プロジェクトマネジメント×ChatGPT入門：AIでタスク・進捗管理を自動化する方法

チャットGPTとは

・自然言語での対話: チャットGPTは、人間が話すような自然な言葉で指示を出し、それに対する回答も自然な言葉で得るAIアプリケーションです。

•アクセシビリティの向上: これまでのAI（画像解析や音声認識など）は、プログラミングコードを書くスキルがなければ利用が困難でした。しかし、チャットGPTのような自然言語で対話できるAIの登場により、多様な人々がAIを活用して様々なことを行えるようになりました。

•広がる活用領域: インターネットコンテンツ作成やブログ記事の執筆にAIが使われるようになり、最近ではビジネス文書作成にもこの流れが広がり始めています。

プロジェクトマネージャーの業務の実態と課題•

本来の業務: PMの本来の業務は、ステークホルダーとの対話を通じて、プロジェクトの進捗、問題点、要件変更に伴うスコープ再定義などに時間を割くべきです。

•現状の課題: しかし実際には、ステークホルダーとの会議に必要な資料作成や、プロジェクトメンバーから上がってくる大量の情報をまとめる作業に多くの時間を取られ、本来集中すべき業務に集中できていないのが現状です。

•手作業による問題: 手作業での資料作成は、以下のような問題を引き起こします。

•長時間労働: 資料作成に時間がかかり、労働時間が長くなる。

◦指示の不徹底: 資料作成がおろそかになると、変更内容がメンバーに伝わらず、プロジェクトの進行に支障が出る。

◦ステークホルダーエンゲージメントの低下: 資料作成に時間を取られすぎると、ステークホルダーとの関係構築がおろそかになり、後でフォローに時間がかかる。

生成AIによるPM業務の効率化

•得意領域: 生成AIは、大量のデータを元にした情報整理、アイデア出し、作業の自動化を主な得意領域としています。

•PM業務への適用: この特性はPM業務に非常に適しており、プロジェクトメンバーから上がってくる大量の情報を整理し、そこから課題や問題点を抽出したり、以前の課題や問題への対応状況を把握したりといった作業を半自動化できるようになります。

•資料作成の効率化: 特に、PM業務で多いテキストベースの資料作成において、生成AIを活用することで、プロジェクトメンバーからの膨大なデータから資料のたたき台を作成し、PMはそれを最終仕上げして報告する、という流れを築くことができます。これにより、手作業で行っていた資料作成の負担が大幅に軽減されると期待されています。

ハンズオンの内容

本コースのハンズオンでは、この「手作業で行っている資料作成」の中から、以下のよくあるパターンを生成AIで自動化する方法を体験します。

•WBS（作業分解構成図）の作成

•プロジェクトメンバーからの報告に基づいたWBSの更新

•WBSの更新からレポートを作成する

このセクションのハンズオンでは、以下の流れでWBSの自動作成を体験します。

1.プロジェクト要件の入力: プロジェクト名、概要、成果物、期間などの基本的な情報をAIに入力します。

2.WBS作成の指示: AIに対し、WBSの作成を指示します。

3.段階的なブレイクダウン: 最初から詳細なWBSを生成させるのではなく、レベル0から段階的にブレイクダウンさせ、その都度ユーザーが確認・修正を行います。

4.Excel/CSV形式での出力: 作成したWBSを最終的にタスク管理に利用できるよう、ExcelまたはCSV形式で出力させます。

ハンズオンの具体的なステップとAIとの対話

ハンズオンでは、型を使用しないシンプルな指示からWBS作成を開始します。

1.最初の指示: 「以下の条件でWBSを作成してください。レベル0から段階的に出力し、ユーザーから確認をもらってください。」と指示し、プロジェクト名、概要、期間（例: AI導入プロジェクト、7月1日～12月31日）を入力します。

2.初期出力と修正:◦

チャットGPTはレベル0（プロジェクト全体）とレベル1（主要フェーズ）を出力しますが、その後すぐに確認なしにレベル2も出力してしまいます。

◦講師はこれを修正し、「レベル1を確認したので、ブレイクダウンした形でレベル2を出力してください」と指示を出し直します。これにより、段階的な承認プロセスを経て詳細化する意図をAIに伝えます。

