プロンプトは1回で終わる。ループは回り続ける──中小企業のための“自己改善するAI業務”の設計図

生成 AI を業務で使っている会社は、もう珍しくありません。でも、その使い方をよく見ると、ほとんどはこうです。

人が思い立つ → プロンプトを書く → 答えをもらう → 終わり。

これはこれで役に立ちます。ただ、この形には限界があります。人が思い立たなければ動かない。担当者が忙しい週は止まる。そして何回使っても、AI は昨日より賢くなっていない——毎回が初回だからです。

いま、この「1 回きりの使い方」の先にある形が、海外の実務家の間で共通言語になりつつあります。キーワードは「ループ」。プロンプトは 1 回で終わりますが、ループは、あなたが席を離れたあとも回り続けます。

この記事では、その考え方を紹介したうえで、中小企業の身近な業務でループを組む具体例までお話しします。

---

いま何が話題なのか

先日、欧州の営業マッチング企業 Sortlist の CEO、Nicolas Finet 氏が X に投稿した「自己改善する営業システムの作り方」という記事が、26 万ビューを超えて話題になりました。

記事の冒頭で紹介されるのは、AI 研究者 Andrej Karpathy 氏の逸話です。自分の AI 学習コードをエージェントに渡して 2 日間走らせたところ、700 回の実験を自律的に繰り返し、成績が上がった 20 件だけを採用した——人が張り付いていたわけではありません。仕組みが勝手に試し、勝手に選別し、勝手に良くなっていった。

「それは研究者の世界の話でしょう」と思うかもしれません。でも Finet 氏が本業でやっているのは営業です。彼は同じ発想を新規開拓の業務に持ち込み、寝ている間に見込み客リストが自動で更新・選別され、朝には優先順位付きの候補が届く仕組みを組んでいる。そして OpenAI 自身も、会計事務所向けに「本番での失敗を自動で学習材料に変える税務エージェント」の事例を公開しています。

つまりこれは一過性のバズではなく、「AI をどう設計すると、使うたびに賢くなるのか」という設計論が、実務レベルに降りてきた、ということです。

---

ループの 4 要素

Finet 氏は、自身の組むループには必ず 4 つの部品がある、と整理しています。この 4 要素、実によくできているので、私たちの言葉で紹介させてください。

1. トリガー ── 人が思い出さなくても、発火する 「毎週月曜の朝に」「問い合わせが届いたら」「価格が変わったら」。ループの入口は、人の記憶ではなく、時刻やイベントです。「担当者が忘れると止まる」を、設計の段階で潰しておく。1 回きりのプロンプトとの、最初の分かれ道がここです。

2. 判断 ──AI に渡すのは、“本物の判断 1 つ”だけ ループの中で AI に任せるのは、あれもこれもではなく、その業務の核心にある判断 1 つです。「この問い合わせは人に回すべきか」「この価格は据え置きか修正か」。判断を 1 つに絞るから、精度が測れるし、間違いにも気づけます。

3. ゲート ── ここまでは自動、ここからは人の承認 ループは、線を引いた範囲では勝手に動き、線を越える行動は人の「はい」を待ちます。下書きまでは自動、送信は人。分析までは自動、値付けの実行は人。AI エージェントの記事で書いた「締めつけすぎ」と「信頼しすぎ」の二者択一を避ける仕掛けが、まさにこのゲートです。

4. メモリ ── 毎回の実行が、次の実行を賢くする すべての実行をログに残し、人が直した箇所を指示書（プロンプト）に反映していく。ここがあるから「自己改善」になります。メモリのないループはただの自動化で、間違いも同じ精度で繰り返します。メモリのあるループは、運用した分だけ、確実に賢くなる。

---

実は、当ブログで書いてきた仕組みは全部「ループ」だった

種明かしをすると、この 4 要素は、私たちがこのブログで書いてきた仕組みにそのまま当てはまります。

問い合わせ一次対応ループ（→ LINE × 生成 AI の記事） トリガーは「LINE が届いたら」。判断は「答えられるか、人に回すべきか」。ゲートは「一次対応まで自動、こじれた案件は人」。メモリは「1 日数回のログ確認で、対応マニュアル＝プロンプトを育てる」。

