本動画では、多くの人が抱える「AIスキルをどう向上させるか」という疑問に対し、モデル非依存の包括的な習熟度評価フレームワークを提示している。1から10段階のスケールを用いて、基本的なユーザーレベルからLLMのメンタルモデル構築、システム思考の実践、さらには教育者・イノベーターとしての役割まで、段階的な成長の道筋を明確化する。大多数のユーザーはレベル5未満に位置しているが、これは良し悪しではなく、自身の現在地と目標を理解するための指標である。2025年後半から2026年にかけて、AI能力の基準そのものが底上げされていく中で、各自がどのレベルを目指すべきか、そしてそこに到達するために何が必要かを体系的に理解できる実用的なフレームワークを提供している。
AI習熟度評価の必要性と新しいフレームワーク
最もよく受ける質問の一つが、「どうやってAIでレベルアップすればいいのか」というものです。そして、自分がうまくやっているのか、少なくとも向上しているのかをどうやって知ることができるのか。これまで、ChatGPTユーザーであろうとCopilotユーザーであろうとClaudeユーザーであろうと関係ない、モデルに依存しない包括的なアプローチは実際には存在しませんでした。
単に原則と理解のレベルに焦点を当て、それを段階的に向上させる手助けをするものです。それが今回私がやろうとしていることです。この動画では、全体的なLLM習熟度スケールにおいて、大まかに自分がどこにいるのかを判断する方法をお伝えします。ネタバレ注意ですが、ほとんどの人は5未満になります。これは厳しいスケールです。恐れないでください。
次に、実際に改善するとはどういうことなのかを説明していきます。ここではもっと深く掘り下げる内容がたくさんあります。投稿には包括的な評価プロンプトがあります。また、自分がどこにいても、90日間のカスタム開発計画を構築するためのプロンプトもあります。掘り下げるべき内容はたくさんありますが、まずレベルとその意味を理解しましょう。10段階全部はやりません。なぜなら、人々はそこまで見続けないからです。
いくつかのブロックに分けてお話しします。1から3、3から5、といった感じです。かなり速く進めていきます。
レベル1〜3:基本的な初心者レベル
レベル1、基本的な初心者レベルです。ほとんどの人がここにいます。それがデフォルトです。もしあなたがChatGPTユーザー、Copilotユーザーで、メールを書き直したり、ドキュメントを調整したりするためにこれらのAIツールを使う種類の人であれば、おそらくこの1から3の領域にいます。
もう一度強調したいのですが、これは良いとか悪いとかの問題ではありません。これは単に自分がどこにいるのかを理解し、どこに行きたいのか、目標は何なのかを把握できるようにするためのものです。全員が10である必要はないんです。そこがポイントではありません。ポイントは、自分のレベルと目標を理解し、そこに到達するための準備が整っているかを確認することです。
それが私の目的です。
レベル3〜5:メンタルモデルの構築
レベル3から5に進みましょう。これはどんな感じでしょうか。3から5では、AIのメンタルモデルを構築し始めます。そして、このスケールが非常に重要である理由がここにあります。ちなみに、誰もこんな風には話しません。人々は特定のスキルセットを与える傾向があり、私もそれができます。
実証する特定のスキルセットについてもお話ししますが、このレベルで求めている習熟度と能力評価について、包括的な視点が必要なのです。3から5は、すべてメンタルモデルの構築についてです。LLMが実際にどのように機能するのか、推論するときに何をするのか、推論しないときに何をするのかを理解し始めます。
LLMは本当の意味で物事を知っているわけではなく、プログラムされているわけではないことを理解し始めます。次トークン予測がどのようなものかを理解しています。AIが何ができるかについてのメンタルモデルの始まりを持っています。
今日、以前よりも重要になっていることの一つは、コンテキスト検索を理解することです。以前は、LLMがどのように機能するかを理解するレッスンを提供すれば、それで十分でした。
