背景
AIに調査やドキュメント作成を任せると、たしかに速い。でも、出てきた成果物を見て「なんか違う…」となって、結局イチから直した経験はないでしょうか。
これは実案件で「複数の案から1つを選ぶ調査レポート」をAIに作ってもらったときに、私自身がぶつかった壁でした。試行錯誤の末、頼み方（発注の仕方）を少し変えるだけで、自分の意図にかなり近い成果物が出せるようになりました。
この記事では、そのとき使った「発注の型」を、そのままコピペで使えるレシピとして共有します。対象は、AIに調査・比較・ドキュメント作成などを任せる人（エンジニアに限りません）。派手なテクニックの話ではなく、認知負荷を下げながら意図に寄せるための、地味だけど効く進め方の話です。
AIは速い。でも「人」の側に2つの壁が残る
AIは、人が読みきれない量を読んで端的にまとめてくれます。ここはすごい。でも、人の側に2つの壁が残ります。
出力側の壁
- 要約が抽象的すぎて分からない。AIが良かれと思って抽象化した要約、特に「結論」だけを読むと、抽象的すぎて結局何を言っているのか掴めないことが多い。
- 一気に出されると重い。大量のアウトプットをドンと出されると、それを把握してコメントするだけで認知負荷が跳ね上がる。
入力側の壁（こっちがより根っこ）
そもそも発注する側が、「本当に欲しいものを得るには、どう依頼すればいいか」を考えること自体が難しい。欲しいものが自分でも言語化できていないまま、ふわっと頼んでいる、というやつです。
だから、成果物を一括で受け取らない。少しずつAIと打ち合わせて積み上げる。
これだけで、認知負荷を下げながら意図に寄せていけます。
この記事で渡すもの：実体験から作った「発注の型」
ゴールはシンプルで、「全部やる・全部読む・全部決める」をやめること。人が触るのは"効く所"だけにします。
これから出てくる型は、すべて 「どう頼めば意図に近づくか」の分解です。
人が要所だけに関与して意図を担保する ― いわゆる HITL（ヒューマン・イン・ザ・ループ） の、実務向けの型だと思ってもらえればOKです。
全体像：人が触るのは「依頼・承認・検証」の3か所だけ
先に流れを見せます。中間の重い作業はAIが担い、人が触るのは3か所（依頼・承認・検証）だけです。
要は、人の関与を 依頼・承認・検証の3点に圧縮する。だから認知負荷は低いのに、方向はちゃんと握れます。以下、③〜⑤で効く3つの型を順に説明します。
型①：結論ファーストで、まず"構成"だけ承認する
いきなり本文を書かせず、先に「結論（1つに言い切る）」と「構成案（見出しだけ）」を出させて、承認してから肉付けさせます。
狙いは、方向のズレを書き始める前に潰すこと。ここが弱いと、後工程がまるごと手戻りリスクを負います。
たとえば「監視アラートの通知方式を選ぶ」調査だと、こんなやり取りになります。
この段階で承認しているのは「結論の方向」と「構成」だけ。本文はまだ1文字も書かせていません。
型②：決め手ポイントだけ「1問ずつ」決める
構成を決めるとき、結論を左右するポイントだけを抜き出して、1つずつ「意思決定」として問わせます。コツは3つ。
- 選択肢つきにして、推奨を先頭に置く。
- 選択肢が複数あるポイントは、1問ずつにして取り違えを防ぐ。
- ポイントどうしに依存があるときは、独立に並べず組み合わせで提示させる（片方の答えがもう片方を無効化することがあるため）。
さっきの通知方式の例なら、こう問わせます。
「全部決めて」ではなく 「ここだけ決めて」 に変わる。これだけで、承認の負荷が段違いに軽くなります。
型③：結論を"仮説"として、決め手ポイントで裏を取る
成果物が出てきたら、頭から全部を精読しない。結論を「仮説」として置き、それを支える決め手ポイントだけを読んで裏を取ります。
- 結論を仮説として置く（まず「妥当そうか」だけ見る）
- 決め手ポイントの中身を読む（妥当そうなら、依存するポイントへ）
- 仮説が裏付くか確かめる（出典で確認＋読んで納得できるか）
- 足りなければ解像度を上げる（AIに具体化を指示し、人が分かる形へ）
たとえば出力が次のような構成だったとします。
これは2層レビューです。結論だけで承認せず、結論が依存する決め手ポイントだけを検証して、結論を確定または改訂する。
おもしろいのは、効くポイントを深掘りすると結論自体が動くことがあるという点。
だから「一律に全部深掘り」ではなく「効く所から解像度を上げる」のが大事です。
型を、コピペ可能なレシピにする
ここまでの型は、次のプロンプトにまとめておけば、毎回同じ進め方を再現できます。
AIツールの「プロジェクトの指示」やシステムプロンプトに貼って使ってください。
（私は Claude Cowork の「プロジェクトの指示」で動作を確認）
## 進め方の型
- 結論ファースト＋構成の承認：先に結論（1つに言い切る）と構成案（見出しだけ）を出して承認を得てから肉付けする。
- 決め手ポイントの提示は「1つごとに1意思決定＋選択肢＋推奨」で行う：結論を左右するポイントを絞り、各ポイントに決めてほしいこと1つを選択肢つき（推奨を先頭）で添える。選択肢が複数あるポイントは1問ずつにして取り違えを防ぐ。
- ポイントどうしに依存がある場合は独立の選択肢として並べない。依存を明示するか、矛盾しない組み合わせ（例：A案=①x＋②y／B案=①z）として提示する。
- 2層レビュー：結論だけで承認しない。結論を仮説として足切り → その結論が依存する本文の決め手ポイントだけを特定して検証 → 結論を確定/改訂する。
- 解像度と結論の順序：すべてを一律に深掘りせず、結論に効く（依存変数のある）ポイントから解像度を上げる。
まとめ
- AIは速いが、「抽象的すぎる要約」「一気の大量出力」「そもそも頼み方が難しい」という壁が人の側に残る。
- 対策は、成果物を一括で受け取らず、依頼・承認・検証の3点だけに人が関与すること。
- 型①結論ファースト＋構成の承認／型②決め手ポイントを1問ずつ／型③結論を仮説に決め手だけ検証、の3つ。
- これらはコピペ可能なレシピにできる＝個人技をチームで再現できる。
派手さはないですが、「ゼロから考えて直す」のとは人の負荷がまるで違います。
まずは1つのタスクで試してみてください。