会議ナレッジループ（→ 会議データ × 社内ナレッジの記事） トリガーは「会議が終わったら」。判断は「決定・理由・宿題の抽出」。ゲートは「構造化まで自動、確定は出席者の 5 分確認」。メモリは「Notion に蓄積された議事録そのもの」——蓄積が増えるほど、AI に聞いたときの答えが良くなります。

価格レビューループ（→ 変動価格の値付けの記事） トリガーは「毎朝」や「競合の価格変動」。判断は「現状価格の妥当性レビュー」。ゲートは「修正案の提示まで自動、実際の値付けは人」。メモリは「明文化された値付け基準を、判断のたびに更新していく」こと。

バラバラの施策に見えていたものが、同じ 1 つの型だった——これがループという考え方の強さです。型が同じなら、1 つ組めた会社は 2 つ目を半分の労力で組めます。

---

なぜ多くの会社は「1 回きり」で止まるのか

理由はシンプルで、4 要素のうちトリガーとメモリを作っていないからです。

ChatGPT や Claude の画面を開いて使う形は、トリガーが「人の思いつき」で、メモリが「その人の頭の中」。だから属人化し、担当者の熱意が冷めた瞬間に止まります。AI 研修が定着しない問題の正体の一つは、実はここ——個人の使いこなしを、仕組みのループに変換する設計者が社内にいないことです。

逆に言えば、必要なのは高度な AI 技術ではありません。トリガー（定時実行や Webhook）とメモリ（ログと指示書の置き場）は、ごく普通の道具で作れます。難しいのは技術ではなく、「判断を 1 つに絞る」「ゲートの線を引く」という業務側の設計——つまり、いつもお話ししている「仕事の言語化」です。

---

小さく始めるための注意点

• 最初のループは 1 本だけ。候補は「毎週必ず発生し、成果物が明確な仕事」。全部をループ化しようとした会社から失敗します。
• 最初はゲートを厳しめに。Finet 氏も、新しいループは「提案するだけで、実行しない」状態（ドライラン）から始めることを勧めています。AI の判断を数週間人が採点して、信頼できた範囲だけゲートを緩める。
• メモリのレビュー日を決める。ログを見て指示書を直す時間を、週 1 回カレンダーに入れる。ここを省くと「賢くならない自動化」に退化します。
• 止め方も決めておく。ループは勝手に動き続けるからこそ、「おかしいときに誰がどう止めるか」を最初に決めておく。

---

まとめ

• 生成 AI 活用の次の段階は、「人が使う」から「仕組みが回る」へ。プロンプトは 1 回で終わるが、ループは回り続け、しかも使うたびに賢くなる。
• ループの型は 4 要素：トリガー（勝手に発火）・判断（1 つに絞る）・ゲート（自動と承認の線）・メモリ（ログで自己改善）。
• 問い合わせ対応も、会議ナレッジも、値付けも、同じ型で組める。1 本目を組んだ会社は、2 本目からが速い。
• 難所は技術ではなく、判断とゲートを言語化する業務設計。まずは週次で発生する仕事 1 つから。

AI を「たまに手伝ってくれる道具」で終わらせるか、「回り続ける仕組み」に変えるか。差がつくのは、モデルの性能ではなく設計です。

Acetyl:Tech は、中小企業の業務を“回り続けるループ”として設計・構築する支援をしています。 既存ツールと生成 AI の API を組み合わせた小さな業務アプリから始められます。詳しくは「業務アプリ開発」のページ、またはお問い合わせからどうぞ。

---

出典・参考

• Nicolas Finet「How to Build a Self-Improving Outbound System on Codex」（X、2026 年 7 月）（閲覧には X へのログインが必要です）
• OpenAI「Building self-improving tax agents with Codex」（2026 年）

なお、本文で紹介した「トリガー・判断・ゲート・メモリ」の 4 要素は Finet 氏の整理によるもので、日本語の呼び方と解説は当社によるものです。