外部の公開枠組みから考える
AIに何かを作らせる／やらせる、という行為は、「何を作らせるか」だけでは分けられない。公開された研究を集めると、分類の軸は少なくとも5つあり、それぞれ別のものを測っている。このページは、その5つの軸と実測データ、そして軸を組み合わせて作る実用的な4分類を、出典付きで整理したものである。
最も古典的な分類。Parasuraman、Sheridan & Wickens（2000）は「システム全体に1つのレベル」ではなく、機能の段階ごとに自動化の度合いが違う、と整理した。同じシステムでも、情報収集は全自動・判断は人間、という混在が普通だという考え方である。
出典：Parasuraman, R., Sheridan, T. B., & Wickens, C. D. (2000). A model for types and levels of human interaction with automation. IEEE Transactions on Systems, Man, and Cybernetics — Part A, 30(3), 286–297. https://doi.org/10.1109/3468.844354 ／ 10レベルの表（Table 1, p.287）の転載：MITRE, Lessons Lost: Automation in Aviation — mitre.org（PDF）
Shneiderman（2020、著書2022）は、軸1の一次元的な見方自体を否定した。「自動化が上がれば人間の制御は下がる」という前提を外し、人間の制御（縦軸）とコンピュータの自動化（横軸）は独立だとする。目指すべきは右上——自動化は高いが、人間が意味のある制御を保つ設計である。象限を押すと説明が切り替わる。
設計指針は3点にまとめられる。(1) 高い制御と高い自動化の両立で人間の性能を上げる、(2) 完全な人間制御／完全な自動制御が必要な状況を理解する、(3) 過剰な人間制御と過剰な自動化の両方の危険を避ける。成果の性質として Reliable, Safe & Trustworthy（RST）を掲げる。
出典：Shneiderman, B. (2020). Human-Centered Artificial Intelligence: Reliable, Safe & Trustworthy. International Journal of Human–Computer Interaction, 36(6), 495–504. tandfonline.com ／ 拡張版：Shneiderman (2022) Human-Centered AI, Oxford University Press ／ 著者ページ：hcil.umd.edu（象限の具体例は2022年版の書評に基づく二次情報）
White 他（2023）のプロンプトパターン・カタログは、ソフトウェアのデザインパターンと同じ発想で、再利用できる「頼み方の型」を会話の中で果たす機能で分類した。自律性や成果物の種類の分類ではない点に注意。
| カテゴリ | パターン | 数 |
|---|---|---|
| Input Semantics（入力の意味付け） | Meta Language Creation | 1 |
| Output Customization（出力の整形） | Output Automater、Persona、Visualization Generator、Recipe、Template | 5 |
| Error Identification（誤りの発見） | Fact Check List、Reflection | 2 |
| Prompt Improvement（頼み方の改善） | Question Refinement、Alternative Approaches、Cognitive Verifier、Refusal Breaker | 4 |
| Interaction（対話の進め方） | Flipped Interaction、Game Play、Infinite Generation | 3 |
| Context Control（文脈の管理） | Context Manager | 1 |
| 合計（arXiv 2023年版） | 16 | |
後の4分類との関係で重要なのは2カテゴリ。Recipeは「目的を実現する手順の列を得る」パターン、Templateは「利用者が指定した型をモデルが埋める」パターンで、どちらも「手順・型を作らせる」側に属する。逆に Fact Check List（出力が依存する事実の一覧を出させ、検証可能にする）と Reflection（モデルが出力を内省して誤りを挙げる）は「検証させる」側のパターンとして名前が付いている。
出典：White, J. et al. (2023). A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT. arXiv:2302.11382 — ar5iv.labs.arxiv.org/html/2302.11382 ／ 改訂版：dre.vanderbilt.edu（PDF）
