AI Fluency: 4D Framework

claude-code 101

Ryo Nakagami

2026年05月03日

Index

regmonkey_index:
  title_fontsize: 1.2em
  bullet_fontsize: 0.9em
  children:
    - title: 1. 導入：AccessとFluencyのギャップ
      description:
        - "AIへのアクセスは入口でしかなく，Fluencyへの到達には4観点の運用判断が要る"
        - "effective・efficient・ethical・safeを満たす状態を，個人技ではなくチームで再現できるかが軸"
      width: [45,55]
    - title: 2. 3つのインタラクション
      description:
        - "Automation・Augmentation・Agencyを段階で並べ，責任範囲・必要スキルを可視化する"
        - "無自覚にAgencyへ滑り込む事故を防ぐため，いま自分がどの様式にいるかを意識する"
      width: [45,55]
    - title: 3. 4D Framework
      description:
        - "Delegation・Description・Discernment・Diligenceの4能力で，AI協働の質を底上げする"
        - "4能力は独立ではなく相互に補完する関係"
      width: [45,55]
    - title: 4. Summary
      description:
        - "4D × 主原則 × 具体アクションの3列でスライド全体を俯瞰する"
        - "実務に持ち帰れる「次の一手」をDごとに1つずつ抜き出せる構成"
      width: [45,55]

導入：AccessとFluencyのギャップ

導入：AccessとFluencyのギャップ
AIとの関わり方：3つの様式
4D Framework

“AIが使える”と”AIで成果を出せる”は別の能力

ツールへのアクセスはスタート地点で，4Dの能力で初めて成果に変わる

Access：AIに触れている状態

ChatGPT・claude-code・Copilotを開ける
プロンプトを書けば応答が返る
使った気分にはなるが
- 出力をそのまま貼って事故を起こす
- どこに任せどこで手綱を握るかが定まらない
- チームへ展開すると属人的にしか機能しない

Fluency：AIで成果を出せる状態

AIへの依頼判断と責任の引き受けが言語化されている
目的・制約・参考例を渡し出力を構造的に評価できる
effective・efficient・ethical・safeの4観点で運用
個人技に閉じずチームへ移植できる
- レビュー観点・チェックリスト・教え方として残せる

AI Fluencyは4つの観点でAIと協働する能力

AI Fluency（Dakan・Feller・Anthropic, 2025）

AIシステムとのやり取りを effective・efficient・ethical・safe な状態に保ち続けるために必要な，相互に絡み合った能力・知識・洞察・価値観の集合

record1:
  観点: Effective
  問い:
    - 意図した成果に届いているか
  ポイント:
    - 目的に対して<span class="regmonkey-bold">出力が役に立っているか</span>を測れる
    - 「らしい応答」と「正しい応答」を切り分ける

record2:
  観点: Efficient
  問い:
    - 時間とコストに見合うか
  ポイント:
    - 自分でやったほうが速い領域を<span class="regmonkey-bold">見極める</span>
    - トークン・レビュー時間を含めた総工数で判断

record3:
  観点: Ethical
  問い:
    - 他者と社会への影響は許容できるか
  ポイント:
    - 著作権・誤情報・差別的出力を<span class="regmonkey-bold">事前に潰す</span>
    - 顧客データ・個人情報の境界を引く

record4:
  観点: Safe
  問い:
    - 自分とプロジェクトを守れているか
  ポイント:
    - 破壊的操作・本番反映の前にゲートを置く
    - AI出力の最終責任は<span class="regmonkey-bold">人間にある</span>と認識する

