AIの進化に伴い従来のプロンプトエンジニアリングが通用しなくなった現状を指摘し、新たなアプローチを提案する動画。Opus 4.7やOpenAI 5.5といった最新モデルの登場により、AIは指示を忠実にこなす部下から、共に議論を戦わせる有能なシニアパートナーへと変貌を遂げた。これからの時代に求められるのは、単なる命令ではなく、課題の核心を突きつつ柔軟な思考を促す「質問メソッド」であると解説する内容である。
プロンプトエンジニアリングの終焉
プロンプトエンジニアリングは2025年の古いトピックです。プロンプトエンジニアリングは死にました。今私たちが議論すべきなのはそんなことではありません。私がこう言うと、みなさんは、ネイト、あれほどプロンプトについて熱心に教えてくれたじゃないか、これからはプロンプトのスキルが必須になると言っていたのに、と思うかもしれませんね。ええ、まったくその通りです。ただ、それは今やできて当たり前の最低条件、前提スキルになってしまったのです。できて当然のスキルなので、今さらそれを強みにすることはできません。残念ですが、これがAIの進化のスピードというものです。
いまや私たちは、プロンプトエンジニアリングのその先にあるものを考えなければなりません。現場でプロンプトについて話していると、相手が心の中で呆れて目を丸くしているのが分かります。プロンプトなんて2025年の古いやり方だし、AIに普通に頼めばそれだけで欲しいものが手に入るのに、なぜ今さらそんなことを気にする必要があるんだ、と思っているのでしょう。
では、なぜこれが重要なのでしょうか。ここ2ヶ月ほどの間に、AIエージェントの仕組み、そしてエージェント指向のワークフローの影響力と性能が劇的にアップデートされたからです。具体的には、Opus 4.7やOpenAI 5.5の登場によって、私たちは以前とはまったく異なる次元でAIと対話できるようになりました。これまでとは根本的に違うのです。誰もこの変化について真剣に語っていないのが本当に歯がゆいのですが、これが現実です。多くの人は、AIに欲しいものをそのまま頼めばいいだけだから、プロンプトエンジニアリングなんて議論する必要はないと言います。率直に言って、これはAI開発ラボの人間からもよく聞くセリフです。私たちがこれほど優秀に育てたのだから、ただ欲しいものをAIに言えばいい、と。
しかし、それは人間側が「自分が何を求めているか」を正確に分かっている場合にしか通用しません。そして、エージェントのワークフローが複雑になればなるほど、人間が自分の欲しいものを言語化して指示することは難しくなっていきます。だからこそ、この動画では、半年前や8ヶ月前のエージェントよりも、冗談抜きで100倍も強力になったエージェントに対して、どのように自分の望むものを問いかけるべきかを理解できるように手助けしたいのです。
彼らのツールの呼び出し方、データの参照の仕方、そしてより長い時間にわたって自律的に仕事を進める能力を見てみてください。それが企業組織の中であなたにもたらすインパクトの大きさは計り知れません。彼らは100倍強力になったのです。それなのに、私たちのプロンプトの技術は100倍に進化していませんよね。これは大きな問題です。そこで、みなさんに新しいアプローチを紹介したいと思います。もはやプロンプトとは呼ばない、AI質問メソッドを提案します。プロンプトという言葉は、こちらが指示を出してAIが答えを返すという関係性を前提にしています。しかし、現在の私たちはプロンプトの世界ではなく、対話と質問の世界に生きているのです。まずはその意識を根本から変えてください。
この変化を理解してもらうために、何年も前の私のマネージャーの話をしましょう。もしあなたに優れたマネージャーがついた経験があれば、これから話すことに深く共感できるはずです。もしそんな上司に出会ったことがなければ、少し悲しくなって、なぜ自分には良い上司がいなかったのだろうと思うかもしれませんが、大丈夫です。あなたの番はこれから来ます。
