AI リテラシーとは — 4D フレームワークで整理する 6 つの失敗と直し方

本記事のポイント

• AI リテラシーとは、AI と効果的・効率的に、そして倫理的かつ安全に協働する能力のことです。この能力は「委任・記述・識別・責任」の 4 つに分解できます（4D フレームワーク）。世間で言う「プロンプトのコツ」はこのうち「記述」の内側にあり、残る 3 つは学ぶ機会がないまま放置されています
• 回答が浅い、長すぎる、書式が違う、事実が違う。こうした不満はほぼ 6 類型に収まります。原因は AI の性能ではなく、指示に含めなかった情報で説明がつきます
• 自分の業務で AI が使えるかどうかは、過去の成果物 5〜10 個と突き合わせれば 1 時間で判断できます。本記事ではその手順と、判断結果をチームのレビュー基準に変えるところまで整理します

「プロンプトのコツ」で検索すると指示文のテクニックが大量に出てきますが、AI を使う能力を 4 つに分けて整理した枠組みでは、プロンプトはそのうち 1 つの内側に収まる要素として扱われています。残る 3 つは、何を任せるかを決める力、返ってきたものを見極める力、その結果に責任を持つ力です。AI がうまく使えない原因は、指示文の書き方ではなく、この 3 つを誰も教えていないことにあります。本記事では、うまくいかないときの 6 類型と直し方、能力を整理する 4D フレームワーク、自分の業務で AI を評価する 4 ステップを解説します。特別なスキルは要らず、判断の型と巻末の実行キットがあれば再現できます。

1. うまくいかない 6 類型 — 原因は AI の性能ではなく、渡していない情報

「同じことを聞いているのに、担当者によって返ってくる答えの質が全然違う」。AI の使い方を社内に広げようとすると出てくる声です。

差を生んでいるのは AI の当たり外れではありません。指示に含まれていた情報の量と種類が違うだけです。実務で出てくる不満は、ほぼ次の 6 つに整理できます。

いちばん多いのは 1 つ目です。「取引先に送る遅延のお詫びメールを書いて」と頼めば、当たり障りのない文面が返ってきます。読み手が情報システム部長なのか購買担当なのか、遅延が初回なのか 2 回目なのか、代替案を出せる状況なのかで、書くべき文面はまったく変わります。

いま挙げた 3 点を書き足すだけで、返ってくる文面は変わります。指示を長くするほど良くなるわけではありません。

よくある失敗は、精度を上げようとして関係のない社内事情まで貼り付けることです。判断に効かない情報が増えると、AI はそこにも配慮しようとして焦点がぼやけます。足すべきなのは分量ではなく、読み手・目的・制約・見本の 4 種類です。

→ この診断は巻末の実行キット②でそのまま実行できます。

2. 初回出力は素材として読む — 3 つの作法で往復を減らす

「1 回で欲しいものが出てこないから、結局は自分で書き直している」。

原因は AI の力不足ではなく、1 回目で完成させようとする使い方にあります。最初の指示は依頼書ではなく、会話の入り口です。効率よく使っている人ほど、次の 3 つの作法を持っています。

初回は素材として読む

全体を良い / 悪いで評価せず、使える段落と使えない段落に分けます。全部を否定すると、次の指示も「全部やり直して」になり、また同じ距離から始まります。

修正は場所と方向で指定する

「もっと短く」でも動きますが、「最初の 2 段落を削り、最後を行動提案で終える」のほうが 1 往復で終わります。どこを、どちらの方向へ、が揃っていれば AI は迷いません。

3 往復で戻らないなら作り直す

会話に前提が積み上がると、直すたびに別の箇所が崩れ始めます。軌道修正を粘るより、論点を整理して新しい会話を開くほうが速いです。

humbulls の記事制作では、初稿から公開までを 4 工程に分けています。下書き生成、強調の引き直し、公開前チェック、レビューの 4 つです。

1 回のやり取りで仕上げようとせず、工程ごとに見る観点を変えることで、書き直しの回数そのものを減らしています。詳しい構成はオウンドメディアを 1 人 × AI で運用するで公開しています。

3. AI リテラシーの中身 — 4D フレームワークの 4 つの能力

ここまでは対処法の話でした。ここからは、そもそも何ができれば「AI を使える」と言えるのかを整理します。

AI リテラシーとは、AI と効果的・効率的に、そして倫理的かつ安全に協働する能力のことです。この定義を 4 つの力に分解したものが 4D フレームワークです。

Ringling College of Art and Design の Rick Dakan 教授と University College Cork の Joseph Feller 教授が Anthropic と共同で整理したもので、CC BY-NC-SA 4.0 のもとで公開されています。頭文字が D で始まる 4 つの能力で構成されます。

