ChatGPT・生成AIを仕事で使う方法｜職務経歴書に書ける実績の作り方

「AIを使う」ではなく、変える業務を一文で固定する

最初に「生成AIを導入する」を目的から外します。「週次報告のために五つのチケットを読み直し、進捗・課題・次の行動を転記する作業へ毎週時間がかかる」のように、誰の、どの作業に、何が起きているかを書きます。AIを使わないテンプレート改善や入力元の統一でも解決できるなら、先に比較します。

利用前の基準を一週間から四週間記録します。件数、所要時間、差し戻し、確認者、抜け漏れの種類、完成条件です。測定していない状態で「50%効率化」を目標にすると、都合の良い一回だけを成果として扱いやすくなります。数字が取れなければ、現在の手順と確認項目を文章で残します。

候補作業は、頻度が高い、入力の場所と形式が分かる、完成条件を人が確認できる、誤りが本番・顧客へ直結しない、の四条件で選びます。最初から顧客回答、採用判断、本番コード反映を自動化せず、下書き・分類・候補生成のように影響を限定できる範囲から始めます。

• 利用者と対象作業を一つに絞る
• 利用前の件数・時間・差し戻しを残す
• AIを使わない改善案とも比較する
• 完成条件を人が確認できる
• 失敗時の影響を検証環境へ限定する

入力してよい情報と、利用する環境を先に決める

会社の業務で生成AIを使う場合、個人向けサービスへログインできることと、顧客情報やソースコードを入力してよいことは別です。所属会社、客先、プロジェクトの規程と契約を確認し、許可されたアカウント、端末、ネットワーク、サービスだけを使います。判断できなければ責任者へ確認し、公開情報か自作データで検証します。

個人情報保護委員会は、生成AIサービスへの個人情報入力について、利用目的の範囲やサービス提供者による取扱いを確認するよう注意喚起しています。氏名を消すだけで安全と決めず、案件名、障害内容、コード、データの組合せから対象を特定できないかを見ます。入力、保存、学習利用、削除、国外移転、権限の条件をサービスごとに確認します。

文化庁はAIと著作権の考え方と関連資料を公開しています。著作物を入力する場面、生成物を社外公開・販売する場面、既存コンテンツとの類似が疑われる場面では、用途と会社の確認手順を優先してください。この記事だけで適法性を断定せず、不明点は法務・知財担当など適切な窓口へ確認します。

• 会社・客先が許可した環境とアカウントか
• 入力データの機密区分と利用目的
• 保存・学習利用・削除・権限の条件
• 個人情報・顧客情報・コードを含まないか
• 著作物の入力・生成物の公開手順を確認したか

評価用の例を作り、正しさをプロンプトから分離する

プロンプトを何度も直して一つの成功例を作っても、別の入力で再現できるとは限りません。実際に起きる入力を、通常、長文、欠損、矛盾、固有名詞、数値、否定表現などへ分け、公開可能または許可済みの評価例を作ります。期待する出力と、人が確認する項目を先に書きます。

評価は「良さそう」ではなく、項目ごとに行います。事実の一致、抜け漏れ、形式、参照元、禁止情報、判断を勝手に補っていないかです。週次報告なら、チケット番号、進捗、課題、担当、期限、参照リンクの一致を確認します。コードなら、仕様、テスト、依存、セキュリティ、ライセンスを別に見ます。

AISIのAIセーフティ評価観点ガイドは、AIシステムの評価観点と項目例を公開しています。個人の小さな検証でも、出力品質だけでなく、誤用、情報管理、停止、外部環境への影響を考える手掛かりになります。AIが正解を判断する循環を作らず、業務の原文、仕様、テスト、承認者へ戻れる仕組みにします。

• 通常・長文・欠損・矛盾・数値を含む評価例
• 期待する出力と確認項目を先に固定
• 事実・抜け漏れ・形式・参照元を分けて評価
• 禁止情報や根拠のない補完を確認
• 原文・仕様・テスト・承認者へ戻れる

成功例だけでなく、失敗と使わない条件を記録する

検証ログには、日付、ツール・モデル、入力の種類、指示、出力、評価結果、修正、最終判断を残します。会社の秘密情報をログへ複製しない範囲で、再現に必要な条件を記録します。サービスやモデルが更新された時は、同じ評価例で結果が変わらないか再確認します。

失敗例は削除せず分類します。参照元にない数字を作る、否定を反転する、古い仕様を採用する、権限差を落とす、形式だけ整って内容が欠けるなどです。指示を長くすれば直るのか、検索・ルール・コードで補うのか、人が担当すべきなのかを分けます。

使わない条件を明文化します。入力に機密・個人情報が含まれる、正解を確認できない、誤りの影響が大きい、緊急時、承認者が不在、サービス障害時などです。利用を停止して手作業へ戻す方法も決めます。「AIを使わない判断」を含めて運用できることが、プロンプトの巧さより重要です。