3.レベル2出力とさらなる修正
◦レベル2が出力され、プロジェクト立ち上げ、要件定義、設計、開発、テスト、導入展開、トレーニング、プロジェクト集結といった主要な作業項目がブレイクダウンされます。

◦講師は次にレベル3へのブレイクダウンとスケジュールの追加を指示しますが、チャットGPTはレベル2の項目を省略してレベル1の下に直接レベル3を配置してしまう誤りが発生します。

◦講師は再び修正指示を出し、レベル2の項目を適切に含め、各レベル2項目に対するレベル3の項目数も適切に設定するよう求めます。

4.成果物の追加と修正:

◦レベル3までのWBSが完成した後、WBSに必要な各作業の成果物の追加を指示します。

◦チャットGPTは成果物を追加するものの、今度はレベル3の項目を削除してしまいます。

◦講師は再度、レベル3項目を含めた形で成果物を記載するよう修正を依頼します。

5.CSV形式での出力と最終修正:

◦WBSが完成したため、タスク管理に転用できるようCSV形式での出力を依頼します。

◦チャットGPTはCSVファイルを提供するものの、初回の出力は不完全（一部のレベル1項目しか含まれない、レベル1項目自体が抜けている箇所があるなど）でした。

◦講師は最終的に**「全体出力してレベル1項目から出力するようにお願いします」**と指示し、完全なCSVデータを得ることに成功します。

◦得られたCSVデータは、ExcelのVBAやPower Query、関数などを用いてプロジェクト固有のWBSフォーマットに合わせることが可能であることが補足されますが、これは本コースの範囲外と説明されています。

重要なメッセージ

このハンズオンを通じて、チャットGPTは一度の指示で完璧な結果を出すわけではなく、人間が対話を通じて段階的に修正・調整していくことで、求めるアウトプットに近づけていくという「推論モデル」の特性が示されています

。講師は、この「まずやってみる」という姿勢と、AIの出力結果を「最終仕上げ」としてレビューするPMの役割の重要性を強調しています。

次のステップ

続くセクションでは、今回のハンズオンとは異なり、プロンプトの「型」を用いてWBSを自動作成する方法が説明される予定です。

前のセクション2-2では、シンプルな指示でWBSを段階的に作成しましたが、このセクションでは最初から出力フォーマットや役割などの前提条件を与えたプロンプト（型）を使用します。これにより、AIとのやり取りを減らし、より効率的に目的のアウトプットを得ることを目指します。

プロンプトの「型」の定義

講師が用意したプロンプトの型は、以下の要素を含んでいます。

•役割: AIを「プロジェクトマネジメントの専門家」として定義。

•前提条件:

◦出力は指定された出力形式に従うこと。

◦特にExcelのフォーマットを渡し、それに従って出力すること。

◦余計な説明文を省き、Excelファイルのみを出力すること。

◦Excelファイル作成時に内容が省略されないように制御すること。

ハンズオンの具体的な手順とAIとの対話

ハンズオンでは、まずこのプロンプトの型とExcelフォーマットの指示をAIに入力します。

1.プロジェクト要件の確認: AIは入力内容を確認し、WBS作成準備ができたことを知らせてきます。ユーザーは「続けてください」と指示します。

2.レベル1のWBS作成: AIは指示されたExcel形式でレベル1のWBS（主要フェーズ）を生成します。内容は適切であるため、次に進みます。

3.レベル2へのブレイクダウンと修正:

◦ユーザーがレベル2へのブレイクダウンを指示すると、AIは初回出力で意図と異なる形式（レベル1の下にレベル2が直接並ぶ形）で出力してしまいます。

◦講師はこれを修正し、「レベル1の下にレベル2をブレイクダウンした形で、適切な項目数で出力する」よう再度指示します。

4.レベル3へのブレイクダウンと修正:

◦同様にレベル3へのブレイクダウンを指示しますが、ここでもAIは項目の数を固定してしまう傾向が見られます。

◦講師は「レベル2項目に対して、適切にブレイクダウンした項目数を設定する」よう修正指示を出します。

5.成果物の追加と修正:

