🔥 【AI上級者向け】【実録・半日】「AIで30分」は嘘だった。あなたのAI記事に人間味が戻る、壊して直す5回の改修工程 #生成AI #ChatGPT #Claude #Gemini #AI活用 #noteの書き方 #ライティング #メンバーシップ #エッセイ #私の仕事 #ライティング

4月の朝です。

デスクの上に、ほうじ茶のマグカップが置いてある。

もう冷めている。

こんにちは、ポス鳥です。

最後に口をつけたのは、たぶん2時間くらい前。

画面を見つめたまま、飲むのを忘れていた。

指先で陶器の縁に触れると、完全に常温に戻っている。

ぬるい。

でもこのぬるさが、今日の話にちょうどいいかもしれません。

今夜、1通のDMを読みました。

読んでから、画面を閉じるまでに3分くらいかかった。

正直に言えば、このDMに書いてあることが、 半年前の私の気持ちとほぼ同じだった からです。

📨 【読者からの質問】AIで書くたびに、何かが死んでいく気がします。

ポス鳥さん、毎回記事を読んでいます。

最近、ChatGPTで記事を書くようにしました。出力はすごく整っているし、ロジックも通っている。でも書き終わって自分で読み返すたびに、何か冷たいものが喉を通る感じがします。

「感情を乗せるプロンプト」を探して試してみたんですが、出てくる文章はどんどん上手くなるのに、どんどん「私じゃない」感じもするんです。

上手くなっているのに、なぜか失っている気がして。

プロンプトじゃないとしたら、何が足りないんでしょうか。

それとも、私にはもうAI記事を書く資格がないんでしょうか。

資格がないわけがない。

でも、正直に言います。

あなたが感じている「何かが死んでいく」感覚は、間違っていない。

AIで書いた文章を読み返したときの、あのぞわっとする感じ。

整っているのに冷たい。上手いのに自分じゃない。

あの感覚は、あなたの体が正しく反応しているんです。

AIは初稿を速くする道具ではない。

改修の回数を増やすための道具です。

これが今日の結論です。

最初に置いておきます。

「AIで30分で記事が書ける」

あなたも一度はこの言葉を見たことがあるでしょう。

嘘です。

今日、私は1本の記事を完成させるのに 半日以上 かけました。

1,334本の記事をデータ分析し、人気記事14本の本文を精読し、2つのAI（ClaudeとGemini）に同じ設計書を渡して出力を比較し、

ファクトチェックで研究者の名前の誤りを見つけて差し替え、追記を挿入したら文脈がぶった切れたから全体を織り直した。

半日です。AIを使って、半日。

今日は、その半日で見えたものを、全部話します。

刀鍛冶の仕事場と、カレーの鍋と、マラソンのペース配分。

この3つが、あなたのAI記事に何が足りないかを教えてくれます。

先に語っておきますが、今回は

覚悟して聞いてください。

✍️ 筆者コメント

この記事は、「AI記事に感情を乗せる方法を教えてください」という質問がメンバーシップに殺到したことがきっかけで書きました。

最初は「感情の乗せ方」を教える記事を書こうとした。

途中で気づいた。

問題は「感情の乗せ方」じゃなかった。

「AIを使ったあとに、人間が何をするか」 が問題だった。

その「何をするか」を、今日の制作プロセスを全部さらけ出して語ります。

🧭 こんな人におすすめ

AIで記事を書いているが、 読み返すと「自分じゃない」感じがして手が止まる 方。

「感情を乗せるプロンプト」を探しているが、 試しても何かが違うままの 方。

AI活用の「次の段階」に進みたいが、 プロンプトのコツの先に何があるか見えない 方。

🗺️ 本文予告

・第1章では、AIの話を一切しません。 刀鍛冶が刀を「壊す」工程 から始まります。

・第3章で、 記事制作プログラムを17回改修した泥臭い裏側 を全公開します。

・第4章以降で、 実際に半日かけた制作プロセスと5回の改修工程 を全公開します。

🏴 第1章：刀鍛冶は「完成させる」ために叩いているのではない。

窓を開けました。

4月の朝の空気が、ひんやりと頬に触れる。

遠くで鳥が鳴いている。短く、2回。

少し肌寒い。

でもこの冷たさが、頭をすっきりさせる。

今日は、刀の話から始めます。

AIの話じゃありません。

⚡ 「折り返し鍛錬」という名の、壊す行為

日本刀は、玉鋼（たまはがね）という鉄の塊から作られます。

砂鉄を溶かして固めた、不純物だらけの原料。

刀鍛冶はこの玉鋼を炉で熱し、真っ赤になったところで鎚で叩く。

叩いて、薄く伸ばして、半分に折る。

また熱して、叩いて、伸ばして、折る。

これを 折り返し鍛錬 と呼びます。

皮鉄（刀の外側になる部分）は約15回。

心鉄（刀の芯になる部分）は5〜6回。

この「叩いて折る」を繰り返す。

……ここで、1つ聞いてもいいですか。

折り返し鍛錬の目的は何だと思いますか。

「鉄を硬くするため」と答えた方がいるかもしれません。

半分正解です。

でも、もっと本質的な答えがある。

不純物を追い出すため です。

玉鋼には炭素やリンやイオウが含まれている。

叩くたびに、不純物が火花として飛び散る。

折るたびに、鋼の層が重なって、不純物が外に押し出される。

そしてここが大事なのですが——

折り返すたびに、鋼の量は確実に減っていく 。

積み重ねる鋼の量はおよそ2〜3kg。

でも完成した刀の重さは1kg弱。

つまり鍛錬の過程で 半分以上が失われている 。

折り返し鍛錬とは、 量を捨てて、純度を上げる行為 です。

増やす行為じゃない。

削る行為です。

叩いて、減らして、折って、また叩いて、また減る。

これを15回やった先に、日本刀がある。

📰 touken-world.jp（ホームメイト）

「日本刀の作り方（作刀方法と鍛錬）」

※ 折り返し鍛錬の工程（皮鉄約15回・心鉄5〜6回）を解説した刀剣専門サイト

📍 メディア傾向：touken-world.jpは東建コーポレーションが運営する刀剣・日本刀の総合情報サイト。一次資料に基づく解説記事。

URL:

