人文学分野の専門家向けAI活用ガイド

人文学の専門家は、世界を変える主体ではなくとも、その変化の影響を最も受ける立場です。

AIチュートリアルを販売する人々の中には、「魔法のプロンプトさえあれば何でもできる」とAIを魔法のように扱う例が見受けられます。しかし現実ははるかに複雑です。私たちが FUNES を設立して以来、日々の制作業務でAIを積極的に活用してきました。浮游天地 や自身の執筆活動も含め、人力だけでは対応しきれなくなっています。そのため、AIをコンテンツ市場や人文学研究にどう組み込めるかを多角的に探ってきました。

新しい仲間が加わるたび、私はシンプルなKeynote資料を作成しました。その噂を聞いたJia Xingjiaから発表の依頼があり、パートナーのKedaとともに「人文学専門家のためのAI活用ガイド」と題したセッションを開催しました。当初は原理原則に特化したプライベートな内容でしたが、時間をかけて発展・洗練させてきました。

このガイドが公開されたのは今年、詩梳風 を重慶とともに立ち上げ、初めて全容を語ったときです。以下はポッドキャスト「人文学専門家のためのAI活用ガイド」をもとに、AIのサポートと一部要約を加えて編集したものです。完全版は公式サイトや、「詩梳風」を宇宙や Apple Podcasts で検索してご視聴ください。

Xiaoyuzhou QRコード

この1年、コンテンツ制作やリサーチ、ナレッジプロダクトに携わる多くの同僚とAI活用の実践を共有してきました。狙いは「魔法のプロンプト」や万能なAIへの依存ではなく、コーディング不要で大規模言語モデルを執筆・リサーチ・編集・テーマ選定・データ整理・制作ワークフローに統合し、トレーサビリティ・監督・検証を担保しつつ、自信を持って自分の名前で成果物に署名できる方法論を示すことです。

このアプローチは現場での経験から生まれました。制作規模が拡大すれば人力だけでは限界があり、AIに直接生成させると幻覚や手抜き、AIらしい文章が生じます。創造的な工程を生産ライン化し、そのラインを反復的なシステムに再設計する必要がありました。

プロンプト集を提示するのではなく、根幹となる指針を共有したいと思います。

原則の前提：本ガイドの3つのベースライン

方法論に入る前に、3つのベースラインを確認します。これが「AIをどう使うか」「なぜこの使い方を選ぶか」を決定づけます。

プロセスは追跡・監督・検証可能であること

• 結果だけを求めてプロセスを無視してはいけません。人文学の業務においてブラックボックスは最も危険です。幻覚や誤引用、概念の逸脱はすべて見えないところで起こります。

コントロール可能であること

• どの基準で、どこを慎重に、どこを厳格に進めるか、自ら指示できる必要があります。これは生産であり、偶然に任せるものではありません。

自分の名前で署名する覚悟があること

• 「自分の名前を載せられるか？」が品質の最終チェックです。できない場合は倫理の問題ではなく、意図がプロセスに反映されず品質が保証できないからです。

原則0：AIに「願い事」をしない——作業台として活用する

多くの人はAIを「願いを叶える機械」として扱いがちです。

「面白いジョークを出して」「良い記事を書いて」「この論文を説明して」

しかし「説明して」だけでも、対象が一般人か学部生か大学院生か同業者かで無数の解釈が生まれます。AIはあなたの背景や目的、好みや基準を自動で把握しません。指定しなければ、最も楽な方法で応じます。

大規模モデルを作業台として使うとは、完成品を求めるのではなく、AIをプロセスの道具として活用することです。編集方針や基準、手順を明確に伝えましょう。

たとえばAIに論文の説明を求める場合

「この論文を説明して」という願望型プロンプトを、作業台タスクに変換します。

• 想定読者：分野外の賢く好奇心旺盛な大学院生

• 説明スタイル：ヒューリスティックで段階的、学術的厳密性を重視

• 構成：意義、背景、研究プロセス、主要技術点、考察

• トーン：敬意を持ち、上から目線や知識前提としない

指示が「課題要件」に近づくほど、AIはAIらしさを抑え、有能なアシスタントとして機能します。

原則1：AIを活かすには自己反省を——責任は自分にある

もし秘書を雇ったら、「Han Yangのアメリカラストベルトの記事を直して」だけで済ませないはずです。

なぜその記事が必要か、誰向けか、どこで詰まっているか、解決したい課題、触れてほしくない箇所、望む文体、最も重視する要素などを伝えるでしょう。

AIも同様です。暗黙の前提を持たない、勤勉で礼儀正しい同僚として扱いましょう。真の「プロンプトエンジニアリング」とは、課題の責任を自分が持ち、AIは実行を補助するだけということです。