AI協働の実装層: どの技術がどの観点を支えるか

AIとの関わり方：3つの様式

導入：AccessとFluencyのギャップ
AIとの関わり方：3つの様式
4D Framework

AIとの関わり方には3つの様式がある

Automation・Augmentation・Agencyを意識的に使い分ける

同じAIでも，どの様式で関わるかによって責任範囲・必要スキルが変わる
エンジニアは3様式を意識的に使い分け，無自覚にAgencyへ滑らないようにする

Automation

AIに作業を実行させる

仕様を明示した上で，AIが指示どおりに作業を完了させる
例：定型コードの生成・テストケースの量産
責任の重心は指示を出す側に残る

Augmentation

AIと一緒に考える

人間とAIが思考のパートナーとして往復する
例：設計案のレビュー・トレードオフの整理
自分の知識量がAI出力の評価精度を決める

Agency

AIを設定して任せる

AIが独立して将来の作業を遂行できるよう構成する
例：エージェントを常駐させ定期的にレビューさせる
設計者は振る舞いと境界を事前に定める責任を負う

4D Framework

導入：AccessとFluencyのギャップ
AIとの関わり方：3つの様式
4D Framework

4D Frameworkは4つの能力で構成される

Delegation・Description・Discernment・Diligenceは互いに支え合う

4D Framework

4つの能力は独立ではなく相互に支え合う関係にある
どれか1つが欠けると，AIとの協働は不安定になる

record1:
  能力: ① Delegation
  役割:
    - 何をAIに任せるか決める
  ポイント:
    - ゴール設定と関わり方の選択を担う
    - 「自分でやる・AIと組む・AIに任せる」の<span class="regmonkey-bold">切り分け</span>

record2:
  能力: ② Description
  役割:
    - 意図を伝える
  ポイント:
    - 目的・制約・参考例を渡し，出力を<span class="regmonkey-bold">予測可能にする</span>
    - 「良い例・悪い例」のセットで指示の解像度を上げる

record3:
  能力: ③ Discernment
  役割:
    - 出力を見極める
  ポイント:
    - AIの出力と振る舞いを<span class="regmonkey-bold">批判的に評価</span>する
    - 自分の知識量が評価精度の上限を決める

record4:
  能力: ④ Diligence
  役割:
    - 責任を持って関わる
  ポイント:
    - Creation・Transparency・Deploymentの<span class="regmonkey-bold">3観点で倫理と安全を担保</span>
    - 「AIが言った」は責任放棄の言い訳にならない

Delegation：3つの認識でAIへの任せ方を決める

Problem Awareness × Platform Awareness × Task Delegationを揃える

ドメイン知識とAI理解の両輪が判断の質を決める

Delegationの目的は「すべて自動化する」ことではなく，人とAIの強みを活かす最適な分担を設計すること
自分の業務理解とAIの能力理解の両方が揃って初めて，何を任せ，何を残すかを判断できる

regmonkey_index:
  title_fontsize: 1.2em
  bullet_fontsize: 0.9em
  children:
    - title: 1. Problem Awareness<br>（課題の認識）
      description:
        - "達成したいゴールと，そこに至るまでの<strong>作業の構造</strong>を言語化する"
        - "「ドラフト作成・リサーチ・最終判断」のように分解できないと，任せる単位が決まらない"
      width: [35,65]
    - title: 2. Platform Awareness<br>（AIの能力認識）
      description:
        - "利用可能なAIシステムの<strong>得意領域・限界・運用コスト</strong>を把握する"
        - "コーディングエージェント・チャットLLM・RAG・自律エージェントで適性が異なる"
      width: [35,65]
    - title: 3. Task Delegation<br>（戦略的な分配）
      description:
        - "<strong>判断・責任・戦略</strong>は人に残し，反復・展開・初稿生成をAIに渡す"
        - "Automation・Augmentation・Agencyのどの様式で関わるかも併せて決める"
      width: [35,65]

Description：6つの要素を渡せば指示の解像度が上がる

抽象語ではなく要素分解で渡し，特に「悪い例」を添える

regmonkey_index:
  title_fontsize: 1.2em
  bullet_fontsize: 0.9em
  children:
    - title: 1. 目的
      description:
        - "AIが達成すべきゴールを1文で渡す"
        - "例：「既存顧客の再購入促進」「休眠顧客の掘り起こし」"
      width: [30,70]
    - title: 2. 対象（ペルソナ）
      description:
        - "年齢・関心・購買履歴・課題を<strong>具体</strong>に書き下す"
        - "「ユーザー」より「30代・育児中・時間不足が課題」のように粒度を上げる"
      width: [30,70]
    - title: 3. トーン
      description:
        - "「親しみやすいが過度にカジュアルではない」のようにブランド規範を渡す"
        - "<strong>避ける表現</strong>の例も併せると逸脱が減る"
      width: [30,70]
    - title: 4. 構造的制約
      description:
        - "件名は何文字以内・本文は何ワード・CTAは1つ など出力フォーマットを枠で縛る"
        - "枠を渡さないと、AIは「らしい長さ」に落ちる"
      width: [30,70]
    - title: 5. 成功基準
      description:
        - "開封率○％・CTR○％・コンバージョン○件 など定量で渡す"
        - "評価軸を共有しないと品質判断が定まらない"
      width: [30,70]
    - title: 6. 参考例
      description:
        - "良い例と<strong>悪い例</strong>を対で提示する"
        - "「こういうのはNG」の提示は、抽象的な指示よりはるかに効く"
      width: [30,70]