委任（Delegation）

どの仕事を AI に渡し、どこを自分で持つかを決める力。目標と AI の得手不得手を踏まえて分担を設計します。

記述（Description）

目的・条件・出力の形を伝えて、AI の動きを方向づける力。いわゆるプロンプトの技術はここに含まれます。

識別（Discernment）

返ってきたものを批判的に評価する力。品質・正確さ・過不足を見抜き、直すべき箇所を特定します。

責任（Diligence）

使い方に責任を持つ力。AI を使ったことの開示、検証、成果物に対する説明責任が含まれます。

注目したいのは配分です。世の中で語られる「AI 活用のノウハウ」のほとんどは、4 つのうち「記述」1 つの、そのまた一部を扱っています。プロンプト集を何冊読んでも成果が変わらないのは、残る 3 つが手つかずだからです。

実務で先に効くのは、記述ではなく委任と識別のほうです。任せる範囲が間違っていれば、どれだけ上手に指示しても成果物は使えません。返ってきたものを見極められなければ、間違いがそのまま外に出ます。次章から、この 2 つを順に埋めます。

4. 委任のラインを引く — 業務を 3 段階に仕分ける判断基準

「どこまで AI に任せていいのか、線引きが分からない」。委任でつまずくのは、たいていこの一言に集約されます。

判断は業務の難易度では決めません。間違ったまま外に出たときに取り返しがつくかどうかで決めます。この基準で仕分けると、手元の業務は 3 段階に分かれます。

仕分けに迷ったら、次の 3 つを順に自分へ問います。

1. 間違ったまま外に出たとき、取り返しがつくか
2. 出てきたものが正しいかどうかを、自分で判定できるか
3. 前提となる情報が自社にしかないか

3 つ目が該当する業務は、多くの場合 C ではなく B です。自社にしかない情報を渡していないから一般論しか返らないのであって、任せられない仕事とは限りません。逆に 2 つ目に「判定できない」と答えた業務は、成果物の良し悪しを自分で見抜けないという意味なので、C に置きます。

配分が決まると、効果は時間に出ます。humbulls の支援では、B の作業を積み上げてマーケティング業務から月 25 時間を削減した例があります。月次レポートの集計は 8 時間から 30 分に、ホワイトペーパーの初稿は 5 日から 1 日に縮みました。詳しい内訳はマーケ業務の AI 効率化はどこからにまとめています。

いずれも A か B に置いた作業で、C を無理に渡した結果ではありません。

よくある失敗は、社外に出る文書を A に入れてしまうことです。そのまま送れる品質に見えても、宛先の状況を知っているのは書き手だけです。社外に出るものは、原則 B から動かさないでください。

→ この仕分けは巻末の実行キット①でそのまま実行できます。

5. いちばん抜けるのは識別 — 価格記事 10 本を全部直した話

4 つのうち、実務でもっとも抜けるのは識別です。出力がもっともらしいほど、検証の手が止まるからです。

humbulls でも起きました。2026 年 8 月、ツールの料金を扱う記事 10 本すべてに、誤った金額が載っていることが分かりました。上位プランの月額として書いていた数字は単体製品の価格で、下位プランとして書いていた数字は課金方式が変わる前の旧価格でした。どちらも実在した数字なので、書かれた文章としては筋が通っていました。

問題は、誤りが 10 本すべてで同じ値に揃っていたことです。記事どうしを突き合わせても矛盾が出ないため、社内のレビューでは検出できませんでした。見つかったのは、公式ページを取得して現在の価格体系と並べたときです。

ここから引いた対策は 3 つです。

価格と統計は取り直す

記憶や自社の既存記事からの孫引きを禁止し、公式ページを実際に取得して確認します。時点表記（「2026 年 8 月現在」）も必ず添えます。

リンクは到達を確認する

書いた時点で生きていたリンクも後から 404 になります。公開前にステータスコードをまとめて確認します。

図版と本文を突き合わせる

本文の数字を直したら、図版に焼き込んだ数字も必ず直します。片方だけ直すと記事が自己矛盾します。

識別は、AI が嘘をつくかどうかの話ではありません。もっともらしい出力ほど検証されずに通るという、人間側の性質への対策です。だからチェックは気合いではなく手順にします。上の 3 つは、いずれも公開前の作業リストに入れて機械的に回しています。

