AIに任せられない人は、部下にも任せられない理由 − 実装ログ −
※本記事にはプロモーション（アフィリエイトリンク）が含まれます。紹介する商品・サービスは、運営者が実際に利用または検討した上で価値があると判断したもののみを取り上げています。
はじめに
任せたはずなのに、結局自分でやり直している。
ChatGPTやClaudeに頼んでも答えがいまいちで「AIは使えないな」と画面を閉じる同僚を、職場で何人も見かけました。最初は眺めていただけでしたが、ある日ふと気づきました。「あ、これ昔の自分だ」。さらに観察すると、もうひとつ大事なことが見えてきました。AIをうまく使えない人は、部下に対しても同じ渡し方をしていたのです。
あくまで傾向ですが、AIへの依頼が雑な人は、人への依頼も雑なことが多い。逆も同じで、依頼設計が丁寧な人は、AIにも部下にも穴の少ない指示が出せます。これは能力差ではなく、依頼の “型” の差でした。
この記事では、僕がチームと自分自身を半年間観察して見えた「AI委譲と部下委譲の同型性」を、3つの共通点と1つの戦略にまとめてお伝えします。結論を先に書くと、問題は任せ方そのものではなく、依頼の設計にあります。そして僕がいま一番強くお伝えしたい一文がこれです。
AIに使えない依頼書は、部下にも使えない。
裏を返せば、AIをうまく使う練習をすれば、部下への依頼の質も自動的に上がります。読み終わるころには、明日の依頼1件が変わっているはずです。
AIでやらかしている人を見て、気づいたこと
結論、AIをうまく使えない人には、わかりやすい3つのパターンがありました。そしてそのまま、部下委譲が苦手な人の3パターンと重なっていました。
「自分で調べることが偉い」と思っている人
AIに頼むこと自体を「ズル」や「手抜き」と捉え、調べ物に何時間もかける。本人は誠実に働いているつもりですが、組織から見るとリソースの使い方が非常にもったいない。「自分でやった方が早い」と言いながら、本来やるべき意思決定の時間を削っていました。
部下委譲との同型：同じ人は、部下に頼むことにも罪悪感を覚えていて抱え込みがち。
何を頼んだらいいか分からない人
優先順位が決められず、AIに何を頼んだらいいか分からない。手元のタスクが山になっていて、どれを切り出してAIに渡せばいいかが見えない。結果として「AIは結局使えない」という偏った判断にたどり着きます。
部下委譲との同型：自分の中で整理ができていないと、部下にも何を任せるべきかが見えない。
「AIの回答がイマイチ」と1〜2回で諦める人
1〜2回試して期待通りの答えが返らないと「使えない」と結論づけて画面を閉じる。1回目の成果物が期待値に届かなかった時に「やっぱりこの人は無理だ」と切り捨てる管理職を、僕は何人も見てきましたし、過去の自分もそうでした。
部下委譲との同型：1回目で見限る判断は、AIにも部下にも同じく成果を取り逃す。
3つに共通していたのは、AIや部下の能力ではなく「任せ方の問題」でした。依頼の解像度が足りないまま投げて、返ってきたものに失望している、という構造です。
ナギ
なぜAIと部下は同じミスが起きるのか
結論、AIと部下に対する「同じミス」は、依頼を構成する3要素のどれかが欠けた時に起きます。前提・強み・叩き台の3つです。
一つめは前提の欠落です。「KPIをまとめて」とAIに投げると一般論しか返ってこないのと同じく、部下に「あの件まとめておいて」と振っても、何のためにまとめるのか、誰が読むのか、いつまでに必要なのか、が共有されていなければ、出てくるアウトプットの方向性は安定しません。
二つめは強みのミスマッチです。文章を磨いてほしいのにExcelが得意な部下に振る、画像生成をしたいのに文章理解が強いClaudeに頼む。これだけで成果は半分以下になります。AIモデルにも部下にも、それぞれ得意分野があり、同じタスクでも誰に振るかで結果は段違いに変わります。
三つめは叩き台扱いの欠落です。返ってきた成果物を「完成品」として評価してしまうと、AIにも部下にも厳しすぎる判定になります。1回目の出力は叩き台、そこから対話して磨いていく前提で受け取れば、同じアウトプットでも価値が変わります。
結局、AIも部下も「指示された通りにしか動けない」という点で同じです。指示が解像度高ければ高品質に動きますし、指示が雑なら雑なものが返ってくる。AIには感情がない、部下には感情がある、という違いはあっても、依頼の質に対する反応の出方は驚くほど似ているのです。問題はAIでも部下でもなく、「依頼する側の設計力」でした。
