2年かけた個人の手順書が、AIの武器になった
海外の技術者コミュニティで、ひとつの投稿が話題になりました。投稿したのは個人で研究を続けている人物です。自分が2年かけて開発してきた「パイプライン」を1か月ほど前に無償公開したところ、Claudeがそのパイプラインを使って、ヤコビアン予想という数学の未解決問題の反例を見つけた、という内容でした。
ヤコビアン予想というのは1939年に提示されて以来、80年以上も決着がついていない数学の難問です。中身を理解する必要はまったくありません。大事なのは、それが「世界中の数学者が長年かかっても解けなかった問題」だという一点だけです。
ここでいうパイプラインとは、複数の処理を決まった順番でつないだ一連の流れのことを指します。原料を入れると製品が出てくる工場のラインを想像してもらうと近いです。投稿者は2年間、そのラインをひたすら磨き続けていました。どういう順番で計算し、どこで条件を絞り、何をチェックし、失敗したらどこに戻るのか。その積み重ねを、誰でも使える形で公開したわけです。
私がこの話に強く反応したのは、数学の部分ではありません。世界最高峰の難問に届いたのは、AIの賢さ単体ではなく、そこに「2年分の手順」が渡されていたからだ、という構図のほうです。 同じClaudeを使っていても、何も渡さない人と、磨き上げた手順を渡した人とでは、出てくるものがまったく違う。この話はその事実を、これ以上ないくらい極端な形で見せてくれました。
何が起きたのか、順番に整理する
話が大きいぶん誤解されやすいので、起きたことを時系列で分けておきます。
まず投稿者が2年間、ひとりでパイプラインを開発しました。この段階ではAIは主役ではありません。どの手順が有効でどれが無駄かを、失敗しながら選り分ける地道な作業です。開発の記録は日々のログとして残されていて、あとから経緯をたどれる状態になっていました。
次に、その完成物を1か月ほど前に、著作権を放棄した形で公開しました。誰でも自由に使ってよい、という宣言です。ここで手順は個人の頭の中から出て、世界中の誰もが触れるものになりました。
そして今回、Claudeがそのパイプラインを使って未解決問題に取り組み、反例らしきものを提示した。投稿者はそれを見て、自分が2年かけて作った構造を、数学のコミュニティが今まさに検討している、と書いています。
ここで正直に付け加えておきます。この反例が数学的に正しいと確定したわけではありません。この種の主張は、専門家による査読と再検証を経てはじめて認められるもので、現時点では検討の途上にあると理解するのが正確です。ただ、その結論がどう転んだとしても、手順の話の価値は変わりません。AIに解かせるのではなく、AIに「解き方の道筋」を渡してから走らせた、という設計そのものが、この事例の再現可能な部分です。
パイプラインとは、要するに社内の型のこと
ここまで読んで「うちには関係ない話だ」と感じた方に、言い換えをひとつ提案します。パイプラインという言葉を、そのまま「社内の型」あるいは「うちのやり方」に置き換えてみてください。
たとえば見積書を作るとき、ベテランの営業担当は無意識のうちに、いくつもの判断を順番に通しています。まず案件の規模から標準単価のどの帯を使うかを決め、次に過去の類似案件を思い出して工期を補正し、その顧客が値引き交渉をしてくる相手かどうかで初期提示額を調整し、最後に原価率が社内基準を割っていないかを確認する。この一連の流れが、その人のパイプラインです。
問題は、これが本人の頭の中にしかないことです。だから新人には伝わらないし、その人が休むと止まるし、AIに任せようとしても「見積書を作って」としか指示できず、当たり障りのない一般論しか返ってきません。
AI活用がうまくいかない会社の大半は、モデルの性能ではなく、渡す型を持っていないことでつまずいています。 冒頭の投稿者がやったのは、この型を2年かけて言語化し、外に出せる形にまとめる作業でした。規模はまったく違いますが、性質は同じです。中小企業の現場にある「やり方」を文章に落とすのに、2年はかかりません。ひとつの業務なら1時間で書けます。
非エンジニアにとっての意味は、暗黙知の棚卸し
ここが今回いちばん伝えたい部分です。手順を言語化する作業は、プログラミングの知識をまったく必要としません。むしろ、その業務を毎日やっている人にしか書けません。
