AIに書かせた文章は、見た目がきれいです。誤字がない。段落も整っている。そのまま出したくなります。
私は一度、そのまま出しました。数字が1か所ずれていて、あとから指摘されました。
読み返さなかったわけではありません。読んだのに、気づかなかった。
これは注意力の話ではなく、確認という行為そのものが減る場面がある、という話です。Anthropicが2026年に公開した2本の調査に、その数字が載っています。1本はClaude.aiの会話9,830件の分析、もう1本は52人のエンジニアを2つの群に分けた実験です。
この記事では、その2本で確かめられている数字を先に置きます。そのうえで、副業で書いた記事や納品物を出す前に、どこをどれだけ確認するかを決めます。全部を毎回確認するのは続かないので、リスクの大きさに比例させます。記事の最後に、私が実際に使っている3行の完成条件と点検プロンプトを置きました。
成果物が出てきた会話ほど、確認は減っていた
1本目は、Claude.aiの会話9,830件を分析した「AI Fluency Index」です(2026年2月23日公開)。会話の中で観察できる11の行動を数えています。
数字がはっきり出ているのは、事実確認の少なさです。「重要な事実や主張を確かめる」が現れた会話は8.7%。10回に1回もありません。
比べると、やり取りを重ねて直していく行動は85.7%、目的をはっきり伝える行動は51.1%です。指示は出す。返ってきたものは、あまり検算しない。
もっと気になるのはその先です。成果物(アーティファクト)が作られた会話は全体の12.3%あり、この12.3%の中では傾向が逆方向に振れています。
指示は濃くなります。目的を明確にする行動が+14.7ポイント、出力形式の指定が+14.5ポイント、例示が+13.4ポイント、やり取りの反復が+9.7ポイント。
一方で、見極める側の行動は下がります。AIに文脈が足りていないと気づく行動が-5.2ポイント、事実確認が-3.7ポイント、AIの筋道を疑う行動が-3.1ポイント。
報告書はこの節に見出しを付けています。「成果物を作るとき、ユーザーはより指示的になり、より評価しなくなる」。
形になったものが目の前にあると、人は仕上げにかかります。中身を疑う工程が、注文をつける工程に置き換わる。私が数字を見落としたときも、まさにそれでした。
出典はAnthropic Education Report: The AI Fluency Index(Claude Academy)。2026年1月20〜26日の会話が対象です。会話を観察した分析なので、因果関係まで証明したものではありません。
2分速くなって、理解度は17ポイント低い
2本目は実験です。2026年1月29日公開、対象は52人のエンジニア。Pythonは日常的に使うが、対象ライブラリ(Trio)は未経験という条件で揃えてあります。
全員に同じ機能開発の課題をやらせて、片方はAIアシスタント付き、片方は手書き。作業後に、デバッグ・コード読解・記述・概念理解を問うテストを受けています。
速さの差は、AI群が平均で約2分速い。ただし論文は、この差は統計的に有意ではないと書いています。速くなった気はするが、数字として言い切れる差ではなかった、ということです。
差がついたのはテストのほうでした。AI群の平均が50%、手書き群が67%。17ポイント差です。こちらは有意(p=0.01)。報告書は「2段階近い成績の違い」と表現しています。
そして、いちばん差が開いた領域がデバッグでした。
ここが厄介です。デバッグとは「これは間違っている、理由はここだ」と言える力のこと。AIの出力を検品するときに使うのは、その力そのものです。
AIに任せると速くなり、その代わりに、AIの間違いを見つける力が育ちにくい。副業で外注のようにAIを使う人には、そのまま当てはまります。
救いもあります。同じ実験で成績が高かった人は、生成させたコードについて追加の質問をしたり、説明を求めたり、概念を聞き返したりしていました。使い方の差が結果の差になっています。
出典はHow AI assistance impacts the formation of coding skills(Anthropic)。プログラミングの実験なので、記事執筆にそのまま置き換わる保証はありません。それでも「速いが理解は浅い」という形は、私の実感と一致します。
4つの頭文字のうち、副業で抜けるのは3つ目