6. 自分の業務で AI を評価する 4 ステップ — 手元の 5 事例で 1 時間

「うちの仕事に AI が使えるのか、やってみないと分からない」。そのとおりで、やってみれば 1 時間で分かります。

必要なのは、AI の性能を一般論で論じることではなく、自分の業務での再現度を測ることです。手順は 4 つです。

1. 過去の成果物を 5〜10 個集める。メール、レポート、企画書のどれか 1 種類に揃えます。種類を混ぜると何を測ったのか分からなくなります
2. 同じものを作らせるプロンプトを書く。当時の前提（相手・目的・制約）を含めます。ここで自社の情報を渡さないと、一般論との比較になってしまいます
3. 出力を自分の成果物と突き合わせる。見る観点は、必要な情報が入っているか、文体の水準が合っているか、自分の成果物にあって AI の出力にないものは何か、の 3 つです
4. 結果を指示か手順に反映する。毎回書き足すべき情報は指示のテンプレートへ、AI が構造的に外す項目は人が見るチェックリストへ振り分けます

3 つ目の「自分にあって AI にないもの」が、いちばん重要な出力です。そこに現れるのは、自分が言語化しないまま使っていた前提です。それを言葉にできれば、次からは指示に含められます。

humbulls での実装例を 1 つ挙げます。記事の太字は公開後に黄色いマーカーが引かれるため、どこを塗るかで読みやすさが変わります。書き手が置いた太字は自分の言いたい場所に寄るので、想定読者になりきった 4 つの視点で通読させ、2 人以上が線を引いた箇所だけを残すという手順にしました。1 つの視点では書き手の感覚に戻ってしまうため、票を分ける仕組みそのものが評価装置になっています。

評価は一度で終わりません。5 事例のうち 3 件以上で同じ指摘が出た項目は、指示の常設ブロックに昇格させます。逆に 1 件だけで出た指摘は、その案件固有の事情として扱います。この振り分けを続けると、指示は短くなり、レビューは速くなります。

→ この評価は巻末の実行キット③でそのまま実行できます。

まとめ

AI リテラシーは、指示文が上手いかどうかではありません。委任・記述・識別・責任の 4 つで測るものです。プロンプトの技術は「記述」の内側にあり、実務で先に効くのは委任と識別のほうです。

今日からやるなら順番があります。まず手元の業務を A / B / C に仕分けて、任せる範囲を決めてください。次に、過去の成果物 5〜10 個で再現度を測り、人が必ず見る項目をチェックリストに落とします。プロンプトの改善はその後で十分に間に合います。

業務別の活用パターンをまとめて見たい場合は生成 AI × BtoB マーケティング大全を、指示文の型から入りたい場合はChatGPT マーケティングプロンプト 25 選を参照してください。

社内の運用設計から一緒に組み立てたい場合は、humbulls のGrowth Partner サービスで伴走しています。

🤖 AI 実行キット

本文の判断を、そのまま AI で実行するためのキットです。プロンプトは Claude（ブラウザ版で可）にコピーすれば動きます。

キット① 自分の業務を 4D で棚卸しして、任せる範囲を決める — 30 分

種別

判断キット

使うもの

Claude（ブラウザ版で可）

事前に用意するもの

今週やった仕事の一覧。カレンダーの予定をコピーしたものや、日報の貼り付けでも動きます。

プロンプト

私の業務を、AI に任せる範囲で仕分けてください。

【私の状況】
- 職種: BtoB 企業のマーケティング担当、1 人体制（記入例）
- 使っているツール: HubSpot Starter、Google スプレッドシート、Canva（記入例）
- 今週やった仕事:
  - （カレンダーや日報を貼り付け。粒度はバラバラで構いません）

【仕分けの基準（必ずこの基準に従うこと）】
A（任せきる）: 出力の正しさを私自身が判定でき、間違っても社内で止まる仕事
B（下書きだけ任せる）: 判断や事実確認が要るが、たたき台があれば時間が縮む仕事
C（任せない）: 一次情報の確認、対外的な約束、価格や契約条件の確定を含む仕事
- 社外に出る文書は、完成度が高く見えても A に置かず B に置くこと
- 出力の正しさを私が判定できない仕事は C に置くこと
- 自社にしかない情報が前提になっているだけの仕事は C ではなく B とし、
  「渡せば B になる情報」を必ず明記すること

【出力】
1. 仕分け表（列: 仕事 / 分類 / そう判断した理由 / 渡すべき前提情報）
2. B のうち、削減できる時間が大きい順に上位 3 件
3. 上位 3 件それぞれについて、私が最初に渡すべき情報の一覧

出力の確認ポイント

• C の理由が「難しそうだから」になっていないか。取り返しがつくかどうかで説明されていれば妥当です
• A に社外へ出る文書が混ざっていたら B に戻します
• 「渡すべき前提情報」が自社にしかない情報を指しているか。一般的な業界知識が並んでいたら、仕分けが浅いサインです

