情報ラボ365

AIと立てた計画、実行してみたら全然その通りに進まなかった経験はありませんか？計画直後に「この計画は失敗しました。なぜ?」と未来の検死をさせるPre-Mortemなら、楽観的な計画の穴を実行前に潰せます。コピペOKのプロンプト付きで解説します。

AIに費用や時間の見積もりを頼むと、なんとなく無難な数字が返ってきて信用しきれない。そんなときは、あえて極端な仮定を先にぶつけて答えの幅を広げさせる方法が効きます。人間の認知バイアス研究に着想を得た反事実アンカリングを、コピペOKのプロンプト付きで解説。

AIにアイデアを頼むと、無難で似たような案ばかり返ってくる。2025年発表の研究によれば「案5つを、それぞれの確率付きで」と頼むだけで多様性が1.6〜2.1倍になります。Verbalized Samplingの使い方を、コピペOKのプロンプト付きで解説。

AIに相談すると、なぜかいつも賛成してくれる。実はAIには「ユーザーの意見に同調しやすい」性質があることが研究で確認されています。質問を中立形に組み替えるQuestion Reframingで本音の評価を引き出す方法を、コピペOKのプロンプト付きで解説。

仕様書・判断基準・プレイブック…AI活用の道具が増えてきたら、次は「全体の点検」です。月1回、自分のプロンプト運用一式をAIにレビューさせるAuto-Harness Optimizationで、仕組みが複利で育ちます。コピペOKのプロンプト付きで解説。

【第28話】のプレイブックはルールの蓄積でした。今回はさらに一歩進めて、タスクのたびにAI自身へ「次回用の指示テンプレート」を書き換えさせます。使うたびに指示書そのものが進化するSelf-Modification Loopを、コピペOKのプロンプト付きで解説。

AIに同じ種類のタスクを頼むたび、毎回ゼロからやり直していませんか。タスクの最後に「今回の汎用ルール」を抽出させて次回に持ち越すPlaybook Memoryなら、やり取りが資産として蓄積されていきます。コピペOKのプロンプト付きで解説します。