- AI発信の品質を保つカギは「過剰なプロンプト」ではなく、「機械で止める領域」と「人間が溜める一次情報」の境界線設計（ちょうどいい塩梅） にあります。
- ルールで縛りすぎると誤検知が増えて表現が死にやすく、AIに丸投げすると他人の焼き直しになって薄まりがちです。
- 036 Factoryで実践している「物理エラーのみスクリプトで弾き、Obsidianに溜めた一次情報（原液）をAIに流し込み、最後は人間が承認する」二層防御アーキテクチャを公開します。
AIを使って記事やコンテンツを発信しようとするとき、多くの人が一度は「AI特有の無機質さ」や「どこかで読んだような薄い内容」に悩まされます。
その解決策として、プロンプトを何十行も書いてルールをガチガチに固めたり、逆に完全自動化を目指してAI同士に何重ものチェックをさせたりするアプローチがよく語られます。
しかし、現場で実際にAIと二人三脚で発信を続けてみて分かったのは、「ルールで縛れば縛るほど、発信の味わいとスピードが失われやすくなる」 という現実でした。
必要なのは、すべてを縛ることでも丸投げすることでもなく、「機械で止めるべき領域」「AIが整える領域」「人間が一次情報を流し込む領域」の【ちょうどいい塩梅】を見極める設計 です。
今回は、私たちが実践している発信システムの設計思想と具体的な境界線の引き方について整理します。
1. ガチガチのルール化が招く「2つの罠」
AIの品質を保つために「NGワード集」や「厳格な執筆ルール」をスクリプトやプロンプトで固めすぎると、次の2つの罠に陥る傾向があります。
① 誤検知による表現の窒息
「煽り表現を禁止する」「断定を避ける」といった定性的なルールを機械的に弾こうとすると、文脈上は自然で熱量のある表現まで「エラー」として判定されてしまいます。
その結果、AIは叱られるのを避けるように縮こまり、「無難で退屈な教科書のような文章」 になりがちです。
② メンテナンスコストの爆発
ルールを厳密にするほど、「なぜこれが弾かれたのか」を調査してスクリプトやプロンプトを微修正する手戻り作業が急増します。発信を楽しむための自動化のはずが、ルールの保守に時間を奪われて本末転倒になりかねません。
2. 発信アーキテクチャの境界線（ちょうどいい塩梅の3層）
では、どこを機械に任せ、どこを人間が担うべきなのか。私たちは役割を以下の3つに明確に切り分けています。
| 層 | 対象 | 担当 | 036 Factoryでの具体例 |
|---|---|---|---|
| 1. 一次情報層（原液） | 体験、失敗談、独自の違和感、試行錯誤 | 人間（オーナー） | Obsidianに日々蓄積したリアルな現場メモ・気づきの注入 |
| 2. 思想・文脈層 | トーン＆マナー、誇大表現の抑制 | AI（冷徹査読） | 「AIが全自動」等の過剰な表現を客観的事実へ書き換える自己監査 |
| 3. 物理・表示層 | 表示崩れ、タグ閉じ忘れ、画像欠損 | スクリプト（機械） | HTMLタグの整合性チェック、サムネイル画像有無の自動検証 |
① 人間が「原液（一次情報）」を注ぎ込む
日常の作業の中で感じた違和感や、現場で試行錯誤した生ログをObsidianにメモしておきます。記事作成の際は、そのメモやノートをAIに直接読み込ませ、「この体験談の文脈を骨組みにしてほしい」と渡すところからスタートします。
② 表現やトーンはAIのセルフチェックに委ねる
言葉の選び方や文脈の整合性は、固定の正規表現でガチガチに縛るのではなく「冷徹査読（AI自身による客観的な読み直し）」に任せます。これにより、誤検知で手が止まるのを防ぎつつ、誇大表現を抑えた落ち着いたトーンを維持しやすくなります。
③ 物理的なエラーだけをスクリプトで落とす
タイトル文字数のはみ出しやHTMLタグの欠損、画像の配置漏れなど、「答えが1つに決まる物理的な不具合」だけをスクリプトで冷徹に弾きます。ここをAIの気まぐれに頼らないことで、画面崩れ事故を100%防ぎます。
④ 最終ゲートは必ず「人間の承認」
AIによる執筆と機械チェックを通過した記事であっても、完全自動で即公開することはしません。ダッシュボード上で人間（オーナー）が目を通し、違和感がないかを確認して初めて確定する「二層防御」を敷いています。
3. なぜ「一次情報の蓄積」がすべてのキモになるのか
どんなに精巧なルールを作り、完璧な検証スクリプトを用意しても、インプットする材料が「ネットで調べた情報」だけなら、出来上がる記事は誰かの焼き直しになりやすい というのが実感です。
AI発信で最も価値があるのは、プロンプトの小手先のテクニックではなく 「人間側にどれだけ一次情報（カルピスの原液）が溜まっているか」 です。
- 「実際に手作業でやってみて、予想と違ったポイント」
- 「ツールを試して感じた小さな違和感」
- 「現場で失敗して初めて気づいた判断基準」
こうした一次情報は、AIがどれだけ検索してもネット上には存在しません。
日々の気づきや現場のログをObsidianのようなローカルノートにストックしておき、記事を書く瞬間に 「この体験談（原液）をベースに構成してほしい」 とAIに手渡す。この流れがあるからこそ、AIは独自の血が通ったコンテンツを高速で組み上げることができます。
まとめ：仕組みは軽く、一次情報は重く
AIと長く心地よく発信を続けていくためのコツは、非常にシンプルです。
- ルールや機械チェックは「物理エラーを防ぐ最小限」にとどめる（重くしすぎない）
- 表現の自由度を残し、AIとの対話でトーンを整え、人間が最終承認する
- 人間は「日々の一次情報の蓄積（原液づくり）」に最も時間を使う
「全部を自動化する」でもなく「全部を手作業で抱え込む」でもない。機械・AI・人間が互いの得意領域を尊重する「ちょうどいい塩梅」の設計こそが、持続可能で価値ある発信基盤を作ってくれます。