AIに8案つくらせて、4案を捨てた

AIに頼めば、案はすぐ増えます。困るのは、その次です。

このサイトにつながるSNS投稿を準備したとき、構成案は8本できました。そこで全部を投稿候補にはせず、作成時とは別の判定工程へ通しました。結果は4本採用、4本不採用でした。

これは成功率の話ではありません。「生成できた」と「使ってよい」を、同じ判断にしなかった実録です。

AI活用で先に決めるべきなのは、何本つくるかではなく、何を理由に捨てるか。

落とした4案には、ちゃんと理由があった

記録に残っている不採用理由は、次の4系統です。

• 読者の文脈なしに「Claude Code」という言葉が唐突に出る
• 比較の形を取りながら、結論が広告へ寄りすぎている
• CTAの営業色が強く、読者の悩みより申込を急がせる
• 投稿内の時制が食い違い、実際に起きたこととして読めない

文法が壊れていたわけではありません。むしろ、一見すると整っていました。

それでも使わなかったのは、文章のきれいさより「誰が、どんな状況で読み、何を受け取るか」を優先したからです。

同じAIに、同じ目線で採点させない

作る工程と選ぶ工程が同じだと、自分で立てた前提をそのまま正しいと思いやすくなります。

そこで今回は、構成案をつくる工程と、辛口で落とす工程を分けました。判定側には「良いところを探す」より、不採用にすべき矛盾や営業臭を探す役割を持たせています。

ここで大事なのは、AIを2回使ったことではありません。2回目の役割が、1回目に反対することです。

採用数だけをKPIにしない

8本つくって4本しか残らなかった、と見ることもできます。

でも、投稿前に落とせた4本が、そのまま公開されていたらどうだったか。唐突な専門用語で離脱され、広告っぽい比較で信用を落とし、時制の矛盾で「作り話では」と思われたかもしれません。

不採用は、無駄ではありません。公開後の手戻りを、公開前へ移した結果です。

人が見るのは、最後だけではない

「AIが下書きし、人が最後に確認する」という説明は分かりやすい反面、人の仕事を曖昧にします。

今回、人が決める必要があったのは少なくとも次の点です。

1. 読者の悩みと、扱う範囲
2. 採用・不採用の基準
3. 不採用理由に納得できるか
4. 採用案を本当に公開してよいか

最後の誤字チェックだけではありません。判断条件と例外を先に置くのが人の役割です。

次に試すなら、捨てる条件を先に書く

文章、画像、企画、集計。どの用途でも、生成前に次の3点だけは決められます。

• 事実と違えば捨てる
• 読者が一度で意味を取れなければ直す
• 売り手の都合が悩みより前に出たら落とす

生成後に「なんとなく良い」を選ぶより、判断が再現しやすくなります。

AIを使う目的は、案の山をつくることではありません。使える案だけが残る工程をつくることです。