配った生成AIが定着しない理由——分水嶺は「チャットかエージェントか」
「まずは触ってみてください」。そう言ってチーム全員に生成AIのアカウントを配る会社が増えました。導入直後は反応もよく、社内チャットに活用例が並びます。ところが数か月後にもう一度使い方を覗くと、たいていの人がやっていることは変わっていません。わからないことをAIに聞く。会議の議事録を要約させる。パワーポイントの下書きを作らせる。それ以上には広がっていない状態です。
研修や支援の相談の場で、こういう現場をたくさん見聞きしてきました。部署によって止まる時期は前後しますが、行き着く先はよく似ています。営業なら提案書の言い回しを整える程度、バックオフィスなら定型文書の要約や翻訳の下書き程度。導入直後に期待していた「業務のやり方そのものを変える」段階には届かないまま、AIは便利な検索窓のひとつに収まっていきます。
導入自体が失敗したわけではありません。ある地点でぴたりと利用が止まる、という共通の型があります。この記事ではその止まり方の構造と、そこから抜け出すために何が要るかを書きます。
利用が先細る悪循環
止まった状態を放っておくと、多くの現場で同じ循環に入っていきます。まずチャットでの質問応答に利用が留まります。次に用途そのものが「質問」と「下書き」の二つに縮みます。使う理由が減るので利用頻度が下がり、頻度が下がるとAIに渡す業務の背景や経緯といった文脈がいつまでも薄いままになります。文脈が薄ければ出力の質は上がりません。質が上がらない道具を人はますます使わなくなり、結局また質問と下書きに戻ります。
図1：利用が先細る悪循環。6つの状態が輪になって閉じています。
この循環の厄介なところは、途中のどの一手も個人の努力不足には見えないことです。忙しい合間にAIを開いて質問する。それ自体は悪いことではありません。問題は、この使い方だけを続けている限り出力の質が上がる仕組みが働かないことです。
いま自社がこの輪の中にいるかどうかには、厳密な診断ではありませんが目安になる簡易チェックがあります。自分やメンバーのAIとのやり取りを、直近20件ほどさかのぼってみてください。「調べれば分かることの質問」と「文章の下書き依頼」以外がほとんど見当たらなければ、この記事で書く構造のまっただ中にいる可能性が高いはずです。
会社側から見える「利用率」や「アクセス回数」は、この診断の代わりになりません。毎日質問すれば利用率は高いままなので、循環の中で足踏みしていることが数字の上では見えないからです。定着していないのではなく、定着したように見えてしまう。ここが対応を遅らせる一因になっていると考えています。
研修やガイドラインでは止まらない理由
多くの会社がこの状態を見て、まず研修を追加します。プロンプトの書き方、便利な使い方の一覧、社内向けのガイドライン。中身が妥当なことは多く、実際に一時的な利用の底上げにもなります。それでも数か月後にまた同じ場所へ戻ってくる会社を何度も見てきました。
理由は世の中に出回る処方の多くが「使い方」を教えるものだから、と考えています。良いプロンプトの書き方や便利な機能の紹介自体は間違っていません。ただ、ここで言う定着——質問と下書き以外の業務にAIが組み込まれ、使い続けられている状態——を分けているのはプロンプトの巧拙ではなく、もう一段手前にある利用形態だと見ています。チャットに質問を投げる使い方のままなのか、業務の文脈を渡した上で一連の作業をAIに任せる、エージェント的な使い方に踏み出せているのか。支援の現場で繰り返し見てきた停滞の型を並べると、この分水嶺が定着を分けているように見えます。
研修の場でどれだけ上手な聞き方を教えても、翌週から実際の仕事に持ち帰ったとき、渡す文脈の量が足りていなければ結局チャットの質問に戻ります。プロンプトの技術は出力の質を底上げしますが、渡す文脈がそもそも薄ければ底上げできる幅にも限りがあります。研修が効かないのではなく、研修が届く範囲の外側に定着の本丸があるということです。
中核スキルは文脈を外部化する技術
エージェント的な使い方に踏み出す上で外せない技術があります。AIを「記憶があてにならない同僚」として扱う前提を持つことです。最近のAIには会話の履歴や好みを覚えるメモリ機能もありますが、業務固有の決定や制約——前回どこまで進んだか、何を制約として置いたか、なぜその判断をしたか——まで確実に引き継いでくれるわけではありません。人間の同僚になら通じる「あの件ね」を当てにして作業を任せると、肝心なところが抜けた状態で仕事が始まります。
だからこそ重要になるのが、仕事の目標・制約・現在地・決定の履歴をフォルダやドキュメントに書き出しておく力です。エンジニアの世界ではAIへの案内書のようなファイルを置く習慣が広がっていますが、考え方そのものはどの職種にも応用できます。仕事の背景を毎回頭の中から取り出して説明するのではなく、外部の資産として置いておく。この習慣があるかどうかで、AIに渡る情報量は大きく変わります。
図2：同じ3回のやり取りでも、文脈を外部化しているかどうかで渡せる情報量の伸び方が変わる、という構造の概念図です（実測値ではありません）。
非エンジニアほどアプリを1本作り切るべき逆説
ここで逆説的に聞こえる話をします。文脈を外部化する力を鍛える練習として私が一番効くと考えているのは、日々の業務文書での練習ではなく、趣味のアプリを1本作り切ることです。むしろエンジニアでない人にこそ効く練習だと考えています。