◦WBSに各作業の成果物を追加するよう指示します

◦AIは成果物を追加しますが、一部のレベル3項目が消えてしまう誤りが発生します

◦講師は再度**「レベル3項目を含めた形で成果物を記載する」**よう修正を依頼します

重要なメッセージとAIの限界

このハンズオンを通じて、以下の点が強調されています。

•完全ではないAI: プロンプトの型を与えても、AIは一度で完璧な結果を出すわけではなく、人間による対話を通じた修正や調整が依然として必要です。AIは「推論モデル」であり、与えられた情報から最適なものを推論しますが、常に意図通りとは限りません。

•PMの役割: AIがWBSの「叩き台」を効率的に作成することで、手作業で一から作る場合に比べて大幅な工数削減が期待できます。しかし、AIが生成したものを最終的に「ブラッシュアップ」し、プロジェクトの状況に合わせて完成させるのは、PM（人間）の最後の仕事です。AIが全てを自動で行うわけではないことを認識することが重要です。

次のステップ

続くセクション2-4では、今回作成したWBSに実際の進捗実績を入力し、それを元に報告書を自動作成する方法がハンズオンで説明されます

このセクションのハンズオンは、以下の流れで進行します。

1.進捗データの入力: 以前作成したWBSに、完了したタスクの開始日・終了日などの進捗データをチャットGPTのチャット画面に入力します。

2.WBSの自動更新: チャットGPTが入力されたデータに基づき、WBSのExcelシートを自動で更新します。

3.報告書の自動作成: 更新された実績データをもとに、その週の活動状況、次週の活動予定、そして進捗の遅れがある場合の課題と対策を含む報告書を自動で出力します。

このプロセスを通じて、日常業務における進捗管理の自動化の可能性と、PMの業務負荷軽減を体験することが目的とされています。

ハンズオンの具体的なステップとAIとの対話

このセクションでは、「型（テンプレート）を使わないシンプルな指示」と「型を使った指示」の2つのアプローチが紹介されます。

1. シンプルな指示によるWBS更新と報告書作成

•WBSのアップロードと更新指示:

◦まず、更新したいWBSファイルをチャットGPTにアップロードします。

◦次に、特定の活動期間（例：7月5日～7月12日）における特定のタスク（例：1.4.2 リスク分析、1.5.1 品質基準定義）の完了日をチャット画面に入力し、更新を指示します。

◦チャットGPTは指示通りにWBS（Excelファイル）内の該当タスクの進捗を更新して出力します。

•週次報告書の作成指示と修正:

◦更新されたWBSを基に、指定された活動期間の週次報告書を作成するよう指示します。この際、活動期間、活動内容、次週活動予定、問題・課題といった出力フォーマットも指定します。

◦チャットGPTは報告書を出力しますが、初回の出力は課題や対策の部分が「薄い」（詳細が不足している）ことがあります。

◦講師はこれに対し、「問題も考察を行い、原因分析の上、報告をお願いします」と追加で指示します。

◦この修正指示により、チャットGPTは「5 Whys」（なぜなぜ分析）や石川図（特性要因図）の観点を用いて、遅延の具体的な原因分析（例：情報不足、リソース不足、承認プロセス不全）と、それに対する詳細な対策（例：リソース再配置、承認プロセスの明確化、早期ドラフト作成）を提案する、より深い報告書を作成します。

2. プロンプトの「型」（テンプレート）を用いたWBS更新と報告書作成

•プロンプトの型の定義:

◦新しいチャットを開始し、AIを「プロジェクトマネージャーを支援するAIアシスタント」と定義し、WBSの更新とExcelファイルへの処理、および特定のレポートフォーマットに関する詳細な「型」プロンプトを事前に与えます。

•WBSのアップロードと進捗入力:◦

先ほどと同様にWBSファイルをアップロードし、進捗データを入力します。

•WBS更新と報告書作成:

◦チャットGPTはWBSを更新し、報告書を出力します。

◦ここでも、初回出力の課題と対策が詳細に欠ける場合があるため、**「問題も考察を行い、原因分析の上、報告をお願いします」**という追加指示を出します。

◦AIは再度「5 Whys」や石川図の観点を用いて、より詳細な原因分析と対策案（例：プロジェクト計画書のレビュー回数削減、業務プロセス改善、Power Automateなどのツール活用）を提示します。