経理の月次締めで、どの勘定科目を先に閉じるか。どの取引先の請求書は毎回フォーマットが違うから手で確認が要るか。どの数字が前月比で何パーセント動いたら異常として止めるべきか。こういう判断は、外部のコンサルにも情シス担当にも書けません。10年その仕事をしてきた本人だけが持っている情報です。
つまり、AI時代に価値が上がるのは、技術を学んだ人ではなく、自分の業務判断を他人に説明できる形に落とせる人です。これは非エンジニアにとって、かなり有利な話だと私は思っています。
そしてもうひとつ。手順を書き出す作業には、AI活用とは別の副産物があります。業務の棚卸しそのものが進むという点です。書いてみると、実は誰も理由を説明できないチェック項目が混ざっていたり、二重確認になっている工程が見つかったりします。手順の言語化は、AIに渡すためだけでなく、業務そのものを整理し直す機会としても回収できます。 AI導入が空振りに終わっても、この部分は必ず手元に残ります。
業種別に見る、手順を渡したAIの働き方
抽象的な話が続いたので、具体的な現場に落とします。
15人規模の税理士事務所の場合
決算前チェックは、担当者の経験値がそのまま品質になる工程です。ベテランの所員は、試算表を見た瞬間に「この会社は前期も交際費の計上に癖があった」「この売上計上のタイミングは期ずれの疑いがある」と当たりをつけます。この当たりのつけ方を、業種別に手順として書き出します。建設業なら工事進行基準の適用状況を先に見る、飲食業なら棚卸資産と仕入の比率を見る、といった具合です。そのうえで、顧問先から届いた試算表と前期比較表をClaudeに渡し、この手順に沿って確認すべき点を洗い出させます。所員は返ってきた指摘リストを起点に確認するので、若手でもベテランの着眼点を最初から通せます。判断そのものは必ず有資格者が行い、AIは「見るべき場所の提示」までに役割を限定するのが安全です。
30人規模の住宅リフォーム会社の場合
見積り作成は、営業担当ごとの属人化がとくに激しい業務です。まず、過去2年分の受注案件から、工事種別ごとの標準工数と単価、よく発生する追加工事のパターン、値引きの上限ラインを一覧にまとめます。次に「現地調査メモを入力すると、標準見積りの叩き台と、確認漏れがちな項目のリストを出す」という手順をClaudeに渡します。実際に使うときは、現地で撮った写真の説明と採寸メモを貼り付けるだけです。返ってくるのは完成品ではなく叩き台ですが、経験1年目の担当者が「浴室の解体で在来工法なら追加費用の確認が必要」といった観点を最初から押さえられるようになります。見積り作成にかかっていた1件2時間が40分程度まで縮む、というのが現実的な線です。
従業員80名の食品製造会社の場合
品質に関する問い合わせやクレームの一次対応は、対応の質と速度が会社の信用に直結します。ここで手順化すべきは、返答の文面ではなく判断の分岐です。異物混入の申告なのか、味や食感への不満なのか、賞味期限や表示に関する指摘なのか。それぞれについて、どの製造ロットの記録を確認するか、どの部署に何時間以内にエスカレーションするか、初回返信でどこまで踏み込んでよいか。この分岐をひとつの手順書にまとめ、届いた問い合わせ文面と一緒にClaudeへ渡します。担当者は分類結果と確認すべき記録の指示、そして初回返信の下書きを受け取り、事実確認をしたうえで送信します。深刻な案件の見落としが減り、対応の記録も自然に揃います。
個人事業主のコンサルタントの場合
ひとりで動く事業者ほど、この手順化の効きが大きくなります。提案書を作るとき、私が毎回通っている流れがあるはずです。相手の業界の直近の動きを確認し、初回ヒアリングで出た言葉のうち経営者本人が繰り返した表現を拾い、それを提案の見出しに使い、投資対効果を相手の粗利率に合わせて計算し直す。この流れを一度書き出しておけば、次からはヒアリングメモを貼るだけで骨子が出てきます。ひとりで年間30本の提案書を作る人なら、1本あたり1時間の短縮で年間30時間、営業活動そのものに使える時間が増える計算です。
どの業種でも共通しているのは、AIに任せているのは作業であって、判断基準は必ず人間が事前に決めている点です。
明日からできる、自分の手順をAIに渡す5ステップ
大がかりな準備は要りません。1業務、1時間から始めます。
第1に、対象業務を選びます。基準は「週に3回以上発生する」「毎回だいたい同じ流れで進む」「成果物が文章か表である」の3つです。全部当てはまるものを1つだけ選んでください。いきなり複数に手を出すと、どれも中途半端で終わります。
