はじめに
AIエージェントを使い始めて少し経つと、ぶつかる壁があります。「毎回詳細な指示を書くのに疲れる」。
その場限りのプロンプトで動かすやり方を続けていると、AIを使うほどに自分の手が止まらなくなります。同じような指示を何度も書く。文体や禁止事項を毎回伝え直す。少しずつズレた成果が返ってきて、また修正する。これでは生産性が頭打ちになってしまいます。
マネジメントの「方針」の型を借りると、この壁を越える発想が見えてきます。
方針と指示は別物
マネジメントの基本に、「方針」と「指示」を別物として扱うべし、という考え方があります。
方針は、判断基準・優先順位・やらないことを最初に明示しておくこと。指示は、その場ごとに「これをやってほしい」と伝えること。指示の積み重ねでは現場が疲弊しますが、方針を渡しておけばメンバーが自走できる、というのが基本の考え方です。
ここで大事なのが、方針の「抽象度」です。具体的すぎる方針は、単なる指示になってしまい、相手は自走できません。逆に抽象的すぎる方針は、何も言っていないのと同じで、相手は動きようがない。方針は、ちょうどよい抽象度で書くから機能します。
抽象度のチェックとして便利なのが、語尾に「〜という方向性」をつけてみる方法です。違和感がなければ、ちょうどよい抽象度。違和感が出るなら、具体的すぎるか、抽象的すぎるかのどちらかです。
たとえば「議事録の参加者欄に名前を全員書く」は、語尾に「〜という方向性」をつけると違和感が出ます。これは方針ではなく、ただのタスクです。一方「良い議事録を書く」は、「〜という方向性」をつけても漠然としすぎていて、何をすればいいのか伝わりません。その中間、たとえば「次の意思決定で使うための論点を残すという方向性」であれば、方向は明確だけれど、具体的にどう書くかは相手の創意工夫の余地が残る。これが方針の抽象度です。
AIへの関わり方も、まったく同じ構造で捉えられます。
たとえば私が、AIに記事の下書きを頼むときに渡している方針は、こんな感じです。
これを最初に渡しておくと、毎回のチャットで「丁寧に書いて」「捏造はしないで」と書き連ねる必要がなくなります。指示は「マネジメントについて書いて」だけで済むようになる。
業務が違っても、同じ構造で組めます。顧客対応なら「困りごとの理解を最優先する」「不確実なことは断定しない(という方向性）」。議事録作成なら「次の意思決定で使うために論点を残す(という方向性）」。データ分析なら「いい数字より気になる数字を先に出す(という方向性）」。
それぞれの業務で最初に方針を一度作っておくと、その後のAIへの指示が短くて済みます。
「毎回ゼロから指示する」のをやめて、「方針を一度作って渡しておく」に切り替える。これだけで、AIとの付き合い方の重心がずいぶん変わります。
方針が「効く理由」が人とAIで違う
ここが、個人的に一番面白いと感じている論点です。
同じ「方針を渡す」という行為でも、人とAIでは「なぜ効くか」がまったく違います。
たとえば「困りごとの理解を最優先する(という方向性）」という方針を、人のメンバーに渡したとします。メンバーは「自分で判断して動いている」という感覚を持ち、それがモチベーションを支え、長期的には判断力の成長にもつながる。だから方針を渡すことに価値がある、というのがマネジメントの基本のロジックです。
ところがAIにモチベーションも成長もありません。「自律的に動いている感覚」も「キャリアが伸びていく感覚」もない。だから自律性やオーナーシップを根拠に方針を渡しても、効きません。
それでも、方針はAIに効きます。理由が違うだけです。
同じ「困りごとの理解を最優先する(という方向性）」をAIに渡すと、毎回のチャットで「困りごとを汲み取って」と書かなくても、AIが勝手にその目線で動きます。一度書いた方針が、無数のタスクに同じように効く。違うチャットで違う相談をしても、同じトーンで返ってくる。これがAIで方針が効く理由、スケーラビリティと一貫性です。
人に効く理由（自律性・成長）と、AIに効く理由（スケーラビリティ・一貫性）。同じ「方針が効く」状態でも、駆動しているメカニズムが違う。動機の話が消えて、構造の話だけが残るのが、AIマネジメントの特徴だと感じています。
AIで特に効く「やらないこと」の明示
方針には「やること」と「やらないこと」の両方が含まれます。方針が力を持つのは、取捨選択を迫るときです。やることだけでなく、やらないことを明示するから、現場の判断軸がはっきりします。
このうち「やらないこと（Don'ts）」の明示が、AIでは人間以上に効きます。
AIは放っておくと、何でもやろうとします。頼んでいない補足説明をつける、勝手に書式を整える、関連しそうな情報まで盛り込む。一見気が利いているようで、その実ノイズになっていることが多い。
たとえば顧客対応の方針として「丁寧に対応する」だけを書くと、AIは長文で過剰に丁寧な返事を作りがちです。これに「一文ごとに短く区切る」「言い訳を書かない」「不確実なことは断定しない」というDon'tsを加えると、現場で実際に使える返信が返ってきます。
私自身がAIに渡している方針の中にも、こうしたDon'tsがたくさん含まれています。「曖昧な伝聞表現は避ける」「会社名を使った捏造体験談を書かない」「連載のコミットメントは書かない」。Doだけを並べた方針より、こうしたDon'tsをきちんと組み込んだ方針の方が、AI相手では現場でしっかり効きます。
人にとって禁止事項は窮屈さの源にもなりますが、AIにとっては事故防止装置として素直に効きます。AIの方針は「やらせたいこと」だけでなく、「やらせたくないこと」をいかに具体的に書けるかで、現場の使い心地が変わります。
まとめ
方針と指示は別物。方針を最初に渡してから、その場の指示は短くする。
人にとって方針は自律性のため、AIにとって方針はスケーラビリティと一貫性のため。効く理由は違っても、行動原理は同じです。
そしてAIで特に効くのは「やらないこと」の明示です。AIは何でもやりすぎるので、Don'tsで縛る方が結果的に事故が減ります。
マネジメントの型「方針」は、AIエージェント時代にもしっかり生きています。私自身、毎回詳細指示を書くのをやめて、方針を一つ作っておくだけで、AIとの付き合い方がずいぶん楽になりました。