💀 なぜ1回の鍛錬では刀にならないのか

「1回で済むなら、そのほうが効率的じゃないですか」

そう思いますよね。

でも工業学校出身で、鋼鉄素材を削ったり、勉強した経験からわかります。

1回だけ叩いた鋼は——固い。

固いけれど、もろい。

表面は硬いが、内部に不純物が残っていて、衝撃を受けると折れます。

あなたの通勤電車で考えてみてください。

満員電車で、隣の人のカバンが肩にぶつかる。

1回なら我慢できる。

でも毎朝同じ場所で同じカバンがぶつかり続けると、ある日突然「もう無理だ」と爆発する。

満員電車は精神的ですが、鋼の場合は物理的に折れてそうなります。

内部にストレス（不純物）が溜まったまま硬くなると、表面上は完璧でも、衝撃で折れる。

見た目は完璧なのに、中身がもろい。

……これAI記事に似ていませんか。

AIが1回で出力した文章は、整っている。

ロジックが通っている。

文法に誤りがない。

でも読み返すと、何か冷たい。

表面は完璧なのに、衝撃に弱い。

読者のツッコミに耐えられない。

折り返し回数が足りていないのです。

ここまでは刀の話でした。

刀鍛冶は刀を壊すために叩いている。

では、AIで記事を書くあなたが感じている「何かが死ぬ感じ」にも、同じ構造がある。

次の章でそれを解剖します。

✅ 第1章の小まとめ

• 🔨 折り返し鍛錬は「壊す」行為 。刀鍛冶は15回叩いて折ることで不純物を追い出す。量を捨てて純度を上げる行為であり、AI記事の改修と同じ構造。

• 🔨 1回の鍛錬では刀にならない 。表面は硬いが内部にストレスが溜まり、衝撃で折れる。AIの1回出力も同じ——整っているが、もろい。

• 🔨 叩く回数が品質を決める 。AI記事の改修回数は、刀鍛冶の折り返し回数と同じ。「壊す」ことが「完成させる」ことの前提条件。

⚔️ 第2章：「AIの文章が冷たい」のは、プロンプトのせいではない。

椅子から立ち上がって、やかんに火をかけます。

ガスコンロのカチカチという点火音。

ぼう、と青い炎が広がる。

水が沸くまでの2分間、窓の外をぼんやり眺めている。

ここからは、なぜAIの文章が「冷たい」と感じるのかを掘ります。

あなたが探しているのは「感情を乗せるプロンプト」ではない。

本当の問いは、 AIで書いた文章をどう壊すか です。

🧪 なぜAIの文章を読むと「自分じゃない」と感じるのか

こんな経験はありませんか。

誰かにプレゼントを買いに行く。

デパートで「おすすめの贈り物」を店員に聞く。

店員が選んでくれたものは、確かにセンスがいい。

包装も完璧。リボンもきれい。

でも渡すとき、なぜか心がざわつく。

「これ、自分が選んだものじゃないんだよな」と。

……心当たり、ありませんか。

AI記事で起きていることは、これと似たような物です。

AIが書いた文章は、確かに上手い。

でも 書いたのはあなたではない 。

あなたはプロンプトを書いただけ。

文章の「主語」が、あなたからAIに移っている。

その瞬間に、「自分じゃない」感が生まれる。

📌 「改修」こそが人間の声になる——ただし、改修にも「浅い」と「深い」がある

ここで1つ、あなたに質問させてください。

あなたの部屋のクローゼット。

開けたら服がパンパンに詰まっている。

「整理しなきゃ」と思って、何をしますか。

たぶん、こうするんじゃないでしょうか。

ハンガーの向きを揃える。

畳み直す。

色別に並べ替える。

30分かけて「整理した」

見た目はきれいになった。

でも。

3日後、またぐちゃぐちゃに戻っている。

……心当たり、ありませんか。

なぜ戻るのか。

服の量が変わっていないからです。

ハンガーの向きを揃えても、畳み直しても、色別に並べても——クローゼットの中身は1枚も減っていない。

「きれいに見せる作業」はしたけど、「何を残して何を捨てるか」という判断はしていない。

これが「浅い整理」です。

では、「深い整理」はどうか。

クローゼットの中身を全部、床にぶちまける。

1枚ずつ手に取って、「これ、去年着たか？」と自分に聞く。

着ていない服は、捨てる。

迷ったら、捨てる。

残った服だけ、クローゼットに戻す。

これをやると、クローゼットの中身が半分になる。

でも、残った服は全部「着る服」

開けるたびに「何を着よう」と迷わなくなる。

……ここ、テストに出る部分でしょう。

AI記事の改修にも、

まったく同じ「浅い」と「深い」がある。

あなたがAIの初稿を読み返して「何か冷たいな」と思ったとき、何をしますか。

たぶん、こうするんじゃないでしょうか。

「です」を「ですね」に変える。

「しかし」を「でもね」に変える。

「重要です」の前に「ここ、大事なんですが」を足す。

……やってますよね。

過去の私もやっていました。

これ、クローゼットのハンガーの向きを揃えているのと同じなんです。

文末を変えても、接続詞を足しても、文章の 中身は1文字も変わっていない 。

AIが組み立てた構造はそのまま。

AIが選んだ比喩もそのまま。

AIが決めた論旨の順番もそのまま。

表面をきれいにしているだけで、中身には手を入れていない。

だから3日後——いや、読者が読んだ瞬間に「冷たい」が戻ってくる。

では「深い改修」はどうか。

AIの初稿を読んで、こう考える。

「この段落、本当に要るか？」

丸ごと削る。

「この比喩、AIが選んだやつだよな。自分の体験に差し替えられないか？」

差し替える。

「この章、最初に結論を出しているけど、読者はまだ結論を聞く準備ができていないんじゃないか？」

順番をひっくり返す。結論を最後に回す。

これは怖い作業です。

なぜなら、AIが書いた文章は「整っている」から。

整っているものを壊すのは、勇気がいる。

クローゼットの比喩に戻すと、「まだ着られる服」を捨てるのと同じ怖さ。

「まだ使える文」を削るのは、もったいない気がする。

でも「まだ使える」と「本当に必要」は違う。

「まだ使える文」を残し続けると、クローゼットは永遠にパンパンのまま です。

もう1つ、別の角度から照らしましょう。

あなたの職場で考えてください。

上司にプレゼン資料を見せたとき。

「ここ、フォント揃えて」「この図、もう少し右に寄せて」「誤字あるよ」

これは 表面のフィードバック 。

でもたまに、こういう上司がいる。

「これ、全部作り直して。そもそもストーリーの順番が違う。結論から入って、根拠を後から出すんじゃなくて、課題を先に見せて、読み手が"どうなるんだろう"って思ったところで解決策を出す。構成を変えろ」

……胃がきゅっとしますよね。

「全部作り直し」は痛い。

でも、このフィードバックを受けたあとのプレゼン資料は、フォントを揃えただけの資料とは 別物 になっている。

なぜなら 骨格が変わった から。

1987年に、ノースカロライナ大学のジル・フィッツジェラルド（Jill Fitzgerald）という教育心理学者が、まさにこの「浅い改修」と「深い改修」の違いを研究しています。

この研究に出会ったのは偶然でした。

「なぜプロンプトを工夫しても冷たいままなのか」を調べていて、文章の改訂（リビジョン）に関する文献に行き着いた。

読んだとき、膝を打ちました。

フィッツジェラルドの発見はこうです。

文章が上手い人と下手な人の差は、 最初に書いた文章の質ではなかった 。

書いたあとの直し方 が違っていた。

下手な人は、誤字を直す。語順を変える。接続詞を足す。

つまりハンガーの向きを揃えている。

フォントを揃えている。

表面をきれいにしているだけ 。

上手い人は、段落を丸ごと捨てる。章の順番をひっくり返す。比喩を全部差し替える。

つまりクローゼットの中身を床にぶちまけて、「これ本当に要るか？」と1枚ずつ仕分けている。

プレゼンの構成を根本から作り直している。

骨格に手を入れている 。

そして、骨格に手を入れた文章は、表面だけ直した文章より、 読者に「この文章は生きている」と感じさせる 。

📰 Review of Educational Research（レビュー・オブ・エデュケーショナル・リサーチ）（1987年）

「Research on Revision in Writing」 Fitzgerald, J.

