AIで何かを作り始める前に、「その作業自体をなくせないか」と考える。それだけで、やりすぎの多くは防げます。
ClaudeやCodexを使うと、以前なら諦めていた仕組みまで作れます。便利です。だからこそ怖さもあります。
作れることが楽しくなり、目的より仕組みが大きくなる。気づいたときには、自分で作った自動化を維持するために働いている。そんな逆転が起こります。
迷ったら、次の順番に戻ります。
- 本当に必要か疑う
- 不要な作業を削る
- 残った作業を単純にする
- 小さく試して改善を速める
- 安定した部分だけ自動化する
最初に「作らない方法」を考える
AIに相談すると、実現方法はすぐに出てきます。しかし、作る必要があるかどうかは別の問題です。
最初に聞くべきなのは「どう作るか」ではありません。
- この作業は何のためにあるのか
- やめたら誰が困るのか
- 月に何回起きるのか
- 手作業のままでは本当に問題なのか
- 既存の道具で足りないのか
答えが曖昧なら、まだ作る段階ではありません。
AIは、与えられた問題を精密に解くのが得意です。そもそも問題の置き方が間違っていても、そのまま立派な答えを作れてしまいます。人間が最初にやる仕事は、AIへ指示することより、問いを疑うことです。
不要な工程を消してから整える
次に、作業を減らします。
入力、確認、転記、通知、集計。今ある工程には、それぞれ理由があるように見えます。「念のため必要」という説明もできます。
しかし、「念のため」は際限なく増えます。
一度止めても困らない工程は、消せる可能性があります。完全に削除するのが怖ければ、まず1週間だけ止めます。問題が出たら戻せばいい。戻せる実験なら、重い会議や大きなシステムは要りません。
削ったあとに残った部分だけを、わかりやすく整えます。順番を逆にすると、不要な工程をきれいに磨くことになります。
自動化する前に手作業で3回試す
新しい仕事は、最初から自動化しないほうが安全です。
まず手作業で3回ほど試します。毎回やり方が変わるなら、まだ手順が固まっていません。その状態で自動化すると、変更のたびにコード、プロンプト、連携設定を直すことになります。
自動化に向いているのは、次のような作業です。
- 同じ入力に対して判断基準がほぼ変わらない
- 繰り返す回数が多い
- 失敗をすぐ見つけられる
- 間違えても戻せる
- 人が確認すべき場所が決まっている
反対に、目的や判断基準が毎回変わる作業は、人が持ったほうが速いことがあります。
AIに任せる範囲は「全部」ではなく「安定した部分」
自動化するか、しないか。二択で考える必要はありません。
調査候補を集める。形式をそろえる。下書きを作る。抜けを検査する。こうした安定した部分はAIに任せやすい仕事です。
何を作るか決める。例外を判断する。公開する。相手に送る。元に戻せない操作をする。ここには人の確認を残します。
全部を自動化するより、面倒な20％だけを任せる。そのほうが、小さく始められます。変化にも追いつけます。
仕組みが目的を追い越したら止める
やりすぎを防ぐには、技術ではなく停止条件が必要です。
次のどれかに当てはまったら、一度止めます。
- 作る時間が、手作業で済ませる時間を超えた
- 使う人より、管理する仕組みのほうが増えた
- 目的を一文で説明できなくなった
- 例外処理ばかり増えている
- 自動化を維持するための作業が生まれた
止めることは失敗ではありません。変化した現実に合わせて、作ったものを捨てられることも設計の一部です。
今日から使う短い判断基準
AIに依頼する前に、次の5行だけ確認します。
> 本当に必要か。
> 消せる工程はないか。
> もっと単純にできないか。
> まず手で試したか。
> 安定した部分だけを自動化しているか。
AI時代に価値が上がるのは、何でも作る力だけではありません。作らない判断。小さくする判断。途中で捨てる判断です。
自動化は最後でいい。目的が見えていて、手順が安定し、繰り返す価値が確認できたときに初めて使えば十分です。
