AIと閉じた作業ほど、判断の理由を一行残す

AIに手伝ってもらうと、ひとりで抱えていた作業がかなり前に進みます。相談相手を待たなくてよくなり、調べもの、実装、文章整理も自分のペースで進められます。

一方で、AIとの会話の中だけで判断が完結すると、あとから見た人には「なぜその形になったのか」が残りにくくなります。自分では納得していても、PR、議事録、タスクメモには最終結果だけが置かれる。ここに小さなズレが生まれます。

この研究は、OSSコミュニティを模したLLMベースのシミュレーションです。coding agentを使える条件では完了タスクが増え、作業時間も短くなりました。速くなる面は、たしかにありそうです。

同時に、作業の多くが人と人の直接のやり取りではなく、開発者とagentの閉じたループへ寄りました。公開された記録をあとから探す評価では、実際の人間corpusよりもCA条件のcorpusのほうが、関連する知識を見つけにくい結果でした。

論文が直接示したのはOSSシミュレーション上の結果です。そこから日常へ借りるなら、AIを使うこと自体を減らす話ではなく、AIと自分だけで進んだ判断を、あとから人が読める場所へ少し戻す話だと受け取れます。

今日AIで進めた作業を一つだけ選びます。コード、資料、調査メモ、Slack文面のどれかで十分です。

終わったあとに、外へ出してもよい範囲で「何を決めたか」「何を見たか」「なぜそれでよいとしたか」を一行ずつ書きます。全部を公開する必要はありません。秘密や個人情報を削り、判断の骨だけを残します。

例えば、PRなら「この実装にした理由は、既存の更新導線と同じエラーハンドリングにそろえるため」と一行だけ足す。タスクメモなら「比較した候補はAとB、今回は運用負荷が低いAを採用」と残す。その程度の短い記録が、未来の自分や次の人の足場になります。

毎回きれいなドキュメントを書く必要はありません。むしろ最初から重くすると続きません。AIとの閉じた作業が終わったときだけ、判断理由を一行だけ外へ出す。そのくらいが現実的です。

見返すポイントは、次の人が同じ判断をもう一度調べ直さなくて済むかどうかです。速く終わった作業ほど、説明が薄くなりやすい。だから、速さで浮いた数分のうち一分だけ、判断の跡を残す時間に回してみるとよさそうです。