このガイドは、Anthropic Education Report: The AI Fluency Index（新しいタブで開きます）と併せて使用することを想定して作成されています。リーダーシップグループがAIスキル開発を検討している場合、教員チームが自組織への影響について議論している場合、あるいは職場でのAIとの協働方法を振り返る専門的な学習コミュニティの場合など、どのような規模のチームにも対応できます。
準備を整える
以下の各セクションには、主要なトピックの簡単な要約とディスカッションプロンプトが含まれています。すべてのセクションやすべての質問を取り上げる必要はありません。グループにとって最も関連性の高いものを選んでください。
推奨フォーマット：
- 集中したディスカッションのために45分から60分を確保してください。
- 参加者には事前にレポート（新しいタブで開きます）を読むか、目を通してもらってください。
- ディスカッションセクションを2〜3つと、オプションのアクティビティを1つ選んでください。
トピック1：チームが既にうまくできていること
データによると、ほとんどの人が既に自然に多くのフルエンシー行動を示していることがわかります。会話の約86%に反復と改善が含まれています。約半数に目標の明確化が含まれています。約41%に良い出力がどのようなものかを示す例が含まれています。これらは実際のスキルであり、チームの多くの人が既にこれらを行っている可能性が高いです。
ディスカッションプロンプト
1. レポートの行動頻度チャートを見て、チームで最も強いと思われるフルエンシー行動はどれですか？最も弱いと思われるのはどれですか？
2. 最も一般的な行動は反復と改善です。チームがAIをどのように使用しているかを考えると、人々は最初の応答に対して反復したり異議を唱えたりする傾向がありますか、それとも最初の出力を受け入れる傾向がありますか？その行動を促しているものは何ですか？
トピック2：反復の効果
反復と改善は、データ内の他のすべてのフルエンシー行動と最も強く相関する単一の要素です。反復を含む会話では、全体的に大幅に高い割合が見られます：目標の明確化で+23.6ポイント、例の提供で+22.6ポイント、欠落しているコンテキストの特定で+17.1ポイント、フォーマットの指定で+16.3ポイント、推論への疑問で+14.7ポイントです。
ディスカッションプロンプト
1. レポートでは、反復がより多くのフルエンシー行動と相関していることが示されていますが、まだ因果関係を証明することはできていません。この関係を説明するものは何だと思いますか？より複雑なタスクが自然に反復とより多くのフルエンシースキルの両方を必要とする可能性はあるでしょうか？
2. チームの人々が反復することを妨げる障壁は何でしょうか？時間的な圧力、労力の認識、次に何を尋ねるべきかについての不確実性、あるいは単に反復が価値あるものだと知らないことなどを考えてみてください。
3. より多くの反復を促すチームの規範や実践を設計するとしたら、それはどのようなものになるでしょうか？「良い」フォローアップメッセージは、効果の低いものと比べてどのようなものになるでしょうか？
トピック3：アーティファクト効果
AIが洗練された出力を生成すると、ユーザーは事前に作業の方向付けにより多くの労力を注ぐようになりますが、受け取った結果を評価する可能性は低くなります。レポートではこれをアーティファクト効果と呼んでいます。
データによると、アーティファクトを含む会話では指示的な行動の割合が高くなっています：目標の明確化で+14.7ポイント、フォーマットの指定で+14.5ポイント、例の提供で+13.4ポイント、反復で+9.7ポイントです。しかし、3つの見極め行動はすべて低下しています：推論への疑問で-3.1ポイント、事実確認で-3.7ポイント、欠落しているコンテキストの特定で-5.2ポイントです。
このデータは相関関係であり因果関係ではないため、レポートではいくつかの可能な説明が提示されています。洗練された出力は、そうでない場合でも「完了」を示唆する可能性があります。アーティファクトタスクは、他の作業よりも事実の正確性を必要としない場合があります。あるいは、ユーザーは会話自体の中ではなく、コードを実行したり同僚とドラフトを共有したりするなど、他のチャネルを通じて出力を評価している可能性があります。
ディスカッションプロンプト