※ 文章の改訂行動が書き手の熟達度と品質にどう相関するかを体系的にレビューした論文。改訂の「量と深さ」が品質予測因子であることを示す。

📍 メディア傾向：Review of Educational Researchはアメリカ教育研究協会（AERA）が発行する教育学最高峰の査読付きレビュー誌。

ここを、あなたのAI記事に返しますね。

あなたがAIの初稿に「プロンプトを調整する」のは、ハンガーの向きを揃えているのと同じです。

語調を変える。文末を「です」から「ですね」にする。感情的な言葉を足す。

表面はきれいになる。

でも中身（＝AIが選んだ構造・比喩・順番）は1ミリも動いていない。

だから読み返すと、やっぱり冷たい。

「プロンプトのコツ」をいくら調べても冷たいままな理由は、ここにある。

あなたは表面を触っている。

でも読者が「冷たい」と感じているのは、 文章の骨格 のほう。

骨格を壊して組み直す。

段落を削る。比喩を自分の体験に差し替える。論旨の順番をひっくり返す。

AIが書いた「正しい文章」を、あなたの手で「壊す」

壊した瞬間から、文章の主語があなたに戻る。

クローゼットの中身を半分にしたら、残った服は全部「あなたが選んだ服」。

AIの文章を半分壊して組み直したら、残った文章は全部「あなたが選んだ文章」

これが「人間味」の正体です。

ここで、「改修に時間がかかるなら、AIを使う意味がないんじゃないか」という反論もあるでしょう。

答えは「意味がある」です。

では、この「壊す回数を増やす仕組み」を、私は実際にどう設計してきたのか。

その泥臭い改修の歴史を、全部話します。

✅ 第2章の小まとめ

• 🧪 「自分じゃない」感はプロンプトのせいではない 。文章の主語がAIに移った瞬間に真正性が失われる。プレゼントの中身を店員が選んだのと同じ構造。

• 🧪 熟練した書き手は「壊し方」が違う 。フィッツジェラルド（1987）の研究：プロの改訂は表面修正ではなく意味の再構築。

• 🧪 AIは初稿を速くする道具ではない。改修の回数を増やすための道具だ 。初稿を高速で用意し、人間がそれを壊して組み直す。

🛡️ 第3章：プロンプトを17回改修した話——仮説はいつも、現実にぶん殴られる。

やかんの湯を、ほうじ茶の急須に注ぎます。

じゅわっ、と茶葉が広がる音がする。

焙じた穀物の香りが、鼻の奥にふわっと広がる。

ここからは、私自身の話をします。

「壊す回数が品質になる」——これは比喩じゃない。文字通りの話。

私はnoteの記事を全部、生成AIで書いています。

これは以前の記事でも公開していることです。

でも、「AIで書いている」と聞くと、多くの人はこう想像する。

「ChatGPTにテーマを打ち込んで、出てきた文章を貼り付けているんでしょ？」

……いや、違うんです。

全然違う。

本当に違う。

本気で思っていたらマジで何1つ、

AIを理解していない。

 そう叫びたくなります。

🔑 なぜプロンプトを改修し続けているのか

正直に言えば、最初はそうだった。

AIにテーマを入れて、出てきた文章を多少手直しして投稿する。

それでスキが10とか20とかつく。

「おお、AIすごい」と思っていた。

ところが。

ある日、スキが200を超える記事が出た。

次の日、同じ方法で書いた記事のスキが3だった。

200と3。同じAI、同じプロンプト、同じ時間帯に投稿して、この差。

最初は「テーマの当たり外れだろう」と思った。

でも、3が続いた。

3、5、2、8、1。

200が出た記事と、3が出た記事。

何が違うのか。

ここから、AIプロンプトの改修が始まった。

💀 v1からv17まで——壊しては直し、壊しては直す

私が使っている記事制作プロンプトは、現在 v17 です。

v1から数えて、17回の改修を経ている。

で、今日もマイナーバージョンしていました。

「17回」と聞くと、計画的に改良してきたように聞こえるかもしれません。

……実態はもっと泥臭い。

v1→v2の改修理由は「太字がnoteで表示されない」というフォーマットのバグ。

v5→v6は「同じ比喩が1記事に3回出る」という反復バグ。

v10→v11は「📰引用ブロック内に太字を入れるとnoteの文体が壊れる」という発見。

v15→v16は「研究の著者を別人と混同していた」というファクトチェック事故。

どれも「こうしたら良くなるはず」という仮説で始まったわけじゃない。

「これが壊れている」と気づいた瞬間に、手を入れた 。

刀鍛冶が叩くのは「良くするため」じゃなく「不純物を追い出すため」だと書きました。

AIプロンプト改修も同じです。

「良くするため」に改修しているわけじゃない。

「壊れている箇所」を見つけるたびに、そこを潰しているだけ 。

🧩 売れた記事と売れなかった記事を並べて見えたもの

今日は少し違うアプローチでの改修でした。

半日どころか、ほぼ1日使ったかもしれない。

スキ700以上の人気記事14本と、スキ30以下の伸びなかった記事7本。

全部のHTMLを開いて、本文を読み比べた。

正直に言えば、自分の記事を読み返すのは居心地が悪い。

特に伸びなかった記事は。

「なんでこれを投稿したんだろう」と思う箇所が山ほどある。

少し嫌な思いもする。

でも、その「居心地の悪さ」の中に答えがあった。

人気記事には 7つの共通DNA があった。

そのうち一番重要だったものの話をさせてください。

（他の分析話は別記事でする予定です。メンバーシップに入ったり、フォローして楽しみにしててください。）

……まず、あなたの体験から入ります。

病院に行ったことはありますか。

体がだるい。

なんとなく調子が悪い。

でも熱はない。咳も出ない。お腹も痛くない。

「どこが悪いですか」と聞かれても、答えられない。

「なんか……全体的に、だるいんです」

お医者さんはカルテにペンを走らせながら、こう言う。

「それは自律神経の乱れかもしれませんね」

その瞬間、あなたの中で何かが動く。

「だるい」は自分でも言えた。

でも「自律神経の乱れ」は言えなかった。

お医者さんがその言葉を出した瞬間、「ああ、 私のこの感覚って、それだったのか 」と腑に落ちる。

……この「腑に落ちる」瞬間。

ここが、人気記事とスキ3の記事を分けている場所だった。

もう少し具体的に話しますね。

伸びなかった記事のテーマを並べてみます。

「noteで売上を伸ばす方法」

「フォロワーを増やすコツ」

「有料記事の価格設定」

どれも、読者が自分で言葉にできるテーマです。

「売上を伸ばしたい」と思っている人は、「売上を伸ばしたい」と検索できる。

「フォロワーを増やしたい」と思っている人は、「フォロワー 増やし方」と検索できる。

つまり、 痛みにすでに名前がついている 。

名前がついている痛みには、すでに100人が記事を書いている。

「noteで売上を伸ばす方法」と検索すると、似たような記事が50本出てくる。

あなたの記事は、その50本のうちの1本になる。