今年のAIは、チームの新人やアシスタントではなく、頼りになるシニアパートナーのような存在です。これが、昨年から今年にかけてみなさんが切り替えるべき最大のメンタルモデルの転換です。昨年、プロンプトエンジニアリングがこれほど重要だった理由は、AIをチームの新人として扱い、非常に具体的かつ注意深く指示を出す必要があったからです。しかし、今年は違います。今年はAIの能力を最大限に引き出すために、経験豊富なシニアパートナーとして対話しなければなりません。
何年も前、私がマーケティングチームにいた頃、まさに私が今みなさんに勧めている通りの接し方をしてくれる素晴らしいマネージャーがいました。彼女は私に向かってこう言ったのです。ネイト、この問題の塊を一緒に掘り下げてほしい。私自身もまだ完全な答えを持っているわけじゃない。ここに手元にあるCSVやエクセルのデータが集まっている。これでマーケティングの成果帰属、アトリビューションの問題を解決したいんだ。最終的には、経営陣にストーリーを明確に伝えるプレゼン資料と、ロジックをきちんと文章化した社内ドキュメントの両方に仕上げる必要がある。アマゾンでの仕事だったから、プレゼン資料だけでなく、ドキュメントが必須だったのは間違いありません。個別の細かいデータに溺れることなく、明確で鋭く、本質的なストーリーを語るものにしてほしい。ただ、残りの細かい進め方はあなたに任せる。その代わり、あなたの思考をガイドするために、途中でいくつか質問をさせてほしい。まずはこの点について考えてみて。そう言って、彼女は検討すべき重要な問いをいくつか投げかけてくれました。皮肉なことに、この全く同じアプローチこそが、2026年現在における極めて優秀なエージェント向けのプロンプトの姿そのものなのです。
私はこれを質問メソッドと呼んでいます。なぜなら、AIとのパートナーシップを一連の質問のプロセスとして捉えるよう促してくれるからです。シニアパートナーを相手にするマネージャーとしての私たちの役割は、エージェントが最高のパフォーマンスを発揮できるような質の高い問いを立てることにあります。
ここで一度、定義を明確にするために話を止めさせてください。エージェントという言葉は今や手垢がつきすぎています。私がここで何を意味しているのかを明確にしておかなければなりません。私が言っているのは、co-workやclaude code、Codexなどを活用した、最先端のフロンティアモデルを駆使した極めて高度な知的労働のことです。これは、コーディングプロジェクトを計画していて、最終的なアウトプットがコードになるようなツールを使っている場合にも、全く同じダイナミクスが当てはまります。私が言及しているのは、AIと机を並べ、深いパートナーシップを持って思考を巡らせ、レバレッジの効いた本物の成果物を生み出す行為のことです。
これは、顧客からの問い合わせチケットを自動で処理したり、請求書を機械的に処理したりするような、いわゆるパイプラインとしてのエージェントとは異なります。それらもエージェントと呼ばれますし、ツールを使ってタスクを完了するという意味では確かにエージェントです。しかし、それらは定義済みの固定されたワークフローに過ぎません。プロセスの初期段階において、独自のカスタムが必要な高度な知的思考を必要としないのです。それらはむしろ、完全に制御され、予測可能性が高いものであるべきです。私はそれをエージェント型パイプラインと呼んでいます。もちろん、現在の技術を使えばそうした非常に強力なシステムを構築することも可能です。その作り方に興味がある方は、ここ数ヶ月の私のYouTube動画でたくさん解説しています。2026年の大きなテーマの一つですからね。しかし、この動画のテーマはそれではありません。この動画で扱うのは、エージェントと共に取り組む高度な知的労働であり、私たちが直感的に移行できていない、プロンプトにおける革命的なパラダイムシフトについてです。