2025年に3つの大規模実測が出そろった。設計論ではなく「実際に何をさせているか」の分類であり、比率まで報告されているのが他の軸と違う点である。タブで切り替える。
400万件超の Claude.ai（Free/Pro）会話をプライバシー配慮型システム Clio で分析し、米国労働省の職業タスクデータベース O*NET（約2万タスク）へ対応付けた分類。協働の型は5パターン——自動化側が Directive（タスクを丸ごと委任）と Feedback Loop（エラー文などを人が中継して環境の結果を返す）、拡張側が Task Iteration（往復しながら磨く）、Learning（知識・技能を得る）、Validation（自分の作業のダブルチェック）である。
出典：Handa, K. et al. (2025). Which Economic Tasks are Performed with AI? Evidence from Millions of Claude Conversations. arXiv:2503.04761 — arxiv.org/abs/2503.04761 ／ anthropic.com/research/the-anthropic-economic-index（2025年2月10日公開）
消費者向け ChatGPT 会話 約110万件（2024年5月15日〜2025年6月26日）を、話題・利用者の意図・O*NET 作業活動の3分類で同時に集計した研究。意図の分類 Asking／Doing／Expressing は「利用者が求めている出力の種類」の分類であり、後の4分類に最も近い一次資料である。
仕事関連のメッセージに限ると Doing 56%／Asking 35%／Expressing 9% と逆転する。2025年6月下旬時点の全メッセージでは Asking 51.6%／Doing 34.6%／Expressing 13.8%。
上位3話題（Practical Guidance 約29%で安定、Writing は2024年7月→2025年7月で36% → 24%、Seeking Information は14% → 24%）で全会話の約77%を占める。Technical Help は12% → 約5%、Multimedia は2% → 7%超。仕事関連では Writing 約40%、Practical Guidance 24%、Technical Help 10%強（2025年7月）。なお Writing の3分の2は、ゼロから書かせるのではなく、利用者が渡した文の修正（編集・批評・翻訳・要約）である。
O*NET 作業活動（GWA）の上位は、Getting Information 19.3%、Interpreting the Meaning of Information for Others 13.1%、Documenting/Recording Information 12.8%、Providing Consultation and Advice 9.2%、Thinking Creatively 9.1%、Making Decisions and Solving Problems 8.5%、Working with Computers 4.9%（上位7件で76.9%）。
出典：Chatterji, A. et al. (2025). How People Use ChatGPT. NBER Working Paper No. 34255, 2025年9月15日 — nber.org（PDF）
匿名化された Bing Copilot 会話 20万件（米国、2024年1〜9月）を、O*NET の中間作業活動（IWA）332種へ、同じ会話の両側を別々に分類した点が独自である。
利用者の目的の上位は、情報収集／文章の執筆・編集・作成／他者への伝達。AIの行為の上位は、情報の収集と報告／情報の説明（提示・説明・教授）／伝達・応答・助言——つまり AI はしばしばコーチ・助言者・教師というサービス役に回る。そして会話の40%では、目的側と行為側の活動集合が重ならない（disjoint）。「頼んだこと」と「AIが実際にやっていること」は、4割の会話で別物だという観測である。
AI適用度スコアが高かった職種：Sales、Computer and Mathematical、Office and Administrative Support、Community and Social Service、Arts/Design/Entertainment/Sports/Media、Business and Financial Operations、Educational Instruction and Library。先行研究（Suri 他 2024）は Bing Copilot 会話79,888件を25の話題領域に分類し、知識労働領域が72.9%（Bing 検索セッションでは37%）と報告している。
