7月17日、データサイエンス・機械学習分野の実践的な知見を発信するメディアToward Data Scienceが「Prepare These 5 Assets Before Your AI Agents Take On More Work」と題した記事を公開した。主張の核心はこうだ——モデルの性能が高いほど、定義の欠落によるコストは大きくなる。性能の高いAIエージェントは欠落した情報を自力で補完し、その推測が外れていても出力は自信ありげに見える。この「自信満々な誤出力」を防ぐために整備すべき5つの再利用可能な資産を、実装可能なプロンプトとともに解説した記事だ。

なお本記事でいう「AIエージェント」とは、単発の質問応答にとどまらず、複数ステップのタスクを自律的に計画・実行できるAIシステムを指す。ChatGPTやClaude等の大規模言語モデルを基盤に、ツール呼び出しや外部システムとの連携を行う実装形態が代表的だ。

「良いモデルを使えばうまくいく」という誤解

AIエージェント導入プロジェクトで陥りがちな落とし穴がある。多くのチームは良いモデルへのアクセスさえ与えれば成果が出ると考え、すぐにプロンプトやエージェント構築に飛びつく。しかし記事が指摘する逆説は鋭い——モデルの性能が高いほど、定義の欠落によるコストは大きくなる。

なぜか。性能の高いモデルは欠落した情報を自分で補完する。その推測が外れていても、出力は自信ありげに見える。「Analyze this.」「Make a presentation.」という曖昧な依頼を受けたAIは、対象読者・意思決定の文脈・品質基準・情報ソースの優先度をすべて自力で推測する。その推測が間違っていれば、自信満々な誤出力が生産ラインに流れ込む。

解決策はより良いプロンプトを収集することではない。ワークフローそのものを定義した再利用可能な資産を作ることだ。

5つの資産——「最も即効性が高い」タスク資産を起点に

記事は5つの資産を順に解説しているが、編集部が注目するのはその中でもタスク資産（Asset 2）が「最も即効性が高い」と明示されている点だ。構成の理解を深めるために、まずこのタスク資産を起点として全体を俯瞰したい。

2. タスク資産（Task Asset）——最も実践的な資産

5つの中で最も即効性が高いのがこの資産だ。「データを分析して」という曖昧な依頼をAIが実行可能な仕様書に変換する。

タスク資産が定義する項目は以下のとおりである：

• 目的と業務上の意図
• 対象読者と、この成果物が支援する意思決定
• 使用する資料と情報ソースの優先度（権威ある一次ソースか参照のみか）
• 実行ステップと出力フォーマット
• 合格基準と確認が必要なリスク
• AIが止まって確認を求めるべきタイミング

「AIはしばしば欠落情報を自力で補う。その前提が間違っていると、出力は正しい方向を向かないまま自信ありげに聞こえる」という指摘はそのまま実装上の教訓になる。

Convert the vague request below into a task package that AI can execute.

Output:
- Objective
- Business purpose
- Audience
- Decision or action this work should support
- Materials to use
- Authoritative sources
- Reference-only sources
- Constraints
- Execution steps
- Required output format
- What a good result looks like
- Acceptance criteria
- Risks I need to confirm
- Information that is still missing
- When you must stop and ask me

My request:
[Paste your request here]

このタスク資産が機能する前提として、「何を任せるか」を選別する繰り返し業務リスト（Asset 1）が必要になる。以降、5資産を順に整理する。

1. 繰り返し業務リスト（Repeated Work Asset）

最初のステップは、AIに任せるべき業務を特定することだ。週次レポート、月次業績レビュー、顧客提案書、契約レビューなど、定期的に発生し、同じ種類のインプットを使い、手順が再現可能な業務がターゲットになる。

記事が提供するプロンプトでは、各タスクについて「実行頻度・必要なインプット・期待アウトプット・評価基準・現在の所要時間・エラーの主因」を洗い出し、「一回限りの会話で済む業務」「再利用可能なワークフローが適切な業務」「人間主導を維持すべき業務」の3分類に仕分けする。

3. コンテキスト資産（Context Asset）

毎回の会話で同じ背景説明を繰り返すことは非効率だ。コンテキスト資産は「自分が誰で、何に取り組んでいて、どのソースを信頼し、どんな出力を望まないか」を1つの短いドキュメントにまとめたものである。

重要な注意点として記事が強調しているのは、過去の会話履歴を全部詰め込まないことだ。古い情報や無関係な会話は有益な情報を埋もれさせる。また、30・60・90日以内に更新が必要な情報には明示的にフラグを立てることが推奨されている。チームの組織変更、優先度の変化、ポリシーの改定など、AIが古い前提で動き続けるリスクに対処するためだ。

4. 受け入れテスト資産（Acceptance Test Asset）

AI出力が顧客・本番システム・公開情報に届く前に、何が「失敗」かを定義しておく資産だ。自分が過去に承認・却下した出力サンプルを使って品質基準を言語化する。

記事が提供するプロンプトは5種類のテストケースを要求する：

• 通常ケース
• 情報欠落ケース
• 情報が矛盾するケース
• 難しいエッジケース
• 人間の判断が必要なケース

AIによる捏造・未検証の結論・期限切れソースの使用を検出する方法も含まれている点が実用的だ。

5. 権限資産（Permission Asset）

特に不可逆なアクションに対して必要になる資産だ。ファイル削除、本番システムの変更、購入承認、公開投稿——これらはAIが単独で実行してはならないアクションの典型例である。

権限資産はすべての活動を3カテゴリに分類する：

1. AIが直接実行してよい
2. AIが下書きを作成し、自分が承認する
3. AIが単独で実行してはならない

各アクションについて、アクセス可能なデータとシステム、ログ記録の要否、最終結果の責任者を明記する。

5資産を統合するマスタープロンプト

5つの資産が揃ったら、以下のプロンプトで再利用可能なワークフローとして組み立てられる。インプット・アウトプット・各ステップの人間承認ポイント・リスク・最小動作バージョンを一度に定義できる。

I want to use you as an AI assistant that can complete complex work.
Do not execute the task yet.
Based on the materials I provide, create a reusable workflow.

Define:
1. The standard input
2. The standard output
3. The steps between input and output
4. Which steps AI can perform directly
5. Which steps require my approval
6. Which steps must remain human-led
7. The acceptance standard
8. The permission limits
9. The sources AI may use
10. The evidence that must be retained
11. A minimum working version I can test today
12. The risks I should resolve before increasing access or automation

実装の起点

記事の結論は明快だ。まず1つの定義されたタスク、1つの信頼できるインプット、1つの標準アウトプット、1つの承認ポイントから始める。そこに実際の例を流して、承認済み・却下済みのケースと比較し、アクセス範囲や自律度を広げる前にギャップを修正する。

プロンプトを収集し続けるだけのアプローチはモデルに推測させることと同義だ。モデル、ライセンス、プラットフォームは変わり続けるが、ワークフローの定義・品質基準・承認ポイントという資産はツールを乗り換えても持ち越せる。

詳細はPrepare These 5 Assets Before Your AI Agents Take On More Workを参照していただきたい。