ネット上で誰かが言っているからという曖昧な理由で話しているのではありません。私は幸運なことに、日頃から多くの人からAIについての相談を受けます。プロンプトをチェックしてほしいと言われたり、作業画面を横から見せてもらったり、メールでプロンプトが送られてきたり、あらゆる方法で質問を受けます。そこで私が目にするのは、ほとんどの人がプロンプトの面において、2025年から2026年への移行を完全には遂げていないという事実です。彼らはまだ、AIを「こちらがタスクを与え、そのタスクの範囲を定義し、うまくやるように指示する対象」として捉える世界に生きています。それは去年の11月頃までは確かにベストプラクティスでした。ほんの半年前のことです。しかし、もうそれでは通用しません。実際、ここ1ヶ月ほどの間に、Opus 4.7とOpenAI 5.5がリリースされてから、第2の加速クールの真っ只中にあると私は考えています。
私が説明しているこの質問メソッド、つまりAIをシニアパートナーとして扱うアプローチは、特にCodexにおける5.5の登場によって、これまでのどのモデルよりもはるかに現実的で強力なものになったと直感しています。もちろん、みなさんの環境によって効果は異なるでしょう。無料アカウントを使っていたり、有料プランでもすぐにトークンを使い切ってしまったり、古いモデルを使っている場合は、この方法は機能しません。しかし、最先端のモデルを使って高度な知的労働を行うのであれば、これこそが取り入れるべきアプローチであり、進化すべき方向性です。何よりもまず、AIはシニアパートナーであるというメンタルモデルに変えること。そして、オープンになりすぎず、かつ問題の視野を広げるような、絶妙な質問を立てる技術を身につける必要があります。
優れたマネジメントから学ぶ3つの原則
この点について少し掘り下げて話しましょう。さらに詳しく知りたい方のために、サブスタックの方でプロンプトのコレクションや、質問へのアプローチへのマインドセットの切り替え方、AIに対して、記憶機能がついたからこれからはもっと質問をベースに対話したいと伝える方法などを深く解説しています。クイックスタートガイドなどもそちらですべて手に入ります。
ただ、今日この場でみなさんに持ち帰ってもらいたいのは、そうした質の高い質問を組み立てるための3つの主要な原則です。それぞれについて少し詳しく説明していきます。すべての人が過去に良いマネージャーに恵まれたわけではないので、具体的なステップが必要です。実際、多くの人と話していると、ネイト、君は良いマネージャーを引き合いに出すけれど、自分はそんな上司に出会ったことがないよ、と言われます。なるほど、分かりました。それなら、このプロセスを学ぶことで、AIとのコミュニケーションが上手になるだけでなく、優れたマネジメントがどのようなものかというビジネスの基本を同時に学ぶことができるでしょう。2026年の大きなテーマとして、AIとのコミュニケーションパターンを洗練させることが、結果として自分の部下やチームとのコミュニケーションの質をも高めてくれるという現象が起きています。
それでは、問題を切り拓く質問の立て方について見ていきましょう。
原則の第1は、優れたマネージャーは、相手に自分の意図や視点をより深く探求させるために、どのように問いの形を整えるべきかを理解しているということです。詳しく紐解いていきましょう。まず意識すべきなのは、自分が投げかける質問の中に、あなた自身の「独自の視点や問題意識」を明確に込める必要があるということです。
たとえば、AIに対して、モナリザについてもっと詳しく教えてください、と頼んだとします。これでは、あなたの視点が全く伝わりません。そうではなく、ダヴィンチの晩年の人生という観点から、モナリザが当時の彼の人間関係にどう影響を与えたのかについて詳しく調べたい。なぜなら、モナリザの制作がダヴィンチの晩年の同僚たちとの関係性を形作ったという仮説を私は持っているからだ、と伝えてみてください。これで、あなたの切り口やアングルが明確に伝わりますよね。
