はじめまして。

NTTデータ九州　法人システム事業部　第二ビジネス統括部　DXテクニカルセンタ担当の須崎　修二です。

主に、サポートセンター業務や現場での技術支援を通じて、社内外の課題解決や業務改善に関わっています。
そんな私が、NTTデータ九州の現場から、生成AIとの付き合い方を試しながら考えていく連載です。

技術そのものだけでなく、現場でどう伝え、どう受け取り、どこで人が判断を返すのか。
そんな「現場目線」で、AIとの距離感を少しずつ探っていきます。

この連載の案内役は、生成AIの波をなんとか乗り越えようとしている、とある現場のおじさんです。
若いころはキーボードを叩けば何とかなると思っていましたが、最近は目も指も肩も、だんだん正直になってきました。
それでも、AIに全部を任せるのではなく、人がちゃんと分かる形で付き合えば、現場でもかなり使えるのではないか。
そんな試行錯誤を、少しユーモアを交えながら書いていきます。

この連載のコンセプト

生成AIは、とても便利です。
文章を整えたり、要約したり、図のもとになるテキストを作ったり、ちょっとした相談相手にもなってくれます。

一方で、現場で使おうとすると、意外と人間側の工夫が必要です。

そもそもAIに何を渡せばよいのか
どこまでAIに任せてよいのか
どこで人が確認すべきなのか
うまく動かなかったときに、どうやって原因を追えばよいのか

この連載では、そうした疑問を「すごいAIの紹介」だけで終わらせず、現場で使う人の目線で考えていきます。

合言葉は、次の三つです。

AIよし：AIの得意なことをうまく使う
人よし：人が理解し、確認し、判断できる形にする
現場よし：実際の業務やサポートの流れに無理なく乗せる

AIが賢いだけでは、現場は回りません。
人が置いてけぼりにならず、業務の流れにも合っていること。
そこまで含めて、ようやく「使えるAI」になるのではないかと思っています。

連載一覧

話数	タイトル	概要	URL
第1話	AI時代の文字入力は、「正確に質問しなくちゃ！」を捨てるところから始まる	音声入力を使って、AIに渡す材料を楽に出す方法を試します。	https://qiita.com/NTTDATA-Kyushu-Cloud/items/e55c6fa15bc153265d65
第2話	とある現場のおじさん、図になる文字に出会う	MarkdownやMermaidのような「図になる文字」を、LLMとの共通言語として見ていきます。	https://qiita.com/NTTDATA-Kyushu-Cloud/items/866d29632d97dd0af61e
第3話	とある現場のおじさん、LLMは意外と物忘れが激しいことを知る	LLMが何でも覚えているわけではなく、文脈や状態の渡し方に左右されることを考えます。
第4話	とある現場のおじさん、MermaidでLLMに歩み寄る	Mermaidで処理の流れを整理し、LLMに手順や分岐を伝える方法を試します。
第5話	とある現場のおじさん、LLMにデバッグ環境を持ち込む	LLMの答えだけでなく、判断の道筋や状態も返してもらい、人が追える形にする方法を試します。

この連載で扱うこと

生成AIを現場で使うときの小さな工夫
サポートセンター業務での活用余地
AIに渡す入力の作り方
Markdown、Mermaidなどのテキスト記法の活用
LLMの文脈、状態、コンテキストの考え方
Chat、Workflow、Agentの使い分け
人が判断を返すための見える化
業務利用時に気をつけたい情報管理の観点

この連載で扱わないこと

生成AIサービス同士の厳密な性能比較
特定製品のベンチマーク
社内ルールを超えたAI利用方法
機密情報や個人情報をAIに渡す前提の具体例
すべてをAIに任せる魔法の手順

この連載は、AIを万能の存在として扱うものではありません。
むしろ、AIにも得意不得意があり、人間側にも準備や確認が必要だという前提で進めます。

対象読者

生成AIを業務で使い始めた方
プロンプトを書く前に疲れがちな方
AIに質問する文章を作るところで手が止まりがちな方
サポートセンターや現場支援でAI活用を考えている方
MarkdownやMermaidを、AIとの共通言語として使ってみたい方
AgentやWorkflowという言葉が気になっている方
技術は気になるが、まずは現場目線で試してみたい方
生成AIの波に、ちょっとだけ膝まで浸かっている気がする方

読み方

各回は、できるだけ単独でも読めるように書いていきます。
ただし、前の回の考え方を少しずつ引き継いでいます。

おすすめの読み方は、次の順番です。

まず第1話で、AIに渡す材料をどう楽に出すかを見る
第2話で、MarkdownやMermaidのような「図になる文字」に触れる
第3話で、LLMが何を覚えているように見えるのかを考える
第4話で、処理の流れをLLMに渡す方法を試す
第5話で、LLMの処理を人が追える形にする

最初から全部を理解しようとしなくても大丈夫です。
おじさんも、だいたい途中で一度迷子になります。
迷子になったら、図にしたり、メモにしたり、AIに聞き直したりしながら進めていきます。

業務利用時の注意

本連載では、生成AIや音声入力、Markdown、Mermaidなどを使った試行錯誤を扱います。
業務で利用する場合は、所属組織のルール、利用可能なサービス範囲、情報管理の方針を必ず確認してください。

特に、次の点には注意が必要です。

機密情報を入力しない
個人情報や顧客情報を不用意に渡さない
社外サービスに入力してよい情報か確認する
AIの出力をそのまま正解として扱わない
最終的な判断は人が行う

AIは便利な相棒ですが、最終確認係まで完全に引き受けてくれるわけではありません。
最後の「それでよし」は、やはり人間の仕事です。

心構えとして

生成AIの進化は速く、気づけば昨日の工夫が今日には不要になっていることもあります。
せっかくフローを整理したのに、モデルの進化で自然言語だけでも通るようになっていた。
そんなこともあります。正直、少し泣けます。

それでも、試行錯誤は無駄ではないと思っています。

AIに何を任せるのか。
人はどこで確認するのか。
業務の流れにどう組み込むのか。

このあたりを考える力は、モデルが進化しても残るはずです。

AIよし。
人よし。
現場よし。

そんな付き合い方を、現場のおじさんなりに探っていきます。

　次の記事⇒

執筆日：2026年7月22日（本記事及び連載記事（1話～5話））

免責事項：本記事及び連載記事（1話～5話）は執筆時点の情報に基づいています。製品仕様やサービス内容は変更される可能性があります。