しかし今では、AIがより強力になってきているため、より大きなコンテキストの断片を取得してそれを扱う能力を実際に理解する必要があります。なぜなら、正直なところ、これらのAIは今では本サイズのプロンプトを受け取ることができるからです。本サイズのコンテキストウィンドウです。ですから、それがどのように機能するかを少し理解し、それについてのメンタルモデルも持つ必要があります。
急いで付け加えますが、これはあなたがAIシステムを構築できることを意味するものではありません。コンテキストウィンドウ、つまりRAGシステムやメモリシステムを構築できることを意味するものでもありません。もしそれがすべて理解できないなら、メンタルモデルさえ理解していれば、まだしっかり3から5にいます。
メンタルモデルの観点から最後に指摘したいのは、AIに関するこの概念的理解が、自然に成果から逆算して考えるようになるということです。
「AIに何を伝えるべきか」と問うのをやめ、この段階では「私が必要とする成果物は何か」と問い始めます。なぜなら、メンタルモデルがどのように成果物を作成するかについての理解を形成し、自然に「オーケー、ソーセージがどう作られるかの感覚がつかめた」と言い始めるからです。だから、これが私が欲しい成果物です。頭の中で逆算できます。
そして、これが私が直感的プロンプトエンジニアリングと呼ぶものに到達し始める方法です。本から読んでいるわけではありません。必ずしもプロンプトをコピーしようとしているわけではありません。時にはそうするかもしれないし、しないかもしれません。そして、たとえそうしても、それをマッサージして少し調整する方法を知っています。または、自分で書くこともできますが、望む成果に到達する方法を知っています。
非常に多くの人がここにいます。私が説明したのは、Copilotの単なる基本ユーザーやChatGPTの基本ユーザーであるレベル1と2、さらにLLMとそれらがどのように機能するかをメンタルモデルで理解し、そこから進んでいくこのレベルです。これはほとんどすべての人です。80対20で言うなら、80%がまさにそこにいます。
レベル5〜7:システム思考の実践
それらのレベルより上では何が起こるのでしょうか。できるだけアクセスしやすくします。そして、目標に基づいて、さらに進む必要があるかどうかの感覚をお伝えします。5から7では、おそらく非常に真剣に、専門的な基盤でAIと仕事をすることになるでしょう。5を超えると、このメンタルモデルセッションを超えると、低い習熟度レベルでは見られないパターンが現れ始めます。
いくつか名前を挙げますが、全体像がつかめるでしょう。全体的なアプローチは体系化です。5から7に移行する際には、システム思考を使っています。そして、それはAIに真剣に取り組んでいるため、AIに適用されます。5から7の間にいる人は、AIを使って監査可能なパターンで考えます。
通常これをやる、という観点で考え、それをこれが私が従う順序です、という方向に移行します。予測可能な結果が得られます。予測可能な結果を得る方法を知っており、他の人もできるような方法で体系化し始めることができます。その違いがわかりますか。その時点では単なる直感ではありません。実際に、システムがどのように機能するかを理解しているので、予測し、それに合わせて動くことができます。
体系的思考のもう一つの例は、プロンプトイールドを構築することです。プロンプトイールドとは、プロンプトの単位あたりの品質アウトプットのようなものです。非効率的にプロンプトしている場合、10回の反復を経て1つの使用可能なアウトプットを得るかもしれません。しかし、効率的にプロンプトしている場合、1回か2回のプロンプトで98%まで到達し、次に進むことができるかもしれません。
ちなみに、これが私の投稿で強調している種類のプロンプトを強調している理由の一部です。トークンを、AIと一緒に費やす時間を大切にすることが本当に重要だと思います。そうすれば他のことに進めます。そして、プロンプトを正しく行い、正しい答えを得るだけの方が、はるかにはるかにはるかに効率的です。
システムで構築し考えている人は、それを理解することができ、また、「これが正しいアウトプットを得るための正しいプロンプトだと思う」というカジュアルで直感的なものから、「これが私がこのプロンプトで得るイールドだ。このプロンプトはこれら3つの方法で修正できると思うし、もっと効率的なアウトプットが得られる」という体系的なものに移行することができます。そして彼らは変更を加え、それを測定し、確認します。
