AIシステムの型 — 人が直すとAIが賢くなる設計パターン

3行で分かるこの記事

去年のAIは脳だけ。今年のAIは手足がついた。手足があるから記憶を掘り起こせる。「人が直すとAIが賢くなり、AIが根拠を出すと人が賢くなる」——この2つのループを回す設計パターンを解説する。

136案件を回す中で見つけた設計パターンを抽象化した。どの業界でも使える。

---

構造

エージェントは記憶を掘り起こしに行ける。過去のデータを取りに行って仕事する。結果が記録される。次はその結果も含めて取りに行く。

このループの中で、2つのことが同時に起きている:

人 ──修正──→ AI（diffが教師データになる → AIが賢くなる）
AI ──根拠──→ 人（根拠付きで出す → 人が読んで学ぶ）

両方回ると、AIも人も賢くなり続ける。

---

3ステップ

Step 1: 設計（何を溜めるか、どう循環させるか決める）
Step 2: 学習 = プロンプトエンジニアリング（知見をプロンプト化 → 初日から動く）
Step 3: 記憶 = コンテキストエンジニアリング（エージェントが掘り起こせるインフラを作る）
  → 帰結: 使うほどAIも人も賢くなる。帰結が見えたらStep 2・3を更新する（循環）

Step 1: 設計

問い: 「何が繰り返し起きているか？」「どんな判断を毎回しているか？」

決めること:

• AIで扱う入力と出力は何か
• 何が溜まるとAIが賢くなるか。何を出せば人が学べるか
• 人→AIのループ: 人のどの行動がラベリングになるか
• AI→人のループ: AIがどんな根拠を出せば人が学べるか

最重要アクション = 既存データの棚卸し。 机上で考えるだけでは「何が溜まっているか」を見落とす。実際にシステムの中を見て初めて気づく。

Step 2: 学習 = プロンプトエンジニアリング

ベテランの暗黙知を抽出してプロンプト化し、初日から動かす。

ただしここで止まると、半年後も初日と同じ。誰でも真似できる。代替可能。

Step 3: 記憶 = コンテキストエンジニアリング

エージェントが記憶を掘り起こせるインフラを作る。3つのことを設計する:

1. 溜める: 人の自然な行動がそのままアノテーションになる設計。そのまま使う=正解、修正=パターン、捨てる=不正解。送信ボタン = 仕事完了 = AI学習。人に新しい入力を求めない
2. 探せる: エージェントが必要なデータを取りに行ける構造。溜まっていても探せなければ溜めていないのと同じ
3. 返せる: 根拠（なぜそう判断したか）と信頼度（どのくらい信用していいか）を出す。人がどこに注意を集中すべきか判断できる

データの持ち方は2層:

生データ層（事実）      → 消さない。再分析に使える
構造化データ層（解釈）   → AIの能力が上がったら再生成できる

「事実か？解釈か？」の1つだけ考えればいい。

---

型が成立する3条件

この3つが揃わなければ無理に入れない。揃えば業界問わず動く。

1. 繰り返しがある（同じ種類の判断が何度も起きる）
2. 入力と出力がペアで記録される（教師データになる）
3. 人の自然な行動がラベリングになっている（余計な作業がない）

---

失敗の構造

ほとんどのAIプロジェクトはStep 2で止まっている。

• Step 1をスキップ（何を溜めるか設計していない）
• Step 2だけやる（プロンプト書いてチャットボット作って終わり）
• Step 3をスキップ（記憶がない → エージェントが掘り起こしに行く先がない）
• AI→人の方向を設計していない（根拠が出ない → 人が学ばない → 片方だけのシステム）

Step 2のプロンプトは公開した瞬間に真似される。Step 1と3は自社データがないと真似できない。