AI活用の進み具合は、AIにどこまで仕事を渡しているかで測ります。Heygoodは、一問一答で聞くPromptから、複数の仕事をまとめて収束させるGraphまでを5段階に分けて整理しています。この記事では、各段階でAIに渡すもの、人が担う役割、次の段階へ進む条件を示し、自社の現在地を判定する質問表を載せます。
AI活用の5段階とは何か？
AIに渡す範囲を、質問、文脈、作業環境、1件の仕事、複数の仕事の順に広げた5つの段階です。
段階が上がるほどAIが自分で進める範囲は広がりますが、人の仕事がなくなるわけではありません。人の役割が、作業をすることから、条件を決めて結果を確かめることへ移ります。
| 段階 | AIに渡すもの | 人が担うこと | よくある使い方 |
|---|---|---|---|
| 1 Prompt（一問一答） | 1回の質問 | 質問を書き、答えを使うか決める | 文章の下書き、調べもの |
| 2 Context（文脈を渡す） | 社内資料、過去のやり取り、前提条件 | 何を渡すかを選ぶ | 社内規程に沿った回答、議事録の要約 |
| 3 Harness（環境を整える） | 使ってよい道具、権限、作業の場所 | 道具と権限の範囲を決める | 決まった手順での転記、定型の集計 |
| 4 Loop（仕事を回す） | 1件の仕事の要件と合格条件 | 合格条件を決め、承認する | 要件から実装、検証、修正までの一巡 |
| 5 Graph（仕事群を収束させる） | 複数の仕事と依存関係 | 優先順位と止める条件を決める | 互いに影響する複数案件の順序付け |
5段階はHeygoodのAIネイティブ開発白書 2026での整理です。特にGraphはHeygoodが名付けた呼び方で、業界で定まった用語ではありません。
文章作成や社内検索といった「任せる仕事の種類」で分けた5段階は、生成AIとAIエージェントの違いで扱っています。この記事の5段階は、同じ仕事をAIにどこまで任せる仕組みがあるかで分けたものです。
自社がどの段階にいるかは、どう判定するのか？
下の質問に上から答え、最初に「いいえ」となった行の段階が、いまの自社の現在地です。
| 質問 | 「はい」なら | 「いいえ」なら |
|---|---|---|
| 業務でAIに質問し、答えを仕事に使っている人がいるか | 次の質問へ | 1 Promptの手前 |
| AIに社内資料や前提条件を渡して答えさせる使い方が決まっているか | 次の質問へ | 1 Prompt |
| AIが使ってよい道具、権限、作業場所を業務ごとに決めているか | 次の質問へ | 2 Context |
| 1件の仕事について、AIが作業から検証まで進め、人は承認だけしているか | 次の質問へ | 3 Harness |
| 複数の仕事の順序と波及を、AIが扱う仕組みがあるか | 5 Graph | 4 Loop |
判定は業務ごとに行います。同じ会社でも、議事録はContext、請求書の転記はHarnessというように業務で段階が違うのが普通です。
1段目と2段目の違いは何か？
1段目は質問の書き方を工夫し、2段目は答えに必要な資料と前提を選んでAIに渡します。
Anthropicはコンテキストエンジニアリングの解説で、プロンプトの書き方だけでなく、指示、道具、外部データ、会話の履歴を含めて、AIが受け取る情報全体を管理する考え方を示しています。
社内での違いは、同じ質問をしたときに答えがぶれるかどうかに出ます。担当者ごとに渡す資料が違えば、答えも人によって変わります。2段目に進むとは、業務ごとに「この仕事ではこの資料と前提を渡す」と決めて、誰が使っても同じ材料で答えさせることです。
3段目で整える「環境」とは何か？
AIが使ってよい道具、見てよいデータ、書き込んでよい場所、人へ戻す条件を業務ごとに決めることです。
OpenAIはハーネスエンジニアリングの解説で、社内の開発で当初作業が思うように進まなかったのはAIの能力不足ではなく、作業環境や道具、手順が足りなかったためだと振り返っています。人の役割は、コードを書くことから、AIが働ける環境を設計し、意図を伝え、結果を確かめる仕組みを作ることへ移るとしています。
業務の現場に置き換えると、次の3つを決めることにあたります。
- 使ってよいシステムと画面、使ってはいけない操作
- 読んでよいデータと、書き込んでよい場所
- 迷ったときや例外が出たときに、人へ戻す条件
4段目のLoopでは、人は何を担うのか？
合格条件を決め、AIが検証まで終えた結果を見て、承認するかどうかを判断する役割を担います。
Google CloudのDORAレポート2025では、ソフトウェア開発に携わる人のAI利用が90%に達した一方、AIの出力を「少し」または「まったく」信頼していない人が30%いました。使う人が増えても、出力をそのまま信じられるわけではありません。Loopでは、この不安を検証の仕組みで埋めます。
Heygoodは自社の開発現場でLoopを運用しています。1件の仕事を次の順に進めます。
- 要件と合格条件を決めて登録する
- AIが他の作業と分けた環境で実装する
- テストとレビューをAIが行い、証拠を付けて結果を返す
- 人が証拠を見て、承認するか差し戻すかを決める
最後の承認を人に残すのは、AIに任せる範囲を広げても、金額の確定や公開のように取り消しにくい判断を人が引き受けるためです。
5段階目のGraphは、どの会社に必要か？
複数の仕事が互いに影響し、順番を誤ると手戻りが出る業務を多く抱える会社で必要になります。
Loopは1件の仕事を正しく終わらせる仕組みです。Graphは、複数の仕事の依存関係をつなぎ、どれを先に進め、どれを止めるかをAIに扱わせます。たとえば、ある仕様変更が別の3つの作業に波及するとき、その順序と影響の範囲を追う役割です。
Heygoodも、Graphは自社の開発現場で実運用に向けて検証している段階です。多くの会社にとっての現実的な目標は、件数の多い業務から一つをLoopにすることです。
次の段階へ進むには、何から始めればよいか？
いまの段階を業務ごとに判定し、件数が多く手順を言葉にできる業務を一つ選んで一段上げます。
一度に全社の段階を上げようとすると、渡す資料、権限、承認の決め方が業務ごとに違うため、途中で止まりやすくなります。
| いまの段階 | 次に決めること |
|---|---|
| 1 Prompt | その業務で毎回渡す資料と前提 |
| 2 Context | 使ってよい道具と権限、人へ戻す条件 |
| 3 Harness | 1件の仕事の合格条件と、人が承認する場所 |
| 4 Loop | 複数の仕事の依存関係と、止める条件 |
HeygoodのAI活用構想ワークショップでは、業務を工程に分けてAIに渡す工程と人が判断する工程を線引きし、最初の一つを実データで試作します。どの業務から始めるか決まっていない段階でも、無料相談で一緒に整理できます。