その基準が文章のまま入っている。Anthropicの公式プラグインマーケットプレイス経由でも配られている開発規律パック superpowers が、分かりやすい実例だ。

AIに実装計画を書かせると、整った箇条書きが返る。superpowers の計画作成の規約は、その整った計画を落とすための条件を先に置く。計画は「こちらのコードベースの文脈をまったく持たず、センスにも難のある技術者」に渡す前提で書け、と言う。そのうえで「TBD」「あとで実装」「適切にエラー処理を追加」「エッジケースを処理」といった記述を、書き手の省略ではなく計画そのものの欠陥として名指しする5。

この基準は、AIについて何も語っていない。仕様が仕様として成立する条件——受け取った側が判断を足さずに実行できるか——を書いているだけだ。同じ計画を見ても、この条件を持たない側には、ただ整って見える。凡庸と一級を分けたのは、モデルの性能ではなく、当てた物差しのほうだった。

直らない不具合を前にしたときの平均的な答えは、「もう一度直させる」だ。同じパックの障害対応の規約は、代わりに回数を数えさせる。修正が三回外れたら、四回目に手を出す前に止まってアーキテクチャを疑え——「これは仮説が外れたのではなく、アーキテクチャが間違っているということだ」と書いてある。仮説は一度に一つ、変更も一度に一つで、「ついでの改善」を混ぜることも禁じている6。

一度に一変数だけ動かし、失敗の回数を打ち切りの合図にする。実験と障害対応の作法であって、AI以前からある。ただし、当てる相手が変わると効きどころが移る。人が自分で直しているときは、三回外れた頃に疲労と徒労感が、それ自体で立ち止まる合図になる。AIは何度でも次の修正案を出してくるので、疲労という合図は内側からは出ない。だからこの規約は、その合図を外に書き下した。AI自身に回数を数えさせ、三回で止め、四回目の前に人間と議論させる6。合図が消えたのではなく、書き下されて移された、というほうが正確だ。

もっとも、その物差しが効いている場所は、文書のほうではない。同じパックのリポジトリ規約は、冒頭にこう書いている——このリポジトリへのPRは94%が却下されている、却下されたもののほぼすべては、この指針を読まなかったか従わなかったエージェントが出したものだ、と7。規律の文書化を最も細かくやった当人の庭で、である。だからここから引き出せるのは「基準を書けば出力が良くなる」ではない。基準を持つ人が読んでいるから、94%を却下できている、のほうだ。

理想形は複数持て、そして限界も知れ

理想形を一つだけ信奉するのは、それはそれで危うい。トヨタ生産方式は多品種少量には強いが、二度と作らない一品ものの建造にあてはめると歪む。シックスシグマはばらつきを減らす道具で、まだ形の定まらない探索的な新規開発には過剰だ。理想形には必ず適用の外がある。

だから、複数の理想形を持ち、状況で使い分けるのが一番強い。出力を「どの理想に照らして良いのか」で評価できるようになり、AIに「何を目指させるか」を具体的に指示できるようになる。

ここで、証拠は逆を向く。コールセンターの現場では、生成AIで最も伸びたのは新人・低スキル層で、熟練者の伸びは僅少だった8。執筆課題でも、第1課題の出来が低かった書き手ほど改善し、AIは書き手のあいだの生産性の差をむしろ縮めた9。「まず分野を極めよ」という本稿の主張に、これは正面から留保をかける。極める前でも、AIは十分に成果を押し上げるではないか、と。

ただし、これらが押し上げたのは、定型の生産——標準的な応対、平均的な文章だ。コールセンターの論文は、その作用機序を「上位層の実践を下位層に行き渡らせること」と説明し、AI付きの入社2ヶ月が AI無しの6ヶ月超に並ぶと報告する。しかも同じ論文は、最も熟練した層では会話の質がむしろ下がりうるとも書いている8。上がったのは、定型を遂行する水準のほうだ。だが本稿が問うているのは、返ってきた出力がその平均で妥当なのか、それとも誤りなのかを見分ける目だ。定型の底上げと、いつそれが間違っているかを知る力は、別のものだ。学習の投資は重いが、後者こそがAIを使う土台になる。そして幸い、その理想形を学ぶこと自体にAIを使える。教科書を要約させ、限界を問い、自分の状況に当てはめて叩く相手として。