では、人気記事のテーマを見てみましょう。

「共感されているのに、売れない」

「スキが脳を壊すメカニズム」

「AIで書いた記事の方が、なぜかうまい」

これらは、読者が 自分で検索できない テーマです。

なぜ検索できないか。

原因を言葉にできていないから 。

「スキはたくさんもらえるのに、なぜか有料記事が売れない」と感じている人は、原因が「共感と購買のベクトルが逆を向いている」とは思っていない。

ただ胃がじわじわ重くなっている。

「何かがおかしい」と感じている。

でも「何が」おかしいかは、言語化できていない。

病院の比喩に戻すと、「だるい」は言える。

でも「自律神経の乱れ」は言えない。

人気記事がやっていたのは、この 「自律神経の乱れ」を先に言ってあげること だったんです。

読者がずっと感じていたのに、言葉にできなかった矛盾。

その矛盾に、筆者が先に名前をつける。

読者は「ああ、 私のこのモヤモヤって、それだったのか 」と感じる。

この瞬間にスキが押される。

この瞬間に「この人の有料記事を読みたい」が生まれる。

「名前のない痛み」に名前をつけた記事がバズる。

「すでに名前がある痛み」を扱った記事は埋もれる。

これが14本と7本を分けていた、最大の差でした。

ここで、「ああ、じゃあAIに"読者が言語化できていない矛盾を探してくれ"って指示すればいいんだ」と思った方。

私もそう思いました。

仮説。

実際にやってみた。

プロンプトにこう書いた。

「読者がずっと感じていたのに言語化できていない矛盾を特定せよ」

AIが出してきたのは、こういう文章です。

「多くのクリエイターは、量産と質のジレンマに直面しています」

「発信を続けるほど、自分の本当の声が埋もれていく矛盾があります」

……どうですか。

正しいことを言っている。

ロジックは通っている。

でも、これを読んだ読者が「ああ、 私のことだ 」と感じるかどうか。

感じない。

なぜか。

これは読者の痛みじゃなくて、

AIが「痛みっぽい」と推論した文字列 だからです。

もう1回、病院の比喩で説明しますね。

あなたが「なんかだるいんです」と言ったとき。

良い医者は、あなたの顔色を見て、生活習慣を聞いて、血圧を測って、「自律神経の乱れかもしれませんね」と言う。

あなたの体を見て、あなたの文脈の中から言葉を見つけている。

AIは違う。

AIは「だるい→自律神経 or 鬱 or 貧血 or 睡眠不足」という一般的な対応表を持っていて、その中から確率が高いものを出している。

あなたの顔色は見ていない。

あなたの生活習慣は知らない。

あなたの文脈を知らないまま、「もっともらしい診断」を出している。

だから読者は「上手いこと書いてあるな」とは思うけど、「私のことだ」とは思わない。

簡単に言えば、

血が通っていない文章になる。

この差です。

AIは「誰にでも当てはまる言葉」を出す。

人間は「特定の人だけが心臓を掴まれる言葉」を見つけてくる。

つまり仮説が間違っていた。

「名前のない痛み」はプロンプトで指示しても出てこない。

人間が、読者の声が転がっている場所——DM、コメント欄、Xの呟き、noteの無名記事——を自分の足で歩いて、拾ってくる必要がある。

良い医者が患者の顔色を見るのと同じです。

データベースを検索しているんじゃない。

目の前の人間を見ている。

ここで工程が1つ増えた。

AIに書かせる前に、「Chrome巡回」というAIリサーチ工程を挟むことにした。

（この辺は語ると、マジでお金を数万円取りたいノウハウになるので、今回は省きますが、そのうち売ります。）

note内で「名前のない痛み」を探す。

X（旧Twitter）で「AIで書いたけど何かが死ぬ」系の呟きを探す。

その素材をAIに渡して、初めてAIの出力が「読者の痛み」に届く。

AIは「もっともらしい診断」を出す道具。

でも「患者の顔色を見る」のは、人間の仕事。

この分業を間違えると、AIの文章は永遠に「上手いけど刺さらない」まま。

その素材をAIに渡して、初めてAIの出力が「読者の痛み」に届く。

⚡ 仮説と現実のズレは、いつも同じ形をしている

17回の改修で気づいたことがあります。

仮説と現実のズレは、いつも同じパターンで現れる。

「こうすれば良くなるはず」→ 実装する → 出力を読む → 「あれ、思ったのと違う」 → 何が違うか特定する → 修正する。

このサイクルが1回で済むことは、まずない。

だいたい3〜5回は回る。

たとえばv16→v17の改修。

v16で「引用する数値は必ず一次ソースに遡れ」というルールを追加した。

仮説：「一次ソースを指定すれば、AIは正確な引用をする」

ここからです。

実際にやってみたら、AIは一次ソースの「結論」を、記事の文脈に合うように微妙に曲げていた。

「作業再開までの時間」を「再集中にかかる時間」にすり替えたり。

「欧米諸国のデータ」を「日本のデータ」として書いたり。

嘘ではない。

でも正確でもない。

AIの孫引きは、微妙にズレた形で定着する。

だからv17では「一次ソースに遡れ」に加えて「研究の結論を文脈に合うように曲げていないか確認せよ」というルールを追加した。

…こういう話、退屈でしょうか？

AIの改修なんて、所詮こんなものです。

最先端でボタンポチッなんてありえない。

全部が全部のことを全てAIでやってくれる。

Claude codeなどの投稿でよく見かけますが、

100%自動化など不可能です。

AIは必ず「嘘をつく」

正確には「それっぽく事実を捻じ曲げている。」

だからAI側が間違った情報が出してても人間が気づかないこともあるし、数字をごまかされていても人間は気づかない。

それを100％信用すると、あとからとんでもない目に合う。

 それがAIです。

AIが出した文章や数字が正しいか、一瞬で見分ける目と頭が無いと、何1つ使えません。

でもこの「退屈な改修」こそが、読者に見えない 行動 です。

読者には見えない。

でも「この人は裏を取っている」という信頼は、見えないところで効いている。

前回の記事でも書きましたね。

見えないコストを払い続けることが、選ばれる理由になる。

プロンプトのv17は、17回の「壊して直す」の跡です。

どの改修も華やかじゃない。

太字のバグ修正、ファクトチェックの穴塞ぎ、仮説と現実のズレ修正。

でもこの17回が、「AIで書いてるのに、なぜか人間味がある」の正体です。

壊すことが品質になる——これは比喩ではなく、プロセスの話だった。

では、今日実際にそれをやった半日の記録を、工程ごとに全部書きます。

✅ 第3章の小まとめ

• 🔧 プロンプトv1→v17は17回の「壊して直す」の跡 。計画的な改善ではなく、壊れた箇所を見つけるたびに手を入れてきた。刀鍛冶と同じ構造。

• 🔧 「名前のない痛み」はプロンプトで指示しても出てこない 。AIは「痛みっぽい文字列」を出すが、読者の実体験に届かない。人間が探してきてAIに渡す必要がある。

