「スライド」を「早期警報システム」に：AIにより高い志を求める方法

四半期事業レビュー（QBR）の資料を作成する際、私たちは往々にしてAIにデータを与え、「スライドを作ってくれ」と依頼します。AIは真面目に空白を埋め、グラフを描いてくれますが、いざ会議で必要となる核心的なインサイトについては、依然として人間が見つけ出さなければなりません。

ここで、成果物の階層を根本から変えるアプローチが存在します。2026年10月、Anthropicのエンジニアリングマネージャーであるフェリックス・リツェベルク氏は自身のブログで、四半期レビューに関連して別のプロンプトを提案しました。彼は、「四半期プレゼンテーション資料よりも目的をよりよく達成できる方法を設計し、過去データに基づき問題の検知タイミングが早まっていることを証明し、四半期にわたって既存の方法と並行して実行してほしい」とClaudeに依頼する例を挙げています。同じデータを用いるにしても、依頼の対象が「スライド作成」から「検証可能なシステム設計」へ移行するというのが、この手法の核です。リツェベルクマネージャーが提唱する方法は、プロンプトを長く書くことではなく、AIに要求する「対象」そのものをずらすことです。 ¹²

速度、高度、深さ、範囲に分かれるAI活用

リツェベルクマネージャーは、AIモデルの能力があらゆる領域において均一ではないと指摘しています。数学者のテレンス・タオ氏は、モデルについて「ある方向では驚くほど優れており、別の方向では全く役立たずだ」と表現するなど、その実力は不均一だからです。こうした不均衡に対処するため、彼は「野心」を4つの階層（Speed: 速度、Altitude: 高度、Depth: 深さ、Range: 範囲）に分類して説明しました。第一の「速度」は、同じ仕事をより早く処理する概念として広く知られているため省略され、重要なのはその後にある3つの階層です。

一般的に、プロンプトが長くなったり、指示が細分化されたりすれば、より良い結果が得られると考えがちですが、鍵となるのは分量ではなく、目指す成果物の性質です。

• 高度（Altitude）：個別の作業指示の代わりに、究極的な目標やシステム自体を提示します。
• 深さ（Depth）：専門家が実際に使用するツールと生データ（Raw data）を要求し、それを検証します。
• 範囲（Range）：対象分野を超え、他の分野の視点や調査手法を引き込みます。 ¹²

高度を引き上げる：「テンプレート埋め」から「システム設計」へ

最も具体的な事例は、四半期ビジネスレビュー（QBR）の準備プロセスです。リツェベルクマネージャーは架空の企業「アクミー」の事例を挙げ、同じデータを用いながらも依頼の抽象化レベルを3段階で引き上げる方法を公開しました。

第1段階は基本となる「テンプレート埋め」です。データを基に「何が変わり、なぜそのようになり、何をすべきか」を尋ねます。 第2段階は成果物を「意思決定」として再定義します。彼は「緊急性の高い意思決定を3つ導き出し、取り得る方向性と賛成・反対の根拠を整理してほしい」と指示し、単純な情報の羅列を会議のアジェンダに変換します。 第3段階は形式そのものを解体します。最終的な依頼は以下の通りです。

「このレビューが存在する理由は、経営陣が問題を早期に検知し、資金と人材を適切な場所へ配置できるようにするためだ。四半期プレゼンテーション資料よりもその目的をよりよく達成できる新たな方法を設計してほしい。当社の過去データを基に、その方法であれば問題をより早期に検知できたことを証明し、四半期にわたって既存の方法と並行して実行してほしい。」

この依頼が意図する成果物は、スライド集ではなく、過去データで予測力を立証し、既存の方法と競合する新しい運用プロセスです。リツェベルクマネージャーは、成果物をもとに実質的な議論を開く必要がある際に、このアプローチが最も効果的だと説明しています。ただし、この過程でAIが実際のワークフローを変更するには、モデルがソフトウェアをインストールし、OSにアクセスできる環境が事前に整っていなければなりません。彼はアプリの非競合状態を維持するためにClaudeへクラッシュレポートへのアクセス権限を与え、バージョンとGitコミットをマッピングし、Windows・macOS・Linuxコンピュータへアクセスさせた上で、変更点を独立して検証させたと述べています。 ¹²