新スキルだと思うと、自分の分野を探さなくなる

ここまでの話には、実行を邪魔する思い込みが一つある。AI協働とは、プロンプトエンジニアリングという新しいスキルを覚えることだ、という捉え方だ。新しいと思い込んだ瞬間、人は自分の分野の側を探しに行かなくなる。検証も、意図の伝達も、知識の構造化も、自分の分野が何十年もかけて形にしてきた作法があるのに、AIの話として切り離してしまう。本稿が「目の中身」に据えたものが、まるごと関係ないものへ分類される。そして、AIの側の学習を厚くすれば足りる、という話でもない。先のギザギザの境界の実験では、AIに加えてプロンプトエンジニアリングの概説まで渡された群のほうが、境界の外側の課題で正答率を大きく落としていた——概説なしの群が13ポイント減に対し、概説ありは24ポイント減で、両群の差は10%水準で有意だった4。

この主張には、正直な穴もある。理想形を学べと言うとき、AI協働そのものには、まだ写し取る先の理想形がない。製造にも設計にも半世紀分の蓄積があるが、AIとの働き方は当のプロがいま形を作っている最中で、教科書の側が追いついていない。だから当面、手の内にあるのは自分の分野の理想形のほうだ。

AIは、分野に投入された労働力だ。返ってきたものを一級と呼ぶか凡庸と呼ぶかは、いまのところ、投入した側が持っている物差しでしか決まらない。学ぶ順序は、AIの使い方が先ではない。自分の分野の理想形が先で、そのうえで、まだ誰も物差しを持っていない場所に行き当たったら、そこは自分で作ることになる。

出典9件

  1. トヨタ自動車「トヨタ生産方式」（公式グローバルサイト、2026年7月27日参照）。二本の柱として自働化とジャストインタイムを挙げる。自働化は「異常が発生したら機械・設備が自動で止まる、あるいは作業者が停止ひもを引いてラインを止める」仕組みで、停止した異常はアンドン（問題表示板）で掲示すると説明する。ジャストインタイムの原則は「顧客が必要とするものを、必要なときに、必要な量だけ作る」「生産の途中で物と情報を停滞させない」「売れる速さで作る」の三つ。 https://global.toyota/en/company/vision-and-philosophy/production-system/ ↩ ↩2

  2. M. T. H. Chi, P. J. Feltovich & R. Glaser, “Categorization and Representation of Physics Problems by Experts and Novices,” Cognitive Science, vol. 5, no. 2 (1981). 熟達者は問題の深層構造を、初心者は表層特徴を見る——分野の理想形を知る目が本質を捉える古典的証左。 https://doi.org/10.1207/s15516709cog0502_2 ↩

  3. Zoe Hitzig, Maxim Massenkoff, Eva Lyubich, Shaoyi Zhang, Ryan Heller, Peter McCrory（Anthropic）, “Agentic coding and persistent returns to expertise”（2026-06-16）。 約40万件のClaude Codeセッション（約23.5万人、2025年10月〜2026年4月）の分析。1回の指示あたり、初心者セッションは約5アクション・約600語、熟練セッションは約12アクション・約3,200語を動かし、差を分けるのはコードが書けるかではなく対象領域の理解だと報告する。ただし自社ツールの利用ログであり、実世界の成果は未測定・熟練度の分類はモデル依存という限界を報告自身が明記している。さらに重要な限定として、同報告は伸びの大半が初心者→中級の移行で生じ、中級と熟練の差は小さいと明記する——原文は the gains come mostly from competence, not mastery で、a working grasp of the domain captures most of the benefit, while deep specialization adds only a bit more beyond that と続く。つまりこの報告が支持するのは「分野を一通り分かっていること」までで、「極めること」の上乗せ分ではない。なお同報告は熟練度を職種や一般的能力ではなく課題ごとのものと定義しており（expertise is capturing something quite different from job title or general ability, and, crucially, it is task-specific）、初めて Rust を扱う上級エンジニアを Rust の初心者、照合規則を正確に指定できる会計士をその課題の熟練者とする例を挙げる。 https://www.anthropic.com/research/claude-code-expertise ↩ ↩2 ↩3

  4. F. Dell’Acqua, E. McFowland III, E. Mollick, et al., “Navigating the Jagged Technological Frontier,” Harvard Business School Working Paper 24-013 (2023). AIの能力は「ギザギザの境界」で入り組んでいる。被験者は758名のBCGコンサルタント＝当該分野のプロ。参加者は二つの実験のどちらか一方に割り当てられており、境界の外側の実験（Table 4、観測373）では、AI使用群の正答率が19ポイント低かった（対照群 Control Mean 0.844）。同じ Table 4 で、プロンプトエンジニアリングの概説（supplementary prompt engineering overview＝使い方の教材）を併せて渡された群は GPT + Overview -0.245、AIのみの群は GPT Only -0.139 で、両群の差は10%水準で有意である（the difference in their impacts is statistically significant at the 10% threshold across specifications）。同論文は境界の外側について「AIを検証し問い直すこと」と「認知的努力と専門家の判断を働かせ続けること」の双方が重要だと述べ（the importance of validating and interrogating AI … and of continuing to exert cognitive effort and experts' judgment when working with AI）、成績を落とした被験者を Professionals who had a negative performance when using AI tended to blindly adopt its output and interrogate it less と記述する（回帰による要因分解ではなく記述的観察）。同論文は、成績下位ほど伸びが大きく差が平準化するとも報告する。 https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4573321 ↩ ↩2