重要なメッセージ

このハンズオンを通じて、以下の点が強調されています。

•AIは「叩き台」を効率的に作成: チャットGPTはWBSの更新や週次報告書の作成を半自動化し、PMが手作業で行う場合の大幅な工数削減に貢献します。

•人間による「最終仕上げ」の必要性: プロンプトの型を使用しても、AIは常に完璧な結果を一度で出すわけではなく、人間（PM）が対話を通じて修正指示を出し、出力された内容をレビューし、プロジェクトの状況に合わせて「ブラッシュアップ」することが不可欠です。特に、遅延の原因分析や具体的な対策案の検討など、より深い考察が必要な場面では、AIからの提案を鵜呑みにせず、PM自身が吟味し、最終的な判断を下す役割が重要です。

次のステップ

続くセクション2-5では、今回のWBS作成や更新とは異なる視点から、会議の文字起こしデータから課題やアクションアイテムを自動抽出し、担当者を割り当てる方法がハンズオンで説明される予定です。

このセクションの目的は、会議のメモや録音データから生成AI（ChatGPT）がアクションアイテムをリスト化し、担当者を割り当てることで、人間の見落としによる抜け漏れを防ぎ、業務を自動化する可能性を示すことです。

ハンズオンの具体的な手順とAIとの対話

このハンズオンでは、「シンプルな指示」と「プロンプトの型（テンプレート）を用いた指示」の2つのアプローチで自動抽出を試みています。

シンプルな指示による課題・アクションアイテム抽出

1.文字起こしデータのアップロード: まず、会議の文字起こしデータ（会話ログ）をChatGPTにアップロードします。

2.初期指示: 「添付の文字起こしデータから課題と担当者の割り当てを行ってください」という簡単な指示を与えます。

3.AIの初回出力: AIは文字起こしデータを読み込み、会議で議論された「承認プロセスの確定」「ドラフトの提供」といった課題と、それぞれの担当者を抽出して出力します。

4.修正指示（1）: 初回出力には「工数」や「重要度」が抜けているため、それらを追加するよう指示します。

5.修正指示（2）: 「納期」を追加し、重要度と納期を考慮して課題を優先順位順に並べ替えるよう指示します。これにより、AIはソートロジック（例：納期が早いもの、同日なら優先度順）も提示します。

6.対策案の検討指示: 特定の課題（例：承認プロセスの乱用防止策）に対して、具体的な対策案を2～3個提示するようAIに求めます。AIは、「2段階承認と権限の最小単位化（A案）」、「監査ログとリアルタイム検知（B案）」、「動的ルート権限とポリシーによる制御（C案）」といった具体的な案を提示し、それぞれのメリットや進め方についてもコメントします。

プロンプトの「型」（テンプレート）を用いた課題・アクションアイテム抽出

1.新しいチャットと型の定義: 新しいチャットを開始し、「プロジェクトマネージャーを支援するAIアシスタント」としての役割、課題とアイデアの抽出目的、工数判断の要否、入力情報（会議メモ、担当者と役割一覧）、出力形式（リスト形式）など、詳細な「型」プロンプトを事前に与えます。

2.AIからの情報要求: 型プロンプトを投入すると、AIはまず「文字起こしデータ」と「担当者・役割一覧」の提供を要求します。

3.データの入力とAIの出力: 必要な情報を入力すると、AIは初回から指定された形式（課題、担当者、工数を含む）で抽出結果を出力します。

4.追加修正・検討指示: シンプルな指示の場合と同様に、納期や優先順位付け、さらに課題に対する対策案の検討を指示することで、より詳細な分析と提案を引き出します。AIは「5 Whys」（なぜなぜ分析）や「特性要因図（石川図）」の観点を用いて、より深い原因分析と対策案を提示する例も示されます。

重要なメッセージ

•AIは「叩き台」を効率的に作成: ChatGPTは、会議メモからの課題抽出や対策案の検討において、手作業に比べて大幅な工数削減を可能にします。

•人間による「最終仕上げ」の必要性: プロンプトの型を使用しても、AIは一度で完璧な結果を出すわけではなく、人間（PM）が対話を通じて修正指示を出し、出力された内容をレビューし、プロジェクトの状況に合わせて「ブラッシュアップ」することが不可欠です。特に、提案された対策案については、予算やスケジュールといったプロジェクトの全体像を踏まえて、PM自身が吟味し最終的な判断を下す必要があります。