AIと部下に共通する3つのズレ
ここからは、僕がClaude・ChatGPT・Copilotで日々体感し、同時に部下委譲の現場でも繰り返し見てきた3つの共通点を順に見ていきます。「前提」「強み」「叩き台」の3つです。
共通点① 前提を渡さないとズレる
結論、前提条件を揃えてから依頼すると、議論の土俵に上がるまでの時間が劇的に短くなります。
僕がClaudeにブログ構成案を頼み始めた頃は、毎回「想定読者は40代管理職で、文体は落ち着いた一人称で……」と前提を語り直すところから始めていました。1往復で済むやり取りが、毎回4〜5往復に膨らんでいたのです。部下に対しても同じで、「あの件どうなった？」から始まる会話は、毎回背景確認に時間が溶けていきます。
前提を最初にまとめて渡しておくと、検討が脇道にそれません。Claudeなら最初のプロンプトで人格と前提を一気に固定する。部下なら、依頼の冒頭で「これは来月の経営会議で投資判断を仰ぐ資料の前段で……」と一文で背景を共有する。これだけで、その後のやり取りで「そうそう、これが欲しかった」となるまでの距離が段違いに近くなります。
前提として渡すべき情報は次の3つに集約できます。何のための作業か（目的）、誰が読むのか（受け手）、どんなトーンや粒度か（フォーマット）。この3つさえ揃えば、AIも部下も8割は正解の方向に走り出してくれます。
部下のエニアグラム特性をAIに教えておくと、さらに精度が上がります。詳しくは姉妹記事1on1の準備が15分→5分に：部下のエニアグラムをAIに教えた40代管理職の実録で具体プロンプトを公開しています。
逆に、前提を渡さず「いい感じにやって」で投げる癖が、AIでも部下でも事故を生む最大の原因です。
共通点② 強みで任せないとズレる
結論、同じ依頼でも「誰に任せるか」で成果は段違いに変わります。AIモデルの使い分けと、部下への配置は、まったく同じ思考で設計できます。
僕の現時点（2026年5月）の使い分けはこうです。画像生成や図解の下書きはChatGPT（Images 2.0）。長文の理解・要約・推敲はClaude（Opus 4.7）。社内ファイルや職場ルールに沿った文書作成はCopilot（Microsoft 365）。同じ「資料を作って」という依頼でも、どのAIに振るかで質は明確に違います。
これは部下委譲と完全に同じ構造です。論理的に詰めるのが得意な部下、関係者を巻き込むのが得意な部下、言語化が得意な部下。同じ「この案件まとめておいて」でも、誰に振るかで成果は変わります。エニアグラム・MBTI・ストレングスファインダーは、その適材適所を言語化するための便利な道具です。
誰に何を任せるかが9割。
ここを意識し始めてから、僕は依頼を出す前に「AI向きか部下向きか、どのモデル/どのタイプか」を10秒だけ考える習慣をつけました。たった10秒で、その後の手戻りが大きく減ります。逆にここを飛ばして「近くの人(AI)に投げる」癖がつくと、永遠に同じミスを繰り返します。
部下の強みベース委譲については、姉妹記事ストレングスファインダーで部下に任せる方法｜40代管理職実践で詳しく解説しています。AIモデル選定と同じ思考フレームで設計しているので、合わせてどうぞ。
共通点③ 成果物は叩き台
結論、AIや部下から返ってきた1回目の成果物を「完成品」と見るか「叩き台」と見るかで、その後のアウトプットの質はまったく変わります。
僕がClaudeに記事構成を頼んで返ってきた1回目には、「盲点だった」「お、このアイデアいいな」という気づきが必ずいくつか含まれています。同時に「ここはズレてる」「もう少し深掘りしたい」という改善点も見えます。完成品として評価したら70点止まりですが、叩き台として受け取って対話すれば、3往復で90点を超えます。
AIは思考の拡張ツールであって、完成品の供給源ではありません。1回目の出力を見て不満を感じる時間ではなく、「自分が本当に欲しかったもの」を発見する時間として使う、という切り替えが効きました。
部下の成果物も同じです。1回目を「完成品」として評価すると、本人は萎縮し、こちらは失望し、お互い学びがない時間になります。「叩き台＋対話で磨く」前提で受け取れば、本人の思考プロセスが見えて、次にどう支援すればいいかも見えてきます。