この種の人々はフィードバックループで考えます。つまり、システムがAIでより効果的になるために機能していると考えているのです。必ずしもたくさんのツールを持つ必要はありませんが、私の経験では、この段階のほとんどの人はプロンプトライブラリを持っています。AIスペースで定期的に使っている5から7のツールを持っています。
それらのツールに関連付けられた特定の作業タスクに対する好みがあり、チームメイトからは、重要なシステムを導入するのを手助けできるピア協力者およびピアリーダーとして見られます。
ここまでは良いですか。ちなみに、これらは仕事固有ではないことに気づきましたか。エンジニアの習熟度レベル、それからPMの習熟度レベルを提供しているわけではありません。
なぜだかわかりますか。それは、AIがジェネラリストのスキルセットであり、その一般的な概念的基盤なしに垂直方向に深く掘り下げすぎると、おそらく間違った教え方をしていることになるという強い信念を持っているからです。そして、私たちは本当にそれを持っていませんでした。それが私がここでやろうとしていることです。
開発者としてLangsmithで構築する方法を理解しているなら素晴らしいことだと思いますが、それが必要なAI学習と基礎付けの唯一の種類だとは思いません。
そして、私たちはこの部分を見逃していると思います。この種の一般的なスキルセットと習熟度へのアプローチです。そして、ここで共通の理解を持つことは役立つと思います。
レベル7〜9:教育者・イノベーターへ
レベル7から9に進みましょう。どんな感じでしょうか。実際、この時点で、システム思考を習得しています。LLMがどのように機能するかを理解しています。あなたは教師であり、先駆者です。
ですから、自分のスキルセットで誰に教えることができるのか、そして自分の教育が自分自身の学習をどのように促進するのかを考え始める必要があります。私にとって、教育は明快さを促進し、自分自身の理解におけるギャップを明らかにするのに非常に役立っており、私はそれを執拗に埋めなければなりません。ほとんどの教師は、主題に関係なく、それが真実だと言うでしょう。
このレベルにいるなら、ドキュメンタリアンになるようにしてください。つまり、学んでいること、考えていること、成長していることについて、より多くを文書化すればするほど、影響力を拡大し、他の人に教えることができるようになります。そして、影響力を拡大することが目的ではありません。スペースで新しいことを本当に明確にコミュニケーションできるようにすることが目的であり、そうすれば、彼らのレベルにアクセスしやすい方法で他の人に教える方法を理解できます。
あなたにとって、それは職場でAIトレーニングカリキュラムを設定することのように見えるかもしれません。開発者のグループを最初のAIビルドに導くことのように見えるかもしれません。私がここでやっているような感じで、YouTubeやSubstackにいて、AIを成長させ学ぶことの意味について話しているように見えるかもしれません。
これを行う方法はたくさんありますが、体系的な思考はなくなりません。ですから、チームシステムや個人システムで考えるだけでなく、多くの多くの他の人が使用できる公開的なことをしていることがよくあります。他の人が使用できるClaudeプロジェクトを構築しているかもしれません。他の人が自分自身の習熟度レベルを理解するために使用できる小さなバイブプロンプトツールを構築しているかもしれません。
実際にこの作品のプロンプトで私がやったことと似ています。しかし、あなたの目標は、不可能な問題を可能な領域に引き込むことです。それがイノベーションの部分がどのように見えるかです。教えている人、学んでいる人、成長している人は、AI能力を発見するのを手助けしているため、以前はAIで行うのが非常に難しいと見なされていたことを前進させるのを手助けするべきです。
ちなみに、AI能力がすべて文書化されているわけではなく、それらを発見でき、新しい用途に活用できるという理解は、教育とイノベーション、そしてシステム思考とLLMの深い理解との関係が何であるかの素晴らしい例です。LLMを深く理解している人々は、LLMがすべて発見されているわけではないことを知っています。