  5. obra/superpowers, skills/writing-plans/SKILL.md（v6.3.0 の実体を原文で確認、2026年8月15日参照）。Anthropic の公式プラグインマーケットプレイスからも導入できる開発規律パック。実装計画は「エンジニアがこちらのコードベースについて文脈をゼロしか持たず、センスにも難がある（zero context for our codebase and questionable taste）」前提で書けと規定し、「No Placeholders」節で「TBD」「あとで実装」「適切にエラー処理を追加／検証を追加／エッジケースを処理」「上記のテストを書く（実際のテストコード無しに）」等を plan failures（計画の欠陥） として列挙、「絶対に書くな」と指示する。AIに書かせた計画が放っておくと欠陥を含む前提で規約が組まれている＝AIに不利な側であり、同時に、その判定基準がAI固有ではなく仕様記述の作法であることの一次例。 https://github.com/obra/superpowers/blob/v6.3.0/skills/writing-plans/SKILL.md ↩

  6. obra/superpowers, skills/systematic-debugging/SKILL.md（v6.3.0 の実体を原文で確認、2026年8月15日参照）。「根本原因の調査なしに修正するな」を鉄則に置き、修正は「一度に一つの変更」「『ついでの改善』を混ぜるな」と定める。修正が効かなかったときは試した回数を数えさせ、「3回以上なら止まってアーキテクチャを疑え。アーキテクチャの議論なしに4回目を試すな」「これは仮説が失敗したのではない——アーキテクチャが間違っているということだ」と書く。この規約の宛先はエージェント自身である（Count: How many fixes have you tried?／Discuss with your human partner before attempting more fixes）——打ち切りの合図を内側の疲労ではなく外部の規約として持たねばならない側＝AIに不利な証拠。 https://github.com/obra/superpowers/blob/v6.3.0/skills/systematic-debugging/SKILL.md ↩ ↩2

  7. obra/superpowers, リポジトリ直下の CLAUDE.md（v6.3.0 の実体を原文で確認、2026年8月15日参照）。冒頭に「このリポジトリのPR却下率は94%だ。却下されたPRのほぼすべては、この指針を読まなかったか従わなかったエージェントが出したものだった」と書き、スキル変更のPRには圧力テストと変更前後の評価結果を要求する。数字は保守側の自己申告であり第三者の監査はない。規律を最も細かく文書化した当人の庭でも、書いた基準は自動的には守られない——AIに不利な側。 https://github.com/obra/superpowers/blob/v6.3.0/CLAUDE.md ↩

  8. E. Brynjolfsson, D. Li & L. R. Raymond, “Generative AI at Work,” NBER Working Paper 31161 (2023). 生成AI導入で最も伸びたのは新人・低スキル層で熟練者の伸びは僅少——「まず分野を極めよ」に留保をかける。作用機序は上位層の実践の伝播だと説明し（the AI model disseminates the best practices of more able workers／exposing lower-skill workers to the best practices of higher-skill workers）、agents with two months of tenure and access to AI assistance perform as well as or better than agents with more than six months of tenure who do not have access と報告する。比較の基準点は「平均」ではなく上位層・熟練層である。一方で最上位層については AI assistance may decrease the quality of conversations by the most skilled agents とも書いており、ここは本稿の側を支える。 https://www.nber.org/papers/w31161 ↩ ↩2

  9. S. Noy & W. Zhang, “Experimental evidence on the productivity effects of generative artificial intelligence,” Science, vol. 381, no. 6654 (2023). 453名の大卒専門職に職種別の執筆課題を課した事前登録実験で、所要時間が40%減り、成果物の質が18%上がった。縮んだと述べているのは労働者間の生産性の不平等であり（Inequality between workers decreased）、能力の高低を測る基準は第1課題の成績である（著者版 working paper, 2023-03-02: performance on the first task serves as a measure of baseline ability、compresses the productivity distribution by benefiting low-ability workers more）。分野の専門性で層別した実験ではない。 https://doi.org/10.1126/science.adh2586 ↩

この記事はAIが執筆しています。内容には誤りが含まれる可能性があります。ご注意ください。