深さを引き上げる：口調の真似から「独立した検証」へ

第2の階層は、深さを引き上げる作業です。リツェベルクマネージャーは、「モデルに専門家のように振る舞うよう指示すると、実際の手法はそのままで語彙だけを変えるケースが多い」と観察しています。例えば「データ分析専門家のようにして」と依頼した場合、モデルは専門用語を交えて書きながら、結局のところMarkdown表や簡単な要約に留まりがちです。

深さを引き上げる秘訣は、口調ではなくツールとデータにあります。AIがテキストによる表を作成しようとする際、一流のデータサイエンティストが使用するデータベースや統計モデルを使うよう要求すべきです。具体的には、生データを直接開かせて通説を敵対的（adversarially）に検証させ、モデル自身に答えが正しかったかを評価させず、モデルと独立した外部検証基準（Outside judge）を設ける必要があります。そのために、彼は以下のようなプロンプトテンプレートを公開しました。

나는 이 작업의 '더 큰' 버전이 아니라 '더 깊은' 버전을 원해. 
프롬프트를 다시 작성하기 전에 다음을 먼저 답해줘:

(1) 이 분야 최고의 전문가라면 내가 요청하지 않은 무엇을 여기서 수행할까?
(2) 이미 가공되어 요약된 자료 대신, 그들이 출발점으로 삼을 가장 원시적인(rawest) 데이터는 무엇일까?
(3) 그들이 사용할 구체적인 방법론과 도구는 무엇일까?
(4) 너나 나(주관적 판단) 외에, 결과물이 옳다는 것을 객관적으로 증명해 줄 수 있는 기준은 무엇일까?

그런 다음, 정확히 그 내용을 요구하도록 내 프롬프트를 다시 작성해 줘.

この依頼は、モデル自身が「専門家のツール」と「独立した検証基準」を見つけ出すことを強制する機能を持ちます。 ¹²

範囲を広げる：名詞を動詞で分解し、ロールプレイを避ける

最終的な階層は、範囲を広げる戦略です。これは作業の名称を「動詞」に分解して定義することから始まります。トム・ケリーとジョナサン・リットマンの著書『イノベーションの技法』に登場する手法で、四半期事業レビューは単なる「プレゼン資料（名詞）」ではなく、「忙しい人々に因果関係についての物語を理解させ、不確実性の中で30分以内に意思決定を行わせること（動詞）」と再定義できます。このように動詞の塊として捉え直すと、データ分析を超えて心理学、ジャーナリズム、統計学など他分野の視点が必要となる理由が明確になります。

ただし、「空売り投資家のように話して」といった単純なロールプレイは避けるべきです。口調を真似るだけでは、質の高いリサーチ結果は得られません。リツェベルクマネージャーは代わりに「空売り投資家が自分のポジションをリサーチする際に実際に行う作業をしてくれ」と指示すべきだと強調しています。ロールプレイではなく、該当分野の実際の調査手法を作動させることこそが、範囲を広げる真の意味です。 ¹²

結論

リツェベルクマネージャーが提示した「野心を引き上げるプロンプト」は、定められた形式を埋めるテンプレートではありません。同じデータを与える場合、依頼の方向性が「スライド作成」から「早期警戒システムの設計」へ変わり（高度）、「表の作成」から「独立した統計ツールによる生データの検証」へとシフトし（深さ）、「発表者の真似」から「他分野の調査官による遂行」へと拡張される時、初めてAIの潜在能力は成果物の質的変化へとつながります。ただし、こうした指示が単なるテキスト生成を超え、実際のシステム設計と検証へと結びつくためには、AIがデータベースや外部ツールへアクセスできる技術的な環境が前提として整備されている必要があることを覚えておくべきです。