理由はコーディングという作業が持つ3つの性質にあります。
| 性質 | コーディング | 単発の文章作成の仕事 |
|---|---|---|
| フィードバック | 硬い。文脈の渡し漏れはエラーや意図しない挙動としてすぐ露呈する | 柔らかい。文脈が抜けていてもそれらしい文章として出力され、欠損に気づきにくい |
| 状態 | 多い。前回のファイル構成やこれまでの決定を引き継がないと次の一歩が進まない | 少なく見える。1本のメールや1枚の資料は前提を書かなくてもそれなりに成立してしまう |
| 完成 | ある。動くところまで到達すれば開始・中断・再開・完成の一周を体験できる | 曖昧なことが多い。資料や文章の完成は締切や気分で決まりがちで、区切りを体で覚えにくい |
この3つが揃っているからこそ、コーディングは文脈設計を答え合わせ付きで学べる練習場になります。フィードバックの速さでここに勝る練習場は多くなく、最良の選択肢のひとつだと考えています。
鍛えたいのは独創性ではなく、文脈を渡し状態を引き継ぎ区切りをつける力です。だとすれば要件が最初から明確な既存アプリを真似て作ることが、むしろ最適な教材になります。何を作るか考える時間を減らし、文脈を渡す練習そのものに時間を使えるからです。オリジナリティのある企画を一から考えようとすると、要件が固まらないまま作業が迷走し、肝心の文脈設計の練習にたどり着く前に力尽きてしまいます。すでに世の中にある使い慣れたアプリの模倣で十分で、むしろその方が「完成」の基準がはっきりしている分、最後まで作り切りやすいと考えています。作るものは自分の手元で動く小さなもので構いません。業務の実データも公開も要りません。「この機能が動いたら完成」と最初に決めておくと、途中で力尽きずに済みます。
私自身の経験を書きます。最初に最後まで作り切ったのは、これまでに見たアニメを記録するアプリでした。当時はCursorという開発ツールを使って作りました（その後、普段の開発はClaude CodeやCodexに移っています）。今見るとできはすごく微妙です。機能は最低限で、設計にも荒いところがたくさん残っています。
それでもこの経験を境にAIの使い方のレベルが変わりました。それまでもチャットAIのArtifact機能でモックのような画面は作っていて、アイデアを形にすること自体はできている感覚がありました。ですが動くものを最後まで作り切る経験は、それとは別次元でした。前の日にどこまで進めたか、なぜその作りにしたかを書き残しておかないと、次にAIに向かったとき同じ説明を一からやり直す羽目になります。セッションをまたいで前回の作業を続けるには何を書き残しておく必要があるのか、頭ではなく体で分かったのがこのときです。
会社が設計する定着の制度
ここまでは個人が身につける力の話でした。ただこれを各自の努力に任せているだけでは、組織としての定着は起きないというのが率直な見立てです。人は慣れたやり方を変えたがりません。この現状維持バイアスは、AIに限らずどんな新しい道具の導入でも同じように働きます。
だから会社側の設計が要ります。私たちが提案しているのは、2日間ほどの集合研修でエージェント的な使い方まで一気にやり切り、その後の数週間は担当する作業を一度AI経由で通してみるという進め方です。1日だけの研修だと、チャットに質問を投げる段階を出る前に時間切れになりがちで、文脈を書き出す作業を実際に手を動かして一往復させるには2日は見ておきたい——これが設計の意図です。そのうえで数週間、普段の仕事をAI経由に寄せてみる期間を置きます。ただし、すべての業務を無理に含める必要はありません。社内ルールで入力してよいと決めたデータと業務に対象を区切り、人の確認を挟める工程から始める。そのかわり区切った範囲では例外を作らない。ここを飛ばして各自の裁量に戻すと、慣れた手順の方が楽なので、循環の外に出る前に元のやり方へ引き戻されます。
もう一つ見落とされがちなのが投資の水準です。エージェント的な使い方はチャットで質問するだけの使い方に比べて、AIとやり取りする量も扱うデータの量も大きくなります。ここでコストを絞った選び方をしてしまうと、使いこなす手前の段階で利用の上限に当たり、定着させるための投資のはずが逆効果になります。金額やプランの選び方はケースによって変わるので立ち入りませんが、構造としてここを軽視できないと考えています。なお会社の施策から離れて、個人で試す場合に限って言えば、身銭を切ると本気度が変わるという実感があります。
配り方についても一言。全員に同じ量を配る横並びの配分は、社内のAI活用レベルにこれだけ差がある状況では機能しにくいというのが実感です。すでにエージェント的な使い方に近づいている人には手厚く、これから慣れる人には別のペースで進める、傾斜をつけた配分の方が組織全体としての定着は早いと見ています。
配ることと定着させることは別の仕事です。アカウントを配る作業は数日で終わりますが、チャットの質問と下書きから抜け出し、文脈を外部化しながらエージェント的に使いこなすところまで届けるには、研修の設計・利用期間の設計・投資の配分まで含めた制度が要ります。ここを型だけ渡して終わりにせず、現場に入って一緒にやり切るところに伴走支援の意味があると考えています。
生成AIの基礎から学びたい方は生成AI学習ガイド、業務での実践を体験したい方は実践ワークショップもあわせてどうぞ。自社の状況に合わせて研修と伴走の設計から相談したい方は、30分の無料相談でお話しできます。