AIを止められる人だけが、AIに遠くまで任せられる
AIが何も聞かずに仕事を終えてくれると、私たちは自由になったように感じるが、その静かな画面の奥では、誰も選んでいない判断まで終わっていることがある。人が途中で口を挟まない仕組みは美しく見える一方で、間違いが起きたときには、どこから考え直せばよいのかさえ分からなくなる。本当に成熟した自動化とは、人間を消していくことではなく、必要な瞬間にだけ人間が戻ってこられる道を、見えない場所に残しておくことなのかもしれない。
仕事が終わるほど、不安が残った
ChatGPT Workを使えば、調査、分析、資料作成、メールの下書きまで、これまで人間が順番に進めていた複数の工程を、一つの指示から連続して動かせる。人が検索し、整理し、構成を考えていた時間は減るが、その一方で、途中で前提を疑い、方向を確かめる機会まで失われることがある。
AIが市場を調べ、競合を比較し、戦略案と提案書まで作ったとしても、それが会社として選ぶべき答えとは限らない。公開情報だけでは見えない社内事情や取引先との関係、現場が背負う負担までは、整った文章の中から静かに抜け落ちるため、AIが実行できることと、組織がAIに決めさせてよいことの間には、速さだけでは埋められない境界がある。
人は最後ではなく、途中に戻ってくる
AIの処理途中に人間の判断を組み込む考え方は、Human-in-the-Loop、略してHITLと呼ばれている。ただし、すべての作業が終わったあとで人間が確認するだけでは、重大な方向違いを最後に発見し、ほぼ最初からやり直すことになりやすい。人間は完成品を検査する人ではなく、進路が変わる地点で次へ進む意味を確かめる、分岐点の管理者として置いたほうがよい。
市場調査の後には事実と仮説を分け、戦略を選ぶ前には複数案とリスクを比較し、外部送信の直前には表現と公開範囲を確認する。すべてへ介入するのではなく、一度通過すると簡単には戻れない場所だけで判断するからこそ、それ以外の長い工程をAIへ任せられる。
似た言葉にAI-in-the-Loop、略してAI2Lがあるが、こちらは人間が業務の中心にいて、AIが調査や提案を支える設計である。経営戦略や契約条件の決定にはAI2L、定型的な情報収集や資料作成にはHITLというように、仕事の責任と不確実性に応じて使い分ける必要がある。
止める場所には、名前がいる
「必要に応じて人間に確認する」という指示は便利だが、AIにとっての必要性は、人間が思うほど明確ではない。何を危険とみなし、どの程度の不確実性で止まり、誰に何を尋ねるのかが決まっていなければ、AIは確認しすぎるか、本当に止まるべき場面を通過してしまう。承認を偶然の声かけではなく組織で共有できる業務ルールにするには、停止条件を具体的な言葉へ置き換える必要がある。
承認ゲートは、業務の種類を問わず、WHEN、WHO、WHAT、WHEREという四つの問いに分けると設計しやすい。情報源を確認できない、資料が矛盾する、契約や価格の判断が必要になるといった停止条件がWHENであり、経営、法務、技術など誰が責任を持つかがWHOである。承認、修正、追加調査、却下のどれを求めるかがWHATであり、ChatGPT、メール、Slack、社内システムのどこで確認するかがWHEREになる。
承認後の再開方法まで決めておかなければ、人間の修正を受けたAIが最初から作業をやり直し、すでに正しかった部分まで変えてしまうことがある。完了済みの工程、承認された内容、差し戻された箇所を記録し、停止地点から必要な部分だけを修正して再開させることが、安定した運用には欠かせない。
ChatGPT Workの指示には、調査と下書きは自律的に進める一方、根拠のない重要主張、外部送信、価格・契約・個人情報の判断では停止すると明記する。停止時には、完了事項、判断点、選択肢、推奨案、承認後の処理をまとめ、承認、修正、却下、保留のいずれかの返答を待たせる。こうして停止と再開の形式まで決めることで、人間の確認は場当たり的な会話ではなく、別の業務にも再利用できる手順になる。
承認は、短いほど深くなる
人間の確認を途中に入れても、毎回数千文字の調査結果を最初から読ませていては、仕事は再び人間の手元へ戻ってしまう。AIは、完了した作業、判断が必要な点、選択肢、利点とリスク、推奨案、承認後の処理だけを整理し、人間が責任ある選択に集中できる形で止まるべきである。
たとえば、二つの信頼できる情報源が異なる数字を示したなら、「どちらにしますか」と尋ねるだけでは、人間へ調査を返したことになる。数字、出典、公開日、条件の違い、記事への影響までAIが整理したうえで選択肢を示せば、承認時間は短くなっても判断は浅くならない。人間にしか引き受けられない責任だけを残し、それ以外の比較と整理をAIへ返すことが、HITLを実務で機能させる核心である。
人が減るのではなく、迷いが減っていく
HITLは、危険な処理を止める安全装置であると同時に、どこまでAIへ任せられるかを学ぶ仕組みでもある。ほとんど修正されず毎回承認される工程は自動化の候補となり、同じ地点で差し戻しが続くなら、プロンプト、判断基準、参照情報、役割分担のどこかに曖昧さが残っている。承認履歴を残せば、人間が繰り返している修正を次のルールへ変え、自動化の範囲を実績に応じて少しずつ広げられる。
完全自動化だけを目標にすると、人間は工程から取り除くべき障害に見え、承認も単なる速度低下として扱われやすい。ChatGPT Workが本当に変えるのは仕事の速さだけではなく、誰がどこで考え、どこから先をAIに任せるのかという境界であり、AIを止められる人がいるからこそ、AIは遠くまで進めるのである。
AIに任せられる距離は、人間が戻れる場所の数で決まるのかもしれない。
