AIに視点候補を広げさせ、人間が「普通」を捨てる――NewsPicksコメント制作で分けたAIと人間の役割

最初は、AIが出した「完成案」を人間が評価していた

NewsPicksのコメント制作では、可児波起がニュース記事を提示し、ChatGPTが背景や論点を整理してコメント案を作るところから始まりました。対象は通信、AI、国際政治、企業不祥事、大学制度など複数分野にまたがり、専門外の記事についても候補を出しています。

しかし、論理が通っているだけでは採用されませんでした。AI案に対して可児波起から「普通」「難しい」「日本語がわかりにくい」「曖昧」「誰もいいね押したくならない」「めちゃくちゃ視点からふつー」といった修正が繰り返されています。ここで行われていたのは誤字修正ではなく、公開する価値がある視点かどうかの選別でした。

AIの役割を「正解を書く」から「候補を広げる」へ寄せた

途中から役割分担は、AIが完成コメントを一度で決める形ではなく、背景、構造、反対側の見方、別の角度、比喩、文章案を出す方向へ寄りました。可児波起は普段から大量のニュースを読み、ChatGPTと壁打ちしており、NewsPicksではその思考を短いコメントとして外へ出しています。

AIが広く候補を出せることで、1つの記事について考える入口は増えます。一方で、候補が多いこと自体を価値とはしません。AIで大量制作するとき、「生成する量」と「人間が確認する量」を分けるでは、候補量と人間の確認量を別に設計しています。今回のNewsPicks制作では、さらにその先の「確認した候補から何を捨て、何を公開するか」を人間側の判断として残しました。可児波起は、記事の要約に戻った案、数字を詰め込みすぎた案、専門用語で難しくなった案、どこかで見たような結論を積極的に捨てました。

人間に残したのは、採否・視点・冒頭1文・口調

可児波起は「僕は、冒頭の一文がキラー」と明言しています。ahamoでは「ahamoが、だんだん『ahamoじゃなくなっている』気がします。」、Microsoftでは「Microsoftは実に賢い。」、Nidecでは「これ、ニデックは同じことを繰り返してないだろうか。」というように、最初に読者へ渡す視点を一文へ集約しました。

さらに、整いすぎたAI文をそのまま使わず、「なんで？」「もろ」「めちゃくちゃ」「そこまで言っちゃった。」など、本人が普段使う崩れた言葉も残しています。AI側が背景と候補を出しても、公開する言葉の最終的な重心は人間が決めていました。選んだ視点を具体的な修正要求へ落とす方法は、文章の修正を「分かりやすさ・論点・形式・重点」に分けるで別に整理しています。

「普通」は、文章評価ではなく探索方向を切る信号になった

この運用で特徴的だったのは、「普通」が完成度の低さだけを意味していないことです。文章として成立していても、「その記事を読んだ人がすでに考えていそうなこと」なら却下されました。NewsPicksの読者は記事本文を読んだ後にコメント欄へ来るため、記事の言い換えではなく、見え方を変える一点が必要だと可児波起は判断していました。

既存Knowledgeの「既視感」「滑ってる」「普通」の後、AIの次の候補が変わった――強い否定フィードバックの実例では、恋愛小説の候補へ短い否定を返した後にAIの次候補が変わった会話を整理しています。今回のNewsPicks制作でも、短い否定は「その方向ではない」という探索信号として使われました。ただし、同じ言葉を使えば誰でも独自視点を得られるという再現性は確認していません。

ランキングといいねは結果として確認したが、原因とは扱わない

スレッド内では、週間ユーザーランキング16位・150、4位・270、3位・411を順に確認しています。またNidecへのコメントは投稿約1時間の画面で111いいね、その後125、記事画面で134いいねまで確認されました。同じNidec記事の画面に表示された他コメントには1〜15程度のいいねもありました。

一方で、投稿時刻、フォロワー、記事注目度、表示順位、NewsPicksの推薦ロジックなどを統制した比較実験ではありません。可児波起自身も「生成AIを使ったからって、いいねがもらえるわけではないでしょ？」と指摘しています。したがって本Knowledgeでは、反応数を役割分担の効果証明には使いません。

この事例から残すのは「AIに考えさせ、人間が決める」という分業

この事例で確認できるのは、AIの文章生成能力をそのまま公開物へ変換しなかったことです。AIはニュースを横断して背景・論点・角度・文案候補を出し、人間は「普通」を捨て、難しいものを崩し、本当に言いたい視点と冒頭1文を選びました。

これは「人間だけが書くべき」という主張でも、「AIに文章を書かせてはいけない」というルールでもありません。今回のNewsPicks運用で、思考候補を増やす役割と、公開する意味を決める役割を分けた、という実例です。

このKnowledgeの関連知識

EVIDENCE_RELATED｜「普通」を探索信号として使う

「既視感」「滑ってる」「普通」の後、AIの次の候補が変わった――強い否定フィードバックの実例
NewsPicksで普通な案を捨てた判断と、創作会話で短い否定を次の探索方向へ使った実例を、同じ「人間の否定が探索を絞る」Evidenceとして読み比べます。

CONTRAST｜候補量と採否判断を別問題で見る

AIで大量制作するとき、「生成する量」と「人間が確認する量」を分ける
既存Knowledgeは人間の確認負荷、本記事は確認した候補から何を公開するかという採否判断を扱います。似ている工程を別の問題として対比できます。

IMPLEMENTATION｜選んだ視点を文章修正へ落とす

文章の修正を「分かりやすさ・論点・形式・重点」に分ける
人間が残す視点を決めた後、それをAIへ具体的な修正条件として戻す方法へ進みます。

現在地：AIとの仕事設計（AI WORKFLOW） ＞ 判断基準・レビュー設計