Anthropicは自社の新入社員研修で、全社員に4D AI Fluency Frameworkを教えていると公表しています(Anthropic公式ブログ・2026年8月20日)。研修は入社時で終わらず、その後も継続する形にしてあるそうです。
4つの頭文字は Delegation、Description、Discernment、Diligence。日本語にすると、任せる、伝える、見極める、引き受ける、です。
この並びを自分の作業に当てはめると、抜けている場所がすぐ分かります。
任せるは、できています。AIに書かせるところから始めているので当然です。
伝えるも、できています。むしろ得意です。プロンプトを工夫する記事は山ほどあるし、上で見た調査でも、指示の濃さは成果物が出るときほど上がっていました。
抜けるのは3つ目の「見極める」です。事実確認8.7%という数字が、それをそのまま示しています。
4つ目の「引き受ける」は、副業では逃げ場がありません。クライアントに出した記事の数字が違えば、責任を負うのは自分です。AIが書いた、では通りません。
だから、埋めるべきは3つ目だけです。プロンプトをさらに磨く必要はありません。
確認の量は、間違えたときの損で決める
とはいえ、全部の文を裏取りしていたら、AIを使う意味がなくなります。私は3段階に分けました。基準は精度ではなく、間違えたときに何を失うかです。
段階1：自分しか困らないもの(確認は10分)
個人ブログの体験記事、SNSの下書き、自分用のメモ。間違えても直せば済みます。
見るのは2か所だけ。固有名詞と数字です。それ以外は読み流します。
段階2：他人に渡すもの(確認は30〜60分)
クライアントへの納品記事、有料note、Kindle原稿。ここから、間違いが相手の損になります。
数字・日付・料金・サービス名は、1つずつ公式ページで確認します。AIが挙げた出典URLは、開いて実在を見ます。存在しないURLは、実際に出てきます。
加えて、記事全体で1か所は「自分の体験」に置き換えます。AIが書けない部分がゼロの記事は、価値もゼロだからです。
段階3：取り返しがつかないもの(確認は半日)
お金、健康、法律、契約に触れる内容。税金の話、副業の就業規則、著作権。
ここは一次情報しか使いません。国税庁、厚生労働省、各サービスの利用規約。まとめ記事は根拠になりません。
そして、断定できない部分は断定しない。「◯◯の場合は税務署に確認してください」と書く。これは逃げではなく、線引きです。
時間の配分でいうと、私は段階2にいちばん時間を使います。数として多く、かつ相手がいるからです。関連して、AIで書いた記事がアドセンス審査に落ちる3つの理由でも同じ話に触れています。
渡す前の3行の完成条件
ここからが本題です。段階を決めても、疲れているときは飛ばします。だから条件を紙に落として、毎回同じものを読むようにしました。
私が使っているのは、この3行です。
1. この文章の中の数字・日付・固有名詞を、私は1つずつ元の資料で見た。
2. この文章の中で、AIには書けなかった部分がどこか、私は指させる。
3. 相手にここを突かれたら困る、という箇所を1つ挙げて、その答えを用意した。
3行にした理由があります。5つ以上あると、読まずにチェックだけ入れるようになるからです。実際に7項目で運用して、2週間で形骸化しました。
1行目は事実、2行目は価値、3行目は責任に対応しています。上の4つでいう、見極めると引き受けるの部分です。
1つでも「いいえ」があるなら、まだ渡さない。それだけの決まりです。
私が使っている点検プロンプト
AIに書かせた原稿を、別の会話に貼って点検させます。同じ会話の中で「確認して」と言うと、AIは自分の書いたものを肯定しがちだからです。
使っている文面をそのまま置きます。
以下の原稿を、書き手ではなく検品する側として読んでください。
1. 事実として検証が要る記述(数字・日付・金額・固有名詞・法令や規約の引用)を、すべて箇条書きで抜き出す。抜き出すだけで、正しいかどうかは判断しない。
2. 1で抜き出した各項目について、どの一次資料を見れば確かめられるかを書く。資料名が分からないものは「不明」と書く。
3. この原稿の中で、書き手本人の経験がなくても書ける部分を指摘する。
4. 読者が反論するとしたら、どの一文かを1つ挙げる。
以上を表にせず、番号順の箇条書きで出してください。原稿の修正はしないでください。
肝は最後の一文です。修正を禁じると、AIは直す作業に逃げず、疑う作業だけをします。禁じないと、原稿がきれいに書き直されて戻ってきて、こちらの確認は終わりません。
