※この記事は、2026年7月に自分のローカル環境で試したAI運用の記録です。
前回、長い文字起こしをAIに読ませて候補メモへ変換する仕組みを試したところ、生成側と検証側が同じ勘違いをしていました。
検証結果は100%合格。
しかし、元データへ戻って確認すると、全文を処理したことを証明できていなかった。
そこで検証方法を直すだけではなく、AIへ任せる仕事そのものを分け直しました。
AIには、資料を読んで重要な箇所を判断してもらう。
ただし、正確な引用文や時刻をそのまま書かせるところまでは任せない。
代わりに、根拠として使う行番号だけを選んでもらい、原文の転記と書式の固定はプログラム側で行う形です。
少し細かい話に見えますが、実際に試してみると、この分け方の方が自分の用途では安定しました。
AIに全部まとめて任せると、小さなズレが残った
最初に試した流れでは、AIへかなり多くの仕事をまとめて渡していました。
長い文字起こしを読む。
重要な部分を選ぶ。
候補メモを書く。
根拠となる時刻と引用文を付ける。
決められた見出しや形式へ整える。
人間から見ると、どれも一つの記事候補を作るための連続した作業です。
そのため、まとめて任せても問題ないように感じました。
ところが実際には、内容の選び方が悪くなくても、細かい部分でズレが出ました。
たとえば、引用した文章と隣の行に付いていた時刻が混ざる。
指定した見出しではなく、AIが読みやすいと判断した独自構成へ変わる。
必要な情報は書かれているのに、固定していた形式とは一致しない。
どれも、文章を読むだけなら大きな問題には見えません。
しかし、あとから元資料へ戻れる候補メモを作る用途では困ります。
引用文が少し違う。
時刻が一つ隣へズレる。
見出し名が毎回変わる。
こうした小さな違いが残ると、その後の検証や自動整理が難しくなります。
意味を選ぶ仕事と、正確に写す仕事は同じではなかった
ここで改めて考えたのが、AIへ任せていた作業の性質です。
長い文章から重要な話を見つけるには、前後の文脈を読んで意味を判断する必要があります。
一方、指定された文章を一文字ずつ変えずに写し、対応する時刻や形式を固定する作業では、柔軟な解釈より再現性が重要です。
今回の試験では、前者でAIが役立ちました。
後者は、同じ入力なら毎回同じ結果を返すプログラムの方が扱いやすい。
それまでの自分は、一つの成果物を作るのだから一つのAIへまとめて任せる、という見方をしていました。
でも実際には、一つの候補メモの中にも、意味を考える部分と、そのまま写す部分が混ざっています。
そこを分けた方がよさそうだと考えました。
AIには「使う行番号」だけ選んでもらった
修正後は、元の文字起こしを一行ずつ固定し、それぞれに識別用の行番号を付けました。
たとえば、最初の行なら L0001、次の行なら L0002 というような形です。
AIには全文を複数のまとまりに分けて読んでもらい、候補メモの内容と、その根拠として使う行番号を選んでもらいます。
ここでAIが出すのは、正確な引用文そのものではありません。
「この内容の根拠には、L0123からL0127を使う」という指定までです。
その後、プログラムが指定された行番号を元データから読み直します。
原文をそのまま取得する。
対応する時刻を取得する。
固定した見出しへ配置する。
処理結果の記録も決められた形式へそろえる。
こうすると、AIは文章の意味を読んで選ぶことに集中できます。
一方、プログラムは選ばれた場所を正確に展開するだけなので、文章を勝手に言い換えません。
AIに「絶対に一文字も変えずに書いて」と強く指示するのではなく、そもそも正確な転記をAIの担当から外した形です。
固定テンプレートだけでは足りなかった
今回の試験では、先に固定テンプレートを渡す方法も使いました。
必要な見出しや記入欄を用意しておけば、AIが独自の構成へ変える問題は減らせます。
ただ、それだけでは引用文と時刻の対応まで保証できません。
テンプレートは、どこに何を書くかを固定するものです。
行番号は、どの原文を根拠として使ったかを固定するものです。
さらにプログラムが、その行番号から原文を取り出して配置する。
この三つを分けたことで、形式だけでなく元資料との対応も確認しやすくなりました。
見た目を整えることと、根拠を正確に戻せることは別の問題だったのだと思います。
長さの違う3件で連続して確認した
修正後は、長さの違う文字起こし3件で試しました。
元データは、それぞれ405行、1,079行、789行です。
AIが選んだ根拠候補は、27件、13件、51件になりました。
この結果をプログラムで展開し、元データとの対応、必要な見出し、記録形式、候補メモの内容を別の検証処理で確認しました。
3件とも、内容と形式の両方で連続して合格しました。
もちろん、これは自分のローカル環境で行った小規模な試験結果です。
どんな資料でも必ず正しく動くと確認できたわけではありません。
AIが選んだ内容自体に偏りがないかも、最終的には人間が見る必要があります。
それでも、最初に出ていた引用と時刻の混同や、見出し構成のズレに対しては、指示を増やすより役割を分ける方が効果的でした。
AIを外したのではなく、任せる場所を絞った
この方法だけを見ると、AIへ任せる範囲を減らしたようにも見えます。
ただ、長い文字起こしを人間が最初から最後まで読んで、候補箇所を全部探す負担は残っていません。
意味を読み、重要な部分を選ぶ仕事はAIへ任せています。
機械的に正確さを保てる部分だけ、プログラムへ戻した形です。
AIかプログラムか、どちらか一方を選ぶ話ではありません。
柔軟に考えてほしい部分と、毎回同じであってほしい部分を見分ける。
その境界を決める方が大事でした。
AIに細かい指示を追加し続けるより、曖昧さを許せない工程を切り離した方が、指示も結果も分かりやすくなります。
最後の採用判断までは自動化していない
今回、連続して検証を通せるところまでは確認できました。
ただし、作られた候補メモをそのまま正式な知識へ昇格させる処理は、まだ自動化していません。
AIが選んだ話題を本当に残すのか。
公開して問題のない内容か。
既存のメモと重複していないか。
別の用途へ誤って流れていないか。
ここは人間が確認してから決めています。
引用文と形式を正確に作れることと、その内容を採用してよいことも別だからです。
作る工程が安定したからといって、判断まで自動で正しくなるわけではありません。
正確さが必要な部分は、AIへの注意書きより境界で守りたい
今回の試験で、自分の中の考え方が少し変わりました。
これまでは、AIが間違えたら指示を詳しくする方向へ考えがちでした。
原文を変えないでください。
時刻を間違えないでください。
見出し名を変えないでください。
もちろん、こうした指示も必要です。
ただ、絶対に変えてほしくない部分までAIの注意力へ預ける必要はありませんでした。
AIには意味を読んで、使う場所を選んでもらう。
プログラムには、選ばれた場所を正確に写してもらう。
最後に人間が、残す価値があるかを判断する。
一つの成果物の中でも、必要な能力は一つではありません。
AIへどこまで任せるかを考える時は、作業単位だけでなく、「判断が必要な部分」と「同じ結果であるべき部分」に分けてみるとよさそうです。
少なくとも今回の文字起こし整理では、正確な引用までAIに頑張らせるより、使う行番号だけを選んでもらう方が安定しました。
コメント