同じAIエージェントでも成果物に差が出る — メンバのレビューで気づいたこと

• URL: https://zenn.dev/nu_dev/articles/a880f08487b9d7
• 日付: 2026-06-23
• Tier: Tier 3
• 要旨: 同じ AI エージェントを使ってもメンバー間で成果物に差が出る理由は、ツールやプロンプトではなく人間側の観点にある。専門性は生産そのものより前端（前提・上流確認）と後端（検証・トレーサビリティ）に寄り、設計レビューの習慣が指示の質を決める。

詳細

配下メンバーと AI エージェント（Claude Code など）でペアプロ的に開発する中で「プロンプトの勉強になった」と言われるが、筆者はプロンプトを勉強していない。同じツール・モデルでもレビューすると差が出るのは、人間側の観点が原因。品質差はコードより設計書・仕様書などドキュメントで顕著。筆者の 3 ステップ（一次作成＝コマンド化済み／レビュー＝質問形式／上流整合性確認＝トレーサビリティマトリクス）のうち、メンバーが学んだのは 2 と 3。一次作成は一般化された「中間」で誰がやっても同じ結果が出るため、専門性は前端（前提・上流確認）と後端（検証・上流接続）に寄る。レビューで見る観点：要求仕様の過不足（特に「過」＝冗長設計・不要機能の削減）、unit 間の整合性、社内文化・既存機能との整合、AI の前提ずれの訂正。これらの一部は markdown で構造化すれば AI も参照できるが、整備の man-power が不足し人力で肩代わりしている状態。レビューは指摘型から質問型（なぜこの技術を選んだか・上流要求を満たせるか）に変化。技術知識は差をつける要因ではないが、説明の筋を判断する「床」として必要。観点をコマンドやガードレールに落とす検討中だが、若手育成上、観点を渡しすぎると自分で判断する機会が減る難しさがある。