会議の議事録でも同じ思想が効きます。AIに議事録を起こさせ叩き台として整える流れに切り替えてから、僕の議事録作成時間は約1/6になりました。詳しくは議事録30分→5分が当たり前にで書いています。
ナギ
この時点で、AIはすでに「鏡」でした。雑な依頼を投げれば雑な反応が返り、丁寧に設計すれば丁寧に返ってくる。僕の依頼の質が、そのまま鏡像のように映し出されていたのです。
1枚で変わる｜依頼設計テンプレ
結論、ここまでの3つの共通点を1枚に落とし込んだのが、僕が半年検証してきた依頼設計テンプレ（5項目）です。同じ1枚で、部下にもAIにも渡せます。
📒 依頼設計テンプレ（5項目）
- ① 目的：なぜこの依頼が必要か
- ② 理想のゴール：完了時にどうなっていてほしいか
- ③ 成功基準：何が達成されたら合格か
- ④ 避けたいこと：絶対に起きてほしくない事態
- ⑤ 締切影響度：締切がズレた時の影響範囲
5項目の中で、特に効いたのは③成功基準と④避けたいことです。「いい感じにやって」が「これができていればOK」に変わる瞬間、AIも部下も走り方が安定します。逆にここが抜けたままだと、相手は何を目指せばいいか分からず、迷子になります。
この5項目を埋めた依頼書は、そのままAIにも貼り付けられますし、部下に対しては口頭で要点を伝えながら手元のメモとして使えます。「同じ依頼書を2つの相手に渡せる」という体験は、想像以上に強力でした。AIに渡してレビューさせ、指摘された曖昧さを直してから部下に渡す、という流れも回せます。
ここまで読んだら、一度だけでいいので、今あなたの手元にある依頼を1つ、このテンプレで書いてみてください。完璧に書く必要はありません。粗くてもいいので埋めてみてください。5項目を1〜2行ずつ埋めるだけで、明日の依頼1件の質が変わります。
無料ツール
依頼設計テンプレを生成する
5項目を入力するだけで、ChatGPT・Claude・Copilot・人間用のプロンプトをワンクリック生成。読みながら手元で試せます。
- 4種のAI形式に対応
- ブラウザ完結・登録不要・完全無料
- サンプル入りで5分で形になる
姉妹記事インパクトフィルター使い方｜業務委譲×AI依頼テンプレ完全版では、この5項目テンプレの完全ガイドを実例付きで公開しています。テンプレ自体をしっかり身につけたい方はこちらをどうぞ。
AIを”練習台”にすると一気に伸びる
結論、AIは委譲の練習台として最高の存在です。失敗しても誰も傷つかないので、依頼設計を磨く相手として遠慮なく使えます。
僕が最近よくやるのは、部下に依頼を出す前にAIで予習することです。同じ依頼内容をClaudeに投げ、返ってきたアウトプットの中で「想定外」「想定通り」を確認してから、依頼書を磨き直して部下に渡す。これだけで初手のクオリティが段違いになります。
さらに踏み込んで、エニアグラムやMBTIを学習させた「仮想部下」をAIに作り、リアクションを予測することもあります。「この依頼をエニアグラム1番タイプの部下に振った時、最初に出る質問は？」と聞くと、Claudeは精度の高い予測を返してくれます。それを踏まえて「先回りの補足」を依頼書に入れておくと、実際のやり取りもスムーズになります。
AIは失敗しても誰も傷つかない。
だから委譲の練習台に最適です。AIで設計を磨いてから部下に渡せば、部下は完成度の高い依頼書を最初に受け取れます。迷子になる時間が減り、判断軸を持って動けるようになる。AIを「人間の代わり」ではなく「人間に渡す前のリハーサル相手」として使う発想は、想像以上に効きます。
ナギ
失敗談｜うまくいかない人の共通点
結論、AIにも部下にも、特性を無視してフラットに接する人は、どちらにも委譲が下手です。これは僕自身の失敗談でもあります。
僕が最初にやらかしたのは、Claude にもChatGPTにも、部下にも、まったく同じ言い回しで依頼を出していたことです。Claude は構造化されたXMLタグが効くし、ChatGPTはMarkdown構造が効くし、Copilotは業務ファイルとセットで動かすと精度が上がる、という個別最適化を一切していませんでした。結果として、どのAIからもいまいちな出力が返ってきて「AIはやっぱり使えない」と思い込んでいた時期があります。