Discernment：出力・過程・振る舞いを3観点で見極める

LLMの性能差以上に，ユーザーの評価能力差が品質を決める

実運用では「LLM能力」よりも「ユーザー側のドメイン知識による出力制御能力」が品質上限を決める
未知領域では，生成コストより検証コストが支配的になり，Description と Discernment の反復が必要になる
AI活用では「何を生成できるか」だけでなく，「何を疑えるか」が重要になる

regmonkey_index:
  title_fontsize: 1.2em
  bullet_fontsize: 0.9em
  children:
    - title: 1. Product Discernment<br>（出力の質）
      description:
        - "<strong>正確性・適切性・整合性・関連性</strong>の4軸で出力そのものを評価する"
        - "「らしい応答」と「正しい応答」を切り分け，ハルシネーションを見抜く"
      width: [35,65]
    - title: 2. Process Discernment<br>（過程の妥当性）
      description:
        - "AIが<strong>どう推論したか</strong>を点検：論理飛躍・観点の抜け・不適切な前提を疑う"
        - "結論が合って見えても，前提が誤っていれば下流で破綻する"
      width: [35,65]
    - title: 3. Performance Discernment<br>（Agent挙動の適切さ）
      description:
        - "対話中の<strong>コミュニケーション様式</strong>が自分の用途に合うかを評価する"
        - "冗長・追従的・断定的な応答は，協働の質を下げる兆候として扱う"
      width: [35,65]

Diligence：3観点で責任ある協働を実装する

Creation・Transparency・Deploymentで倫理と安全を担保する

他の3DはEffective・Efficient，DiligenceはEthical・Safeを担う

文脈（個人・学術・業務）ごとに，開示と検証への期待値は異なる
期待値を理解し満たす責任は，使う側（=人間側）にある

regmonkey_index:
  title_fontsize: 1.1em
  bullet_fontsize: 0.9em
  children:
    - title: 1. Creation Diligence<br>（協働の入り口）
      description:
        - "<strong>どのAIシステムを使い・どう関わるか</strong>を意図的に選ぶ"
        - "用途・データ感度・能力特性に合わせ，モデル・契約・運用ラインを使い分ける"
        - "<strong>悪い例</strong>：機密データを無償汎用LLMに貼る → 学習データ化と情報流出のリスク"
      width: [30,70]
    - title: 2. Transparency Diligence<br>（協働の見える化）
      description:
        - "AIが関与した事実を<strong>知る必要のある人すべて</strong>に開示する"
        - "個人・学術・業務など文脈ごとに開示の粒度と検証の期待値は異なる"
        - "<strong>悪い例</strong>：個人で使い黙って成果物に統合 → 後追いで疑念が走り信頼が崩れる"
      width: [30,70]
    - title: 3. Deployment Diligence<br>（協働の出口）
      description:
        - "共有・公開する出力は<strong>自分で検証し保証する</strong>責任を引き受ける"
        - "正確性・著作権・引用元を確認してから配信判断する"
        - "<strong>悪い例</strong>：誤情報をそのまま発信 → 「AIが言った」は責任放棄の言い訳にならない"
      width: [30,70]

Summary

record1:
  category: Delegation
  rule:
    - <span class="regmonkey-bold">Problem・Platform・Task</span>の3観点で任せ方を決める
  actions:
    - Problem Awareness：ゴールと作業の構造を言語化する
    - Platform Awareness：AIシステムの得手不得手を把握する
    - Task Delegation：判断・責任・戦略は人，反復・展開はAIに渡す

record2:
  category: Description
  rule:
    - <span class="regmonkey-bold">6つの要素</span>に分解して指示する
  actions:
    - 目的・対象・トーン・制約・成功基準・参考例を渡す
    - 「悪い例」を必ず添える
    - 抽象指示と具体例の両方を併走させる

record3:
  category: Discernment
  rule:
    - <span class="regmonkey-bold">自分の知識量</span>が評価精度の上限を決める
  actions:
    - 既知領域では誤りを即時に見抜く
    - 未知領域では教科書・1次資料で裏取り
    - 固有名詞・数値・年代は幻覚を疑う

record4:
  category: Diligence
  rule:
    - <span class="regmonkey-bold">Creation・Transparency・Deployment</span>の3観点で責任を担保する
  actions:
    - Creation：用途とデータ感度に合うAIシステムを選ぶ
    - Transparency：AI関与の事実を知る必要のある人に開示する
    - Deployment：共有・公開する出力は自分で検証し保証する

