【マネジャー向け】自律型AIに向くのは、どの粒度のタスクが良いのか？
人に仕事を依頼する際には、どの粒度であれば実施可能であるだろうか。などを考えるかと思いますが、AIに仕事を依頼する場合においても同じ問題が発生します。
現段階のAIといえば、ChatGPTのようなボトムアップ型のAIが主流ですが、AutoGPTやBabyAGIのようなトップダウン型のAIが存在します。
2023/04/26現在、これらは実験段階のツールではありますが、それでも実用性について考えてみたいと思います。
自律型AIに向くのは、どの粒度のゴールが良いのか？
私たちビジネスパーソンはどの粒度のゴールを現時点の自律型AIにインプットすると良いのでしょうか？
結論としては、「人が介在する必要のない粒度、かつ、予算内で、希望納期までに達成できる粒度のゴール」となるかと思います。
具体的に考えていきます。
AIに解かせるゴールの粒度を考える際には、
・どの程度の時間が必要なのか。
・AIに使える予算はいくらか。
といった観点で、考える形になると思います。
前提
思考実験における前提を置きます
・マネジャーがAIをタスク処理実行アシスタントとして用いる
・マネジャーである私たちは、ウォーターフォール型のプロジェクトまたはアジャイル型のプロジェクトを率いている
・システム利用料などの予算については今回は考慮しない
どの程度の時間が必要なのか。といった観点においては、そのプロジェクトが許容される時間に寄るところが大きいですが、前提条件が変化しないくらいの時間 そして 依頼した人間が忘れない程度の時間が答えなのではないでしょうか。
ゴールとタスク
ゴールとタスクという言葉について説明します。
ゴールは達成したい状態のことを指します。そして、タスクはゴールに至るために実施すべき作業のことになります。
ゴールは複数のタスク実行の結果、達成されるものです。
時間がかかるタスク、かからないタスク
この違いは何でしょうか？おそらく、システム完結（AI＋外部API）か否かが関係すると思います。システムが自己完結できなかった場合は、人に助けを求めてくるはずですので、人が実行するという状況になった時点で、依頼主である私たちの時間や外部の人との取引のための時間がかかるのは間違い無いです。
システム完結の場合はAIにゴールが実行されるまでの時間を見積らせることも可能かと思いますので、見積られた時間に基づいて判断が下せるはずです。
参考：ゴールシークで前処理をしておく
例えば、ChatGPTに曖昧なゴールを設定した場合は、価値のない成果が返ってくると思われます。その場合は、ゴールシークを実施してから依頼する形が良いかと思われます。
AIが完結しない場合は選択肢から外れる
当然ではありますが、AI完結しない場合の粒度の仕事を依頼した場合は、ゴールに到達することはありません。ただ、とにかくAGIに投げてみて、収束した結果を得てから、試行錯誤しながら考えるという形でも良いかもしれません。
実行に失敗したら、再度ゴールを与えて依頼すれば良いはずですから。
しかし、試行錯誤しすぎると非効率になってしまうということもあるので、通常業務においては現実性の高い粒度のゴールを設定すると良さそうです。
システム完結の具体例は？
それでは、システム完結の仕事の具体例とはどのようなものがあるのでしょうか？
具体例としては
インターネットリサーチしてレポートを作る
株式の運用で手持ちの資産を最大化する
などが考えられます。
参考：そのゴールへの道のりは収束するのか？
そのゴールへの道のりは収束するのか？という疑問があるかと思います。例えば、ゴール設定方法として、「世界平和を実現する。」を設定した場合、おそらく数週間でも、数年でも終わらないことは直感的にわかります。（ただ、世界平和を実現させるための必要条件群やグランドデザインを洗い出してはくれるかもしれませんが）
その理由としては、
・ゴールが曖昧
・考えるべき要素が膨大であること
・外部環境が随時変化しているためタスクを実行してもゴールへの道のりがどんどん変化する
・そのため、アジャイル型の進め方をする必要がある
などが考えられます。
システム完結しない場合は、タスク分割にとどめて利用すれば良い
私たちは、システム完結しないケースを扱っていると思います。
その場合、タスク分割をAIに依頼させるのは手です。つまり、
ゴール達成のためのタスクを分割させる仕事
といった形で、途中までをAIにさせることもできます。
また、ゴールへの道のりは一つではなく複数存在すると思いますので、こういった依頼をすることで様々な可能性を知るきっかけとなります。
では、良いタスク分割をさせるにはどうすれば良いでしょうか？
チーム活動のスプリント期間に合わせる
チームは、定例を基点として、動いている場合が多いと思います。
定例にも、週次の定例、月一の定例、四半期ごとの定例があるかと思います。
おすすめなのは、週次レベルの定例などをピックアップして、前の定例から次の定例までをスプリント期間として、その期間内に終えられるようなタスクの粒度に分割をするのは一つの手であります。
メンバーを考慮した粒度への分割
人間＋AIでゴール達成を目指して、タスク処理することを考えた場合、スプリントサイクルやデイリースクラム時間を考慮する形を提案しましたが、チームメンバーの特性を把握して、適切な粒度に砕いてもらう必要があります。特定としては、
好きな仕事の種類
文脈の理解度
自走度合い
実行能力
実行速度
etc
のような形でしょうか。
私はトップダウン型のAIにプロジェクトマネジメントをさせて、チームメンバーを駆使するような半自動プロジェクトマネジメントを日々研究しています。
ここまで読んでいただき、ありがとうございました！
今後の仕事として、一人ひとりが成長できるようなパートナーとしてもタスク管理AIを開発していきます。
次世代型のタスク管理システム「PATHWORK（パスワーク）」を運営しています。ぜひ応援してください。