AI の上限は使う人のレビュー範囲で決まる

AI が出力したものをレビューできないなら、それは自分のアウトプットとは言えません。2026 年の初めから AI 駆動開発の研修を重ねてきましたが、最新の AI エージェントの話をするより、この当たり前を言語化して共有するほうが受講者に届く場面が増えています。研修で実際に使っているリスキリングのワークと、AI でアウトプットを作るときの 5 ステップを紹介します。

---

研修現場で見えている習得スピードの差

AI の進化スピードと、人が AI を習得するスピードは同じ速さでは進みません。研修の場に立つと、その差が具体的な反応として現れます。

実際に研修で出てくる声を挙げます。

• ミーティングの文字起こしから議事録やスライド資料を作れると知って驚く
• そもそもミーティングの文字起こしが取れること、その精度が 1 年前より上がっていることを知らない
• AI は壁打ち相手だと認識していて、スライドや表計算の形で出力できるとは思っていない

この前提の相手に AI エージェントの最新動向を持ち込んでも、会話が噛み合いません。日々 AI を追いかけている側と、まだ壁打ちの段階にいる側とでは、同じ「AI を使う」という言葉が指す範囲がまるで違うからです。

これはクライアント企業だけの話ではありません。新卒・中途・ベンダーとして新しくプロジェクトへ参画した人の AI レベル感を把握しないまま仕事を進めると、同じ噛み合わなさが自社のチーム内でも起こります。だからこそ、最前線の情報を追うのとは別に、AI にはどういう特性があり、人間は何をすべきなのかを自分の言葉で説明できる状態が要ります。

「スペイン語の小説」のワークで起きること

2026 年 9 月中旬、システムエンジニアの方々を対象にした研修でこのワークを実施しました。受講者はプライベートで対話型 AI に触れたことはあるものの、セキュリティ上の理由で業務では使えていない、という状況の方が中心です。

最初のお題はこれだけです。

「スペインで売るための小説の構成案」をスペイン語で出力してください

普段お使いの AI ツールで指示すると、5 分もかからずスペイン語の構成案が出てきます。AI は仕事をしてくれます。ところが、そこで手が止まります。

• 売れる小説とは何かを判定できない
• そもそもスペイン語が読めない

つまり、成果物は出てきたのにレビューできない状態です。判定できなければ直せず、直せなければ責任が持てず、責任が持てないものは業務では使えません。ここで多くの受講者が驚きます。AI を「何でも出してくれる魔法のツール」として捉えていると、出てきたものが自分の成果物になっていないことに気づきにくいためです。

AI の上限は、使う人がレビューできる範囲で決まります。 生成そのものは範囲外のことでもできてしまうので、上限を決めているのは AI の性能ではなく、受け取った側の知識・スキル・経験値のほうです。

ただし、レビューできる範囲は固定ではありません。調べ物や壁打ちに AI を使えば、自分が判断できる領域そのものを広げられます。発散のフェーズでは AI で範囲を広げ、収束してアウトプットを作るフェーズではレビューできる範囲に収める、という使い分けになります。

ゴールから逆算する 5 ステップ

アウトプットを作るときは、完成形を先に描いてそこから逆算します。講座では「100 点のアウトプットイメージを先に描く」という言い方で最重要のポイントに置いています。イメージがないと、AI への適切な指示も、出てきたものの適切なレビューも成立しないためです。この前提が抜けたまま量産した成果物がどうなるかは、スピードを落とさず質を守る 3 つの習慣 で扱っています。

研修ではカレー作りに例えると受講者がすんなり理解してくれるので、仕事と料理を並べて説明しています。

カレーを作ってくださいと頼まれて、いきなり人参を切り始める人はいません。何人前でどんな味かを決め、材料を揃え、隠し味を決め、手順に落としてから火をつけます。AI を使うときも同じ順序を踏んでいるかどうかで、出てくるものが変わります。

⑤ の出力が繰り返し使える水準になったら、④ の指示書をスキルとして固定する、という発展のさせ方もあります。これは研修では扱っていませんが、同じ成果物を何度も作る業務なら、④ を毎回組み立て直す手間がなくなります。

ステップを飛ばすと何が抜けるか

どの工程も、飛ばした瞬間に何が失われるかがはっきりしています。研修では、受講者自身に「自分はどこを飛ばしているか」を考えてもらう時間を取っています。

とくに抜けやすいのが ③ です。議事録ひとつ取っても、先方のある一言に重みがあったという判断は文字起こしからは読み取れません。そこを強調してほしいと指示に含めるかどうかで、成果物の質が変わります。

研修で起きた変化と、まだ分かっていないこと

このワークを入れると、受講者の AI に対する期待値が現実的な位置に下がります。期待値が下がった結果として AI に手をつけやすくなる、という反応が実際に返ってきました。何でもできる魔法のツールではなく、自分がレビューできる範囲を助けてくれる道具だと捉え直せるためだと考えています。

一方で、ここで紹介したのはリスキリングのかなり初級編です。受講後に業務でどれだけ AI 活用が定着したか、定量的な追跡はまだできていません。研修直後の手応えと、数か月後の定着は別の話なので、そこは今後の宿題です。

この内容は AIDD キャンプ の講座①「AI リスキリング」として提供しているもので、AI を使った開発プロセスそのものを扱う講座に入る前段に置いています。AI 駆動開発 の話をする前に、AI の特性そのものを揃えておく必要がある、という判断です。

まとめ

• AI が返せるのは、使う人がレビューできる範囲まで。判定できない成果物は業務では使えません
• レビューできる範囲は、調べ物や壁打ちに AI を使うことで広げられます
• アウトプットを作るときは、アウトプット像 → インプット → 意思 → プロンプト → 生成の順に逆算します
• 最新動向を追うだけでなく、相手の AI レベル感を把握して話す前提を合わせることが必要です

社内やお客様との間で AI の前提が揃っていないと感じたら、まずはこのあたりのリスキリングから始めてみてください。研修を含めた AI 活用の進め方は、お気軽に KDDIアイレットへお問い合わせください。