完成稿より、
直した差分を横に置く。

AIへ良い見本を渡すとき、私たちは完成した文章だけを集めがちだ。けれど完成稿には、最初に何が足りず、どの言葉を捨て、どんな判断で順番を変えたのかが残らない。AIは答えを見ても、そこへ至る人の迷い方までは読めない。

りくさんは、以前は全件を自分で添削する必要があるため、X運用の支援をしなかったという。現在は最初の一か月だけ支援先の投稿を受け取り、自分が直した内容をAIへ反映する運用に変えたと述べている。一か月で自走し、案件獲得につながるという成果は本人の主張で、支援先数や比較条件は公開投稿から確認できない。それでも、完成稿ではなく添削の蓄積を引き渡し資産にする発想は興味深い。

もう一つ、Rob Hallamさんは、Xのプロフィールを開くたびに、その人の上位投稿がサイドバーへ現れる拡張機能を使うことで、伸びる投稿を見分けやすくなったと共有した。能力向上は本人の感想だが、SuperXが画面を離れず使うサイドバー型の分析拡張であることは公式掲載でも確認できる。大事なのは、資料庫へ見に行かせず、判断する瞬間に例を置くことだ。

正解集ではなく、判断の差分を出す

たとえば、ずむちゃんの短い投稿を編集している場面を考える。左に今の下書き。右には、題材と目的が近い過去の修正を三件だけ出す。「機能説明から始めた」から「使う場面から始めた」へ。「すごい」を削り、確かめられた事実を一つ置いた。変更前、変更後、理由、公開後に分かったことを一組にする。

上位投稿だけを並べると、生存者バイアスが強くなる。だから、同じ修正をしても反応が変わらなかった例も一件混ぜる。AIには「この形が正解」と教えるのではなく、「この条件では、こう判断した」と渡す。人がいつでも却下できるようにし、顧客原稿や非公開情報を使うなら同意、利用目的、保持期間、削除方法を先に決める。

小さく試すなら、十個の添削だけ集める

新しい学習基盤は要らない。まず十本分だけ、原稿、修正稿、修正理由、結果の四点を保存する。次の原稿を書いているとき、近い三件を横へ出す。AIが提案した修正を人が採用したか、採用後にも直したかを記録する。見る数字は生成本数ではなく、人の再修正が減ったかどうかだ。

AI自動化は本数を増やせる。だが、題材やフック、市場の見方が弱ければ成果にならない、という別の投稿者の観察ともつながる。自動化の前に残すべきなのは、正解の山ではなく、人が止まり、直した場所なのかもしれない。

あなたのチームで人が直した差分は、
次の判断の横に戻っているだろうか。