協働環境の進化と構造抽出の実験
はじめに
本ページでは、V-Plan, Lab における「AI協働研究」の裏側を、 インタビュー形式で整理する。 ここで扱うのは、AIモデルそのものではなく、 ユーザー・AI・仕様書・プロンプト・作業ログ から構成される 協働環境の変化である。
協働環境は、長期運用の中で静かに形を変え、 作業体系の成熟へ向かっていく。
協働環境とは何か
AIとの作業は、単なる「入力と出力」ではなく、 複数の要素が重なり合うことで成立する。
- 仕様書（作業の原則）
- プロンプト（操作言語）
- 作業ログ（協働の履歴）
- 原資料（構造抽出の対象）
- ユーザーの編集方針
- AIの応答傾向
これらが重なったものを、本研究では協働環境と呼ぶ。
協働環境は固定ではなく、 ユーザーの設計と改善によって静かに成熟していく。
協働環境の保存
本研究では、過去の協働環境を保存している。 ここで扱う保存とは、AI内部データではなく、
- 当時の仕様書
- 当時のプロンプト
- 当時の作業ログ
- 当時の原資料
- 当時の操作手順
といった ユーザー側の作業環境一式 を指す。
これにより、 当時の条件を再構成し、現在のAIがどのように振る舞うかを比較できる。
構造抽出の教材としての設定資料
本研究では、複雑な階層構造を持つ教材として、 市販のファンタジー設定資料（ユニットデータ集）を使用した。
これらの資料は、
- 階層構造
- 属性
- 魔法体系
- 装備分類
- 本体とエキスパンションの関係
- 例外規則
- 特殊効果
など、多層的なデータを含むため、 構造抽出・分類・チャンク化の実験素材として適している。
本研究はゲーム開発ではなく、 階層データを用いた構造抽出の研究である。
協働環境の成熟
長期協働を続けると、 協働環境そのものが静かに成熟していく。
仕様書はユーザーが設計し、 プロンプトはユーザーが整え、 作業ログは協働の積み重ねとして蓄積される。
その結果として、 AI側にもいくつかの変化が観測される。
AI側に観測された変化
協働環境の成熟に伴い、 AI側の挙動にも変化が現れる。
これらはモデルの自発的な進化ではなく、 仕様書の構造化、指示体系の安定化、作業ログの蓄積によって、 AIが枠組みを適用しやすくなった結果として立ち上がる挙動である。
- バッチ処理の順序を自律的に整える傾向 指示の形式が安定したことで、処理順の判断が揺れなくなった。
- 曖昧な指示に対する理解の安定化 指示の粒度が一貫してきたことで、曖昧さの範囲が推定しやすくなった。
- 仕様書の構造を応用し、非仕様領域にも対応する挙動 仕様書の構造が体系化されたことで、 AIがその構造を汎用的に適用できるようになった。
これらは、協働環境が成熟したことで、 AIが誤解しにくくなった結果として現れる。
実験案：協働環境の再構成
本研究では、以下の実験を計画している。
実験A：完全再現
当時の仕様書・プロンプト・原資料・作業ログを再構成し、 現在のAIに同じ作業を行わせる。
実験B：資料のみ
仕様書や説明を極力除き、 原資料だけを渡して構造抽出を行わせる。
実験C：省略指示
「ユニットデータをチャンク化して」など、 最小限の指示だけで作業を行わせる。
協働環境の成熟によって、 AIの挙動がどのように変化するかを観測する。
今後の研究
今後は、
- 協働環境の構造化
- 仕様書の進化過程の記録
- 作業ログの整理
- 協働プロセスのモデル化
などを進め、 AI協働の研究領域として整理していく予定である。