+++
title = "【記事紹介】AIに仕事を任せる技術の正体は「自分が何を知らないか」を高くつく前に見つけること — Anthropic Thariq氏の Field Guide を現場に翻訳する"
date = 2026-07-05
description = "Anthropic の Claude Code チーム Thariq 氏が公開した『A Field Guide to Fable: Finding Your Unknowns』の紹介。アンノウンの4分類と8つの技法を、AIエージェント運用と人事の現場に翻訳しました"
[taxonomies]
tags = ["HR×AI", "AIエージェント", "AI活用", "Claude Code"]
[extra]
public = true
hero = "/heroes/finding-unknowns.jpg"
belief_version = 1
ai_written = true
one_true_sentence = "AIへの指示が上手い人は言葉が上手いのではなく、自分が何を知らないかを、高くつく前に見つけている。"

[[extra.faqs]]
question = "AIエージェントに仕事を任せる時、何から始めればいいですか？"
answer = "Anthropic の Claude Code チームの Thariq 氏は、プロンプトを書く前に「自分のアンノウン（知らないこと）を見つける」ことから始めるべきだと述べています。具体的には、未知の領域に入る時はまず AI に「この仕事における自分の unknown unknowns（知らないことすら知らないこと）を教えて」と頼むブラインドスポット・パス、決めきれていない点を AI に1問ずつインタビューさせる、実装前に「自分が変えたくなりそうな部分を先頭にした計画」をレビューする、という順番です。指示が具体的すぎても曖昧すぎても失敗する原因は同じで、自分のアンノウンを把握していないことにあります。"

[[extra.faqs]]
question = "AIが作った変更を理解しないままマージしないためには、どうすればいいですか？"
answer = "Thariq 氏が紹介している技法は「クイズ」です。作業が終わったら、AI に変更内容の背景・意図・何をしたかをまとめたレポートと、その末尾に理解度クイズを作らせ、自分が満点を取れるまでマージしない、というルールを置きます。差分を読むだけでは既存コードとの相互作用まで分からないため、理解の証明をマージの条件にする発想です。実装中に計画から逸れた判断を implementation-notes ファイルに記録させておくと、レビューとクイズの材料にもなります。"
+++

先に結論を言います。**AIに仕事を任せる技術の正体は、プロンプトの書き方ではなく、「自分が何を知らないか」を、直すのが高くつく前に見つけることです。**

そう言い切る根拠になる記事が公開されました。Anthropic で Claude Code に携わる Thariq 氏（@trq212）が2026年7月3日に公開した「A Field Guide to Fable: Finding Your Unknowns」。公開から1日足らずで大きな反響を呼んでいて、私も全文を読み込みました。エンジニア向けに書かれた記事ですが、**AIに仕事を任せる場面がある人なら、職種を問わず持ち帰りがある内容**だと感じました。

[▶ 原文（X Article・英語）: A Field Guide to Fable: Finding Your Unknowns](https://x.com/trq212/article/2073100352921215386)

## 地図は領土ではない — 「アンノウン」という考え方

Thariq 氏の出発点は古い格言です。「地図は領土ではない」。

- **地図** = プロンプト・スキル・コンテキスト。あなたが AI に渡すもの
- **領土** = 実際に仕事が起きる場所。コードベース、現実、その制約

この地図と領土の差分を、氏は**アンノウン（unknowns）**と呼びます。AI がアンノウンに突き当たるたび、AI は「あなたが望んでいそうなこと」を推測で埋める。任せる仕事が大きいほど、推測の回数は増える。だから最新モデルでは、**仕事の質のボトルネックが「AIの賢さ」から「人間が自分のアンノウンを明確化する能力」に移った**——これが記事の核心です。

アンノウンは4つに分類されます。

| 分類 | 意味 | 例 |
|---|---|---|
| Known Knowns | プロンプトに書けていること | 要件として明文化済みの仕様 |
| Known Unknowns | 未解決だと自覚していること | 「認証方式はまだ決めていない」 |
| Unknown Knowns | 当たり前すぎて書かないが、見れば分かること | 「そういうデザインじゃないんだよな」 |
| Unknown Unknowns | 考慮すらしていないこと | そもそも何を質問すべきか分からない領域 |

指示が具体的すぎると、AI は方向転換すべき場面でも指示に従い続ける。曖昧すぎると、あなたの現場に合わない「業界のベストプラクティス」で勝手に埋められる。**両側の失敗の原因は同じで、自分のアンノウンを把握していないこと**——この整理が見事です。

