プロジェクト完了報告と振り返りを、成果と学びに分けて書くAI活用

1. 分け方の基準:事実か、解釈か、約束か

混ざりやすい内容は、次の三つで仕分けると判断しやすくなります。

• 事実、例：計画と実績の数値、納期、予算の消化、置く場所：結果の報告、誰が確定するか：人(元データで確認)
• 解釈、例：遅れた原因、うまくいった要因、置く場所：学びの記録、誰が確定するか：人(AIは仮説まで)
• 約束、例：次回やること、担当、期限、置く場所：次の行動、誰が確定するか：人(関係者の合意)

「原因はレビュー不足でした」のような解釈を、結果の欄に書かないのがコツです。事実と解釈が同じ段落にあると、読み手は推測を実績として受け取ってしまいます。

2. 完了報告の骨組み

そのまま貼って使える形です。

【A. 結果の報告】※事実のみ
1. 目的と範囲(当初の目的/対象外にしたこと)
2. 成果(目標 → 実績 → 差分。数値と根拠資料名)
3. 計画との差(スケジュール/予算/品質)
4. 未完了・持ち越し事項(内容/引き継ぎ先)

【B. 学びの記録】※解釈と提案
5. うまくいったこと(続けたい習慣)
6. 困ったこと(観察した事実)
7. 原因の仮説(確認方法つき)
8. 次の行動(担当/期限/確認方法)

AとBを見出しレベルで分けておくと、決裁者はAだけ、次のチームはBだけ読む、という使い方もできます。

3. 手順:AIに渡す情報と任せる範囲

1. 元データを集める:計画書、議事録の要点、課題一覧、最終的な数値。
2. 機密を置き換える:顧客名、個人名、未公表の金額は「A社」「担当者1」「約1,000万円」などに置換します。置換しても、組み合わせで特定できる情報は残さないでください。
3. AIにAの下書きを作らせる:渡した材料から、骨組みのA欄だけを埋めさせます。
4. 人が数値と日付を元データと照合する:食い違いはここで直します。
5. AIにBの「問い」を出させる:いきなり学びを書かせず、観察を引き出す質問を作らせます。
6. 人が答え、AIが整理する:回答を、観察・仮説・次の行動に仕分けさせます。
7. 次の行動を人が確定する:担当者と期限は、本人の同意を取ってから入れます。

4. そのまま使える依頼文

結果の報告(A)を作る

以下の材料から、完了報告の「結果の報告」だけを作ってください。
- 事実のみを書く。原因の推測や反省は書かない。
- 材料にない数値や日付は作らず、「要確認」と書く。
- 目標・実績・差分は表にする。
- 最後に、材料が不足していて確認が必要な点を箇条書きにする。

【材料】
(ここに置換済みの計画・実績・課題を貼る)

学びの記録(B)の問いを出す

上の「結果の報告」を読み、振り返りのための質問を8個作ってください。
- 「なぜ」だけでなく、「いつ気づいたか」「何があれば防げたか」も含める。
- 答えは書かず、質問だけを出す。

回答を仕分ける

以下の回答を、「観察(事実)」「原因の仮説」「次の行動」に分けてください。
- 仮説には、確かめる方法を一つ添える。
- 次の行動は、担当と期限が未定なら「未定」と書く。
- 回答にない内容は補わない。

5. 学びを次の行動に変える記入欄

次の表を一件ずつ埋めます。右の列まで埋まっていない学びは、報告書に載せても次に使われません。

• ****、原因の仮説：、仮説の確認方法：、次の行動：、担当：、期限：、実施の確認方法：

以下は説明用の例です。実在のプロジェクトの結果ではありません。

• 仕様の変更依頼が終盤の2週間に集中した、原因の仮説：中間でのデモがなく、要望が出る機会がなかった、仮説の確認方法：変更依頼の日付と依頼元を一覧にして偏りを見る、次の行動：全体の3分の1の時点で、利用部門向けデモを予定に入れる、担当：担当者1、期限：次回の計画作成時、実施の確認方法：計画書にデモの日付が載っているか

「気をつける」「共有を徹底する」は、行動ではなく心構えです。AIが出した次の行動がこの形なら、「誰が、いつ、何をすれば完了か」を問い直させてください。

6. 渡す前の確認と、人が見る点

データの扱い

無料・個人向けのAIサービスには、会話がモデル改善に使われうる設定が初期値のものがあります。2026年10月28日時点で公式ヘルプを確認した範囲では、ChatGPTの個人向けプラン(Free、Plus、Pro)は初期状態でコンテンツが学習に使われうる扱いで、「Improve the model for everyone」をオフにできます。ただし、オフでもフィードバック(高評価・低評価)を送ると、その会話全体が学習に使われうるとされています。ChatGPT Business、Enterprise、Edu、APIは、初期状態では学習に使われない扱いです(OpenAI ヘルプ:How your data is used to improve model performance)。

Claudeの個人向けサービスでは、プライバシー設定でモデル改善を許可した場合にチャットが改善に使われ、シークレットチャットは設定にかかわらず使われないと説明されています。一方で、安全面の分類器に検出された会話は、安全性モデルの改善や有害コンテンツの検出、ポリシーの執行、安全性研究に使われることがあります(Claude ヘルプセンター。2026年5月22日更新と表示)。

つまり、学習オフは「秘密が守られる」ことと同じではありません。社内ルールで外部サービスへの入力が制限されている情報は、設定にかかわらず入力しないでください。会社が契約・許可したツールがあれば、まずそれを使います。プランや設定は変わるため、使う時点で各社のページと社内規程を確認してください。

人が見る点

• 数値・日付が元データと一致、見る場所：結果の報告・表、直す基準：一つでも違えば元データに合わせる
• 「要確認」が残っていない、見る場所：全体、直す基準：確認者を決めて埋める
• 解釈がAの欄に混ざっていない、見る場所：結果の報告、直す基準：Bへ移す
• 原因の断定になっていない、見る場所：原因の仮説、直す基準：「〜と考えられる」に直し、確認方法を添える
• 次の行動に担当と期限がある、見る場所：記入欄、直す基準：未定なら報告時に決める日を書く
• 個人への責任追及になっていない、見る場所：学びの記録、直す基準：人名ではなく、仕組みや手順の話に直す

最後の項目は、振り返りが続くかどうかに直結します。担当者名を並べて原因にすると、次回から事実が書かれなくなりかねません。表現はAIにやわらげさせても構いませんが、事実そのものは変えさせないでください。