3番の「経験がなくても書ける部分」は、私にとって一番効きました。指摘された段落は、たいてい削っても記事が成立します。
そして、このプロンプトの出力は下準備です。1で抜き出された項目を、自分で開いて見る工程が本体になります。AIに確認させて終わり、では8.7%の側に戻るだけです。
私が遠回りしたところ
最初のころ、私はプロンプトばかり集めていました。良い指示を出せば良い成果物が出る、と思っていたからです。
実際、出力の見栄えは良くなりました。構成も整うし、語り口も整う。
それでミスが減ったかというと、減りませんでした。原因は今なら分かります。プロンプトを磨くのは「伝える」の強化で、私が落としていたのは「見極める」だったからです。
もう1つ、恥ずかしい話を。AIが挙げた統計を、出典リンク付きだからと信じて記事に入れたことがあります。リンクを開いたら、そのページに該当する数字はありませんでした。
リンクは実在していました。中身が違っただけです。以来、URLが載っていること自体は根拠にしていません。開いて、その数字を目で見る。これは省けない工程だと考えています。
ちなみに、この記事に載せた数字も全部そうやって確認しました。要約記事は使わず、Anthropicの原文を開いています。速さの差が有意でなかった点は、要約からは落ちやすい箇所です。
丸投げの危うさはAIにせどりの商品リサーチを任せる方法でも書きました。権利まわりが不安ならAI副業のリスクと著作権のほうが近いはずです。
よくある質問
確認に時間をかけると、AIを使う意味がなくなりませんか？
なくなりません。ゼロから書くと3時間かかる記事が、生成30分＋確認40分で終わります。消えるのは執筆の時間で、確認の時間は元から必要だったものです。手書きの記事も、公開前に数字は確かめます。
AIに「事実確認して」と頼めば済みませんか？
済みません。同じモデルは自分の出力を肯定しがちで、しかも検索していない場合は記憶から答えます。上のプロンプトのように「検証が要る箇所を抜き出させる」までがAIの仕事で、開いて見るのは人の仕事です。
デバッグ力が落ちるという話は、文章を書く副業にも当てはまりますか？
実験自体はプログラミングなので、そのままの数字は当てはまりません。ただし「間違いを見つける力」という点は共通しています。AIの原稿を直さずに通し続けると、どこが弱い文かを判断する感覚は鈍ります。
3行の完成条件は、自分用に変えていいですか？
変えてください。ただし数は増やさないほうがいいです。私は7項目で失敗しました。項目が増えるほど、読まずにチェックだけ入れる作業になります。
クライアントにAIを使ったと伝えるべきですか？
契約でAI利用を禁じている案件なら、使わないか、受けないかの二択です。禁止されていない場合は、聞かれたら答える程度で足りることが多いですが、まず募集要項と契約書を読んでください。ここは推測で動くと一番損をします。
この確認、毎回やっていますか？
段階2以上は毎回です。段階1は飛ばす日もあります。全部を完璧にやろうとすると続かないので、渡す相手がいるかどうかで線を引いています。
関連記事
- AIで書いた記事がアドセンス審査に落ちる3つの理由と、AIのまま通す直し方
- AIにせどりの商品リサーチを任せる方法｜会社員が週2時間で回す3ステップと、丸投げが危ない理由
- AI副業で埋もれる人の共通点｜差別化戦略と脱・量産型の具体策
まとめ
Claude.aiの会話9,830件で、事実確認が現れたのは8.7%でした。そして成果物が出た会話ほど、指示は濃くなり、確認は薄くなっていました。
52人の実験では、AI群は約2分速く(有意差なし)、理解度テストは50%対67%で17ポイント低い。差が一番開いたのはデバッグ、つまり間違いを見つける力でした。
やることは1つです。プロンプトを磨く時間を少し削って、出す前に開いて見る時間に回す。3行の完成条件と、修正を禁じた点検プロンプト。道具はそれだけで足ります。
AIが書いたものを、自分の名前で渡す。その瞬間から、中身は自分のものです。
※本文の数字は2026年9月6日に、Anthropicの公開資料を直接開いて確認したものです。
出典＝AI Fluency Index／How AI assistance impacts the formation of coding skills／Anthropic公式ブログ。更新されることがあるので、引用の際は最新の記載をご確認ください。