出典：Tomlinson, K., Jaffe, S., Wang, W., Counts, S., & Suri, S. (2025). Working with AI: Measuring the Applicability of Generative AI to Occupations. arXiv:2507.07935 — arxiv.org/html/2507.07935v3
Dellermann 他（2019）の分類は、人間とAIを組み合わせたシステムの設計知識の分類で、全体は4メタ次元・16サブ次元・50カテゴリ。配分を決める中心はタスク特性だと明言されており、「人間と機械の補完的な強み」で割り振る考え方である。
| メタ次元 | 主な内容 |
|---|---|
| 1. Task Characteristics （設計判断の中心ドライバ） | タスクの型：Recognition（認識）／Prediction（予測）／Reasoning（推論）／Action（行動）。目標：共通／敵対的／独立。共有データ表現：features／instances／concepts／schemas。MLパイプライン上の時期：特徴量設計／パラメータ調整／学習 |
| 2. Learning Paradigm | 拡張の向き：人間／機械／ハイブリッド。MLの枠組み：教師あり／なし／半教師あり／強化学習。人間の学習：経験から／説明から |
| 3. Human–AI Interaction （人間 → 機械） | Machine Teaching：デモンストレーション／ラベル付け／トラブルシューティング／検証（verification）。教示の明示性、必要な専門性（ML専門家／領域専門家／エンドユーザー）、入力の量（個人／集合）、集約方法、インセンティブ |
| 4. AI–Human Interaction （機械 → 人間） | 問い合わせ戦略：オフライン／オンライン／能動学習。Machine Feedback：提案（suggestions：どう行動すべきかの明示的な推奨）／予測／クラスタリング／最適化。解釈可能性：アルゴリズムの透明性／全体の解釈／個別予測の解釈 |
定義として、ハイブリッドインテリジェンスは「人間とAIを組み合わせ、どちらか単独より優れた結果を共同で達成し、互いに学び続ける」システムであり、性質は集団的遂行・優れた結果・継続学習の3つ。配分の根拠（2019年時点の記述）として、機械は常識・柔らかいデータ・動的環境への適応・専門性や計画や創造性が要るタスクに弱く、人間は意味づけ、学習データの作成、嗜好の教示、デバッグ、検証、安全がかかる場面の制御と解釈可能性に必要とされた。機械側の強みは規模・パターン認識・予測である。
出典：Dellermann, D. et al. (2019). The Future of Human-AI Collaboration: A Taxonomy of Design Knowledge for Hybrid Intelligence Systems. Proc. HICSS 2019 — arxiv.org/pdf/2105.03354 ／ 定義論文：Dellermann, D., Ebel, P., Söllner, M., & Leimeister, J. M. (2019). Hybrid Intelligence. Business & Information Systems Engineering, 61(5), 637–643.
4分類のうち「検証させる」が独立の型として立つ根拠はここにある。俗説ではなく、機械側・人間側の双方に査読済み・公開済みの裏付けがある。ただし非対称性は課題依存であることが、同じ文献群の留保でもある。
モデルが自分の出力を検証し、選別・重み付けして学習し直す自己改善の枠組みを分析し、その成否を支配する量として generation-verification gap（生成・検証ギャップ） を定式化した。ギャップの変種は事前学習の計算量（FLOPs）と単調にスケールするとされる。
Song, Y. et al. Mind the Gap: Examining the Self-Improvement Capabilities of Large Language Models. arXiv:2412.02674 — arxiv.org/abs/2412.02674
生成器が候補解を複数出し、別に学習した検証器が正しさを評価して最良を選ぶ構成。算数の文章題ベンチマーク GSM8K で、60億パラメータ＋検証器が、微調整した1750億パラメータのモデルをわずかに上回った（モデル規模で約30倍相当）。作る役と確かめる役を別関数として実装する「メーカー・チェッカー分離」の、モデル内部版である。
Cobbe, K. et al. (2021). Training Verifiers to Solve Math Word Problems. arXiv:2110.14168 — openai.com/index/solving-math-word-problems