ここでは分かりやすい例として絵画の話をしましたが、これはビジネスの課題でも全く同じです。たとえば、私たちのマーケティングのアトリビューションが機能していないのは、Googleのオーガニック検索のトラフィックが正しくセグメント分けされていないからだという仮説を持っている。だから、その問題意識を念頭に置いてデータを調査してほしい。この仮説は正しいかもしれないし、間違っているかもしれないが、まずはこの切り口で調べてみたいんだ、と伝えるわけです。
優れたマネージャーは、まるで懐中電灯の光の中心のように、意見の方向性を明確に示します。その光の周囲には探索すべき広いエリアが広がっていますが、上司の目がどこを向いていて、どこに焦点を当てようとしているのかが部下にもはっきりと分かります。AIに対する質問にも、このような明確な意図を込める必要があります。私たちはこの方向に向かっている、その枠組みの中で自由に探索し、パートナーとして協力してほしい、ただし狙うべき的の中心はここであり、超えてはならない境界線はここだ、という感覚を伝えるのです。
境界線やエッジを明示する質問の例をもう一つ挙げましょう。たとえば、ミーティングの議事録といくつかのファイルを組み合わせて、レポートとしてのドキュメントを作成したいとします。その際、あなたが最も伝えたい中心的なメッセージが何であるかを、懐中電灯の光の中心として質問に込めます。と同時に、こう付け加えるのです。ちなみに、会議の後半の15分間は、全く関係のない新しいプロジェクトの承認について話していた。それは今回のレポートに含める必要は一切ないから、完全に削ぎ落として無視してほしい、と。このようにAIに条件を考慮させます。コンテキストウィンドウのこの差し引いた部分を含めないように徹底させ、同時に、提供した大きなファイル構造全体をしっかりと考慮して咀嚼し、レポートに何を盛り込むべきかを正確に理解させるのです。
ここでもあなたの役割は、質問のセットを通じて、どこに焦点を当て、どこをAIに探索させ、どこに厳格な境界線を引くべきかを明確に伝えることにあります。これが第1の原則です。あなたの質問には、懐中電灯の中心光のような明確な意図がなければなりません。それがなければ、相手が人間であれエージェントであれ、彼らが最高の仕事をするために必要な情報を与えていないことになります。多くの人がここを見落としています。極端にオープンすぎて何でもありの質問をするか、逆にクローズドすぎて思考の余地のない質問をしてしまうのです。光の中心を定めつつ、光の広がりも確保する。このバランスを取る技術が極めて重要であり、これこそがアート、職人技なのです。サブスタックには、これらが具体的にどういう形になるのか、どのように段階を踏んでマスターしていけばいいのか、たくさんの事例を載せています。
成果の定義をAIと共に探索する
原則の第2は、単に評価指標、エバリュエーションを書くだけでなく、目指すべき成果の理想的な姿、つまり何が良いアウトプットなのかを、AI自身にオープンに考えさせるような質問を投げることです。私はエバリュエーションの話が大好きですし、普段から重要性を説いています。動画の前半で触れたような、あらかじめ作り込まれたエージェント型パイプラインにおいては、確実に仕事を実行させるためにエバリュエーションは不可欠です。
しかし最近、エバリュエーションが多くのケースで有用であることと、「目指すべき成果の理想像をAIと共に探索すること」を混同してしまっている人が増えているように感じます。具体例を出しましょう。
たとえば、AIと一緒にPR FAQを執筆しているとします。アマゾン流の、プレスリリースを最初に書き、次に想定問答集を書くというドキュメント手法です。質の高いPR FAQを読んだことがあれば、何が良いドキュメントなのかは感覚的に分かります。しかし、それを評価するための厳密なエバリュエーションのコードを書くのは極めて困難です。
そこで、AIアシスタントに対して、一緒に質の高いPR FAQを作りたい、とアプローチする場合、その高いドキュメント基準をクリアする最善の方法は、求めるべき成果の本質をAIに直面させ、それを満たす答えを合成せざるを得ないような、鋭い問いを投げかけることです。
