少数チームのAI自動化、ツールを選ぶ前にまず設定すべき5つのこと

「どのAIツールを使っていますか？」という質問から始めると遅いです。ツールより先に設定すべき5つのことを、少数チームを実際に支援した経験に基づいてまとめました。

1. AIを2種類に分けて始める — 非開発者用 vs 開発者用

AI自動化を初めて始めるチームが最初に直面する質問は「この中で何を使うべきか」です。しかし、この質問に答える前にまず知っておくべきことがあります。AIツールは大きく2つに分かれます。

1つはクロードCoworkのような非開発者用に設計された協力モードです。指定されたフォルダー内でのみ動く一種のサンドボックス構造なので、誤って触れても大きな事故にはなりません。ただし、外部データやシステムと連携するには手間がかかります。

もう1つはクロードコード、コーデックスのような開発者用ツールです。制約がほとんどなく、API連携、自動発行まで可能です。その代わり、誤って扱うとリスクも大きくなります。

少数チームであれば、最終的には開発者用ツールまで行くことが目標です。自動化の幅がはるかに広がるからです。しかし、最初からそこから始める必要はありません。チームがまだAIツール自体に慣れていない場合、負担が少ない非開発者用でまず手に慣れ、段階的に進む方が現実的です。

2. どんなツールを使っても「同じフォルダー」だけを見るようにする

2番目によく見落とされる部分です。複数のAIツールを同時に使うと、データがこのツール、あのツールに散らばりやすくなります。こうなると、どのツールがどの情報を知っているのか把握するのがますます難しくなります。

原則は単純です。ローカルの同じフォルダーでも、GitHubリポジトリでも、データ・スキル・エージェントを一箇所に集めて、すべてのツールがその一箇所だけを見るようにすることです。ツールを複数組み合わせて使っても、この原則一つを守れば、チーム全体の混乱が目に見えて減ります。

3. 要求事項の整理＋文書化が結果を左右する

意外と多くのチームが見落とすポイントです。AI自動化の成果物はツールの性能よりも「何を指示したか」にはるかに大きく左右されます。

実戦で効果が良かったフローはこうです。まずやりたいことを言葉で全部書き出します。その後、AIに「今まで言ったことを要求事項として抽出して」と依頼します。抽出された要求事項が正しいか一つずつ確認します。最後にこれをマークダウン(MD)文書で整理して残します。

この文書化プロセスを省くと、AIが毎回異なって理解し、成果物も毎回異なります。逆にこのプロセスを経ると、チームメンバーが変わっても、ツールが変わっても同じ基準で作業が続けられます。

4. ゴールデンセット（正解集）を作り、継続的に比較しながら高度化する

AI自動化が一度回ることと、時間が経つにつれて良くなることは全く別の話です。後者を作る方法は正解集、つまりゴールデンセットを置くことです。

フローはこうです。正解集をまず作ります。AIが同じ作業を行うようにします。結果を正解集と比較します。間違った部分を原因まで指摘して学習させます。このループを繰り返します。

例えば、韓国語音声認識(STT)作業であれば、ネイバーClova APIが抽出した結果をゴールデンセット基準とし、比較する方式です。このループ自体が時間が経つにつれてチーム独自の差別化された資産になります。他の人も同じツールを使うことはできますが、同じゴールデンセットと同じループはそのチームにしかありません。

5. ローカルで検証し、その後チームと共有する

最後は拡散方式です。最初からチーム全体が同時に取り組むと、かえって速度が出ません。実戦では2つのトラックに分けるのが効果的でした。

リードする一人がまずローカルで構築し、検証します。ある程度安定化したら、その時にGitHubにアップロードし、チーム全体がアクセスできるようにします。そして、日常的なコミュニケーションはSlackのようなメッセンジャーで、自動化をさらに整える作業は別のエージェントチャンネルで分離しておくと管理がはるかに楽になります。

結論 — 結局のところ、核心は「ループ」

これまで5つのことを見てきましたが、これらすべてを貫く原則は一つです。うまくいっているものを継続的に学習させ、高度化するループを作ること。ツール選択はその次の問題です。

私たちのチームが今この5段階のどこにいるのか気になる方は、2分診断で軽く確認してみてください。ご都合の良い範囲でお答えいただいても構いません。

STAR-T AI事業運営診断 →

---

脚注

① 参考資料: この文章は別の外部資料なしで、筆者（パク・ジョングン）が少数チーム（1〜5人規模）を対象に直接行ったAI自動化メンタリング経験（R0、一次経験に基づく）に基づいて作成しました。特定の会社・業種・人数情報は匿名化原則に従いすべて削除しました。

② この文章に書かれていない数値: 「N%削減」、「作業時間N%短縮」などの成果数値は検証された根拠がないため意図的に入れていません。この文章は方法論（何を、どの順序で設定したか）のみを扱います。

③ 作成方法: AI（クロード）で草案を作成した後、人が方法論の正確性・匿名化規則の遵守を確認しました。