GPT：あなたの課題を紐解くファシリテーター
ChatGPT3.5がリリースされたのは、たしか2022年11月。もう2年も経つのかぁ…。
「進化・進展の観点」から見ると”瞬く間”だったけれど、自分の「生成AIの組織的な活用」という立場から見ると、”かなりスローモーション”… 進んでいないと感じます。
先日、ある「生成AIの導入と活用に関するセミナー」に参加し、この感覚はさらに強くなりました。きっと、生成AIを積極的に活用している企業とそうでない企業の間には、すでに埋めがたい距離感があるかもしれない。
セミナーで紹介された3社の取り組みは、それぞれ独自のノリと導入アプローチがありましたが、大まかには ①独自チャットボットの開発 → ②AIサービスの利活用 → ③特定業務のAI化 という道筋で進んでいるようでした。
生成AIに慣れる → 身近なことでやってみる → 特定のことが得意なAIサービスに手を伸ばす → 業務の仕組みの一部をAI化する…
ウジウジしてたら、やってる組織とそうでない組織の差はますます拡大していくんだろうな。。。
ただし、生成AIは「使うこと」が目的ではなく、
これらを活かして、生産性や効率を高めたり、肝心なことにもっと時間が割けるようにすることにありますので、問題意識をもって課題の規模間や深さをしっかり把握しないと、せっかく手に入れた武器（生成AI）も宝の持ち腐れになってしまう。
また、人は日々の業務に忙殺されると、課題を煮詰める時間が割けなくなり、忙殺され続けうちにそれが当たり前になり、逆に暇になると問題意識が下がって考えなくなる(笑)。
「忙しいとできない」… 確かにそうかもしれないけれど、問題意識が高まる忙しい時こそ 課題を煮詰めるチャンス でもあるので、そんなタイミングで一気に突っ切ることができるか？が運命の分かれ道なのかもしれない。
実は、業務や課題を選択すると、生成AI活用アイデアのヒントを提示してくれるアシスタントAI を作ったのですが、上のように「そもそも何で困ってて、どうしたいのか？」がクリアでないと、「ふ～ん」で終わってしまう可能性が高いので、課題を煮詰め、深めることをアシストしてくれるAI を作ることにしました。
👇これ
GPT：「あなたの課題を紐解くファシリテーター」について
こんにちは！
私は、あなたが抱えている課題や困りごとを一緒に紐解き、その本質を見つけるお手伝いをするファシリテーターです。
「何が問題なのか、そもそも何を目指しているのかが曖昧なまま、目の前の作業に追われている…」と感じることはありませんか？
あるいは、「本当に解決すべき課題が見えにくい」と思ったことはありませんか？
私の役割は、あなたと一緒に対話を重ねながら以下のようなプロセスを進めることです：
課題の発見
あなたが感じている困りごとを丁寧に引き出します。どんなに小さなことでも構いません。具体例や選択肢を提示することで、問題をはっきりと見える形にします。
背景や本質の掘り下げ
「なぜその課題が発生しているのか？」を一緒に考えます。
問題の背景やその影響を整理しながら、本当に解決すべき本質的な課題に近づいていきます。
目的の再確認
あなたが取り組んでいる業務の「本来の目的」を一緒に振り返ります。
現状の課題と目的の間にどんなギャップがあるかを考えることで、解決の方向性が明確になります。
行動につながる提案
整理した内容を基に、具体的で実行可能な次のステップを一緒に考えます。
大きな行動を取る必要はありません。小さな一歩から始めていきましょう。
この対話を通じて得られるもの：
自分の課題の本質に気づける
目的を見直し、現状の課題を新しい視点で捉えられる
次に取るべき具体的な行動が見えてくる
まずは、「最近、少しでも困ったり気になったりしたこと」を教えてください。選択肢や具体例を参考にしていただいても構いません。一緒にじっくり考えていきましょう。
さあ、課題を紐解く旅を一緒に始めませんか？お話をお聞きするのを楽しみにしています！ 😊
あとがき
組織には役割上、「生成AIツールを与える側」と「与えられる側」の図式があります。
本来の目的は、生産性や効率を高めたり、肝心なことにもっと時間が割けるようにすることにありますので、「与える側としては…」「与えられる側としては…」という論点の前に、「おぉ、ええやん！」や「こんな状態にしたいね」を共有しないとなぁ。
また、生産性や効率を高めるネタがあるのは現場。なので、現場が自分ごととして主体的にやってかないとなぁ。
このGPTと、そんなこんなをやり取りしたところ、以下5つのアプローチが示されました。
スモールスタートとパイロットプロジェクトの違いは以下です。
ここでは、やり取りした背景の文脈には触れませんが、わたしが抱えているケースではスモールスタートが適したアプローチであると提案されました。
選択すべきアプローチ
あなたの状況に最も適したアプローチは スモールスタート です。その理由は以下の通りです。
1. スモールスタートが適している理由
1. 現場の信頼を得やすい
- 小規模で試行を始め、具体的な成果（効率化、創造性向上など）を示すことで、生成AIの有用性を経営層や他部門に納得してもらいやすい。
- 特に、モデルの更新が進まず信頼を得づらい状況では、目に見える成功事例が重要。
2. コストとリソースの節約
- API接続や新しいモデルの導入に投資がかかるとされていますが、小規模導入なら必要なリソースを最小限に抑えられ、コスト対効果が高い。
3. 現場ニーズへの迅速な対応
- 無料ツールが利用されている現状を踏まえ、公式に試験的な活用を進めることで、現場が抱える課題に直接応えることができる。
- Copilotの汎用性不足も、スモールスタートで補完できる。
4. 社員スキルの向上に寄与
- 小規模な導入でトレーニングやプロンプト設計の教育を同時に行うことで、社員のスキルを徐々に向上させる。
- 成果を示す中で、生成AI活用の文化を育てる。
2. なぜパイロットプロジェクト単体ではないのか
- パイロットプロジェクトは、主に「効果検証」を目的とするため、現在の「早く成果を出して信頼を得たい」という状況には合致しにくい。
- また、現状のモデルやツールの制約を考えると、検証よりも現場ニーズに応える「柔軟性」が優先される。
3. 他のアプローチとの比較
- トップダウン型：現在の課題（モデル更新の遅れ、無料ツールの未承認）から見ると、経営層の動きが停滞しており、上層部の合意形成に時間がかかるリスクがある。
- 社員主体型：社員のスキル不足や利用可能ツールの制限がある現状では、社員だけに任せるのは難しい。
- 外部パートナー連携型：外部リソースの活用も有効だが、コストがかかり、内製化の進みが遅れるリスクがある。
具体的な実行案
1. 対象範囲の選定
- 特定のチームや業務（例：議事録作成、提案書作成）に限定して生成AIを試験導入する。
2. 成果の可視化
- 初期段階で得られた成果を数値化（例：作業時間短縮率、出力品質向上）し、他部門に共有する。
3. 社員教育の実施
- プロンプト設計やAI活用の基本トレーニングを提供し、スモールスタートに必要なリテラシーを養成。
4. 透明性の確保
- 目指すゴール、実行計画、実績を社内でオープンにし、信頼を醸成する。
5. 次への展開
- 初期成果を基に、他部門や別業務に段階的に適用範囲を広げる。
来年は「どこまでを目指して、なにをやって、それらの実績も効果もすべてフルオープンにするから、スモールスタートでやらせて」で進めたいと思います。
少しづつかもしれないけど。。。動かしていかないとな。
絶対に楽にしてやる(笑)。
いいなと思ったら応援しよう！