たとえば、このPR FAQは、Prime Videoで計画している新しいプロジェクトの立ち上げに関するものだとします。これは完全な架空の話ですが、ワールドカップの試合中に、3Dの立体的な選手たちがリビングの床の上に現れてボールを蹴り回すような、とんでもなく素晴らしい体験だとしましょう。そして、AIにこう問いかけます。この顧客体験について一緒に考えてほしい。3D体験の経験の有無や、3Dメガネを持っているかどうかにかかわらず、あらゆるユーザーが直感的に楽しめるものにしたいんだ。それをどう表現すればいいかまだ迷っているから、顧客の視点に立って考えてみてほしい。そして、そのエッセンスをプレスリリースの中にどう織り込めるか、アイデアを出してくれないか。
さらに続けます。まだ難しい問題が残っている。ソフトウェアとしての体験とハードウェアとしての体験がどのように相互に結びついているのか、その関係性をプレスリリースと社内向けのFAQの双方でどう表現すべきかも考えてほしい。プレスリリースでは顧客が感じるワクワクした感情を伝えつつ、社内FAQではそれがどのようにシームレスに実現されるのかのロジックを厳密に列挙する必要があるんだ、と。
この架空の例の中で、私がいくつかの難易度の高い質問のタイプを投げかけたのがお分かりいただけたでしょうか。私はAIに対して、これをこう組み合わせてくれ、という具体的な指示は出していません。なぜなら、私自身もまだ答えが分かっていないからです。代わりに、AIに対して、一連のファイルに目を通し、私と一緒に頭を悩ませ、考えを整理した上でフィードバックを戻してほしい、と頼んでいるのです。
このアプローチは、2ヶ月前や3ヶ月前、ましてや半年前のモデルと比べても、現在のモデルにおいて圧倒的に有効に機能します。しかし、周囲の人の使い方を見ていると、これを実践している人はほとんどいません。複数のオープンな質問を同時に投げかけて、AIにそれらを横断的に統合して答えを出させる、という使い方をしていないのです。
もし、そんな質の高い質問をどうやって立てればいいのか分からない、ネイトはどうやってそれを身につけたんだ、と思うのであれば、安心してください。みなさんの思考の筋肉を鍛えるための、質問プロンプトのスターターガイドを用意しています。AIと対話しながら、こうした質問の立て方を学んでいけるようなプロンプトも提供可能です。それは完全に実現できます。
そして、もう一つお伝えしたいのは、私がこの技術を習得できたのは、自分の内なる好奇心に従い、AIはシニアパートナーであるというメンタルモデルを徹底的に信じ込んだからです。だからこそ、私はAIを経験豊富なシニアとして扱い、語りかけます。これこそが、技術の進化によって変わった最も重要な事実であり、みなさんにこの動画から持ち帰ってほしい最大のポイントです。
膨大なデータと文脈を制するアプローチ
それでは、この動画で最後にお伝えしたい、最優先で持ち帰るべき第3の原則に進みましょう。さらに深い内容については、動画の下にあるリンクからいつでもチェックしてください。
質問を立てるための原則の第3は、AIに提供したデータやファイルのインプットと、そのデータの背景にある、あなたの個人的な見解やニュアンスといった暗黙的で柔らかなインプットの双方を、AIに徹底的にぶつけ合わせて咀嚼させる質問をすることです。これも決して簡単なスキルではありませんが、優れたマネージャーは日常的にこれをやっています。彼らは、精査すべき固いデータやファイルを示すと同時に、自分自身の仮説や意見を部下に伝えるのです。
私が今Codexを使っているとき、最も好んで行うプロセスの一つは、Codexにファイルを再組織化させ、作業用のコンテキストフォルダに必要なファイルをすべてコピーさせることです。これが非常に強力なのは、ドキュメントファイルやパワーポイント、エクセル、ソースコードといったフォーマットされた公式なファイルだけでなく、会議の文字起こしのような非公式なデータもすべて一箇所に集約できるからです。非常にクリーンで整理されたフォルダを作成し、そこを起点にAIに指示を出すことができます。Codexは膨大なコンテキストウィンドウを持っているので、指示したフォルダからファイルを拾い集めて整理し、そこから作業を開始するくらい朝飯前です。