次のステップ

この後、次のセクションでは、今回WBS作成や更新、課題抽出で利用したプロンプトをより効果的に作成するための「プロンプトエンジニアリング」について解説されます。

プロンプトエンジニアリングの概要と目的

プロンプトエンジニアリングとは、AIとの対話のやり取りの回数を減らし、より効率的に目的の出力結果を得るために、AIへの指示文（プロンプト）を工夫することです。

3種類のプロンプトの比較とハンズオン

1.シンプルなプロンプト

◦特徴: 簡潔で大まかな指示（例: 「進捗報告をまとめてください」）。

◦結果: 現在主流の推論モデルを採用しているAIは、指示がシンプルでも、ある程度の推論を行い、一般的な形式で出力結果を生成できます。

◦運用: しかし、PMが求める詳細な情報や特定のフォーマットに合わせるためには、複数回の対話や追加の指示（例: 「原因分析も行ってください」）が必要となることが多いです。

◦適性: 一度きりの課題解決やアイデア出し、大まかな叩き台作成に適しています。

2.型（テンプレート）を利用したプロンプト

◦特徴: 役割（例: プロジェクトマネジメントの専門家）、前提条件、出力形式、具体的な手順（例: PMBOKの進捗管理プロセスに従う）、含めるべき項目などを詳細に指定します。

◦結果: AIは初回からより目的のフォーマットや内容に近い出力を生成し、AIとのやり取りの回数を減らすことができます。

◦運用: 型を使用しても、最初の出力が完璧であるとは限らず、内容の深掘りや修正指示が必要になる場合があります（例: 対策案が薄い場合に原因分析を促すなど）。

◦適性: 同じような作業を繰り返し行う場合や、特定のフォーマットで出力が必要な定型業務（例: 週次報告書など）の自動化に非常に有効です。

3.ダメなプロンプト（NGプロンプト）

◦特徴: 何を求めているか非常に曖昧な指示（例: 「これまとめて」）。

◦結果: 以前のAIモデルでは全く結果が出なかったりしましたが、現在の推論モデルは、それでも一般的な「まとめ」を推論して出力します。

◦運用: 当然ながら、PMが求める結果を得るためには、詳細な修正指示や対話が繰り返し必要になります。

ハンズオンからの重要なメッセージ

•AIは「叩き台」作成の強力なツール: AIはWBS作成、進捗報告、課題抽出など、プロジェクトマネジメントの多くの事務作業において、効率的に「叩き台」を作成し、大幅な工数削減に貢献します。

•人間の「最終仕上げ」が不可欠: AIの出力はあくまで「叩き台」であり、PM（人間）が対話を通じて出力を修正・深掘りさせ、内容をレビューし、最終的な判断を下して「ブラッシュアップ」することが極めて重要です

。特に、遅延の原因分析や具体的な対策案の検討など、深い考察が必要な場面では、AIの提案を鵜呑みにせず、PM自身が吟味し、プロジェクトの状況に合わせて調整する必要があります。

•「まずやってみる」ことの重要性: AIの活用においては、最初から完璧なプロンプトを作成しようとせず、まずは実際にAIを使ってみて、その結果から改善を繰り返す（PDCAサイクルを回す）ことが最も大切であると強調されています。

•推論モデルの活用: 多少指示が不十分でも、推論モデルは過去の事例などから推論して出力してくれるため、推論モデルを使用することが推奨されています.

