JOURNAL — 2026-10-01
Workspace OS 構想整理 — 人間とAIが「同じ仕事の世界」を共有するための作業基盤
AIワークデザイン Workspace OS 設計思想
けんさん
案内人個人事業主として、Web・写真・AI活用などに日々向き合っている案内人。現場で試しながら、本質を丁寧に整理する。
まりなさん
受け手けんさんのアシスタント。一般人目線で素朴な疑問や感想を代弁し、読みやすさをサポートする。
AI先生
整理係日々の対話相手であるLLMを擬人化した存在。親しみを込めて「先生」と呼ぶ、構造化の頼れる相棒。
最近「AIエージェントに仕事を任せよう」って言葉をよく聞くんですけど、いざ使ってみると見当違いな回答が来たり、手直しばかりで余計に疲れちゃうんです…！ やっぱりプロンプトの呪文が足りないんでしょうか？
そうだなぁ… プロンプトの書き方以前に、そもそもAIに対して「どんな前提や判断ルールのもとで動くのか」という仕事の環境を渡せていないことが多いんだよね。今日はその作業基盤、つまり「Workspace OS」の考え方をじっくり解きほぐしていこう。
ONE PAGE SUMMARY
今日の核心は、AIに丸投げするのではなく、「同じ仕事の世界」を共有し、役割とリスクに応じて共に前へ進めること。
Model（知能）は交換可能。しかし人間が築いた判断基準・文脈・仕事の設計は永続する資産になる
HUMAN
WHY（目的・価値基準）
意志・優先順位・最終責任を保持する。
WORKSPACE OS
憲法・文脈・仕事設計
判断原則・過去履歴・役割分担を蓄積する。
AGENT & MODEL
HOW / THINK / DO
自律ループで観察・修正し、道具を操る。
OUTPUT & MEMORY
成果と経験の還元
次の仕事へ文脈を引き継ぎ強化する。
ここからひとつずつ、図で整理していきます。
整理すると、この記事では「なぜ単なるフォルダではなくOSと呼ぶのか」から始まり、全体構造・自律ループ・役割とリスク設計・そして思考の転換までを全6章で順番に解説していきます。安心してついてきてくださいね。
なぜ「AIへの丸投げ」で仕事が破綻してしまうのか
賢いモデルに任せれば、全部自動で察してくれるはず
「プロンプトさえ完璧なら、自社のビジネス課題も、顧客との暗黙のルールも汲み取ってくれる」と期待し、結果の手戻りに落胆する。
文脈と判断基準がない部屋では、誰も働けない
AIの能力不足ではなく、仕事の前提（過去の議事録・顧客情報・譲れない価値観）が渡されていないため、一般論しか出せない。
多くの人がAIを活用しようとするとき、つい「この最新AIで何ができるか？」という問いから始めてしまいます。そしてプロンプトを長々と工夫し、「企画書を一発で作ってください」と丸投げしようと試みます。
しかし返ってくるのは、当たり障りのない教科書通りの正論か、自社の文脈に全く合わない空疎な提案ばかり。結局、人間が最初から手直しすることになり、「自分で書いた方が早かった」と疲弊してしまうのです。
それ、すごく心当たりがあります…！ 「企画書作って」ってお願いしたら、立派そうな言葉はいっぱい並んでるのに、うちの現場では全然使えないものが出てきてガッカリしたことがあって。
そうなんだよね。AIがサボっているわけじゃなくて、僕たちが当たり前に持っている「現場の前提」がAIに伝わっていないだけなんだ。AIから始めるのではなく、まず「僕たちの仕事の世界」を整える必要があるんだよ。
優秀な料理人と、仕込みの行き届いた厨房
仕込みの行き届いた厨房
Workspace OS
整理された食材・秘伝レシピ・過去の味付け履歴などの作業環境。
腕利きの料理人
Model / Agent（主役）
推論・分析・調理技術。状況に応じて自由に交代可能な知能。
客が感動する一皿
成果物（Output）
現場でそのまま意思決定に直結する生きた仕事。
AI（Model）の立ち位置を理解するには、「料理」にたとえると分かりやすくなります。最新のAIモデルは、世界最高峰の包丁さばきと調理技術を持つ「三ツ星シェフ」のような存在です。
しかし、どんなに腕利きのシェフでも、調味料の場所が分からず、食材の下ごしらえ（仕込み）がされておらず、お店の秘伝のレシピや常連客の好みが何一つ置かれていない「空っぽの台所」に放り込まれたら、客を感動させる料理は作れません。
