※この記事は、2026年9月時点でAI講座の最終課題へ進んだ時の個人的な運用メモです。エージェントAIへ一括で作らせる試験はまだ完了しておらず、結果は確定していません。また、課題の正式な設計意図を確認した記事でも、講座の教材内容や評価基準を紹介する記事でもありません。
AI講座が、いよいよ最終課題まで進みました。
課題の内容を見ながら最初に思ったのは、チャットAIと壁打ちしながら、人間が少しずつ成果物を組み立てていく進め方を前提にしているように見える、ということでした。
もちろん、これは教材の作成者へ設計意図を確認した結果ではありません。自分が課題の進め方を見た時に受けた印象です。
少なくとも自分には、資料をまとめて読み、ファイルを編集し、実行と検証まで進めるエージェントAIを前提に組まれた課題には見えませんでした。
ただし、「エージェントAIの利用を想定していない」と正式に断定できるわけでもありません。
分からない部分を質問する。
返ってきた回答を読み、自分でファイルへ反映する。
また質問して、少しずつ直す。
これまでなら、その進め方が自然だったと思います。
ただ、今は少し状況が違います。
現在使っているCodexには、講座の学習メモ、課題に関係する資料、これまでAIと検討した内容が、ある程度同じ作業環境へ入っています。
ただし、教材や課題資料をAIへ参照させてよい範囲は、試験前に利用条件を確認する必要があります。
ファイルを読める。
必要なら複数の資料を横断できる。
コードや文書を作り、実行し、結果まで確認できる。
それなら、一問ずつ相談するより、最初に資料と課題要件をまとめて確認させ、動く初版まで一度作ってもらった方が、現在のエージェントAIらしい使い方なのではないかと思いました。
しかし、そこで一つ気になります。
もし「作って」の一言に近い指示で完成品らしきものが出た時、自分には何が残るのだろうか。
今回は、完成したかどうかだけでなく、そこまで含めて試してみたいと考えています。
「作って」の一言に見えても、一言分の仕事ではない
AIへ渡す最初の指示は、かなり短くできるかもしれません。
保存済みの教材と課題要件、これまでの検討内容を確認し、提出できる状態を目指して作成・実行・検証する。
こちらの判断が必要な点だけ質問する。
大まかには、このくらいです。
これだけを見ると、短いプロンプト一つで課題が完成したように見えるかもしれません。
ただ、実際には違います。
その前に、教材を保存しています。
課題を進めながら、分からなかった点や判断した内容も残しています。
AIが参照できる場所に、ファイルと作業履歴を少しずつ積み上げています。
短い指示で動けるとしたら、それは魔法のプロンプトができたからではありません。
毎回説明し直さなくてもよい状態を、先に作っていたからです。
「作って」の一言だけを切り取ると、その前にかかった準備が見えなくなります。
今回の試験では、生成速度だけでなく、蓄積してきたコンテキストがどこまで役に立ったのかも見たいと思っています。
動くものが出たことと、提出できることは分けて考えたい
エージェントAIへまとめて渡せば、何かしら動くものは出てくるかもしれません。
しかし、動いたからといって、そのまま提出できるとは限りません。
課題の要件を読み違えているかもしれない。
見た目は整っていても、必要な項目が抜けているかもしれない。
過去の資料に引っ張られ、今回には不要な機能まで足しているかもしれない。
逆に、AIが無難にまとめすぎて、自分で考えるべき部分が消えている可能性もあります。
さらに、講座側が定めているAI利用条件や申告方法があるなら、それも別に確認しなければなりません。
教材や課題文を外部AIへ送ってよいかどうかも、同じ確認の中に含まれます。
つまり、少なくとも次の三つは別の判定です。
- 動くものができたか
- 課題要件を満たしているか
- 自分が内容を説明し、責任を持って提出できるか
エージェントAIが一つ目を大きく短縮できても、二つ目と三つ目まで自動的に合格になるわけではありません。
今回は、完成速度より5つの項目を測りたい
試験するなら、「できた」「できなかった」だけでは少し弱いと思っています。
そこで、今回は少なくとも五つに分けて記録するつもりです。
1. 課題要件をどこまで満たしたか
AIが作った初版を、課題要件ごとに確認します。
全部を満たしていたのか。
一部が抜けたのか。
要件を誤解した箇所があったのか。
完成品の見栄えではなく、条件との対応を見ます。
2. AIの経過時間と、人間の作業時間
AIが動いていた時間と、自分が実際に手を動かした時間は分けて残します。
AIが一時間動いたとしても、自分がその間ずっと張り付いていたなら、完全な時短とは言いにくいです。
反対に、AIが長く動いても、人間の確認が短時間で済むなら、実用上の価値はあります。
見るべきなのは、AIが何分で生成したかだけではなく、人間の拘束時間がどれだけ減ったかだと思います。
3. 人間がどこを修正したか
文章の言い回しを直しただけなのか。
設計そのものを変えたのか。
不足した情報を追加したのか。
大きな誤りを見つけたのか。
修正内容を残せば、次にAIへ足りないコンテキストや確認ルールも見えてきます。
4. AIだけでは決められなかったこと
課題には、資料を読めば答えが決まる部分と、目的や優先順位から判断しなければならない部分があります。
AIが質問してきた点は、人間の判断が本当に必要だった場所かもしれません。
反対に、本来は確認すべきなのにAIが勝手に決めた点も、注意して見たいところです。
5. 自分で内容を説明できるか
最後は、AIを閉じた状態で確認します。
これは何をするものなのか。
なぜこの形にしたのか。
どこに制限や未確認事項があるのか。
この説明ができなければ、完成品が動いていても、自分の学習としては足りていないと思います。
人間の役割は、作ることから評価と説明へ移るのかもしれない
これまでAI講座の課題では、AIに検索や壁打ちを頼みながら、自分で成果物を組み立ててきました。
今回は、そこからもう一段進めて、生成工程そのものをまとめて渡そうとしています。
もしこれがうまくいけば、人間の仕事がなくなるというより、置き場所が変わるのかもしれません。
ゼロからファイルを作る時間は減る。
その代わり、要件を定義する。
出てきたものを評価する。
足りない部分を修正する。
最後に、自分の言葉で説明する。
この流れなら、学習の中心は手作業の量ではなく、AIの成果物を受け入れられるか判断する力へ移っていきます。
ただし、それが本当に成立するかは、まだ分かりません。
AIが予想以上に課題を読み違えるかもしれませんし、確認に時間がかかり、結局自分で作った方が早い可能性もあります。
だから今回は、先に結論を決めず、実際の修正量まで残したいと思っています。
AIに任せた量ではなく、人間に残った仕事を見る
エージェントAIが最終課題をほぼ作れたら、確かに驚くと思います。
教材を読み返し、必要な情報を探し、ファイルを組み立てる工程が、一つの依頼で大きく短縮されるかもしれないからです。
一方で、「AIが全部作った」で終わると、実際に何が短縮され、何が人間側へ残ったのか分かりません。
今回見たいのは、AIに任せた量の多さではありません。
一括で任せた後も、人間が確認し、判断し、説明しなければならなかった部分です。
そこが分かれば、今後の学習でも仕事でも、エージェントAIへ丸ごと渡してよい工程と、自分で握るべき工程を、もう少し具体的に分けられる気がします。
まずは教材と課題要件を確認させ、動く初版まで作らせる。
その後、要件適合、人間の作業時間、修正箇所、判断、説明可能性を記録する。
結果が出たら、改めて実験結果として整理したいと思います。
コメント