自律型AIに任せるほど、思考が問われる
「AIが全部やってくれるなら、自分のスキルは関係ないんじゃないか」
そう感じたことがある人は多いはずだ。実際、AIが計画して、実行して、修正まで自律的にやってくれる時代になった。でも、同じskillやマルチエージェントの機能を使っても、成果に大きな違いが生まれうる。それがどこから来るのかを追いかけみた。
失敗の原因は「AIの性能」ではなかった
エージェント型AIプロジェクトの失敗を30社超で分析した結果がある。失敗原因のすべてが、組織・設計・運用の問題だった。AIモデル自体が原因だったケースは、ゼロだ。
つまり、うまくいかない理由は「AIの力が弱い」のではなく、「何をさせるか」の設計が弱いということだ。
自律型AIで差がつくのは操作スキルではない。「問題をどう渡すか」という設計力だ。
自律型では「指示力」より「構想力」が効く
AIへの働きかけを2つに分けて考えてみる。
指示力は、ステップごとの精度・エラーの認識・フィードバックの質だ。手動で逐次指示するスタイルでは、これが直接アウトプットの質に影響する。
構想力は、問題の設定力・フレームの質・「成功とは何か」を定義する力だ。
自律型AIでは、人間が介入するのは主に最初と最後だ。だから「問題の渡し方」と「成果の評価」だけが人間の仕事になる。この構造では、指示力より構想力の方が最終的なアウトプットを決める。
マルチエージェントでは、指示力の出番はほぼ「ゼロ」になる
最近注目されているのが、AIに役割を与えて「組織」として動かす使い方だ。PM役・調査役・分析役がそれぞれ別のエージェントを担い、会話しながらタスクを進める。
この構造では、中間の指示はすべてAIが出す。人間が介入するのは最初の一回、「構想」を語る瞬間だけだ。
ここで起きやすいのが「幻覚の蓄積」だ。調査役が誤った情報を出しても、分析役はそれを事実として受け取り、上に積み上げる。各エージェントは正しく動いているのに、誤りが連鎖しながらパイプラインを通り抜ける。
これを防ぐ唯一の手段は、最初のブリーフ（brief：「最初に渡す指示書・要件定義」のこと）に品質基準を埋め込むことだ。「良い調査とは何か」「どんな根拠があれば信頼できるか」を最初に定義できる人が、マルチエージェントを使いこなせる。完全に構想力の問題だ。
そしてこの問題は、1人の作業パイプラインの中だけでは終わらない。
曖昧な指示から生まれた産物が「世論」へ
多くの人が似たような曖昧な指示で自律型AIを動かすと、均質で差別化されない産物が大量に流通する。LLMは構造上「統計的に平均的な回答」を生成する装置だ。曖昧な指示を渡せば、平均に収束した出力が返ってくる。
その出力が引用・参照・再利用されていくと、”誤りと平均値の堆積が「みんながそう言っている」状態を作り出す”。本当の意味での世論ではなく、構想力のない指示から生まれた均質な出力が積み重なった、人工的な世論だ。
3つの問題が同時に起きる。
差別化の消失：同じような出力が増え、独自の視点が埋もれる
誤りの大規模伝播：個人のパイプラインで蓄積した誤りが、流通によってスケールする
偽の世論形成：「多くの人がそう言っている」状態が人工的に作られる
これもすべて、最初のブリーフの構想力の欠如から始まっている。
構想力を持つ人間が渡すブリーフは、平均から外れた問いを含む。それが独自性のある出力を生み出す。つまり構想力の格差は、個人の成果物の質の差にとどまらず、将来的には社会全体の情報そのものの多様性と正確さに影響する。
thought-analyzerが測れるもの
thought-analyzerは会話ログから思考パターンを9軸で測定するツールだ。
9軸のうち、構想力の代理指標になる軸が4つある。
`abstraction_direction`：ビジョンから実装に降りられるか
`integrative_complexity`：多次元的な問題設定・品質基準を定義できるか
`concept_distance`：遠い領域をつなぐ独創的な問題の見立てができるか
`need_for_cognition`：自発的に「何が問題か」を設計できるか
手動型では指示力（コーディング指示力分析6軸）が効き、自律型ではこの思考パターン4軸が効く。自分がどちらのスタイルで使っているかによって、鍛えるべき力が変わる。
「AIに任せれば関係ない」は半分だけ正しい
指示力は確かに要らなくなる。ステップごとの精密な指示は、AIが担うようになる。
でも構想力は、むしろ唯一残る人間の仕事になる。「何を作るか」「何が良いアウトプットか」を定義できる人間と、とりあえず渡している人間の差は、自律型AIの普及とともに広がっていく。
Claude.aiで「分析して」と入力するだけで動く。
→ thought-analyzer（GitHub）：https://github.com/thought-analyzer/thought-analyzer
→ skill.md（直接利用）：https://github.com/thought-analyzer/thought-analyzer/blob/main/skills/skill.md?plain=1
より詳しく知りたい方へ
[zenn の投稿記事]
AIで理想を実現する3層フレームワーク ── 発想力×構想力×指示力
[zenn 書籍も出しております]
thought-analyzer 序説（仕様・判定条件・活用法）
