AIは平均へ戻る。具体的なノートで出力を補正する
AIは放っておくと平均へ戻る
AIに「短くする」「最初に重要な情報を出す」と伝えても、しばらくするとよくある文章の形へ戻っていくことがあります。これは、指示が一度で消えるという話だけではありません。AIは訓練データに多く含まれる書き方を、素直な答えとして出しやすいからです。
生産性の方法では、この性質がさらに見えにくくなります。AIが学習したテンプレートには、その方法を書いた人が実際に使い続けられたかどうかの情報が入っていません。本として残ったものは、続いた方法も続かなかった方法も、文字としては同じように扱われます。書かれた数が多い方法ほど、AIから定番として返りやすくなります。
そのため、AIの答えが整っていることと、その方法が実際に続くことは別です。定番らしい提案が返ってきても、それだけで自分に合うとは判断できません。自分の記録や、続かなかった方法の情報と照らし合わせる必要があります。
整った形が素材の偏りを消す
AIにノートや候補を整理させると、最初に枠を作り、各枠へ同じくらいの数を配ろうとすることがあります。見た目は整いますが、もともとの素材にあった「ここは厚い」「ここは薄い」という偏りが消えます。
実際に、読書術のMOCを整理したときには、六つの枠へ約十本ずつ配置する形になり、「自分の言葉で書き直す」というまとまりが二つに分かれました。均等に並んでいるため一見すると問題に気づきにくい。しかし、その地図は素材にあった偏りを表していません。
文章でも同じことが起きます。AIは主張を当事者の言葉で言い切る代わりに、外側から紹介する要約文へ変えることがあります。「〜することは〜を促す」「〜が不可欠である」といった形です。さらに、技術的な状態や具体的な動作を「膨らみ」「走り切る」「急所」のような比喩に置き換えることもあります。分かりやすくするための言い換えが、実際に何が起きたかを見えにくくします。
こうした出力を直すとき、項目を個別に修正するだけでは同じことが繰り返されます。AIが均等に並べたなら素材の偏りへ戻す。外から要約したなら、誰が何をどう判断したのかを具体的な言葉へ戻す。比喩になったなら、動作や状態をそのまま書く。補正する対象を見分けることが先です。
たった一度の人生を記録し、活用するための2026年版実践ガイド
指示は増やすより減らす
AIがルールを守らないとき、足りない説明を書き足したくなります。しかし、ルールの量が増えるほど、全体の中で一つひとつの指示が埋もれます。
2026年6月11日の整備では、「書いてあるのに守らない」状態を起点に、常時読み込ませる指示を約150KBから41KBへ減らしました。個々のルールを磨いたというより、読み込ませる量そのものを減らした対応です。
禁止事項も同じです。「チェックリストを書くな」「過去ログを残すな」「途中素材を載せるな」と個別に並べるより、「管理ノートに残すのは今の状態だけ。履歴はDBへ」という原則にまとめるほうが、まだ書かれていない場面へ適用できます。
AIへ渡す固有の判断は、長く書けば伝わるわけではありません。必要な原則を残し、重複した指示を削る判断が要ります。
詳細を先取りせず、具体を蓄積する
手順ノートをAIに作らせると、書き出しの定型文、文体、分量、条件分岐まで先に詰め込むことがあります。過去の文書から完成形を推測しているためです。しかし、まだ実行していない仕事では、その細部が実態に合うか分かりません。
手順ノートには、最初はゴール、素材、流れの大枠だけを置きます。対象ファイル、照合先、固有名詞のような事実は先に書けます。一方で、書き方の型や条件分岐は、実際に動かしながら決める。先取りした詳細は、補足や例外を増やし、運用とずれやすくなります。
文章生成でも、情報の抽出は同じ型で構いません。著者情報や主張を集める部分は固定できます。ただし、本文の構成まで同じ型にすると、「印象的な一節、要約、推薦」のような並びが繰り返され、対象ごとの違いが消えます。型化するのは入口までにして、集めた材料をどう組み立てるかは、その都度選びます。
AIの平均を補正する材料は、抽象的な「うまくやる」という指示ではありません。具体例、禁止事項、過去の失敗、専門家にしか分からない判断基準、そして暗黙のままでは渡せない知識です。AIに何をするかだけでなく、なぜそうするのか、何をしないのかまでノートへ書いておく。そこまで固有化して初めて、平均的な出力との差を判断できるようになります。