1. AIが生成した出力が洗練されているように見えたために受け入れたものの、後で問題が発覚したことはありますか？何が起こりましたか？
2. レポートでは、ユーザーが会話の外でアーティファクトを評価している可能性があると指摘しています。チームの経験では、AI出力の実際の評価はどこで行われていますか？会話の中でしょうか、それともその後でしょうか？
3. レポートでは、AIモデルがますます洗練された見た目の出力を生成するようになるにつれて、それらの出力を批判的に評価する能力がより価値を持つようになると論じています。出力が完成しているように見えるときに、チームの人々が批判的な視点を維持するのに役立つものは何でしょうか？
トピック4：組織内でのAI Fluencyの育成
この研究は、多くのユーザーがスキルを強化できる3つの領域を指摘しています：会話に留まること（反復すること）、洗練された出力に疑問を持つこと、そして協働の条件を設定することです。
ディスカッションプロンプト
1. レポートの3つの推奨事項（より多く反復する、洗練された出力に疑問を持つ、協働の条件を設定する）のうち、今チームにとって最も実行可能だと感じるものはどれですか？最も採用が難しいのはどれで、その理由は何ですか？
2. レポートでは、「私の前提が間違っていたら異議を唱えてください」や「不確かなことを教えてください」といった指示で、AIにどのように対話してほしいかを伝えることを提案しています。チームの誰かがこれを試したことはありますか？どのような違いがありましたか？
3. 組織の現在のAIスキル開発へのアプローチはどのようなものですか？正式なトレーニング、ピアラーニング、試行錯誤、それとも他の何かでしょうか？それはどの程度うまく機能していますか？
4. 次の四半期で組織全体で1つのAI Fluencyスキルの構築に焦点を当てるとしたら、それはどれになるでしょうか？始めるための具体的な一歩は何でしょうか？
オプションのアクティビティ
これらの実践的なエクササイズは、ディスカッションを実践に拡張することができます。グループの興味と利用可能な時間に基づいて1つを選んでください。
反復チャレンジ（15分）
各参加者は、自分の仕事に関連するタスクについてClaudeとの会話を開始します。最初の応答を受け取った後、出力が完了したと見なす前に、改善、異議、またはリダイレクトを行う少なくとも3つのフォローアップメッセージを送信する必要があります。その後、議論します：出力はどのように変化しましたか？最初の応答で止めていたら、何を見逃していたでしょうか？
ギャップを見つける（15分）
グループがよく知っているトピックについて、Claudeにアーティファクト（文書、コードの一部、分析など）を生成させます。出力を一緒に確認し、正しく見えるが間違っている可能性があるもの、欠けているもの、確認されていない前提を特定します。これを使って、評価スキルについての議論の基盤を作ります。
条件を設定する（10分）
各参加者は、重要なAI会話の開始時に使用する短い「協働の前文」を書きます：モデルにどのように対話してほしいか、どのような種類の異議を望むか、モデルに何を指摘してほしいかなどです。グループ内で共有し、アプローチを比較します。
さらに読む
これらのリソースは、AI Fluency Indexの調査結果に関する追加のコンテキストを提供します。
- Rick DakanとJoe FellerがAnthropicと協力して開発した4D AI Fluencyフレームワーク（新しいタブで開きます）は、この研究の基盤となる24の行動指標を定義しています。
- コーディングスキルに関するAnthropicの研究（新しいタブで開きます）は、開発者がコードを書いたりレビューしたりする際にAIとどのように対話するかのパターンを調査しています。
- 大学生（新しいタブで開きます）と教育者（新しいタブで開きます）に関する以前のAnthropic Education Reportは、特定の集団がAIをどのように使用しているかについてのコンテキストを提供します。
このディスカッションガイドは、Anthropic Education Report: The AI Fluency Index (2026)（新しいタブで開きます）の補足資料です。これは、リーダー、教育者、チームがレポートの調査結果を理解し、組織全体でより強力なAI Fluencyを育成するのを支援するために、AnthropicのAI Fluency Programによって作成されました。