AIのエチケット：なぜLLMの出力をそのまま貼り付けることが会話の行き止まりになるのか
AIのエチケット：なぜLLMの出力をそのまま貼り付けることが会話の行き止まりになるのか
大規模言語モデル（LLM）の台頭は、情報の探し方を根本的に変えましたが、同時に、新たな、もどかしい社会的摩擦をもたらしました。私たちは皆、経験したことがあるはずです。同僚や友人に、彼らの特定の専門知識や視点を求めて微妙なニュアンスを含む質問をしたのに、返ってきたのは、「素晴らしい質問ですね！ステップバイステップで分解してみましょう」で始まる、完璧にフォーマットされた箇条書きのテキストの壁でした。
この現象——「AIを貼り付ける」という行為——は、単なるショートカットではありません。それは会話の失敗です。回答を完全にチャットボットにアウトソーシングしてしまうと、時間を節約しているだけでなく、相手の問いが人間の思考プロセスを費やす価値もないものだと合図していることになります。
「Meat RPA」問題
その核心にあるのは、社会的契約の違反です。誰かがあなたに特定の質問をしたとき、彼らはインターネット上の合意事項の一般的な要約を求めているのではなく、あなたの好み、あなたの経験、そしてあなたの判断を求めているのです。
Hacker Newsのあるコメント投稿者が痛烈に指摘したように、生のAIの回答を受け取ることは、その人が「meat RPA」（Robotic Process Automation：ロボットによるプロセス自動化）——モデルの重みとバイアスを単にコピー＆ペーストしているだけの、人間の殻——になったように感じられることがあります。人間の脳という独自の「ウェットウェア」が一般的なLLMの出力に置き換えられたとき、会話における人間同士のつながりは事実上死んでしまいます。
なぜ生のAI出力は失敗するのか
社会的な無礼さだけでなく、実用的な理由から、生のLLM出力はしばしば質の低い成果物となることがよくあります。
1. 共有された文脈の欠如
LLMは、明示的にプロンプトを入力しない限り、二人の同僚間の暗黙の歴史や、プロジェクトの特定の制約を知りません。これは「肥大化」——関係者全員がすでに知っている基本的な情報を入れること——と、人間のチームメイトだけが考慮できる重要なニッチな文脈の欠落を引き起こします。
2. 権威の錯覚
AIは自信満々に間違えます。ユーザーが検証なしに回答を貼り付けると、その自信を、責任を伴わずにそのまま伝えてしまいます。これは、コードレビューのような技術的な環境において特に危険です。10,000文字のAIの回答が99%の些細な内容と1%の致命的なエラーを含んでいる場合、受け手は実際の価値を見つけるために「スロップ（slop）」をふるいににかける作業を強いられるからです。
3. 「唯一の正解」の罠
ユーザーが合成するために十個の青いリンクを提供する検索エンジンとは異なり、LLMは、単一の、権威があるように聞こえる回答を提供します。これは、思考を停止し、受け入れることを始めるという危険なインセンティブを生み出し、対話をダイアログ（対話）から、合成された確実性へのデリバリー（提供）へと変えてしまいます。
ニュアンス：いつなら許容されるのか？
すべてのAI共有が同じように作られているわけではありません。コミュニティは、その行為の文脈と透明性が、それが役に立つか、それとも有害かを決定すると示唆しています。
- 共同デバッグ: チームが共同で問題を解決しようとしている場合、議論の開始点としてClaudeやGPTの出力を共有することは、有効なコラボレーションの手法です（「これについてはよく分かりません。でも、AIがXと提案しています。どう思いますか？」）。
- 労働の要約: 人間が複雑な問題を根本原因究明するために、AIに何時間もプロンプトを入力して指示を出してきた場合、その作業の最終的な要約を共有することは、その作業の結果として枠組みを提示していれば効率的です（「Claudeと4時間格闘した結果、結論はこうなりました」）。
- 検証: 既知の truths（真実）をより完全な言い回しにするためにAIを使うことは、効率的です。ただし、人間がその内容の正確性を明示的に保証している場合に限ります。
より良いAIコミュニケーションのためのフレームワーク
「meat RPA」にならないために、LLMをジュニア・インターンとして扱いましょう。出力はドラフト（下書き）であり、成果物ではありません。人間の声を取り戻すための、AIを会話に組み込むためのシンプルなワークフローは以下の通りです。
読んで、検証する: 出力全体を読みます。何が一般的で、何が間違っていて、何が実際に有用かを特定します。
圧縮して、フィルタリングする: 「AIの声」（「素晴らしい質問ですね！」や「結論として...」といった無駄な部分）を取り除きます。聞き手がすでに知っている情報を削ぎ落とします。
合成する: 核となる洞察を自身の言葉で書き直します。純粋な人間の思考による3文は、ロボットのような「スロップ」の3ページ分よりも価値があります。
明示的に引用する: AIを引用せざるを得ない場合は、なぜそうしているのかを説明してください（「この特定のケースについてClaudeに尋ねてみました。この回答の一部は正しいようです」）。これは価値と透明性を提供します。
既知の沈黙を保つ: もし、一般的なAIが言うであろうこと以上の anything（何か）を付け加えることができないのであれば、沈黙はノイズよりも優れた貢献です。
最終的に、コミュニケーションの目的は、二つの精神の間で意味を交換することです。方程式のéquation (訳注：文脈上の意味での「思考」）の「精神」の部分を排除してしまうと、私たちはコミュニケーションを行っているのではなく、単にデータをルーティングしているだけなのです。