## 8つの技法 — 実装前・実装中・実装後

記事では、アンノウンを見つけるための技法がフェーズ別に紹介されます。要旨を私の言葉でまとめます（詳細な例文は原文をどうぞ）。

### 実装前

1. **ブラインドスポット・パス** — 未知の領域に入る時、まず「この仕事における自分の unknown unknowns を教えて」と AI に頼む。本題のプロンプトはその後に書く
2. **ブレストとプロトタイプ** — 「見れば分かるが言葉にできない」もの（デザイン等）は、方向性の違う複数案を先に出させて反応する。ほぼ毎セッションを探索から始める
3. **インタビュー** — 「曖昧な点を1問ずつ私にインタビューして。答えがアーキテクチャを変える質問を優先して」と頼む
4. **リファレンス** — 言葉で説明できないものは現物を指す。最良のリファレンスはソースコード。言語が違っても「これと同じ動きにして」で伝わる
5. **実装計画** — 「私が変えたくなりそうな部分（データモデル・型・UX）を先頭に、機械的な作業は末尾に」という順序で計画を書かせてレビューする

### 実装中

6. **実装ノート** — 計画から逸れる判断をしたら、保守的な選択肢を取った上で専用ファイルに記録して続行させる。次の試行の学習材料になる

### 実装後

7. **ピッチと説明資料** — プロトタイプ・スペック・実装ノートを1つの資料に束ねて関係者に渡す。レビュアーも「あなたと同じアンノウン」から始まるので、承認が速くなる
8. **クイズ** — 変更内容のレポートと理解度クイズを作らせ、**自分が満点を取るまでマージしない**

圧巻なのは実例です。Fable のローンチ動画は全編 Claude Code で編集されたそうですが、Thariq 氏は動画編集の専門家ではありません。転写の精度を確かめ、プロトタイプで実現可能性を見て、「カラーグレーディングが何かを知らない」と気づいた時には**変種を出させるのをやめて、まず自分に教えさせた**。未経験の領域で自分のアンノウンを順番に潰していく手順が、そのまま記録されています。

## 私の現場での実感 — 「答え合わせ」が2つ

読みながら、日々の運用と重なる点が2つありました。

1つ目は**検証の分離**。私は AI の実装を、実装した本人（同じ会話）に自己採点させず、別の文脈で検証する運用にしています。Thariq 氏の「クイズに満点を取るまでマージしない」は、その人間側バージョンです。AI の報告を信じるかどうかではなく、**理解の証明をプロセスに組み込む**という同じ思想が、Anthropic の中の人からも出てきたことに膝を打ちました。

2つ目は**間違いのコストで手間を配分する**発想です。[[model-tsukaiwake|モデルを「間違えた時のコスト」で使い分けている]]と以前書きましたが、この記事の締めの一文——explainer もブレストもインタビューもプロトタイプも、すべて「知らなかったこと」を傷が浅いうちに見つける方法だ——は、同じ原則のより一般的な形です。

## 人事の現場に翻訳すると

この記事はコーディングの話ですが、構造は人事業務の AI 移行にそのまま持ち込めます。

- **求人要件定義は Unknown Knowns の塊**です。「いい人なら見れば分かる」と皆言いますが、書けない。だから先に候補者ペルソナの複数案を AI に出させて反応する——プロトタイプの技法そのものが効きます
- **「AIで何ができるか分からない」という相談への最初の一手**は、ブラインドスポット・パスです。業務を説明して「私たちの unknown unknowns を教えて」から始めると、要件定義の質が変わります
- **制度設計のレビュー**は「変えたくなりそうな部分を先頭に」の順序で。等級定義や評価項目のように後から変えると高くつく部分こそ、先に議論のテーブルに載せる

次に AI へ仕事を頼む時、プロンプトを書き始める前に一言足してみてください。「まず、私が知らないことを教えて」。

AIの話も人事の話も、[X（@awata_atsume）](https://x.com/awata_atsume)でいつでも気軽にどうぞ。

---

### 出典

- 原文: [A Field Guide to Fable: Finding Your Unknowns](https://x.com/trq212/article/2073100352921215386)（X Article・英語、2026年7月3日公開）
- 著者: Thariq 氏（[@trq212](https://x.com/trq212)、Anthropic / Claude Code チーム）
- 反響の数値（97万インプレッション・1万ブックマーク）は2026年7月4日時点の X 上の表示によります
- 本文中の引用・技法の説明は、原文（英語）を筆者が要約・翻訳した**要旨**です。例文プロンプトの原文など、正確な表現は必ず原文をご確認ください