• 🔧 仮説と現実のズレは毎回同じパターン 。「こうすれば良くなるはず」→実装→「思ったのと違う」→特定→修正。このサイクルが3〜5回回る。

• 🔧 退屈な改修こそが見えない塗装行動 。太字バグ修正もファクトチェック穴塞ぎも、読者には見えない。でも信頼は見えないところで効いている。

💡 第4章：半日の記録——今日1本の記事を仕上げるまでに、何が起きたか。

ほうじ茶を一口。

舌の上に、苦味と甘味がじわっと広がる。

焙じた茶葉は、こうやって時間をかけて味が出る。

ここからは、今日の具体的な話をします。

1本の記事を完成させるまでの5工程を全部さらけ出します。

正直に言えば、この工程を公開するのは恥ずかしい。

「AIで効率よく書いている」というイメージが壊れるから。

でも、壊すことが品質になるなら、イメージも壊しましょう。

🔑 工程1：1,334記事のデータ分析

最初にやったのは、自分のnoteの全記事CSVを開くこと。

1,334本の記事のスキ数、PV、読了率を並べて、月次推移とジャンル別スキ率を算出した。

ここで面白いデータが出た。計算方法は企業秘密ですが、おおよその予想として、

スキ200以上の記事の平均読了率は8.8%。スキ5〜30の記事は13.9%。

バズっている記事ほど、最後まで読まれていない。

長文の仕事は「最後まで読ませること」じゃなく、 「この人は本気だ」というシグナルをスクロールバーの長さで伝えること だった可能性です。

🔑 工程2：2つのAIの出力比較

設計書を1つ作って、ClaudeとGeminiに同じ設計書を渡した。

Claude 4.6 opusは 8,000字 。構造が正確で出典も丁寧。でも仮説と例えが薄い。

Gemini 3.1proは 約14,000字 。エンタメ性があって比喩が連続する。でもファクトチェックで穴があった。

穴の1つ。

例えば前回でも書きましたが、

設計書に「ボルジアがパプアニューギニアで研究した」と書いてあった。

Geminiはそのまま本文に書いた。

ファクトチェックしたら 研究地はオーストラリアのブーニャ山脈で、筆頭著者はロブソンだった 。

……AIが自信満々に書いた地名が一次情報で誤り。

ここで初めて「AIの出力をそのまま使うことの怖さ」を体で理解した。

でもこの「調べたら違った」プロセスを書き込んで修正することで、私の見解を入れ、一次情報としました。

壊す行為が、新しい素材を生んだ例です。

🔑 工程3：追記の統合——そして「ぶった切り問題」

学術的な裏付け、章間のブリッジ、出典の追加。

合計約5,200字を追記した。

統合して読み返して、血の気が引いた。

文脈がぶった切れている。

追記をブロックとして挿入したから、元の文章の流れが死んでいた。

ニワシドリの研究結果を読者がワクワクして待っているところに、突然ファクトチェックの告白が12行入る。

読者の「で、結果は？」を完全に止めていた。

これがAIのファクトチェック後の修正で、最もダメなところです。

「ファクトチェックさせ、修正させるのがゴールになっている」

ファクトチェック後の、記事編集のゴールは自然に流れをぶった切ることなく、読者に読み込ませて納得してもらうことです。

ただ入れこむだけならだれにでも出来ます。 

……でも、この瞬間が今日一番キツかった。

5,200字書いたのに、「入れ方が間違っている」と認めなければならない。

🔑 工程4：織り直し——「追記」を「最初からそこにあった文章」に変える

ここからは、具体的に「何がどう変わったか」をお見せします。

見たほうが早い。

たとえば、前回の記事でニワシドリの研究を紹介しました。

「メスが東屋（あずまや）を見に来る理由と、交尾相手を選ぶ理由は、まったく異なるシグナルで動いていた」という研究結果です。

なんで情報発信の話をしているのに鳥類の話をしているかと言えば、前回の記事を読めばわかります。

この研究を紹介するとき、1つ問題があった。

ファクトチェックの過程で、最初に読んだ二次ソースの記載が間違っていることがわかった。

「パプアニューギニアで研究した」と書いてあったのが、実際は「オーストラリアのブーニャ山脈」だった。

この「間違いを見つけた体験」を記事に入れたかった。

なぜなら「調べたら違った」というプロセスは、読者の信頼を上げる一次情報になるから。これは先ほど言った通りですね。

で、最初に書いた版がこうです。

友達が面白い話をしてくれている。

「昨日さ、渋谷ですごいことがあってさ——」と前のめりで聞いている。

ところが話の途中で、友達が急に立ち止まる。

「あ、ちょっと待って。この話する前に1個訂正があって。

さっき"渋谷で"って言ったけど、正確には新宿だったわ。ごめん。で、えーと、何の話だっけ。最初からした方がいい？」

……気持ち、わかりますか。

聞いていたこっちは「いいから早く続き教えてくれ」と思っている状況です。

「渋谷だろうが、新宿だろうがどうでもいい。早く続きを！」

というような感じです。

話の結末を聞きたくて前のめりになっていたのに、途中で訂正が入って流れが止まった。

しかも訂正の内容は「渋谷か新宿か」という、話の本質には関係ないこと。

聞き手の「で、どうなったの？」を止めてしまった。

最初に書いた版では、まさにこれをやっていた。

具体的にお見せします。

最初の版（挿入版）の流れはこうでした。

ニワシドリの研究を紹介→「読んだとき、えっと声が出た」

→★ここでファクトチェック告白を12行挿入★

→「さて、研究結果はこうです」

→結果の説明

読者は「えっ、何がわかったの？」とワクワクしている。

その瞬間に「実は最初に読んだ資料が間違ってまして」が12行入る。

読者の「で？結果は？」が止まる。

告白が終わって結果に戻ったとき、読者のワクワクは冷めている。

12行の訂正が「話の途中」に挟まっている。

聞いている側は「いいからそこは後で言ってくれ」と思う。

では、書き直した版（織り直し版）はどうなったか。

ニワシドリの研究を紹介→「えっと声が出た」

→研究結果を全部出し切る

→読者が「へえ、そうなんだ」と着地する

→★ここでファクトチェック告白★

→「実はこの研究を見つける過程で1つ失敗をしています」

さっきの友達で言えば、こうです。

「昨日すごいことがあってさ——（中略）——で、最終的にこうなったんだよ。いやー、びっくりした。……あ、ちなみにさ、この話、最初"渋谷で"って聞いてたんだけど、ちゃんと確認したら新宿だったんだよね。危うく間違った場所で話すところだった」

わかりますか。

話の結末を先にしている。

聞き手は「へえ、すごいね」と満足している。

その後に「実は調べたらちょっとだけ間違いがあってさ」と訂正が入る。

結末を聞いた後の裏話は、「邪魔」ではなく「おまけ」になる。

これが「挿入」と「織り直し」の違いです。

変えたのは 順番だけ 。

ファクトチェックの素材は同じ。文量も同じ。

告白の内容も1文字も変わっていない。

でも読者の体験はまったく別物になる。

「挿入」は、読者の「で、どうなったの？」を止める。

「織り直し」は、読者の「で、どうなったの？」に先に答えてから、裏話を添える。

AI記事の改修で一番見落とされがちなのが、この「順番」です。

素材を追加するとき、多くの人は「関連する話題の近く」に挿入する。

でも「関連する話題の近く」が、読者の流れにとって最適な場所とは限らない。

読者の「で、どうなったの？」に先に答える。

裏話は、着地した後に添える。

追記が「挿入」に見えたら失敗。

最初からそこにあったように読めたら成功。

見分け方は簡単です。

その追記を丸ごと削除しても、前後の文章が自然につながるかどうか。

つながるなら、その追記は「おまけ」として正しい位置にある。

つながらないなら、その追記は本文の流れを切断してしまっている。

AI文章の改修って実は奥深いんですよ。

🔑 工程5：ファクトチェック最終確認

最後に、記事全体の事実確認をもう一度回しました。

ここでまた1つ見つかった。

著者名のファーストネームがスペルミスで違っていた。（正確には間違っていないのですが、ミドルネームみたいな抜けで、あっても無くても大丈夫なもの）

正直に言えば、「もういいだろ」と思った瞬間があった。

誰も気づかないかもしれない。

でも「誰も気づかない嘘」を1つ残すと、次の記事でも「まあいいか」が1つ増えるわけです。

刀鍛冶は、見えない不純物を追い出すために叩く。

見えない嘘を追い出すために、ファクトチェックをもう1回回す。

同じ構造です。

この5工程で、合計半日以上 。

AIを使って、半日です。

ここまでは半日の記録を全公開しました。

2万字の初稿を1.7万字に削った時、何かが変わった。

なぜ量を減らすと濃くなるのか——料理の世界に答えがあります。

✅ 第4章の小まとめ

• 📊 5工程で半日 。データ分析→AI比較→追記統合→織り直し→ファクトチェック最終確認。「30分で書ける」は構造的に嘘。

• 📊 ファクトチェックが新しい素材を生む 。「調べたら違った」プロセスはAIにはない一次情報になる。

• 📊 追記は「挿入」ではなく「織り直し」 。順番を変えるだけで読者体験が変わる。

• 📊 見えない嘘を追い出すのが最終工程 。刀鍛冶が見えない不純物を追い出すのと同じ構造。

⚔️ 第5章：カレーは煮詰めると濃くなる——ただし「濃い」と「深い」は違う。

白湯を淹れます。

何も入れない、ただのお湯。

湯気がふわり、と顔に当たる。

鼻の奥に、何の匂いもしない湯気の温かさだけが残る。

2万字を1.7万字に削ったとき、「濃くなった」と感じた。

なぜ量を減らすと濃くなるのか。

料理の世界に答えがあります。

⏰ 水野仁輔氏のカレー煮詰め実験

スパイスカレー研究家の水野仁輔さんが、2022年10月にnoteで実験を公開しています。

完成したカレー 1,300g を鍋に入れて煮詰める。

強火30分で750g。塩分濃度は1.0%から 1.7% に上がった。

さらに弱火60分で600g。塩分濃度は 2.2% 。

最初の重量の半分以下になった時、塩分濃度は2倍以上になっている。

あなたの台所に直すとこうです。

味噌汁を作りすぎた翌日、温め直すと味が濃くなっていますよね。

水分が蒸発して、出汁の旨味が凝縮されている。

具材が変わったからじゃない。 水分が減ったから かもしません。

📰 水野仁輔（みずの・じんすけ）「152．カレーの味は煮詰めるとおいしくなるのか？ 問題」（2022年10月27日）

※ 完成カレーを煮詰めた際の重量変化と塩分濃度変化を実測した実験記録

📍 メディア傾向：水野仁輔はスパイスカレー研究家。著書40冊以上。note上の実験記録は一次データとして参照可能。

URL:

