AIは平均的な答えに戻る。具体的なノートで出力を補正する

AIに出力を求めるとき、「短くしてほしい」「ファーストビューにこの情報を出してほしい」と何度指定しても、放っておくとよくあるパターンに堕してしまいます。生成AIが平均値の優等生であり、知的生産の核が人間にしか宿らない以上、平均への回帰はAIの本質的な性質です。しかもAIは人間と異なり無限に出力を繰り返すため、生み出されるゴミの量も桁違いになります。

自分の好みをAIに理解させることは容易ではありません。しかし、その手間を惜しんだ瞬間に、出力は再び平均へ戻ります。平均への回帰を抑えて出力を個性化するには、具体的な手本となるゴールデンサンプルと禁止事項を何度でも提示し続ける必要があります。

AIが平均へ戻る理由と、素材が消える仕組み

AIの返す素直な答えは、学習データの中で頻出した書き方を平均化したものです。頻度がそのまま正解らしさの重みとして扱われます。

そのため、質と頻度が一致しない分野では、質の低い型ほど多く書かれている分だけ強く返ってきます。たとえば生産性や自己啓発のように、書く人と使う人が異なる分野では、実際に効いた検証を経ていない型が大量に流通しています。売れた量だけで広まる商業的な選択圧も重なり、AIにとっては「売れたから書かれた」だけの型が定番として居座ることになります。AIが返す定番らしさは、多くの人が支持している質の証拠ではなく、単に書かれた数が多かった事実に過ぎません。頻度の罠を抜けて固有の挙動を引き出すには、AIに独自の造語を与えるといった呼び方の工夫も有効です。

また、AIが平均へ戻る癖は、素材を並べさせるときにも現れます。生成AIに素材の整理を指示すると、先に枠を作り、どの枠にも同じ数を配ろうとします。

一見すると均等に整った一覧が作られますが、素材が本来持っていた「どこが厚くてどこが薄いか」という実際の偏りが塗りつぶされてしまいます。平均的な人間が存在しないように、素材にも固有の偏りが宿ります。均等に整えられた成果物は一見上出来に見えるため、指摘されるまでAI自身は偏りを消したことに気づけません。

2026年7月9日の実例では、読書術のMOCにおいて6つの枠へ約10本ずつ均等に配置しようとした結果、「自分の言葉で書き直す」という塊が2つに割られてしまいました。この均等化を防ぐには、個別の指示で注意するのではなく、「まず素材を並べてから、できた塊に名前を付ける」という順番を仕組みとして固定する必要があります。

指示を足す前に、量を減らして具体化する

指示が守られないとき、文面の曖昧さを疑ってルールを書き足していくと、指示の総量が増えて遵守率が下がる悪循環に陥ります。AIへのルールは、増やすほど守られなくなります。

2026年6月11日の整備では、「書いてあるのに守らない」事象が頻発したことを起点に、常時読み込む指示を約150KBから41KBまで削減しました。問題は個々のルールの出来栄えではなく、読み込み全体に占める指示の比率でした。詳細な管理を積み重ねると、指示の側でも「量が質を壊す」構造が成立します。指示を減らすための主要な手段は、禁止事項を個別に列挙するのではなく、原則としてひとつにまとめることです。

ルール全体の量を絞り込んだうえで、AIに持ち込ませない内容については徹底して具体化します。AIとの協働における生産性は、AIをどれだけ使うかではなく、AIに何を持ち込ませないかをどれだけ正確に決めているかで決まります。

AIは放っておくと平均に回帰するため、何を採用するかよりも何を排除するかのほうが結果を大きく左右します。伝える好みは、「何を入れないか」の形まで落とし込まなければ機能しません。「丁寧に書く」といった抽象的な原則ではなく、「ダッシュは使わない」「箇条書きを多用しない」のように禁止語や禁止形まで具体化して初めて守られます。整ったAIの提案を前にすると、人間は自分の固有の事情を口に出しにくくなります。譲らないと決めた領域を具体的な言葉にしておくことが、平均的な提案に流されないための防壁になります。

実行しながら固有化する

AIの出力を補正するための手順ノートを作成するとき、最初からすべてを決め打ちで書いてはいけません。

手順ノートにはゴール、素材、流れの大枠だけを書き、書き方の型や分量、文体、条件分岐は実行時の対話で確定させます。事前に書ける詳細は、対象ファイル、照合先、固有名詞といった事実情報だけです。書き方の型は、実運用で何度か回すまで定まりません。

事前に推測で型を書き込もうとすると、AIは過去のノートから推測して想像上の型を詰め込みます。その結果、実態とずれた手順になり、補足のカッコ書きが連鎖してノートが長大化します。

大枠だけを残せば手順ノートは半分以下の長さになり、開いた瞬間に最も必要な情報が見える状態が保たれます。タスクファイルに具体的な手順や照合先を漏れなく書き出す規範は、事実情報に向けられたものです。書き方の型については逆に「事前に書かない」ことが筋になります。事実情報の大枠だけをノートに用意し、具体的な型は実行時の対話で埋めていくことで、AIの出力を平均へ戻さずに固有の形へ着地させることができます。