ドメインスペシャリストを育てるプロンプト運用術 — ヒアリングから知識化、そして配信まで

汎用AIは何でも答える。しかし現場が求めるのは「あなたの業務と用語で迷わず意思決定できるAI」だ。万能さは安心材料にならない。必要なのは、業務特性・制約・言い回し・評価軸にまで踏み込んだ“ドメインスペシャリストAI”である。本稿では、ヒアリング設計→Deepsearch→ナレッジ化→テンプレート運用→品質検査→学習ループという流れで、組織内に再現性の高い専門AIを育てる方法を解像度高くまとめる。

1. 出発点は「質問の設計」— ヒアリング用エージェント

最初にやるべきことは、AIの入力品質を安定化することだ。鍵は「選択式中心＋自由記述補助」。人は抽象的に語るが、AIは構造で理解する。

• あなたの職種は？（営業/CS/エンジニア/データ/バックオフィス…）
• 担当業務は？（プリセールス/既存深耕/一次サポート/要件定義/社内教育…）
• よく使う社内ページは？（CRMの取引先詳細、ナレッジFAQ、ダッシュボード…）
• 参考にする外部情報は？（書籍・規格・レギュレーション・ベンダー資料…）
• 口調・トーンは？（丁寧/簡潔/対話的/上申書風…）
• 専門用語の出力範囲（フル活用/一般語訳/脚注補助）
• 出力形式（箇条書き/表/手順/テンプレ合成/ドラフトメール…）
• 「繰り返す」設定（前回回答から選択肢を最適化し、組織語彙に収束させる）

このヒアリングは人格・文脈・語彙・可視化までを“構造化”する行為だ。初回で完璧は要らない。重要なのは、回答を選択肢に折り畳み続け、チーム標準へと収斂させる仕組みである。

2. Deepsearchエージェント — 文脈のスカウトマン

ヒアリング結果は検索のクエリになる。Deepsearchの責務は次の4点だ。

1) メタデータをクエリへ写像（例: 「BtoB_営業_プリセールス_見積承認_社内規程」）

2) 取得資料の正規化・抜粋・根拠抽出（コピー&ペーストではなく“意思決定に使える断片”へ）

3) ナレッジグラフへ登録（ノード: 用語/手順/テンプレ/FAQ、エッジ: 参照/前提/派生）

4) 即時利用はプロンプトに埋め込み、恒久利用はグラフに蓄積

“検索のための検索”はしない。先に「出力の最小単位（テンプレ・根拠・禁止事項）」を決め、収集粒度を合わせる。

3. 知識は書式で腐る — テンプレート化の原則

専門家は例外に強い。だからテンプレートは“骨格”に徹する。

• 提案: 問題/解決策/効果/前提/リスク/代替案
• 調査: 背景/目的/仮説/検証/次アクション
• FAQ: 質問/結論/根拠/手順/参照

空欄を残し、ヒアリングのメタデータで段階的に埋める。AIは“空欄を埋める器用さ”より“空欄を残す勇気”を持つと安定する。テンプレは語彙カードとセットで運用する。

4. 語彙の収斂 — ユースケース駆動の語彙管理

同じ概念を別名で呼ぶと合意形成が崩れる。語彙はユースケースで固定する。

• 用語カード: 名称/別名/定義/使う場面/使わない場面/例
• マッピング表: 類似語・旧称・俗称→正規語の対応
• 入出力フィルタ: 入力は正規語へ寄せ、出力は初出のみ脚注

この仕組みが、レビュー工数の半減と「言い換え争い」の終息をもたらす。

5. エージェント分掌 — 責任の物理化

生成は分業で強くなる。ただし境界を曖昧にしない。

• ヒアリング: ペルソナ/文体/制約を収集
• Deepsearch: 根拠収集と整形
• プランニング: 章立て・テンプレ配分・網羅性チェック
• レンダリング: 記述/表/図/サマリ
• キュレーション: 事実確認・根拠リンクの検証・スタイル均質化

各エージェントは“どのディレクトリに書くか”まで固定する（1ディレクトリ=1エージェント）。責任の単位が明確になり、衝突や重複が激減する。

6. 運用フレーム — 3本のガードレール

1) 1ディレクトリ=1エージェント原則

2) マストファイル4点（PROJECT/DIRECTORY_MAP/AGENTS/各README）で“単一の真実”を保守

3) 変更は担当内で完結。越境はPM→評価の二段承認

READMEとAGENTS.mdは“運用のAPI”。人もAIもそこを読めば同じ結論に到達できる状態を維持する。

7. 品質をワークフローに内蔵する — 評価エージェント

事後レビューだけでは品質は担保できない。生成チェーンに検査を埋め込む。

• 事実確認: 引用と数字に出典IDを紐づける
• 整合性: 用語カード/テンプレ遵守
• スタイル: 文体・トーンのドリフト検出（ヒアリング設定と照合）

評価エージェントは“ファイル生成禁止”。スコアと差分指摘だけに専念し、再作業コストを下げる。

8. 学習ループ — 失敗を更新指示に変える

“失敗から何を学ぶか”をプロンプトに書き込む。

• 失敗分類: 情報不足/語彙不一致/テンプレ誤適用/事実誤認
• 写像: 次回ヒアリングの選択肢をどう変える？ どのテンプレを差し替える？
• 反映: AGENTS.md更新/テンプレ改版/用語カード更新

速度は出ているのに学習していない、という現象は“反映先の不在”から生じる。学びは更新完了まで運ぶ。

9. 最小ツールで実現するチェーン

• プロンプト管理: Markdown
• 検索: Deepsearch（検索→正規化→抜粋の一貫処理）
• ナレッジ: 簡易グラフ（用語/手順/FAQをノード化）
• 生成: チェーン化（ヒアリング→検索→計画→生成→検査）
• 配信: CMS（記事/FAQ/手順をAPI投稿）

重要なのはツールの豪華さではなく“運用の設計”。責任の単位に落とし、可視化するだけで、同じチームでも成果が見違える。

10. 導入チェックリスト（Day 1）

• [ ] 1ディレクトリ=1エージェント原則を宣言
• [ ] PROJECT/DIRECTORY_MAP/AGENTS/各READMEの雛形を配置
• [ ] 用語カードとテンプレの最小セットを作成
• [ ] Deepsearch→テンプレ→評価の最短チェーンを整備
• [ ] 失敗分類→更新指示→反映のループを決める

11. 結論 — “良いプロンプト”より“良い運用”

ドメインスペシャリストに寄り添うAIは、一発の巧妙なプロンプトではなく、質問の設計・知識の整形・語彙の収斂・責任の分掌・品質検査・学習ループの“運用”で生まれる。最初の一歩は小さくてよい。ヒアリングを選択式にし、テンプレを配り、READMEを更新する。たったそれだけで、AIは“あなたの現場の言葉”で考え始める。今日から始めよう。