しかし、そのような環境、つまりAIが様々な種類のファイルが入ったフォルダを相手に仕事をしている状況を想像してみてください。あなたのプロンプトにおける役割は、AIがただ一つのファイルだけに飛びつくのではなく、あなたの問題意識を反映した質問を手がかりに、すべてのファイルを横断して深い視点で分析せざるを得ないような問いを立てることにあります。
ここで多くの人が犯しがちなミスは、AIに大量のファイルを与えれば、それらすべてを普遍的かつ均等に読み解いてくれると思い込んでしまうことです。確かにそうしてくれることもありますが、時として、あなたの質問に含まれる些細なニュアンスのせいで、AIが特定のフォルダやファイルだけに過剰に引きずられ、そこだけを深く掘り下げてしまうことがあります。あなたとしては、フォルダ内のすべてのファイル、あるいはコンテキストウィンドウに添付したすべてのデータ（co-workなどはファイルを添付するスタイルを好みます）を俯瞰して見てほしかったはずなのに、です。
だからこそ、私はPCの前に座り、こう考えます。よし、AIがこれらのファイルを横断的に見渡し、私の意見や問題意識を背景に含みながら深く考察できるような質問を組み立てよう、と。
ここでも具体的な例を挙げましょう。たとえば、プロダクトマネジメントの観点から、特定のMRR、月次経常収益の課題を解決しようとしているとします。私のミッションはプロダクトの月次収益を成長させることであり、そのために使えるプロダクトのレバーが2つか3つ手元にあります。過去の実験データもあり、顧客の声、ボイス・オブ・カスタマーのデータも大量にあります。
最初のタスクとして、Codexに顧客のインタビューの文字起こしデータを整理させます。さらに、既存のカスタマーサポートのチケットのコピー、それぞれのプロダクトについて分かっているすべての情報、過去のプロダクト要件定義書、新機能のリリース発表のドキュメントなど、あらゆるものを整理させます。そして、現在の収益状況を把握するための定量的なアナリティクスデータも完全に理解させます。これらをすべて一つのフォルダにまとめます。こうした整理自体もエージェントに任せることができます。彼らはフォルダ内でファイルを再編成するのが得意ですからね。
こうして準備を整えた上で、私はAIの前に戻ります。ここで、単に光の中心と境界線を示すだけ、あるいは複雑な質問を合成させるだけでは終わりません。私は、その膨大なデータの広がりそのものに切り込み、データ全体に対して私が抱いている問題意識を明確に伝える質問を投げかけます。すべてのデータと真剣に向き合わせるために、たとえばこのように語りかけるのです。
私の見立てでは、過去2年間私たちが従ってきたプロダクト主導型の成長、プロダクトレッドグロースの戦略は、すでに限界を迎えていると考えている。このアプローチからは、もはや十分な利益率が得られていないのではないか。その証拠に、過去6ヶ月間のMRRの伸びは明らかに鈍化しているし、直近の3回のプロダクトリリースを見ても、どれも一時的な効果にとどまり、期待したような持続的なロケットスタートを切れていない。私たちの思考自体が、過去の要件定義書、PRDの段階で行き詰まっていたのではないかと思う。
お分かりでしょうか。私はこの問いの中で、具体的なデータやドキュメントの名称を明示しています。そして、これはAIに対する明確な問いかけです。
AI、あなたにはこの問題意識を持った上でデータに切り込んでほしい。私が渡したすべてのデータソースを横断的に分析し、あなたがこの課題空間にどう向き合うべきか、あなた自身の仮説を提示してほしい。私の意見に同意する必要はない。プロダクトレッドグロースではなく、全く別の側面に真の原因があるという結論になっても構わない。ただし、あなたが導き出すいかなる仮説も、私が提供したすべてのデータを最も美しく、エレガントに、そして最も高い説明力で裏付けられたものである必要がある。私たちが次にどのプロダクトを、なぜ立ち上げるべきかを共に深く議論するためにね。