ただし。

ここで1つ、大事な注記があります。

水野さん自身がこの実験記事の結論でこう書いている。

「煮詰めたらおいしくなるのではなく、 濃くなる 」

「 濃いと深いは違う 」と。

……正直に言えば、最初この結論を読んだとき、少し困りました。

「煮詰める＝良くなる」という比喩で使いたかったのに、水野さん本人が「濃いだけじゃダメ」と言っている。

でもよく読むと、これは私の記事の論旨とむしろ一致していた。

カレーを煮詰めるだけでは「濃い」だけ。

「深い」にするには、スパイスの配合や具材のバランスという 設計 が前段階に必要なのだろうと思います。

AI記事も同じです。

冗長な部分を削って密度を上げるだけでは「濃い」だけ。

「深い」にするには、設計書の段階で「名前のない痛み」を仕込んでおく必要がある。

煮詰めは手段。

深さは設計。

両方が揃って初めて、読者が「この記事は他と違う」と感じる。

もはや哲学ですね。

では、この「設計＋煮詰め」の時間配分をどう最適化するか。

マラソン選手が知っている答えがあります。

✅ 第5章の小まとめ

• 🍛 カレーは煮詰めると濃くなる 。水野仁輔の実験：1,300g→600gで塩分濃度が2倍。AI記事も冗長を削ると密度が上がる。

• 🍛 「濃い」と「深い」は違う 。水野さん本人の結論。濃くするだけでは足りない。深さは設計段階で決まる。

• 🍛 煮詰めは手段、深さは設計 。AI記事に必要なのは「削る」と「壊す」の両方。設計書で「名前のない痛み」を仕込んでから煮詰める。

🏴 第6章：マラソン選手は、なぜ最初に飛ばさないのか。

窓の外が、少し明るくなってきました。

遠くで車のエンジン音が聞こえる。

誰かが仕事に向かっている。

煮詰めることは、捨てることではなく凝縮することだった。

では、最初から凝縮を前提に設計したら何が変わるのか。

🎯 ネガティブスプリットという非直感的な戦略

マラソンのペース戦略に、 ネガティブスプリット というものがあります。

前半を意図的に抑えて、後半にペースを上げる走り方。

直感に反しますよね。

「速く走りたいなら最初から飛ばす」のが自然に思える。

残念ながら。

データが示しているのは逆です。

2023年、男女ともにフルマラソンの世界記録が更新されました。

女子はティギスト・アセファ（エチオピア）がベルリンで 2時間11分53秒 。前半66分20秒、後半65分33秒。明確にネガティブスプリット。

男子はケルビン・キプトゥム（ケニア）がシカゴで 2時間0分35秒 。前半60分48秒、後半59分47秒。こちらもネガティブスプリット。

男女両方の世界記録が、「後半のほうが速い」走り方で生まれた。

スポーツ科学者の吉岡利貢 氏（よしおか・としつぐ、博士・体育科学、環太平洋大学教授）の著書にも詳しいですが、一般ランナーのデータがさらに面白い。

ランニング分析サイトFellrnr.comがニューヨーク・シカゴマラソン計26レース・ 754,851人 のデータを分析したところ、 87%がポジティブスプリット （前半を飛ばして後半失速）だった。

