はじめに
ここ最近、試験的に業務でAIを活用する取り組みを始めました。
何かと話題のAI活用ですが、この記事では「実際どうなの？」「どう使ったらいいの？」という部分ついて、活用事例として記載していきたいと思います。
なお、筆者はAIを活用して業務を行うのはほとんど初めてです。
そのため、今回の記事は「🔰AI初心者による活用事例」となっています。
この記事は筆者個人の体験に基づくものです。
実際にAIツールを導入する際は、個々のユースケースに合わせて慎重に検討してください。
AIに仕事を手伝ってもらった
業務でAIを活用するにあたって、いくつかのことをお願いしてみました。
以下はその一例です。
- ソースコードの作成、修正方針の提案
- エラー解析
- AWSの設定手順の提示
- 技術記事の調査
得意そうなこと
上記の活用方法のうち、比較的うまくできた、効率化できたと感じたのは次の項目でした。
ソースコードの作成、修正方針の提案
システム改修にあたって、ソースコードの作成、修正の方針をAIに提案してもらいました。指示をする際には修正の目的、実現したいことをなるべく具体的に言語化し、指示をすることで、目的のものにそこそこ近いコードを出力させることができました。
ただし、一発で欲しいコードが得られることはほぼなく、成果物を見てリテイク(または自分で直接修正する)を繰り返し、最終的なコードを仕上げていく形で使っていました。
何にせよ、指示を出すユーザー側に完成形の明確なイメージがないと、適切な成果が得られないように思いました。
エラー解析
見慣れないエラーログに戸惑ったとき、そのログをAIに読んでもらうことで解析のスピードが向上しました。エラーの原因がパッと掴めないとき、エラーの原因を直したら新しいエラーが出てきたときなどには非常に役立ちました。
不慣れな言語で書かれたソースコードのエラー解析などにも強みを発揮しそうです。
AWSやサーバーに関する設定手順の提示
AWSやサーバーにて不慣れな設定を行う場合、操作には非常に神経を使います。筆者の場合、AWSの設定変更を行う局面において、目的を明示した上で「〇〇の設定をしたい」と依頼したところ、かなり具体的な操作手順書を出してもらうことに成功しました。
また、設定に詰まったり疑問が出てきたりするたびに、ユーザーの状況に合わせて解決策を出してくれるため、非常に役立ちました。
筆者としては、この使い方が最もAIを有効活用できたと感じています。
不得意そうなこと、うまくいかなかったこと
反対に、次の項目についてはAIの強みをあまり活かせませんでした。
技術記事の調査
あるジャンルの統計データについて、公的機関や研究所が公開しているもの、という条件のもとで収集を依頼しました。すると、いくつかの公的機関のURLが返ってきたのですが……。
古い！
リンクが切れている！
依頼したものとちょっと違う！
という状態で、結局は「自分で調べたほうがいいな」という結論に至りました。
ただし、これはAIの弱点というよりは利用するユーザ側の問題であると捉えています。
前述の「指示を出すユーザー側に完成形の明確なイメージがないと、適切な成果が得られない」という話題にも通じますが、このときの筆者はAIにかなり曖昧な指示を与えていました。
- 〇〇の需要について統計資料が欲しい
- 〇〇の動向に関するデータが欲しい
などなど……
最終的に筆者は自力で資料を探し、求めるデータを得ていることから、必要なものは分かっていても適切な指示に落とし込めていない状態に陥っていたと考えられます。
当然ながらAIツールはユーザーの頭の中に渦巻く思考を正確に把握しているわけではないので、適切な指示が落ちてこない限りは何もできません。
この言語化プロセスこそがAI活用におけるひとつの壁であり、ユーザーの習熟が求められるポイントであることを痛感しました。
少なくとも統計の対象年度や詳細を指定するなど、もっと具体的な指示を出せていたら結果は違っていたかもしれません。
さいごに
AIは業務において非常に強力なサポートツールとなりえるものです。
実際に活用してみて、ユーザーの持つ具体的で論理的なイメージを具現化するものである、という印象を持ちました。
AIの強みを最大限に活用するためにはユーザー側の習熟が必要不可欠ですが、まずは気軽に(そして、AIは常に正確とは限らないことを忘れずに)業務のちょっとしたお手伝いを依頼してみるところから、活用を始めてみてはいかがでしょうか。