•「なぜそうなったか」の確認: 想定と異なる結果が出た場合は、AIに「なぜそのような結果になったのか」を問い、原因を分析させてから、修正指示を出すことが効果的です

.このセクションで学んだプロンプトエンジニアリングは、今後のAI活用において非常に重要なスキルとなります

主なリスクと失敗例、およびそれに対する対策は以下の通りです。

•セキュリティリスク

◦内容: ChatGPTに個人情報やプロジェクトの秘密情報などを入力すると、その情報が学習データとして扱われ、開発者や管理者によってアクセスされる可能性があります。AIが外部に情報を流出させることはありませんが、内部で学習されるため、情報漏洩と同様のリスクとみなされます。

◦対策: 個人情報や秘密情報は直接入力せず、何らかの処理を施して、情報が特定できないように加工してから入力する必要があります。

•誤情報の生成リスク（ハルシネーション）

◦内容: AIは誤った情報を出力することがあります。これを鵜呑みにしてしまうと、誤った判断につながるリスクがあります。

◦対策: AIの出力は一つ一つ内容をきちんと確認し、疑わしい情報については、AIに情報源を確認したり、ファクトチェックをさせたりする必要があります。

•動作不良

◦内容: プロンプトで指示した内容と異なる出力がAIから返ってくることがあります

。これは指示が曖昧であったり、出力形式が明確に定義されていなかったりすることが原因となることが多いです。また、現在の推論モデルは過去のチャット履歴を学習して動作する場合があるため、指示通りに動かないこともあります。

◦対策: 想定通りの結果が得られなかった場合は、AIに「なぜその結果になったのか」を問い、原因を修正させて再度実行するという対応が必要です。

•情報を鵜呑みにしない

◦内容: AIが生成した大量の情報に圧倒され、自ら考えることを止めてしまう可能性があります。

◦対策: AIの出力はあくまで「叩き台」であり、人間（PM）が対話を通じて出力を修正・深掘りさせ、内容をレビューし、最終的な判断を下して「ブラッシュアップ」することが極めて重要です。AIが提供した情報がどのような論理で導き出されたのかを理解し、必要であれば深掘りさせたり、反論してコメントを求めたりするなど、人間が積極的に関与して情報を吟味する必要があります。

これらのリスクを認識した上で、AIをプロジェクトマネジメント業務に活用する際には、まず「やってみる」ことが最も重要であると強調されています。実際に試してみて、結果から改善を繰り返す（PDCAサイクルを回す）ことで、AIを効果的に使いこなせるようになるとしています。

明日から始めるAI活用3つのto do

1.WBS（作業分解構成図）の自動化から始める:

◦プロジェクトにおいてWBSを作成する場面は多いため、生成AIにWBS作成をさせることから始めることを推奨しています。これにより、AIを使った業務に慣れることができます。

2.WBS更新からの進捗報告と課題抽出:

◦WBSの更新履歴に基づいて、AIに進捗報告書や課題の抽出、さらにはその課題に対する対策の検討までを自動で対応させることが可能です。

◦PM（人間）はAIが作成した内容をしっかりとレビューし、報告することで、報告の精度向上や課題への対応の迅速化が期待できます。

3.会議メモからのアクションアイテム抽出:

◦会議の録画データや音声からの文字起こしデータをAIに入力することで、課題の抽出や担当者の割り当てを自動で行うことができます。

◦これにより、人間が見落としがちな細かいタスクも漏れなく抽出し、会議後のアクションアイテム管理を効率化できます。オフライン会議の場合でも、スマートフォンで録音したデータを利用することが可能です。

最も大切な心構え

このセクションで最も強調されているのは、「まずはやってみる」ということです

。ハンズオンでも予期せぬ結果が出たり、うまくいかなかった場面があったものの、重要なのは以下の点です。

•PDCAサイクルを回す: 実際にAIを使ってみて、その結果を見て修正し、どのように使っていくかを考えながら動かすというサイクル（PDCA）を回すことが、現在のAI活用フェーズにおいて不可欠です。

•先行者となる: 今のうちから生成AIをプロジェクトマネジメント業務にどのように活用するかを検討し始めることで、将来的に業務プロセスがAIによって改革された際に慌てずに対応できるようになります。

•恐れずに取り組む: WBS作成、課題抽出、議事録作成など、まずは自分のできる範囲からAIに触れていくことが、AIを使いこなすための第一歩であると述べています。

これらの実践を通じて、プロジェクトマネジメント業務におけるAIの効率を最大化する「プロンプトエンジニアリング」のスキルを習得し、AIを効果的に使いこなすことを目指します。