わあ、すごく腑に落ちました！ シェフの腕前（モデルの賢さ）ばかり気にしていたけど、料理を作るための「厨房（Workspace）」が散らかっていたら美味しい料理は作れないんですね！
まさにその通りです。Workspaceとは単なるフォルダではなく、調味料の配置やレシピ、お客様の好みがいつでも取り出せるように整理された「料理の環境そのもの」なのです。
一問一答のチャットから「自律する仕事のループ」へ
会話のみで完結
「質問 → 回答」の1往復で終了。文脈を持たないため、毎回人間が前提をイチから説明し直す必要がある。
ユーザー: 「次回のA社打ち合わせ準備をして」
AI: 「一般的なアジェンダ（会社概要・提案・質疑）をご提案します。必要ならスライド目次も作成します」
→ 前回の未決事項や顧客の文脈がゼロ。人間が手直しするハメに。
$ request: "次回のA社打ち合わせ準備をして"
[Context] A社カルテと前回議事録（未決: 価格条件）を取得
[Constitution] 照合: 価格確定は人間専任事項 / 成果物優先
[Execute] 次回論点シート・モック進捗を整理（Tool実行）
[Observe] 課題の論点抜けを検知 → ドラフトを自動修正
[Human Gate: けんさんへ確認]
前回の未決事項「価格条件」のみご判断ください。
それ以外の論点資料と進捗モックは準備完了しました。依頼・意図理解
言葉の裏にある真の目的・ゴールを解釈
文脈＆憲法照合
過去の経緯・前提・禁止ルールを確認
実行と観察
Toolを動かし出力結果を自律修正
Human Gate
重要判断のみ人間に戻して確認
成果と記憶
結果と学習をWorkspaceへ蓄積
従来のチャットAIとのやりとりは、基本的に「質問 → 回答」の1往復で終わります。しかし実際の仕事は、一問一答では完結しません。状況を調べ、計画を立て、実行し、うまくいかなければ修正するという「ループ」が必要です。
たとえば「次回のクライアント打ち合わせ準備をして」と依頼したとき、従来のチャットとWorkspace OSでは、画面の中で起きる動きが根本から異なります。文脈取得から自律修正まで実行し、人間の重要判断だけをピンポイントで確認するのです。
ええっ！ ここまでやってくれるんですか！？ 前回の話を覚えていてくれて、しかも「ここは人間が決めてね」ってピンポイントで聞いてくれるなら、すごく助かります！
これが「会話」と「仕事」の違いなんだよね。AIに全部丸投げするわけでもなく、人間が全部抱え込むわけでもない。お互いにパスを出し合える状態を作るのが大切なんだ。
6層アーキテクチャと「Modelは交換可能」という設計思想
階層1：HUMAN（人間）
WHY：何のためにやるか
目的 / 意志 / 価値判断 / 優先順位 / 最終責任の保持
階層2：CONSTITUTION（憲法・基本原則）
判断基準
価値基準 / 判断原則 / 禁止事項 / 人間の責任領域の定義
階層3：CONTEXT（仕事の世界・文脈）
今の状態
案件カルテ / 顧客履歴 / 過去の判断 / 議事録 / 制約事項
階層4：WORK DESIGN（仕事設計）
どう進めるか
目的理解 → 課題整理 → 仕事分解 → 人・AI・Toolの配置
階層5：AGENT RUNTIME（実行環境）
自律実行
Antigravity / Claude Code / Codex / スクリプトによる自動進行
階層6：MODELS & TOOLS（知能と手段）
交換可能な部品
Gemini / Claude / GPT / ファイル操作 / API / コード実行
AI界隈では、毎月のように新しいモデルやAgentツールが登場します。もし特定のModelやツールに依存した仕事の組み立てをしてしまうと、新技術が出るたびに仕組みをゼロから作り直すことになります。
Workspace OSでは、Modelを最上位に置きません。最上位にあるのは常に「人間の目的」であり、Modelはその下で思考を担当する「知能の部品」に過ぎません。
PHILOSOPHY
Modelは知能であり、道具に過ぎない。
自社の「憲法」と「文脈」こそが、時代を超えて残る不変の資産になる。