私たちはAIを出荷し、OpenAIはそれについてすべてを知っているわけではありません。私たちはAIを出荷し、それが持つ能力を集合的に発見します。なぜなら、これらのシステムはプログラムされているというよりも成長させられていると言う方が正確だからです。ですから、私たちは皆、何が成長したのかを一緒に発見しているのです。そして、それがレベル7から9の仕事の一部であり、LLM能力をさらに押し進めるべき場所とそれが重要である理由を理解し始め、それから振り返ってそれを教え返し、実践を本当に成長させることができるのです。
競争環境の変化と継続的学習
10は与えません。ここに10はありません。指摘したいことの一つは、自分がどこにいても、競争の現実が変化しているということを理解すべきだということです。私たちは2025年10月にいます。2026年の年末からそれほど遠くありません。来年に向けて基準が移行していると考える必要があります。全人口が来年には1から3に成長し、その3から5の領域に成長する人口のはるかに大きな部分があり、そこからスキルの階段を押し上げる人がはるかに多くなるでしょう。
私が言っていることは、あなたをパニックにさせるためのものではありません。あなたの目標は教師やインストラクターになることではないかもしれません。おそらくあなたの目標はシステム思考者になることです。わかりません。または、LLMがどのように機能するかを理解するだけで完全に満足しているかもしれません。
しかしいずれにせよ、各段階で必要とされるスキルは、進むにつれて進化していくことを認識してほしいのです。私の最善のアドバイス、そして他の時にも言ったと思いますが、それを動いている列車だと考え、今よりも遅くなることは決してないということです。ですから、飛び乗って、自分が快適に感じ、目標に沿った方法で、できるだけ速く進んでください。
3から5の人々、システム思考などを学んでいる人々が、AIのメンタルモデルを開発し始めているように、自分のキャリアパスのメンタルモデルを少し開発してください。自分の職務ファミリーにおいて、どのレベルの習熟度が有用であるかの感覚を持ってください。そして、これがエクストラクレジットです。
これをあなたに提供したいと思います。なぜなら、2026年に戻ってきたら、これが欲しくなるからです。出現する対応するスキルセットについて考え、この習熟度チャートにマッピングしてください。その例を挙げましょう。それは本当に抽象的に感じられるかもしれません。
AIエージェントについて考えてください。10月6日に、OpenAIから新しい種類のエージェントフレームワークのローンチがありました。
では、習熟度タイプがそれにどうマッピングされるかを考えてください。それらはどうマッピングされるのでしょうか。システム思考者は、1つのエージェントだけでなく複数のエージェントをどのように構築するか、組織内でそれらをどのように維持するかを考えます。イノベーターは、エージェントでできる新しいことを考えます。LLMを理解しているだけの人々は、LLMの理解を表現し、実際の仕事を達成するのに役立つ直感的な方法でタスクを完了する方法について考えます。
始めたばかりの人々は頭をかきながら、このエージェントというものは本当に難しそうだと言うでしょう。しかし、その技術的なローンチ全体をこの能力評価にマッピングすることができ、今後のローンチでもそれを行うことができます。これは2025年10月の成果物として終わりということを意味するものではありません。
実際には、AIでの自分自身のスキルレベルを何度も何度も戻ってこられる、生きて呼吸するフレームワークとして意図されています。
おわりに
以上です。それが私の常緑のAI習熟度評価です。そして、私の知る限り、これまでこのようなことについて本当に話してこなかったか、確実にこのような方法では話していません。楽しんでいただけたら嬉しいです。
役に立つことを願っていますし、あなたがどこにいるのか、そして何よりも、どこに到達したいのかを聞きたいと思います。この特定の作品について私が本当に興奮していたことの一つは、より良い言葉がないので、梯子の感覚をまとめたかったということです。本当に梯子ではないのですが、AIのジャングルジムの感覚と、人々がどこに行けるかの感覚です。
そして、ここで皆さんがどこに行きたいのかを理解し、それを助けるいくつかのプロンプトを作成し始めることです。そうです、コメントを残してください。
コメント