知識労働者319人・生成AI利用の実例936件の調査では、批判的思考の性質が、情報収集から情報検証へ（知識・理解）、問題解決から AI応答の統合 へ（応用）、タスク実行からタスク管理・監督（stewardship）へ（分析・統合・評価）移ったと報告される。生成AIへの信頼が高いほど批判的思考は少なく、自己効力感が高いほど多かった。
Lee, H.-P. et al. (2025). The Impact of Generative AI on Critical Thinking. Proc. CHI 2025. DOI 10.1145/3706598.3713778
ここからが合成である。「AIに何を出させるか」という観点で実務を分けると、次の4つになる。各セルは上の枠組みのどこに対応するかを示した。この4分割自体は1つの論文の分類ではない——最も近いのは Chatterji 他（2025）で、Asking／Doing という「求める出力の種類」の分類と、How-To Advice や Edit or Critique といった話題分類を、別々の分類として同じ論文に持っている。White 他（2023）は手順型と検証型をパターン名としてはっきり持つ唯一の出典だが、その軸は成果物の種類ではなくプロンプトの機能である。
完成品を直接出させる。納品物にそのまま差し込める出力。委任が最も深い型。
対応する裏付け：Doing（Chatterji 他、全メッセージの40%、仕事関連では56%）／ Directive（Handa 他）／ Parasuraman のレベル5〜10（実行に入る領域）
成果物ではなく、成果物の作り方——手順書、テンプレート、プロンプト集、検証ゲート——を作らせる。作る対象が一段メタになる型。
対応する裏付け：Recipe／Template パターン（White 他）／ Practical Guidance の How-To Advice（Chatterji 他）／ AI action が「使い方を教える・訓練する」にずれる事例（Tomlinson 他）
実行はさせず、選択肢の提示・絞り込み・推奨だけを出させる。決めるのは人間の側に残る型。
対応する裏付け：Parasuraman のレベル2〜4（全選択肢の提示 → 絞り込み → 1案の提案）／ Asking（Chatterji 他、49%）／ Machine Feedback の Suggestions（Dellermann 他）
誰か（人間でもAIでも）が作ったものを、確かめる側に回す。生成とは認知的に別の作業であることが第6節の裏付け。
対応する裏付け：Validation（Handa 他）／ Fact Check List・Reflection（White 他）／ Edit or Critique Provided Text（Chatterji 他。Writing 利用の3分の2は新規作成でなく既存文の修正）／ Machine Teaching の Verification、生成器–検証器分離（Dellermann 他；Cobbe 他）
使い分けの目安は、軸1・軸5と重ねると見えてくる。検算可能な構造がある領域（仕様と判定基準を自分が出せる領域）では a が成立しやすい。判定基準を自分で確定できない領域では a に進まず、b（手順と検証ゲート）＋ d（機械照合中心の検証）に寄せ、判断 c の最終確定は有識者や後工程に残す——という配分が、文献の側からも支持される形になる。
この分類は、直前の対話でデータとして示された使い方の差に、そのまま重なる。
仕様と判定基準を本人が出せるため、モックキット製作（JX／ebMS 3.0／AS2／全銀、自己疎通テスト8/8 PASS）や EDI処理状況画面（同日に Phase 1 実装・検証・デプロイ、実データ5グループ → 27イベント変換、設計書・手順書の同日確定）のように、成果物そのものを納品物として作らせる使い方が成立している。自動化レベルでいえば5以上、Anthropic の型では Directive に近い。
最初にできた成果物は解析結果そのものではなく、解析を安全に回す手順だった（プロンプト集244行・P-0〜P-8の9本・v0.1→v0.5、本人の関与 約45分）。安全策は検証側に集中する：根拠のコード位置を示せない主張は「未確認」に落とす、数値・項目名・条件式は機械照合で裏取りする、言語仕様の判断は「未決・有識者確認」に残す。判断の最終確定（型 c）を後工程へ分離した点も含め、第7節の目安どおりの配分である。
含意は1つ。型 b＋d の使い方では、ボトルネックはモデルの生成能力ではなく検証側の設計に移る。モデルが一段賢くなっても一次完了率が大きくは動かない構造であり、「普通のモデルで十分に感じる」という体感は、この分類からも説明がつく。逆に差が出やすいのは、型 a で初見の複雑な設計を一から作らせる場面と、長い文脈を横断する矛盾検出（型 d の高度な側）である。