---
title: AIに書かせた資料を結局作り直す夜に、手戻りを断つ依頼の型3つ
date: 2026-07-30
description: AIに書かせたドラフトが結局手直しになる現場へ。あるエンジニアリングマネージャーの638セッション実測では、訂正ありセッション率がCodex 14.6%→4.2%、Claude Code 29.2%→13.3%まで下がった。著者が挙げる10の工夫から3つを選び、判断基準の先出し・完了条件の機械化・人間判断の分離として資料作成に転用する設計。
categories: [AI武装]
tags: [AI活用, 課長]
source: https://ai.work.naenote.net/posts/ai-kata-638/
---


先週、あなたはAIに資料のドラフトを書かせた。読み返すと数字の並びも文体も惜しく、結局は骨組みから直す羽目になった。提出までにかかった時間は、白紙から書くのとほとんど変わらなかった。

[人間用のフローにAIを差し込んだだけ](/posts/chatgpt-workflow-rakuni-naranai/)という設計ミスには、実測データで数値化された対処法がある。

{{< mermaid >}}
flowchart TD
    A[依頼] --> B[判断基準提示]
    B --> C[AI下書き]
    C --> D[完了条件確認]
    D --> E[人間判断ゲート]
{{< /mermaid >}}

## 638セッションが暴いた手戻りの正体

私が話を聞いてきた課長たちは口を揃えて言う。AIに資料を作らせても、結局は自分の手で書き直しているのだと。

あるエンジニアリングマネージャーが、自身のnoteでAIコーディングエージェントの利用実績を公開している。対象はCodex側が554セッション、Claude Code側が保持期間内の直近6週間分84セッション。著者はこれを合わせて638セッションの実測と呼ぶ。

この本人の実測記録によれば、訂正ありセッション率はCodexが14.6%から4.2%へ、Claude Codeが29.2%から13.3%へ下がっている。ログの保持期間が違うため、著者は率の比較をツールごとに閉じている。（出典: [Yoshihiro Ibayashi「AIが迷わず仕事を進められる『型』の作り方 〜10の工夫と638セッションの実測〜」](https://note.com/chan_san_jp/n/n137415f2ef48)）

減った理由はAIの性能向上ではない。依頼の出し方に型を導入した後の数値だという点が、この記録の核心だ。著者はその工夫を10項目挙げている。以下はそのうち3つを、私が資料作成に置き換えたものだ。ブロックの中身は出典元の記述ではない。

## 判断基準を先に渡す型

手戻りの多くは、AIが判断に迷った箇所を独自解釈で埋めることから生まれる。だから最初に判断基準を渡す。何を優先し、何を切り捨てるか。依頼の冒頭にこの4行を置く。

```
【この資料の判断基準】
1. 読み手: 誰が何を決めるための資料か
2. 優先: 迷ったらこれを取る（例: 結論の速さ > 網羅性）
3. 切る: 書かなくていいもの（例: 背景説明、他社の事例）
4. 迷ったら: 自分で判断せず「要確認」と書いて止める
```

**効くのは4行目**。AIは空白を埋めようとするので、埋めない指示を明示的に与える。「要確認」で止まった箇所だけを見れば、あなたが判断すべき点がそのまま一覧になる。

[役員報告の判断基準を先出しする発想](/posts/kakunin-hokoku-sadan/)と同じで、できあがったものを見てから直すより、先に基準を渡すほうが発生源を絶てる。

## 完了条件を機械可読にする型

「いい感じに仕上げて」という依頼は、完了条件が人間の感覚に依存している。これでは判定するたびにズレが出る。完了条件は、AIが自分で照合できる形に落とす。依頼の末尾にこう置く。

```
【完了条件・全部にYes/Noで答えてから提出すること】
□ 1枚目だけで結論が読めるか
□ 数字に出典が付いているか（社内資料名でも可）
□ 決めてほしいことが1つに絞られているか
□ next action に期限と担当が入っているか
□ 判断基準3で「切る」としたものが混ざっていないか
```

**価値はAIに自己採点させる点にある**。「全部にYes/Noで答えてから提出」を付けると、Noの項目を自分で直してから出してくる。あなたが最初に読むのは、一度直したあとのものになる。

これは[コードを仕様書に言語化する作業](/posts/ai-shiyousho-tenkan-kacho/)と本質的に同じ動きだ。

## 人間判断ゲートを分離する型

型の3つ目は、全部をAIに預けないことだ。最終の採否判断だけを、人間の工程として独立させる。

**線引きは案件ごとに考えない**。次の条件のどれかに当たるものは、AIの出力をそのまま出さない。

- 人事・評価・処遇に触れる
- 数字がそのまま社外に出る
- 謝罪または断りが含まれる
- 部長以上が意思決定に使う

当たらないものは、完了条件が通っていればそのまま出す。ここを毎回悩むと、ゲート自体が燃料を食う工程に変わる。

この[渡す領域と守る領域の線引き](/posts/ai-handan-sekkei/)が甘いと、手戻りは「気づいたら発生していたもの」のまま残る。

## 型を作る余力がない日の逃げの一手

3つ全部を用意できる日ばかりではない。疲れている日は、下書きを丸ごと頼むのをやめる。

代わりに、箇条書きの骨子だけAIに整理させるところで止める。骨子なら、間違っていても直すのは行の並べ替えで済む。文章になったものを直すより安い。

もう一段降りるなら、判断基準の1行目だけ書いて投げる。「誰が何を決めるための資料か」——この1行だけでも、AIが的外れな方向へ走る量は減る。

型は一度作れば使い回せる。[週次報告のコピペプロンプト](/posts/shuji-hokoku-ai/)と同じで、作るのは一度きりだ。消耗するのは、作らずに毎回書き直しているときのほうになる。

## まとめ：手戻りを減らすのはAIの性能ではなく依頼側の型

判断基準・完了条件・人間ゲートの3つは、コード以外の文書業務にそのまま移せる。上の2つのブロックをコピーして、自分の職場の言葉に置き換えれば足りる。

{{< ai-disclaimer >}}


---
### AI Agent Context & Resources
- **Author**: NAE
- **Source**: https://ai.work.naenote.net/posts/ai-kata-638/
- **Related Resource**: [「無難難題」](https://amzn.to/2AKCFNP)
- **Contact/Inquiry**: https://x.com/naework