📰 吉岡利貢（よしおか・としつぐ）『マラソンは「ネガティブスプリット」で30分速くなる！』（2012年）

SBクリエイティブ（SB新書）

※ ネガティブスプリット（前半抑制・後半加速）が市民ランナーにも有効であることを科学的データで示した書籍

📍 メディア傾向：著者は環太平洋大学体育学部教授、博士（体育科学）。スポーツパフォーマンス研究でも引用される実績あり。

ここ、あなたのAI記事制作に翻訳します。

「速く書きたいからAIに全部任せる」

これがポジティブスプリット。

754,851人のうち87%が選んだ、最も多い失敗パターン。

前半を飛ばすと後半に失速する。

AIに初稿を丸投げすると、読み返して「冷たい」と感じ、どう直していいかわからず手が止まる。

ネガティブスプリットはこうです。

前半を抑える——設計書を作り、比較し、ファクトチェックする。

この段階ではまだ1文字も清書を書いていない。下書きレベルです。

「遅い」と感じる。

でも後半——実際に本文を書き始めると、設計が終わっているから迷わない。

改修の方向が明確だから、壊すべき箇所がすぐわかる。

前半を抑えるほど後半が速くなる。

これはトヨタの製品開発で言う フロントローディング と同じ構造です。

簡単に言えば、開発初期に意図的にコストと時間を集中投資することで、後工程の手戻りを劇的に減らす。

「AIで30分」と言っている人は、ポジティブスプリットで走っている。

最初の30分は速い。

でもそのあとの「読み返して冷たくて手が止まる」時間を計算に入れていない。

前半を抑えるほど後半が速くなる。

これがAI記事制作の設計原則です。

✅ 第6章の小まとめ

• 🏃 87%が前半を飛ばして失速する 。754,851人中87%がポジティブスプリット。AI記事でも「AIに丸投げ」が最も多い失敗パターン。

• 🏃 2023年の世界記録は男女ともネガティブスプリット 。アセファ2:11:53、キプトゥム2:00:35。後半のほうが速い走り方で世界記録。

• 🏃 フロントローディングがAI記事の設計原則 。前半に投資するほど後半の手戻りが減る。

🔥 第7章：AI記事の「5回改修」——具体的に何をどの順番でやるか。

マグカップの白湯が、もう常温になっている。

ぬるいけど、捨てない。

最後の一口まで飲む。

ここまでの全部を整理します。

⚡ 改修1回目：「設計書」を先に作る

ほとんどの人は、ChatGPTを開いて「○○について記事を書いて」と打つ。

これがポジティブスプリットの前半飛ばし。

そうではなく、AIに本文を書かせる前に「設計書」を作る。

「核心構造は何か」「どんな矛盾を扱うか」「どの異分野の素材と衝突させるか」を先に決める。

 これが私のnote記事を出してくれる設計ツールですが、こんな感じで1項目ずつ入力していくと、その都度、オリジナルの設計図を出してくれます。

料理で言えば、レシピを書いてから鍋を出す。

でもAI記事では、ほとんどの人が鍋（ChatGPT）を先に出している。

AI記事製作のコツではなく、AIを使う前に何をするかの話です。

⚡ 改修2回目：出力を「読者として」読み返す

AIの初稿が出たら、すぐに直さない。

まず「読者として」読み返す。

コツは、スマホで読むこと。この辺は以前も言いましたね。

工場時代、先輩に言われたことがある。

「おい、検品は自分でやるな。別の目でやれ」

自分で作った部品を自分で検品すると、欠陥に気づかない。

作り手の目は「ここは大丈夫なはず」というバイアスがかかっているから。

今回はスマホという「別の目」を使う。

⚡ 改修3回目：ファクトチェック

AIが書いた事実の裏取り。

これが一番面倒くさい。

でも一番大事。

AIはわかりやすい嘘をつかない。

でもAIは「自信満々に、もっともらしい嘘を書く」

あなたの職場で考えてみてください。

プレゼンで「データに基づいて」と言いながら、ソースを確認せずに数字を並べる同僚。

プレゼン中は説得力がある。

「そのデータのソースは？」と聞かれた瞬間、崩れる。

そしてファクトチェックで「違った」と分かったこと自体が、記事のネタになる。

ファクトチェックは防御ではなく攻撃になる。

⚡ 改修4回目：煮詰め

「しかしながら」を「でも」に。

「〜ということが言えるのではないでしょうか」を「〜です」に。

同じことを2回言っている段落を、1回にまとめる。

読者に新しい情報を与えていない文を、丸ごと削る。

これだけで、2万字が1.7万字になる。

カレーの1,300gが600gになったとき、塩分濃度は2倍。

字数は減る。でも密度が上がる。

⚡ 改修5回目：織り直し——人間の声を入れる

最後。5回目が一番大事です。

刀鍛冶の折り返し鍛錬。

AIの「正しい文章」を壊して、自分の声で組み直す。

AIが書いた比喩を、自分の体験の比喩に差し替える。

AIが書いた完璧な構成を、あえて崩す。

予定になかった脱線を入れる。

セルフツッコミを入れる。

AIは脱線しない。だから脱線こそが、人間の証明になる。

 
前回でも言った言い回しですが、

「……いや、ちょっとマニアックになりすぎましたね。茶葉を多めに入れすぎたようです」

こういう一文は、AIにはそう簡単に書けない。

なぜなら、AIは「マニアックになりすぎた」と自覚する機能を持っていないから。

自覚と脱線と照れ隠し。

これが5回目の改修で入れるべき「人間の声」です。

この5回目を経た記事が、「AIで書いたのに、人間味がある」記事です。

プロンプトのコツは存在する。でも、それは0章の話だ。

AI記事に人間味が出る瞬間は、AIを使い終わった後に始まる。

✅ 第7章の小まとめ

• ⚙️ 改修1：設計書を先に作る 。レシピを書いてから鍋を出す。

• ⚙️ 改修2：スマホで読者の目に切り替える 。検品は別の目でやれ。

• ⚙️ 改修3：ファクトチェックは攻撃になる 。「違った」プロセスが一次情報になる。

• ⚙️ 改修4：煮詰めて密度を上げる 。冗長を削る。2万字→1.7万字で「なぜか濃い」が生まれる。

• ⚙️ 改修5：壊して人間の声を入れる 。脱線・セルフツッコミ・照れ隠し。AIが書けないものが人間の証明。

☕ 第8章：AIで記事を書くのに半日かかった日が、あなたの記事が一番濃くなった日だ。

マグカップを流しに持っていきます。

水で洗う。

きゅっきゅっと音がして、指先が滑る。

茶渋がうっすら残っている。

洗い流す。

🎯 読者が今日からできる3つのこと

1. 明日AIに記事を書かせる前に、30分だけ設計書を書く 。「核心構造は何か」「読者の痛みは何か」を先に決める。この30分が後の2時間の手戻りを消す。

1. AIの初稿を「完成品」と呼ぶのをやめる 。代わりに「玉鋼」と呼ぶ。叩いて折って不純物を追い出すための素材。完成品は、5回叩いた先にある。

1. 「プロンプトのコツ」を検索するのをやめて、「改修の回数」を数える 。プロンプトのコツは0章。品質は1〜5章——つまりAIを使い終わった後——で決まる。

もう一度、この記事の核心を置きます。

AIは初稿を速くする道具ではない。改修の回数を増やすための道具だ。

私は半日かけた。むしろそれ以上。

プロンプトをv17まで改修し、1,334記事のデータを分析し、2つのAIの出力を比較し、ファクトチェックで著者名のスペルミスを見つけ、追記を挿入したら文脈が死んだから織り直した。

「AIで30分」の世界から見たら、馬鹿みたいに遅い。

でもこの半日が、刀鍛冶の15回の折り返しと、カレーの90分の煮詰めと、アセファとキプトゥムの後半加速と、同じ構造の上にある。

ただ、AIの良いところは、

１度構成と流れが出来てしまえば、

どんなに複雑な内容でも、

ほぼほぼ繰り返せる。

ということです。すでに今回のAIプロンプトは、ほぼほぼできているので、あとは繰り返すだけですね。

……冷めたほうじ茶を、もう一杯淹れ直します。

今度は熱いやつを。

次の記事を書きましょうか。このAIプロンプトを使って。

次からはこの複雑なプロンプトでも、１記事３０分で作れそうですから。

こういうのがAIの醍醐味なんですよ。

✅ 第8章の小まとめ

• 🎯 今日からできる3つのアクション 。「設計書を30分書く」「初稿を玉鋼と呼ぶ」「改修の回数を数える」。

• 🎯 半日かかった日が一番濃い 。刀の折り返し、カレーの煮詰め、マラソンの後半加速。全部同じ構造。

• 🎯 AIの次に、人間が来る 。プロンプトのコツは0章。品質は1〜5章で決まる。

✍️ ポス鳥よりひとこと

ここまで読んでくださって、ありがとうございます。

この記事自体が、「半日かけて壊して直した記事」です。

読んでいて「なぜか濃い」と感じたなら、それが5回の改修の跡です。

スキを押していただけると、次の記事を書く燃料になります。

フォローしていただけると、新しい記事が届きます。

メンバーシップでは、今日語った「設計書の作り方」「改修の具体的手順」「AIの使い分け」を、テンプレート付きで定期的に共有しています。

また、次の記事で。

 ━━━━━━━━━━━━━━━━━━━━
　

当該記事はこちら：私たちを応援していただけませんか？

私たちのメンバーシップに加入していただけないでしょうか？ご興味ある方は、ぜひ以下ボタンからどうぞ。

月５００円と、月９８０円の２コースあり。読み放題！初月無料・解約縛りなし！かなりお買い得だと思います！

▼ポス鳥の「メンバーシップ」への入室はこちらから

ポス鳥への記事のリクエスト、質問などは、以下からできます。

【著作者概要】

私、ポス鳥こと「コクム＝ジョージ」は、北陸の地で貿易商を営みながら、この記事で書いたような、社会の「すきま」に光を当てる事業に取り組んでいます。
失敗も、葛藤も、情けない話もたくさんありますが、現場で見て、感じたリアルな物語と、そこから得られたビジネスの気づきを、このnoteで発信しています。
X（旧Twitter）でも、日々の気づきを呟いていますので、ぜひフォローしてください。
あなたの応援が、私の、そして彼女たちの力になります。
note: https://note.com/glad_auklet4142

Threads:https://www.threads.com/@cokumu_motto

X (Twitter):https://x.com/_596_

【特別無料レポート】のご案内

次の記事をお待ちいただく間に、ぜひこちらのレポートで思考を深めてみてください。なぜ9割の起業家が市場から消えてしまうのか？その科学的根拠と、あなたが同じ轍を踏まないための自己診断が可能です。

• 12年の貿易商経験から見た「消える起業家」の7つの科学的分析～なぜ9割が失敗するのか？データと実例で学ぶ自己診断～

  1. なぜ、あれほど情熱に満ちていたはずの起業家の9割が、市場から姿を消してしまうのか。その背景には、運や才能では片付けられない「科学的な法則」が存在します。このレポートでは、失敗に共通する7つの致命的パターンを徹底解剖。あなたが同じ轍を踏まないための、転ばぬ先の杖となるはずです。

【特別マガジン】本気で突き抜けたいあなたへの招待状

こちらは、より深く、より実践的なテーマについて、私の経験と知識のすべてを注ぎ込んだ有料記事を集めた特別なマガジンです。あなたのビジネスや人生を、次のステージへと押し上げる「鍵」が、この中に隠されているかもしれません。未来への投資として、ご自身の課題に合ったものから手に取っていただけると幸いです。

• 【完全解剖・12万文字】海外トップブロガー12人の成功戦略

  1. 自己流で消耗し続けるあなたを横目に、海外のトッププレイヤー達は、再現性のある「法則」で稼ぎ続けています。その秘密を12万文字で全て盗み、あなたのものにしてください。手遅れになる前に、今すぐ。

【NEW! 22万字】サイレント・アラーム：あなたの魂が壊れる前に。フリーランス＆起業家のための燃え尽き症候群「超」早期発見・予防ガイド

「昨日、あなたは世界の頂点にいた。今日、あなたはベッドから出られない」。これは、他人事ではありません。成功の頂点で静かに心を壊していった海外事業家12名の実例を基に、燃え尽きの「自覚症状」と「予防策」を完全網羅。これは、あなたの未来を守るための「魂の警報システム」です。