補足すると、このアーキテクチャのおかげで、新しい強力なAIが登場しても、Workspaceの指示や知識資産をそのまま活かして知能部分だけを最新化できるのです。
流行りのツールに飛びついて振り回されるんじゃなくて、自分の仕事の根っこをOSとして持っておく。これが個人事業や小規模チームが長く生き残るための知恵なんだよね。
誰が何を決めるのか？ 4つの責任境界と3段階のリスク設計
HUMAN
何のためにやるか
目的、意志、価値基準、優先順位、顧客への約束、最終責任の保持。
AGENT
どう進めるか
文脈収集、仕事分解、スキル・ツール選択、作業順序、進行と再試行。
MODEL
考える
推論、分析、要約、文章生成、比較検証、仮説立案、選択肢提示。
TOOL / CODE
実際に処理する
ファイルの読み書き、データ変換、API通信、検索、自動実行。
低リスク：完全自律
Agent Autonomous
人間への確認なしで自律実行してよい領域。
- 散らかった情報の整理・構造化
- 長文議事録の要約
- アイデアの下書き・構成案作成
- 内部ファイル名のリネーム
中リスク：事後レビュー
Agent Execute + Review
実行後に人間が差分と結果を確認する領域。
- 既存コードや設定ファイルの修正
- Webサイトの文面修正
- 顧客向け提案資料のドラフト
- 外部データの一括取り込み
高リスク：事前承認必須
Human Approval Gate
人間の明示的な承認なしに絶対実行しない領域。
- 顧客へのメール直接送信
- 見積価格・契約条件の確定
- Webサイトや記事の本番公開
- ファイル削除・支払い・決済
AIとの協働で最も危険なのは、「全部AIがやってくれている」という曖昧な状態です。何が起きたときの責任を誰が負うのかが曖昧だと、事故が起きて初めてパニックになります。
Workspace OSでは、仕事を4つの階層（WHY / HOW / THINK / DO）に分解し、さらに対象のリスクに応じて自律の範囲を3段階で厳格に制御します。
なるほど〜！ 「AIを信用するかしないか」の極端な二者択一じゃなくて、リスクの大きさで「ここは勝手にやってOK」「ここは必ず確認してね」って境界線を決めておけば安心ですね！
そうなんだ。ブレーキのない車には誰も乗りたくないよね。しっかりしたガードレールがあるからこそ、AIも人間も思い切りアクセルを踏めるんだ。
AIを設計することは、自分の仕事を設計すること
-
01
AIから始めず、人の違和感と仕事の目的から始める 「このAIで何ができるか」ではなく、「今どんな課題があり、どこに違和感があるか」から問う。AIを使わないシンプルな解決策も常に選択肢に持ちます。
-
02
Modelは「知能」であって「仕事の世界」ではない モデルは次々に交代します。自社の価値基準、顧客との文脈、過去の判断履歴という「仕事の世界（Workspace）」こそが、時代を超えて蓄積される資産になります。
-
03
自律権限は0か100かではなく、リスクに応じてグラデーションで設計する 低リスクな整理はAIに任せ、中リスクは事後レビューを挟み、高リスクな約束やお金の判断は人間が死守する。ガードレールがあるから走れます。
-
04
AIの環境作りとは、自分自身の仕事を深く観察・言語化すること AIが迷う場所は、人間も言語化できていない場所です。AIのためのルールを作る作業は、自分の仕事を再定義する最高の機会になります。
最初は「また新しい難しいAIツールを覚えないといけないのかな…」って身構えていたんですけど、全然違いました！ 自分が普段大切にしている仕事の進め方やルールを、AIにもわかるように言葉にしてあげることなんですね。
その通りだね。AIを特別扱いするんじゃなくて、頼もしい新入社員を迎えるような気持ちで「うちの仕事の進め方」を丁寧に整えていく。焦らず、自分の仕事の違和感に気づくところから小さく試していこう。
素晴らしいまとめです。Workspace OSという確かな基盤があれば、将来どんな新しいAIが登場しても、あなたの強力な味方になってくれます。一緒に一歩ずつ育てていきましょう。
この話、あなたの現場ではどうですか。
記事の話題そのままで構いません。「あの記事の件で聞きたい」——それだけで最初の一言になります。
- ヒアリング無料
- 東広島市・広島県内を中心に全国対応（オンライン可）
- しつこい営業はしません