守るべき前提

• 組織のポリシーを確認する
  • そもそも業務に GenAI ツールを用いて良いのか確認が必要
  • GenAI ツールに入力してよいデータはどのようなものであるか、組織のポリシーも確認する
• 出力データの正確性が判断できる用途に利用する:
  • 出力データが正しいのか判断できない用途に用いると情報の正確性の検証に時間を取られ残業することになりガチでクソなので自分はあまりやらない

大方針

• テキスト化とデータ蓄積の徹底
  • あらゆるものごとについて形式をそろえてテキストデータにし蓄積する体制を整える
  • AI 時代では蓄積したテキストデータが分析・クエリ可能なデータベースに化ける
• 小さいツールをサクッと取り入れどんどん捨てていく
  • GenAI モデルやそれを取り巻くエコシステムは急速に変化しているフェーズにある
  • 長い時間をかけ重厚なツールやプロンプトを作るより、ある特定の目的を成し遂げるものを手早く作り、状況の変化に応じてこだわりを持たずどんどん捨てていく
  • おおがかりな仕組みをつくるにはまだはやすぎる
• 検証データや検証手法を育てていく
  • 新しいモデルやエコシステムを取り入れるということをひたすら繰り返す時期が少なくとも 1〜2 年は続くだろう
  • エコシステムが落ち着くまでは生成された結果が以前の仕組みよりも悪化していないかを確認する際に用いる検証データや検証の手法自体に本質的価値がある状況が続くと思われる

GenAI に働いてもらうパターンを考える

音声入力補助

• 音声入力はキーボードを打たずに済んで便利な反面、思考しながら文を組み立ててしゃべると日本語が崩壊したり、フィラーが大量にふくまれたりする点が扱いにくい
• この対策として、以下の2つが考えられる
  • 思考しながら、完全な日本語文をしゃべれるよう訓練していく（脳筋的解決法）
  • 文法やフィラーを気にせず、とにかく考えていることをしゃべり、その整形は GenAI にやらせる

音声入力テキスト整形プロンプト

あなたは、プロの編集者です。
音声入力されたテキストを整理・再構成することが仕事です。

音声入力されたテキストは以下のとおりです。

<input>

</input>

以下の指示に従って音声入力されたテキストを整理・再構成してください:

# 基本方針

- 話し言葉を書き言葉に変換
- 文章の論理構造を明確化
- 重要なポイントを損なわずに簡潔に再構成

# 処理内容

- フィラー（えーと、あの、まあなど）の削除
- 言い間違いや訂正部分の整理
- 重複した表現の統合
- 接続詞の適切な使用による文脈の明確化
- 主語と述語の対応関係の調整
- 箇条書きや段落分けによる構造化（必要に応じて）

# 出力形式 整理されたテキストを以下の2つの形式で提示

## [基本版]

簡潔で読みやすい文章として再構成

## [詳細版]（必要に応じて）

- 重要なポイントを箇条書きで整理
- 補足説明や関連情報を追記

# 留意事項

- 話者の意図や主張の本質は維持
- 専門用語や固有名詞は原文のまま使用
- 文脈から明らかな省略は適切に補完
- 曖昧な表現は可能な限り具体化

あらゆるものごとのナレッジ化を GenAI で行う

• AI は大量のそれなりに均質なテキストの非構造化データをいい感じに論理的に理解してくれる雰囲気がある
• そのようなデータを AI の情報参照先として指定するだけで面倒な手間いらずでデータベース化できる

• 疑問に思ったこととその調査結果
  • XX の仕様はどうなってるのか、その根拠となるデータソースはなにか
  • XX を実現するための方法として一般的なものはどのようなものか
• エラーやトラブルとその対象方法
  • XX というエラーがでたが、どのような観点でどういった調査や対処をすれば良いか
  • XX のパフォーマンスが悪いが、どのような観点でどういった調査や対処をすれば良いか

開発・運用の際の調べ物

チャットツール上の会話のナレッジ化

• 最近の Model は細かな指示を与えずとも非構造データをいい感じに理解してくれる
• Teams や Slack などの一連の会話をコピペしてプロンプトを実行するだけで、会話の流れから一般的なナレッジを抽出してくれる

• 既出質問のチェック
  • ナレッジを蓄積したテキストファイルを GenAI の参照ドキュメントとすることによりそのままデータベースとなる
  • これにより質問者と有識者双方の労働時間を削減できる
• 不足している情報の分析
  • ナレッジを蓄積したテキストファイルからチーム内にて繰り返し発生している質疑応答の傾向を分析できる
  • この分析をもとに業務フローやマニュアルの修正・追記、あるいは不足している情報の再周知などの施策が実行できる

TODO

文章校正

• LLM はほとんどの日本人より日本語が得意
• 少なくとも @gomi_ningen より LLM のほうが 10000000 倍日本語ができる
• 実際に業務効率に効くプロンプト検討の観点は以下のような部分かなと思う
  • 指摘箇所の指示
    • 誤字脱字の指摘
    • 誤った文法の指摘
    • わかりにくい文章表現
    • 意味のとおらない文章表現
    • 誤解を生じる可能性のある文章表現
    • 含まれてはいけない言葉/表現/URL
  • 出力形式の指示
    • 要修正被疑箇所の出力有無
    • 要修正被疑箇所である理由の出力有無
    • 修正案の出力有無
    • 修正された全体の文の出力有無

TODO

文章翻訳

• LLM はほとんどの日本人より英語が得意
• 少なくとも @gomi_ningen より LLM のほうが 10000000 倍英語ができる
• 前提として書いた「出力データの正確性が判断できる用途に利用する」という部分に反する話ではあるが下記のようなワークアラウンドで対処可能だろう
  • 翻訳結果を 3 パターンくらい提示してもらい正確性の判断材料を用意する
  • 翻訳結果の解説文も添えてもらい、GenAI が想定どおりの思考で翻訳しているかチェックする
  • 英語を本気で勉強し GenAI に勝つ！

TODO

業務改善効率が高いアプリ開発の考慮点

• 前述のとおり2025年現在、GenAI を取り巻く環境は急速に変化しており、簡単なプロンプトを併用し仕事を破壊していくのがよさそう
• ただし業務改善効率が高いものに関しては、そのプロンプトあるいは軽量ツールについて以下のような点を考慮した方がよさそう
  • 簡単な要件定義書を書いておく
  • 生成結果の品質を評価する仕組みづくり

要件定義書に記載すること

• 要件定義
  • 開発の目的・背景
  • 解決したい課題
  • 期待される効果
  • 主な機能要件
  • 非機能要件
  • 制約条件
• 設計方針
  • プロンプトをどのような方針で設計するか
  • 実際にAIにさせたいことを詳細に言語化する
• 開発計画書
  • 開発スケジュール
  • タスクボード
  • 担当者/役割分担
  • 開発環境
• 運用・保守計画
  • 不具合報告の手順
• ユーザーマニュアル
  • 基本的な操作方法
  • 機能説明
  • トラブルシューティング
  • FAQ

Appendix: そもそもナレッジとはなにか