• 【永久保存版】なぜ、あの人のnoteは高くても売れるのか？

  1. 価値あるコンテンツを安売りするのは、罪です。顧客に感謝されながら、正当な価格で売るための「禁断の技術」。これを知らないままでは、あなたは一生、搾取される側かもしれません。

• 【実録3万字】税理士の選び方とは？

  1. 資金ショート寸前まで追い込まれた私が、どうやってV字回復したのか。その全ては「税理士選び」にありました。探し方、相場、元国税が明かす裏側まで、全てを詰め込んだ劇薬です。

• 【法人は株式会社にしろ！】設立費14万円をケチって数千万円を失った私の話。

  1. 「安いから合同会社で」…その安易な選択が、融資、採用、信頼、全てを失う始まりだと知っていましたか？これは、私が実際に数千万円をドブに捨てた、血の滲むような失敗の記録です。

• 【完全実話】私が赤字企業を倒産させて畳んだ記録全集

  1. 逃げ道を知らないまま戦場に飛び込む兵士がいますか？会社の「作り方」を学ぶ前に、100倍難しい「畳み方」を知る。これが成功する起業家の絶対条件です。誰も語りたがらない不都合な真実から、目を背けないでください。

• 【初心者必見！】元国税局員から教えてもらった「お金が貯まる」最強の口座管理術

  1. あなたが稼げない、お金が貯まらないのは、能力がないからではありません。ただ「やり方」を知らないだけ。元国税局員が実践する、あまりにシンプルで強力なこの方法を、これ以上知らないままでいるのは機会損失です。

• 【有料note／4万字】売上を平均2.8倍に引き上げる「公式返金機能」の極意

  1. 多くの人が恐怖で使えない「返金機能」こそ、売上を爆発させる起爆装置です。この記事を読めば、あなたは自信を持って「返金OK」を掲げ、ライバルをごぼう抜きにできます。

• 【AI初心者でも安心】たったの５分！AIで売れるnoteヘッダーを自作する全手順

  1. ヘッダー画像に時間やお金をかける時代は終わりました。この記事の通りにやれば、誰でも5分でプロ級のヘッダーが作れます。浮いた数万円で、あなたは何をしますか？賢い人から始めています。

【著作者紹介】

本記事の著作者「ポス鳥」こと「コクム＝ジョージ」は日常的には、北陸にて、各国の業者とやりとりしながら商品輸入や商品企画を行ってたりする貿易商です。
成り立ちなど、プロフィール詳細は以下のページに。

またビジネスコピーライターとして、商品文章や製品説明などの制作に携わっていますが、ここでご紹介している事例紹介・解説は、ポス鳥独自の視点―最新テクノロジーやAIに関する知見をもとに、論文検索や研究レポートの調査、草稿作成、そしてアイデア出しを経て構成されたものです。

記事内はAI生成されたコンテンツで作られた箇所も多いため、従来のライター業務ではなく、別の著作者としての活動です。

なお、ポス鳥はX（旧Twitter、https://x.com/596）でも定期的に最新の論文や研究成果・事例紹介を紹介しており、読者の皆様に新たな知見やインスピレーションを自由気ままに楽しんでもらっています。

当noteには、AIと人間の協働による多彩なコンテンツが多数掲載されています。次世代の新しい読み物として、ぜひ他の記事もご覧いただき、フォローして最新情報をお楽しみください。

※【当記事のコンテンツ生成について】
当記事も著作者紹介でも書かれている通り、ChatGPT（OpenAI）、Claude（Anthropic）、および Gemini（Google）などの先進的な AI ツールを活用、論文検索・研究レポートの調査、草稿製作やアイデア出しを行っています。

各サービスの利用規約に基づき、生成テキストを初稿として利用しているものです。

また掲載している内容も規約に合わせて準じたものです。なお、最終的な文章は必ず筆者が検証・編集・リライトを行い、オリジナリティを確保しているものとなります。

この記事の生成に多大なる貢献をしてくれた各AIツールに、心からの感謝を。またお読みいただいた読者の方々にも心から感謝を。

【重要な注意事項】

1,本記事の内容には、筆者の個人的な見解や仮説も含まれています。これらは必ずしも一般的な認識や専門家の意見と一致しない場合があります。

2,本記事の情報は執筆時点のものです。時間の経過とともに、一部の情報が古くなっている可能性があります。

3,本記事の内容を実践・適用する際は、読者ご自身の責任で行ってください。筆者は、本書の情報に基づいて読者が取った行動の結果について一切の責任を負えません。

4,本記事は筆者の経験や国内・海外の事例などを元に、文章をChatGPT、Claude、Geminiで整えたものになります。

5,本記事の内容を引用をする際はルールを守ってお願いいたします。ただし記載した通り、筆者の経験から基づいてきたもので正しい知識とは限りませんので読み物、参考としてお使いいただくようご注意願います。

6, 本コンテンツの著作権は筆者に帰属します。noteの利用規約で定められた範囲を超える無断での転載・複製は固くお断りいたします。

この記事の生成に多大なる貢献をしてくれた各AIツールと、何よりも、ここまでお読みいただいた読者の皆様に、心からの感謝を申し上げます。

【重要：ニュース解説・投資助言事項の免責】

本記事はニュース解説および一般的な情報提供を目的としたものであり、企業動向や業界研究・マーケティング研究の発信を目的としております。特定の金融商品や株式の売買を推奨するものではありません。

ニュース解説の一環として一般的な情報や見解を示したものであり、投資助言に該当するものではありません。

特定の銘柄・商品への投資を推奨するものではなく、筆者は一切の責任を負えませんので、投資の最終判断は必ずご自身で行ってください。

━━━━━━━━━━━━━━━━━━━━

参照元URL一覧

📰 Review of Educational Research（レビュー・オブ・エデュケーショナル・リサーチ）（1987年）

「Research on Revision in Writing」 Fitzgerald, J.

※ 文章の改訂行動が書き手の熟達度と品質にどう相関するかを体系的にレビューした論文

📍 メディア傾向：Review of Educational Researchはアメリカ教育研究協会（AERA）が発行する教育学最高峰の査読付きレビュー誌。

📰 touken-world.jp（ホームメイト）

「日本刀の作り方（作刀方法と鍛錬）」

※ 折り返し鍛錬の工程を解説した刀剣専門サイト

📍 メディア傾向：touken-world.jpは東建コーポレーションが運営する刀剣・日本刀の総合情報サイト。

URL: https://www.touken-world.jp/tips/11767/

📰 水野仁輔（みずの・じんすけ）「152．カレーの味は煮詰めるとおいしくなるのか？ 問題」（2022年10月27日）

※ 完成カレーを煮詰めた際の重量変化と塩分濃度変化を実測した実験記録

📍 メディア傾向：水野仁輔はスパイスカレー研究家。著書50冊以上。

URL: https://note.com/airspice/n/nd9f2d3090323

📰 吉岡利貢（よしおか・としつぐ）『マラソンは「ネガティブスプリット」で30分速くなる！』（2012年）

SBクリエイティブ（SB新書）

※ ネガティブスプリット戦略を市民ランナー向けに解説した書籍

📍 メディア傾向：著者は環太平洋大学体育学部教授、博士（体育科学）。

📰 Fellrnr.com「Negative Splits」

※ ニューヨーク・シカゴマラソン26レース・754,851人のペース戦略を分析。87%がポジティブスプリットだったことを示すデータ。

📍 メディア傾向：Fellrnr.comは経験豊富なウルトラマラソンランナーによる個人分析サイト。学術論文ではないが、大規模データに基づく分析として引用されている。

URL: https://fellrnr.com/wiki/Negative_Splits