【要約】AIの提案が一般論ばかり返ってくるのは、こちらが一般論しか渡していないからだと思う [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
生成AIを活用するエンジニアが、期待する成果が得られず出力が一般論に留まる問題に直面している。
- ・ユーザーがHarness（ハーネス）の構築において、ツールやガードレール等の外部要素にのみ注力している。
- ・自身の判断基準（暗黙知）を言語化できておらず、AIに適切な前提条件を渡せていない。
- ・評価基準や制約が不明確なため、AIが「正解」を判断できず、無難な回答を選択してしまう。
- ・結果として、どの会社にも当てはまるが現場には落とし込めない、空虚な提案が返ってくる。
// Approach
著者は、AIの出力を実用的なレベルに引き上げるため、Harnessの構成要素であるコンテキストを構造化する手法を提案している。
- ・コンテキストを「前提・制約・評価基準・出力形式」の4要素に分解して定義する。
- ・「不足している情報を質問させる」プロンプトを用い、AIに自身の暗黙知を掘り出させる。
- ・出力結果を「自社の数値が含まれるか」等の基準で評価し、不足した要素を特定する。
- ・特定した不足要素をCLAUDE.mdやプロジェクトナレッジへ書き足し、AIの動作環境を厚くしていく。
- ・これにより、人間がループの中に介入するのではなく、ループが回る土台を育てる。
// Result
適切なコンテキストの提供により、AIの回答が「明日から動ける粒度」の具体的な施策へと進化する。
- ・レビュー待ち時間が平均2.5日といった具体的な数値を踏まえた、実効性の高い提案が得られる。
- ・AIとの対話を通じて、自分自身でも気づいていなかった判断基準が言語化される。
- ・「なんか違う」という感覚を、減点の理由（欠落した要素）として説明できるようになる。
- ・人間が手で回す往復作業により、AIが自律的に動くための土台が継続的に強化される。
Senior Engineer Insight
> AI活用を「プロンプトの書き方」から「ナレッジの構造化」へと昇華させている。現場ではMCP等のツール導入に目が向きがちだが、それらは単なる「足場」に過ぎない。真の価値は、個人の暗黙知をいかに「コンテキスト」として定義し、AIに注入できるかに依存する。これは、AIエージェント時代の「仕様定義」そのものである。