• 日付・環境・入力種類・評価結果を残す
• モデル更新後に同じ評価例で再確認する
• 失敗を原因別に分類する
• AI・ルール・人のどれで直すか決める
• 利用停止と手作業へ戻す条件を定める

小さく運用し、時間・品質・再現性を同時に測る

評価例で基準を満たしたら、対象者と期間を限定して試します。最初は一人・一週間、次に二〜三人・四週間など、問題が起きた時に戻せる単位にします。生成物は下書きとして扱い、人が確認した記録を残します。自動で顧客送信、本番反映、権限変更へつながない状態から始めます。

測るのは作成時間だけではありません。確認時間、差し戻し、修正箇所、抜け漏れ、利用率、使わなかった理由も見ます。下書きは速くても確認が増えたなら総時間は減っていません。一人だけが使えるなら、チームの再現性は作れていません。導入前と同じ条件で比べ、都合の悪い結果も残します。

デジタル庁の生成AI業務利用の技術検証でも、利用環境、教育、専門家の支援、業務ユースケースを組み合わせた取組が公開されています。企業規模は違っても、ツールを配るだけで終わらず、扱える情報、支援、利用目的を整える考え方は参考になります。個人の成功を、そのまま全社効果へ広げないでください。

• 対象者・期間・業務を限定する
• 生成物は人の確認前に外部へ出さない
• 作成時間と確認時間を合計する
• 差し戻し・修正・利用率・不使用理由を測る
• 問題時に停止し元の手順へ戻せる

チームで再現できる手順と、担当者を残す

効果が確認できたら、プロンプトだけでなく運用手順を残します。対象業務、許可された入力、準備方法、実行、確認項目、承認、保存、停止、問い合わせ先、再評価日です。入力例と失敗例も含め、初めて使う人が判断を再現できるかを別の担当者に試してもらいます。

経済産業省のAI事業者ガイドライン第1.2版は、AI開発者・提供者・利用者などの主体を整理し、リスクに応じた取組を示しています。社内の小規模利用でも、ツール契約を決める人、業務へ組み込む人、利用する人、出力を承認する人、問題時に止める人を分けると責任が曖昧になりにくくなります。

IPAのデジタルスキル標準ver.2.0は、AI実装・運用、データ整備、ガバナンスなどのスキルを拡充しています。「AI人材」という一語で自分を売らず、課題定義、データ準備、評価、運用監視、安全、定着のうち何を担当したかを示してください。足りない工程は、次の小さな検証で一つずつ広げます。

• 対象・入力・実行・確認・承認を手順化
• 失敗例と使わない条件を共有
• 契約・実装・利用・承認・停止の担当を分ける
• 別の担当者が同じ判断を再現できるか確認
• モデル・規程・業務変更後の再評価日を決める

職務経歴書へ書き、90日後の転職判断へつなげる

職務経歴書には「ChatGPTを日常的に利用」「プロンプトエンジニアリングを習得」とだけ書きません。対象業務、利用前の問題、入力制限、評価例、人の確認、使わない条件、導入範囲、測定できた変化を一文へまとめます。チーム全体の成果と、自分が設計・判断した範囲を分けます。

最初の30日で対象作業と利用前基準を決め、安全な評価例を作ります。31〜60日で限定運用し、失敗と総時間を測ります。61〜90日で手順を別の担当者へ渡し、再現できた範囲を職務経歴へ反映します。現職で評価・運用・改善まで担当できるなら、転職を急ぐ必要はありません。

現職では利用が禁止されている、下書きだけで責任が増えない、成果を評価へ反映する仕組みがない場合は、求人のAI利用有無ではなく、入社後にどの業務課題、データ、評価、運用を持てるかを確認します。相談先を使う場合は年齢・実務経験・勤務地の対象条件に合う候補へ、同じ経歴と質問を渡して比較してください。

• 0〜30日: 課題・基準・入力制限・評価例を作る
• 31〜60日: 限定運用で失敗と総時間を測る
• 61〜90日: 手順を渡し再現性を確認する
• 職務経歴: 自分の設計・判断範囲を書く
• 転職判断: 入社後に持つ課題・評価・運用を確認する

職務経歴書の変換例

利用頻度やプロンプト名ではなく、対象、入力制限、評価、失敗、測定、再現できる運用まで書きます。

行動前チェックリスト

• 変える業務と利用前の基準を決めた
• 会社・客先が許可した環境だけを使った
• 個人情報・機密・著作物の扱いを確認した
• 通常・欠損・矛盾を含む評価例を作った
• 失敗例と利用しない条件を残した
• 作成時間と確認時間を合計して比較した
• 停止手順と承認者を決めた
• 別の担当者が同じ手順を再現できた