メインコンテンツへスキップ
見出し画像

ブログを書く時にAIをどのように使うべきか「どのように使うべきではないか」のチェックシートを作りました

    MさんがAIを駆使して書いたというnote記事を読んだところ

    あまりにも内容がひどかったので

    AIを使えばどんな文章が下手な人でもある程度まともな文章は書けるという幻想が一発で壊れました。


    普通の人は要らないと思うのですが、Mさんのように「AIを使ってもここまでひどい記事を書けてしまう」人の実例がいる以上、今のままではひどいアウトプットしか出せない人に対して「そんなアウトプットしかできないならAIを使ったほうが良い」とアドバイスすることもできない。

    ということでみんなが自分らしさを維持しつつ、AIを活用することで以前より良い記事がかけるように

    記事執筆のプロセスを7つにわけて

    「このプロセスではこういう風にAIを使うと良い」
    「このプロセスでこういうふうなAIの使い方はしないほうがよい」
    をチェックするリストを作成した。

    「全部AIを使え」ということではなく「この部分だけはAIを使おう」という選択ができるようにしているし、どちらかというとMさんみたいに間違った使い方をして「やっぱりAIなんて使えない」とならないようにするためのチェックリストとして使ってもらえればと思う。


    もっとも、もうかなりの人が「口述筆記→補正」の方にシフトしているし、自分の思考パターンや口調などは学習させた上、興味クラスタをobsidianで整理し、それを元に自動生成に近いところまで進んでいる人もいる。

    こういう変化をネガティブなものと捉えるかポジティブと捉えるかは自由だが、使っている側としては、AIの活用は必須だと思っている。

    抵抗の少ないところから試してみてほしい。



    画像


    ブログ記事の執筆プロセスを7つのステップに分解し、それぞれの段階における「AI活用の〇・×チェックリスト」「注意点」「プロンプト実例」を整理しました。

    ステップ1:着想・テーマの選定(ネタを思いつく)

    日常の疑問や関心事から、記事として取り扱う核となる問いを言語化する段階です。

    画像

    〇 推奨される使い方

    • 曖昧な興味関心を客観的なキーワードや論点に分解してもらう。

    • 「そもそもなぜその疑問が生じたのか」という背景の文脈を整理する壁打ち相手にする。

    × 避けるべき使い方(NG)

    • 「最近の面白いネタを3つ考えて」と丸投げし、自分が関心も知識もない領域を安易に選ぶ。

    • 「〇〇がいかに無能か」のように、感情的な悪口や一方的な結論をテーマの前提に据える。

    バイアス排除の注意点

    「〜は愚かだったのか?」「〜はダメなのか?」という決めつけを避け、「実態はどうだったのか?」というフラットな事実確認の姿勢から問いを立てます。

    プロンプト例
    「太平洋戦争における陸軍の補給や後方支援体制に関心があります。歴史的にこのテーマが議論される際、主にどのような論点(工業力、インフラ、戦略方針など)が存在しますか? 評価が分かれているポイントも含めて、客観的に3〜4つの切り口を挙げてください。」

    ステップ2:基礎リサーチ(客観的事実を調べる)

    テーマに対する客観的なデータ、当時の背景、前提となる制度や歴史的事実を集める段階です。

    画像

    〇 推奨される使い方

    • 対象となる事象の定義、時代背景、関わった主要なプレイヤーや法律の名称など、調べるべき「検索の足がかり」を提示させる。

    • 「同時代の他国ではどうだったか」など、水平比較できる対象を挙げてもらう。

    × 避けるべき使い方(NG)

    • 「〇〇が失敗した証拠となる数字を出して」と誘導し、自説に都合の良い数字だけを拾い集める。

    • AIが提示した数字(生産台数や統計など)を、単位や前提条件の確認なしに確定事実として採用する。

    バイアス排除の注意点

    ポジティブな面とネガティブな面、あるいは平時と非常時など、対照的な文脈を必ず同時に尋ねるようにします。

    プロンプト例
    「1940年前後の日米における自動車(特に軍用トラック・商用車)の生産体制について質問です。それぞれの年間生産規模、および当時の生産を規定していた主要因(国内需要、資材割り当て、工場の転換状況など)について、特定の評価を交えず客観的な事実と数字を教えてください。」

    ステップ3:材料の検証・ファクトチェック(数字や条件を疑う)

    ステップ2で集めたデータやエピソードの前提条件、集計基準、例外事項を厳密に精査する段階です。

    画像

    〇 推奨される使い方

    • 提示された統計の「比較可能性(同じ条件で比較できているか)」を厳しく審査させる。

    • 「この情報に対して、歴史研究や専門家からはどのような批判や注釈がなされているか」を尋ねる。

    × 避けるべき使い方(NG)

    • インパクトのある極端な数字(例:100対1の格差など)を見つけた瞬間に飛びつき、文脈や但し書きを読み飛ばす。

    • 現代の感覚(現代の労働基準法や安全管理基準など)をそのまま過去の極限状態に適用し、無批判に断罪する。

    バイアス排除の注意点

    「このデータは自分の都合の良いように歪んでいないか?」という視点で、AIに自らの論理を攻撃させる役割を与えます。

    プロンプト例
    「先ほど出た『アメリカ400万台、日本3万台』という数字について検証したいです。この比較において、集計対象(民間乗用車を含むか、軍用車両限定か)、対象年、平時・戦時の生産統制の違いなど、前提条件にズレはありませんか? 誤認を生みやすいポイントがあれば厳密に指摘してください。」

    ステップ4:比較・相対化

    私は説得力がある記事、「伝わる文章」「を書くためにこのプロセスが絶対に必要だと思っています。

    ここをちゃんとやってる人は、メッセージがくっきりします。一方でここがない文章は「分かる人にしかわからない」ぼやけた文章になりがちです。

    「◯◯がすごい!」といったところでそれがどのくらいすごいのかをはかる物差しが相手にない場合が多いからです。その物差しをこちらで提示してあげるわけです。(その際、比較対象を貶めない工夫が必要です。AIはそのあたりうまくやってくれます)

    この部分はやったこと無いのであれば、今後意図的にAIに指示を出してこのプロセスを是非追加してみてください。それだけでかなり「伝わる」効果が増えることを実感できると思います。

     
     
    だいたいほぼ毎日なんか書いてます 1️⃣日本株投資家(9年目) 2️⃣発達障害(ASD) 3️⃣生成AI関係に興味あり。Claudeに課金 4️⃣とにかくマンガが好き。毎日なんか読んでます

    あなたへのおすすめ