•生成AIのハンズオン（WBS作成、進捗の自動更新、課題の自動抽出）◦

WBS（作業分解構成図）の作成、WBS更新に基づく進捗報告の自動化、そして会議メモからの課題やアクションアイテムの自動抽出といったハンズオンを実施しました。

◦これらのハンズオンは、もう一度自分自身で実際にやってみて復習することが推奨されています。AIからのアウトプットをうまく引き出すためには、**「まずやってみる」**ことが重要であると強調されています。

•プロンプトエンジニアリング◦

シンプルなプロンプト: 現在のAIの主流である推論モデルは、シンプルな指示でもかなりの成果を出力できるため、ある程度のものは生成可能です。資料作成など、一度きりのタスクでは、まず大まかなものをシンプルに出力させ、そこから対話を重ねてブラッシュアップしていく方が効果的であるという経験則が述べられています。

◦型（テンプレート）を利用したプロンプト: これは、AIとのやり取りの回数を減らし、より効率的に目的の出力結果を得るために、役割、前提条件、出力形式、具体的な手順などを詳細に指定するものです

。同じような作業を繰り返し行う場合には、この型を事前に作り込んでおくことで、目的の成果物を初回から適切に出力させ、作業時間を短縮できるという利点があります。

◦よくある失敗例（ダメなプロンプト）: 「これまとめて」のように指示が曖昧な場合でも、推論モデルは一般的な内容を推論して出力します。しかし、PMが求める正確な結果を得るためには、追加の指示や対話が繰り返し必要になります。

◦プロンプトエンジニアリングでは、何をAIにやらせたいのかを明確に伝えること、そして与えるべき情報が不足している場合は、追加情報を与えて考え直させることなどが、失敗を防ぐために重要です。

•次のアクション（リスクと失敗例、まずはやってみる）◦

リスクと失敗例:

▪セキュリティリスク: 個人情報やプロジェクトの秘密情報を直接AIに入力すると、学習データとして扱われる可能性があるため、加工してから入力するなどの対策が必要です。

▪誤情報の生成（ハルシネーション）: AIの出力は鵜呑みにせず、内容を一つ一つ確認し、疑わしい情報は情報源を確認したり、ファクトチェックをさせたりすることが重要です。

▪動作不良: 指示した内容と異なる出力があった場合は、AIに「なぜそのような結果になったのか」を問い、原因を修正させてから再実行することが効果的です。

▪情報を鵜呑みにしない: AIが生成した情報に圧倒されず、PM（人間）が対話を通じて出力を修正・深掘りさせ、内容をレビューし、最終的な判断を下して「ブラッシュアップ」することが極めて重要です。AIが提示した情報がどのような論理で導き出されたのかを理解し、必要であれば深掘りさせたり、反論してコメントを求めたりするなど、人間が積極的に関与して情報を吟味する必要があります。

◦「まずはやってみる」ことの重要性: 最も重要なメッセージとして、AIの活用においては、最初から完璧なプロンプトを作成しようとせず、まずは実際にAIを使ってみて、その結果から改善を繰り返す（PDCAサイクルを回す）ことが強調されています。複雑に考えずに、WBS作成、課題抽出、議事録作成など、できるところからAIに触れていくことが、AIを使いこなすための第一歩であると述べられています。AIによる業務プロセスの改革に備え、先行者としてAI活用を検討し始めることが大切です。

現在までに実施されたWBS（作業分解構成図）の作成、WBS更新からの進捗管理、そして文字起こしデータからの課題抽出といったハンズオンに続き、以下のコースが検討されています。

•PM業務で実際に使えるプロンプト集: プロジェクトマネジメント業務には他にも多くの側面があるため、PM業務で実際に活用できるプロンプトを約10種類に絞り、ハンズオン形式で解説するコースのリリースが予定されています。

•リスク管理・EVM（アーンドバリューマネジメント）へのAI活用: プロジェクトマネジメントの中でも特に重要とされるリスク管理やEVMなどの領域において、生成AIをどのように活用していくかを解説するコースが次にリリースされる予定です。

•AIから効率的にアドバイスを得る方法: AIをプロジェクトマネジメント業務に効率的に活用し、業務を効率化するための具体的な方法に焦点を当てたコースのリリースも計画されています。

これらのコースを通じて、AIを効果的に使いこなす方法を学ぶことができ、今後も継続的にAI活用に関するコースが提供される予定です。