第2に、判断の分岐を書き出します。作業の順番ではなく、迷ったときに何を見て決めているかを書くのがコツです。「金額が50万円を超えたら部長承認」「初回取引の会社は与信を先に確認」といった、条件と行動の組み合わせで並べます。10個から15個も並べば十分です。
第3に、過去の実例を添えます。うまくいった成果物を1つ、失敗した成果物を1つ。これが効きます。良い例だけを見せると、AIは表面的な形式だけを真似します。悪い例と「なぜこれが駄目だったか」を1行添えると、避けるべき方向がはっきりします。
第4に、Claudeで3回試します。1回目で満足のいく出力が出ることは、まずありません。ずれた部分を見て、手順書のどこが曖昧だったかを直します。この修正作業こそが、冒頭の投稿者が2年かけてやっていたことの縮小版です。
第5に、手順書をファイルとして保存し、チームで共有します。個人のチャット履歴に埋もれさせると、資産になりません。
はじめの一歩として、そのまま使える形を置いておきます。
（コピーして使えるプロンプト:） あなたは私の会社の業務手順に従って作業する担当者です。以下の手順書に厳密に沿って進めてください。手順書に書かれていない判断が必要になった場合は、勝手に決めずに「判断が必要な点」として列挙してください。
【手順書】 （ここに書き出した判断の分岐を貼る）
【良い例】 （過去のうまくいった成果物を貼る）
【避けたい例】 （失敗した成果物と、その理由を1行）
【今回の入力】 （今日処理したい実際のデータを貼る）
手順書に書かれていないことは勝手に決めさせない、という一文を入れておくと、AIの推測による事故が目に見えて減ります。
注意点とよくある誤解
期待値の調整として、押さえておきたい点をいくつか挙げます。
まず、今回の事例を「AIが単独で難問を解いた」と受け取るのは誤読です。2年分の人間の開発があり、そのうえでAIが走りました。順番が逆になることはありません。社内で「AIを入れれば何とかなる」という話が出たときは、では何の手順を渡すのかを先に確認したほうがいいです。
次に、手順を渡してもAIの出力を無検査で使ってよいわけではありません。手順の精度が上がるほど出力はもっともらしくなり、間違いに気づきにくくなります。金額、日付、固有名詞、法令の条文番号。この4つは必ず人間が原典と突き合わせる、というルールを最初に決めておいてください。冒頭の数学の話も、まさに今その検証の段階にあります。
三つめに、手順書は一度作って終わりではありません。単価が変われば、取引条件が変われば、担当者が変われば、手順も変わります。半年に一度は見直す前提で運用してください。古い手順書は、ないよりたちが悪いことがあります。
四つめに、機密情報の扱いです。顧客の個人情報や未公表の財務数値をそのまま貼り付ける前に、社内でどこまでを外部サービスに入力してよいかを決めておく必要があります。実務上は、社名を伏せる、金額を丸める、といった前処理をルール化しておくのが現実的です。
最後に、公開する必要はまったくありません。冒頭の投稿者は自分の手順を無償公開しましたが、それは研究の世界の作法です。会社の手順書は、むしろ外に出さない資産として社内に貯めるほうが、事業としては筋が通ります。
まとめ
今回の出来事から持ち帰れることは、シンプルです。
AIが出す成果の質は、モデルの性能ではなく、渡された手順の質でほぼ決まります。世界の難問に届いた事例ですら、その下敷きには2年分の人間の試行錯誤がありました。逆に言えば、手順さえ渡せば、同じAIがまったく違う働きをするということでもあります。
そして手順を書けるのは、その業務を実際にやっている人だけです。経理の締め方も、見積りの組み方も、クレームの見極め方も、現場の外からは書けません。技術を学ぶ前に、自分がすでに持っているものを言葉にする。これが非エンジニアにとって、いちばん投資対効果の高いAI活用の入口です。
まず1業務。判断の分岐を10個。良い例と悪い例を1つずつ。今週それだけやってみてください。
自社のどの業務から手順化すべきか、判断に迷う方へ。Claude Worksでは無料30分のオンライン相談を受け付けています。実際の業務内容をうかがったうえで、最初に着手すべき1業務と、手順書の書き出し方を具体的にお伝えします。無料30分相談はこちら