AIの出力に不満があった場合、最初に確認すべきは「AIが悪い」ではなく、

• 「読者・目的・用途」を明確にしたか？

• 十分な背景や制約条件を与えたか？

• 「抽象的な願い」を「実行可能なステップ」に分解したか？

• 評価基準を提示したか？

原則2：最低3つのモデルに尋ねる——AIにも「個性」と得意分野がある

社内では新メンバーに、まず同じ質問を3種類のAIに投げるよう勧めています。人間と同じくAIにも得意分野があります。執筆、推論、コード、ツール利用など、モデルごとに異なります。同じ会社のモデルや新バージョンでも「スタイル」や「境界」が変わります。

シンプルで効果的な習慣は、最低3つのAIに同じ質問を投げること。すぐに、

• どれが文章力に優れ、どれが推論力に優れ、どれが検索力に優れ、どれが手抜きをするか

• 下書き向きかレビュー向きか

• 「テーマ・構成」に強いか「段落・文」に強いか

といった特性が見えてきます。

重要なのは「最強モデル」を選ぶことではなく、モデルをチームのように運用することです。

原則3：AIは万能ではない——「優秀な学部生」として扱う

現実的な期待値：

AIの常識 ≈ 一流大学の学部生

「優秀な学部生でも知らないかもしれない」と思う内容は、AIも知らない、あるいは「それらしく作る」と考えてください。

この前提から2つの行動が導かれます。

常識を超える内容は必ず教える

• 例：ジョークや独自コピー、専門的議論を求める場合、「良くして」とだけ言うのでは不十分です。具体例や基準、禁止事項、出典を必ず提示しましょう。友人に「良い文章とは何か」を説明するのに時間がかかるなら、AIも自動では理解できません。

インターンとして扱い、神格化しない

• AIは足場を組み、素材を読みやすい文章にまとめられますが、「足場」と「方向性」はあなたが与えるものです。

原則4：AIには段階的に指示——ブラックボックスの一発勝負よりホワイトボックスの多段階が信頼できる

AIの強みは「即答」ではなく、プロセス内の細かなステップを着実にこなすことです。「一発で正解」を求めると手抜きが増えます。

具体例：TTS（テキスト読み上げ）やナレーション原稿。単に「多音字に気をつけて、読み間違えないで」と指示するのではなく、タスクを段階的に分割します。

• ポーズ・強調・速度の変化箇所をマーク

• 多音字候補を抽出

• 辞書や権威ある情報源でクロスチェック

• 読み間違えやすい字を事前にマーク

• 必要に応じて曖昧さのない同音語に置換

人間は当然のようにこれらの手順を踏みますが、AIは指示しなければ最も楽な方法を選びます。

原則5：AI化の前に工業化——インスピレーションから自動化への飛躍はできない

執筆やリサーチのワークフローがランダムでインスピレーション頼み、整理されていない場合、AIは役立ちません。AIが扱えるのは「記述可能で再現可能」な業務だけです。

より現実的な手順：

• まず業務を「生産ライン化」する：分割・再利用・品質管理可能に

• その後、サブステップをAIに委ねる：AIは作業台であり、神ではありません

私たちは重要な演習としてノンフィクション執筆プロセスを分解し、

• なぜこのストーリーで始めるのか

• なぜこの文を選ぶのか

• 事例をどう評価するか

• どう転換し、どう結論づけるか

• 小さなストーリーと全体の物語をどうつなぐか

最終的に数十のステップに分割し、異なるAIに担当させました。その結果、

モデル自体が急激に強くなることはなくても、プロセスが「漸進的」な能力を連携させる形になりました。

「自分の記事の作り方」を明確に記述できると、品質の上限は「どのモデルを使うか」ではなく「ワークフローの明確さ」にあると実感します。

生産ラインテストのサンプルステップ

詳細はぜひ番組でご確認ください。

原則6：AIの手抜きを見越す——「形式の壁」を取り除き、計算資源を本質に集中

AIは体系的に手抜きをします。ウェブページを開かずに済むならそうし、PDFも省略します。悪意があるわけではなく、計算資源と時間に制約があるため、最も楽な道を選ぶのです。

あなたの役割は、「形式処理」ではなく「テキスト理解」にAIの資源を集中させることです。

効果的な方法：

• 素材は事前にプレーンテキストやMarkdownに変換

• ウェブの内容はナビゲーションや広告、脚注を除去しクリーンなテキストでコピー

• 長文資料はまず事実や構造を抽出し、その後AIに執筆させる

• PDF/EPUB/ウェブページは、検索可能なTXTデータベースに標準化

多くの人は「機械がやるべき」と考えがちですが、AIとの協業では逆です。人間が一部の機械的作業を担うことで、AIの知性は鋭く信頼性が高まります。

原則7：AIの文脈は有限——「圧縮」タスクを重視し、「ゼロからの拡張」を避ける

AIには「コンテキストウィンドウ」、すなわち記憶容量があります。2万語を入力しても一部しか保持できず、20万語なら見出しをなぞる程度です。20万語の本を1日で読み、暗唱させるのと同じです。