Appendix

Planning and delegation

プロジェクト選定→ビジョン化→分担設計の3段で精度を積む

3段は次の入力を作るための連続作業

各ステップは次の入力を準備する作業：選定が雑だとビジョンが具体化せず，ビジョンが薄いと分担が機械的になる
各ステップは Claudeとの対話を介して言語化する：単独で書こうとせず質問を投げ返してもらう

Step 1

題材を1つ選定する

1時間で着地できる中規模・多段階のプロジェクトを1つ選ぶ
選定軸：複数のタスク種を含む・期限内に完結する・自分の関心がある
選定後は他の候補をいったん閉じ題材を1つに絞る

Step 2

成功条件を言語化する

Claudeに質問を投げ返してもらいながらビジョンを詰める
「完成形は何か」「自分にとっての価値は何か」の2問は必ず答える
出力は誰が読んでも同じ完成像が描ける 1段落の説明

Step 3

タスク分解と分担を決める

主要タスクごとに人の強み・AIの強み・協働の強みを1つずつ整理
Automation・Augmentation・Agencyのどの様式で関わるかも併せて決める
完成した分担表は後続のDescription演習で再利用する

Description–Discernment Loop

明確に「伝える」3軸と正しく「見極める」3軸を反復で噛み合わせる増幅装置

ループの本質：対の3軸を同時に鍛える

「何をどう作ってほしいか」を伝え（Description），返ってきた成果物を多角的に評価し（Discernment），フィードバックで反復する協働ワークフロー
自分が評価できないものは指示できず，言語化できない期待は評価基準にもならないため，2スキルは対で鍛える
サイクル：Describe → AI生成 → Discern → Refine → Integrate（人間が意思決定責任を引き受ける）

record1:
  観点: Product
  Description（伝える）:
    - フォーマット・スタイル・長さ・詳細度を<span class="regmonkey-bold">具体化</span>
    - 例：「2,000字・見出し3つ・結論を冒頭」
  Discernment（見極める）:
    - 要件充足・<span class="regmonkey-bold">正確性・有用性</span>を点検
    - 出力そのものの質を直接評価する

record2:
  観点: Process
  Description（伝える）:
    - フレームワーク・参照方法論・<span class="regmonkey-bold">踏むべき手順</span>を指定
    - 例：「前提整理 → 反対意見 → 統合的結論」
  Discernment（見極める）:
    - 指示した手順を踏んだか・<span class="regmonkey-bold">論理は妥当か</span>
    - 観点の抜け・前提の不適切を疑う

record3:
  観点: Performance
  Description（伝える）:
    - 簡潔か詳細か・挑戦的か支援的かなど<span class="regmonkey-bold">スタンス</span>を指定
    - 例：「同意せず弱点を積極的に指摘して」
  Discernment（見極める）:
    - 詳しすぎ・<span class="regmonkey-bold">迎合的すぎ</span>でないか
    - 必要な反論をしてくれたかを評価する

ループの5ステップを反復することで精度が積み上がる

Describe → AI生成 → Discern → Refine → Integrate を，一往復で終わらせず満足するまで回す

① 入力

Describe

3観点で指示
期待を明確化

② 生成

AI生成

成果物が返る
乖離を含む

③ 評価

Discern

3観点で評価
質を見極める

④ 調整

Refine

機能点を整理
指示を再調整

⑤ 統合

Integrate

専門知識を加える
意思決定責任

満足できる結果になるまで反復し精度を上げる対話

反復が前提：一往復で完結させない

④ Refine が起点となり Description を再調整して① に戻る → フィードバック駆動の対話
⑤ Integrate で人間が最終意思決定者を引き受ける（AIに判断を委ねる仕組みではなく増幅装置）

AI Fluency: 4D Framework

Index

学習目標

対象レベル

前提知識

導入：AccessとFluencyのギャップ

“AIが使える”と”AIで成果を出せる”は別の能力

AI Fluencyは4つの観点でAIと協働する能力

AI協働の実装層: どの技術がどの観点を支えるか

AIとの関わり方：3つの様式

AIとの関わり方には3つの様式がある

4D Framework

4D Frameworkは4つの能力で構成される

Delegation：3つの認識でAIへの任せ方を決める

Description：6つの要素を渡せば指示の解像度が上がる

Discernment：出力・過程・振る舞いを3観点で見極める

Diligence：3観点で責任ある協働を実装する

Summary

Appendix

Planning and delegation

Description–Discernment Loop

ループの5ステップを反復することで精度が積み上がる