これは非常に長い質問です。私が口に出して話すのにもそれなりの時間がかかりました。しかし注目してほしいのは、この問いがAIに対して、明確な意図を持たせると同時に、提供されたデータの一部だけをつまみ食いするのではなく、すべてのピースを徹底的に読み解くことを強烈に要求している点です。
一般的なプロンプトでは、こうしたアプローチが圧倒的に不足しています。データのリストだけが平坦に置かれていてこちらの意図や問いが何も含まれていないか、あるいは逆に、自分の偏った意見を延々とまき散らしているだけのどちらかです。後者の場合、AIはシニアパートナーとしてデータを検証し、反論を試みるのではなく、単にあなたの意見をオウム返しにミラーリングして終わってしまうでしょう。
以上が、私からみなさんに伝えたい3つのヒントです。
懐中電灯を意識し、自分の意図を明確に示すこと。AIに複雑な領域を横断して一般化と統合を促すような一連の質問を組み立てること。これは架空のPrime Videoの立ち上げにおける3Dサッカー選手の例で説明しましたね。そして、データを巻き込みながら、質問の中にあなたの明確な問題意識を込めることです。高度な知的労働において、私が直感的に実践しており、他の人がまだやっていないと感じるアプローチを凝縮するなら、まさにこの3つに集約されます。これは間違いなく、トレーニング次第で誰でも習得できるスキルです。
そのためにサブスタックがあります。ぜひ深く掘り下げてみてください。クイックスタートガイドもありますし、AIがこうした質の高い質問を忘れているときに、あなたに対してリマインドを促すようにAI側をあらかじめ方向付ける、プライミングのやり方も学べます。AIには記憶機能がありますから、ネイト、最近あまり深い質問をしてくれませんね、一緒にそこを改善しませんか、とAIの方から問いかけさせることだって可能です。そのためのメモリー用の記述も用意しています。
いずれにせよ、一歩引いて大局を見るなら、私はここに明確な一線を画したいと考えています。私たちは、多くの意味ですでに従来のプロンプトエンジニアリングの世界を置き去りにしました。現場で人々が感じている、あのプロンプトに対する冷ややかな視線や飽き飽きした空気は本物です。それはプロンプトエンジニアリングに価値がなかったからでも、今それが重要ではないからでもありません。ただ、それができて当たり前の最低条件になってしまったというだけのことです。もはやそれで特別な評価は得られません。
私たちは、プロンプトの未来を表す新しい言葉を見つける必要があります。100倍強力になったエージェントと共に、極めて濃密で高度な知的労働に挑むのであれば、彼らをシニアパートナーとして遇しなければなりません。2025年に新人アシスタントに指示を出していたような古いプロンプトスタイルから、シニアパートナーに対して問いかけるような洗練されたスタイルへと脱皮するのです。
この3つの原則が、みなさんにとって、優れたマネージャーの理想像を理解する手がかりとなり、同時に、AIに対するプロンプトのあり方を変えるきっかけになれば幸いです。AIをシニアマネージャーとしてプロンプトしてください。単なるプロンプトエンジニアリングではなく、AI質問メソッドを駆使して成果を上げるのです。プロンプトエンジニアリングにおいて、最も重要だったのは言葉の表面的なテクニックではなく、常にその奥にある人間の「意図」でした。そして現在のAIにおいて、その意図を最も純粋に表現する手段こそが、AIに課題空間を探索させ、あなたと共に真に意味のあるクリエイティブな仕事を成し遂げるための、極めて鋭く磨き上げられた一連の質問なのです。
ぜひこのアプローチを持ち帰り、このトランスクリプトをそのままAIに投入してディスカッションしてみてください。何かのインスピレーションが湧くはずです。それでは、楽しんで取り組んでください。
コメント