部下に対しても同じでした。論理派の部下にも、調和型の部下にも、刺激志向の部下にも、同じ依頼の言い回しを使っていました。それぞれが何に反応し、何で詰まるかを把握しないまま、テンプレ通りに振っていたのです。当然、成果はばらつき、僕は「人によって出来が違うな」と思い込んでいました。違ったのは依頼設計の方でした。
人もAIも、十人十色です。情報量の好み、言い回しの効き方、必要な前提情報の量、すべてが違う。それを揃えてしまうと、合う相手にしか刺さらない依頼書になります。
トライ&エラーを回せない人は、AIでも対人でも委譲が下手なまま止まります。1回目で諦めず、2回目・3回目で調整するからこそ、相手の特性が見えてきて、最適な渡し方にたどり着けます。
ナギ
変化｜AIは”秘書”になる
結論、依頼設計の質が上がってからは、AIは僕にとって「使えないツール」ではなく「優秀な秘書」になりました。
今の僕の朝は、Claudeにメール一覧を貼って優先順位を整理させ、本日のタスクの段取りを叩き台で出させ、中長期タスクの抜け漏れチェックをかけるところから始まります。任せられることはなるべく任せる姿勢に変えてから、自分の手元に残るのは「自分にしかできない判断」だけになりました。
そこで生まれたリソースの使い道が大きな価値を生んでいます。重要な検討にしっかり時間を割けるようになり、組織課題の解決、中長期の課題にも頭を使える。AIに任せられるようになったから、人と向き合う時間と未来を描く時間が増えた、というのが実感です。
| 項目 | AI | 部下 |
|---|---|---|
| 感情 | なし | あり |
| 学習 | しない | する |
| 失敗コスト | 低 | 高 |
| 練習相手 | ◎ いつでも何度でも | △ 失敗を恐れる |
| 育成価値 | ✗ | ◎ |
| 本質的な依頼スキル | 同じ | 同じ |
違いはあれど、依頼の本質スキルは同じ、というのが半年回した結論です。AIには感情がないので失敗の練習相手として使え、部下には感情と成長があるので育成価値がある。でも、どちらに対しても「前提・強み・叩き台」の3要素を整えて渡す、という基本動作は完全に共通でした。
まとめ
結論、AIに任せられない人は、部下にも任せられない。これが半年観察し、自分自身でも検証してきた結果の答えです。
AIも部下も「指示された通りにしか動けない」という点で同じ構造を持ちます。だから、依頼設計が雑な人はどちらに対しても雑な指示を出し、依頼設計が丁寧な人はどちらに対しても穴の少ない指示を出せる。能力の問題ではなく、依頼の “型” を持っているかどうかの差です。
行動はシンプルです。まずは、今の依頼を1つだけ見直してみてください。完璧を狙わず、目的・ゴール・成功基準・避けたいこと・締切影響度の5項目を1〜2行ずつ埋めて、AIに投げてみる。返ってきたものを見て、依頼書を磨き直す。それを部下に渡す。この一連の流れを1件試すだけで、世界の見え方が変わります。
最後にひとつだけ。
AIは”育てない部下”ではなく、“鏡”です。
AIに依頼を投げた時の出力は、自分の依頼設計の鏡映しです。雑な依頼には雑な出力が返り、丁寧な依頼には丁寧な出力が返る。つまりAIを使い込むことは、そのまま自分の依頼設計力を磨くことになります。同じ40代管理職どうし、依頼設計の現場知をX（@nagishift_blog）で交換できればうれしいです。
— Calmly. Surely. —
関連記事
学びを実践に変えるなら
「依頼の本質」をさらに深く掘り下げたい方に、僕がマネジメントの軸を立て直すきっかけになった1冊を紹介します。
HIGH OUTPUT MANAGEMENT 人を育て、成果を最大にするマネジメント
Intel 元 CEO による、世界中のマネージャーが今も読み続ける「マネジメントの教科書」。本記事の核「依頼の質＝成果物の質」「相手が AI でも部下でも本質は同じ」という視点の根拠書。委譲・1on1・成果測定など、依頼設計の上位概念が整理されています。
- マネジメントの古典・40年以上読み継がれる名著
- 委譲と育成の本質を体系的に学べる
- AI時代こそ"原理原則"が効く
※本記事にはアフィリエイトリンクを含みます。リンク経由で商品をご購入いただくと、運営者に紹介料が支払われることがあります。価格や評価が変わるものではありません。