Ethan Mollick、AI時代の強みは「マネジメント力」と論じる ペンシルベニア大学の4日間起業授業から

Mollickはペンシルベニア大学で、ゼロから4日間でスタートアップを作る実験的な授業を行った。受講者の多くはエグゼクティブMBAの学生で、医師や管理職などとして働いており、コーディング経験者は少なかった。学生はClaude CodeとGoogle Antigravityでプロトタイプを作り、ChatGPT、Claude、Gemini でアイデア出し、市場調査、競合ポジショニング、ピッチ、財務モデリングを進めた。Mollickは、以前の1学期分の成果より1桁進んでいたと見積もっている。多くは核となる機能が実際に動き、方向転換のコストも下がったという。

AIに任せるかどうかの判断軸として、人間が自分でやる場合の基準時間、1回の試行で基準を満たす成功確率、依頼から待機と評価までのAI処理時間の3つを挙げる。成功確率が高いほどAI処理時間を払う回数が減る。1時間の作業でチェックに30分かかるなら成功確率がかなり高くないと割に合わず、10時間の作業なら数時間かける価値がありうる。

根拠としてOpenAIのGDPvalを挙げる。専門家の作業時間は平均7時間で、AIの出力確認には1時間かかった。GPT-5.2 ThinkingとProモデルは専門家に平均72%の確率で並ぶか上回った。この成功確率と1時間の評価を前提にすると、7時間のタスクで平均3時間を節約できる計算だという。

成功確率を上げるには、明確な指示、評価とフィードバックの向上、評価しやすい仕組みが有効で、いずれも専門知識が効く。ソフトウェア開発のPRD、映画の撮影リスト、海兵隊の5段落命令など、各分野の指示書はAIへのプロンプトとしても機能するという。目的、委任範囲、完了の定義、必要な成果物、途中経過、提出前の確認事項を明確にすることが共通項である。

Mollickは、AIによって人材が豊富で安価になり、希少なのは何を頼むべきかを知っていることだと述べる。学生が成果を出せたのは、分野で培った課題設定や成果物定義、モデルや報告書の誤りを見抜く力がプロンプトになったからだとしている。