直感に反しますが重要なポイント：

圧縮は拡張より容易

• 100万語を1万語に圧縮する方が、1万語を100万語に拡張するより信頼できます。

この考え方でアプローチが変わります。

• 100語のプロンプトで論文全体を求めない

• できるだけ多くの素材を（バッチやRAGなどで）与え、AIに構成・論旨・本文に圧縮させる

執筆も「広く読み→抽出→整理→執筆」と進めるはずです。AIにも同じプロセスを期待し、「ゼロからの創造」を求めないでください。

原則8：「あとで直せばいい」思考をやめる——結果ではなくプロセスを反復する

熟練の書き手ほどAIでつまずきがちです。

AIが59点の下書きを出し、「80点に編集できる」と思って修正し、結局書き直し、「自分でやる」となりAIを使わなくなる。

解決策は編集力の強化ではなく、上流工程へのシフトです。

• AIに完璧な100点を求めない

• 安定して75～80点を出せる生産ラインを目指す

• 各出力を完璧にするのではなく、プロセスを反復し平均点を上げる

原則9：ワークフローを製品開発とみなす——安定性こそ価値

安定して70点の下書きを出せるシステムは、「自分らしさ」にこだわるからではなく、

• ほぼコストゼロで使える下書きが得られる

• テーマ、構成、根拠、文体、トレードオフなど上位意思決定に集中できる

から価値があります。

万能な代替は不要で、安定した工場——完璧でなくても十分です。

原則10：量を優先——多く生成し、選び取る

AIに1パターンだけ求めると平凡な結果になります。「量」で平均を打ち消しましょう。

より効果的な方法：

• 要約は5パターン同時に依頼

• 導入文は5パターン出し、ABテスト

• テーマは50案出し、グループ化して選定

• 構成は3セット出し、組み合わせる

• 表現は10パターン出し、最良を選択

平均点と母数を上げると、85～90点の「当たりサンプル」が現れます。優れた成果は「ひらめき」ではなく、統計的選択の結果です。

原則11：出過ぎない——料理長のように指示し、味見し、フィードバックし、再提出させる

総料理長は全ての料理を自分で作るのではなく、

• 味見

• 基準に合うか判断

• 何が問題で、どう直すか明確にフィードバック

• コックに再提出させる

AIとの協業も同じです。毎回自分で手直しするのではなく、基準を教え、生成プロセスを尊重しましょう。

さもないと、無限の「微修正」で疲弊します。

コア原則：現実に立ち返る——素材 × 審美眼が上限を決める

AI時代、成果物の品質は

素材 × 審美眼

で決まります。

モデルや手法は変化しても、この2つは不変です。

素材は現実世界から

• 執筆の選択肢が2つあるとして、

• 最新モデルでネット素材のみ使用

または、旧型モデルでもアーカイブや口述記録、現地調査を活用

• 後者のほうが良い成果になることが多いです。

審美眼は長期の実践で培う

• 「生成」が安価になるほど、本当に希少なのは

• 何を書くべきかを見極める力

• どの証拠が確かかを見極める力

• どの物語が魅力的かを見抜く力

• 手間を惜しまぬ姿勢：徹底した調査、現場での実地検証

AIは素材との向き合い方や効率を変えますが、著者はあなたであり、素材が主役、AIは単なる道具です。

素材収集のため現場で徹底的に深掘り

結論：不安を専門性に変える

多くの人がAIでつまずくのは知能の問題ではなく、「願望—失望—放棄」のサイクルに陥るからです。本当のブレークスルーは、AIを作業台として扱い、タスクを設計し、プロセスをホワイトボックス化し、実践を通じて専門性を高めることにあります。

このプロセスを経ることで、「AIは使えない」と簡単に切り捨てなくなり、新しいタイプの専門家——新しい道具を管理し、見下しも神格化もせず、ワークフローや現実、そして自信を持って署名できる作品に統合できる——へと成長できます。

私はHan Yangです。私の執筆にご関心があれば、Xでフォロー または ブログ をご覧ください。

免責事項：

1. 本記事は[HanyangWang]より転載しています。著作権はオリジナル著者[HanyangWang]に帰属します。転載に関するお問い合わせはGate Learnチームまでご連絡ください。既定の手順に従い迅速に対応いたします。

2. 免責事項：本記事の見解や意見は著者個人のものであり、投資助言を構成するものではありません。

3. 本記事の他言語版はGate Learnチームによって翻訳されています。Gateのクレジットがない限り、翻訳記事の無断転載・配布・盗用を禁止します。