うまくいかないとき

• 仕事の粒度が粗いと分類も粗くなります。「メール対応」ではなく「問い合わせの一次返信」まで割ると精度が上がります
• 全部が B に寄る場合は、A の条件（社内で止まる・自分で正しさを判定できる）を満たす作業がないか、もう一度洗い出します

キット② 期待どおりに動かない指示を 6 類型で診断して書き直す — 15 分

種別

判断キット

使うもの

Claude（ブラウザ版で可）

事前に用意するもの

うまくいかなかったときの指示文と、返ってきた出力。会話のスクリーンショットを貼り付けても動きます。

プロンプト

うまくいかなかった AI への指示を診断して、書き直してください。

【私が送った指示】
（そのまま貼り付け）

【返ってきた出力】
（そのまま貼り付け。長い場合は冒頭 300 字と、気になった箇所）

【何が不満か】
- 一般論すぎて自社の話になっていない（記入例。当てはまるものを書く）

【診断の基準（必ずこの基準に従うこと）】
次の 6 類型のどれに当たるかを判定すること。複数の該当も可。
1. 一般論で終わる → 読み手・目的・制約が指示にない
2. 分量が合わない → 文字数や段落数の指定がない
3. 書式が合わない → 出力の見本がない
4. 事実が違う → 検証させる指示がない
5. 文体が合わない → 見本となる自社文書がない
6. 話が噛み合わない → 会話が長く、前提が積み重なっている
- 6 と判定した場合は、書き直しではなく「新しい会話の冒頭に送る指示文」を出すこと
- 指示を長くする方向で直さないこと。足すのは読み手・目的・制約・見本の 4 種類に限る

【出力】
1. 該当する類型と、その根拠になった出力の箇所
2. 指示に足りていなかった情報の一覧
3. 書き直した指示文（そのままコピーして使える完成形）

出力の確認ポイント

• 書き直された指示に、自分が渡していない前提が補われていないことを確認します。AI の想像で埋まった箇所は、実際の値に置き換えてから使います
• 元の指示より大幅に長くなっていたら、判断に効かない情報が混ざっています

うまくいかないとき

• 「何が不満か」を書かずに投げると、無難に整えられて終わります。どこが使えなかったのかを 1 行書くだけで診断が変わります

キット③ 手元の 5 事例で AI の精度を測り、レビュー基準を作る — 60 分

種別

実装キット

使うもの

Claude（ブラウザ版で可）

事前に用意するもの

過去に自分が作った成果物 5〜10 個。メール、レポート、企画書のどれか 1 種類に揃えます。

プロンプト

2 段階で送ります。ステップ 1 の出力が出てからステップ 2 を送ります。

【ステップ 1: 生成】
次の条件で、問い合わせへの一次返信メールを作ってください。
- 相手: 既存顧客の情報システム部長（記入例）
- 状況: 導入予定の機能が 2 週間遅れる。遅延はこれで 2 回目（記入例）
- 制約: 代替案を 1 つ出せる。謝罪より事実と対応を先に書く（記入例）
- 出力: 本文のみ

【ステップ 2: 比較】
私が実際に書いたものはこちらです。

（自分の成果物を貼り付け）

次の 3 観点で、あなたの出力と私の出力を比較してください。
1. 必要な情報が入っているか（あなたの出力に欠けていた情報を列挙する）
2. 文体と敬語の水準が合っているか（違いを具体的な語句で示す）
3. 私の出力にあってあなたの出力にないものは何か
   （私が言語化しないまま使っていた前提として明文化する）

【条件（必ず従うこと）】
- 私の出力を褒めないこと。差分の指摘だけを出すこと
- 3 の項目は「次回の指示に書けば再現できる形」に言い換えること

【出力】
1. 3 観点の比較表
2. 次回から指示に含めるべき情報の一覧
3. 人が必ず確認すべき項目のチェックリスト（5 項目以内）

出力の確認ポイント

• 3 で出たチェックリストが、そのまま毎回のレビュー基準になります。5 項目を超えると運用されないので、優先度の高いものだけ残します
• 5 事例のうち 3 件以上で同じ指摘が出た項目は、指示のテンプレートに常設します。1 件だけの指摘は案件固有として扱います

うまくいかないとき

• 1 事例だけで判断すると、たまたまの相性で結論が振れます。最低 5 件は同じ手順で回します
• 比較が褒め合いになる場合は、「差分の指摘だけを出すこと」の条件を先頭に移動します

参考文献

• AI Fluency: Framework & Foundations — Anthropic Academy（取得日: 2026-08）
• AI Fluency Framework — Rick Dakan・Joseph Feller 両教授による公開資料。CC BY-NC-SA 4.0（取得日: 2026-08）
• AI Fluency — Anthropic（取得日: 2026-08）
• Create strong empirical evaluations — Anthropic Documentation（取得日: 2026-08）