AI に作らせたものをデータとして使うには、人がどこで関わるかを決め、誤りが残る前提で扱い、AI が作ったことを記録して伝える、という三つの作法が要ります。何を作らせるかは対象ごとの節に委ね、研究者の関与の深さは節「AI 時代の研究方法」を参照します。

検査の最後に当事者を置く

AI の出力をそのまま成果として受け取らず、工程の最後に内容の当事者を置く進め方があります。DiHuCo ガイドラインシステムでは、記事を次のように作っています。

  1. 録音の文字起こしと講演資料のテキストを素材として用意する。両者が食い違うときは講演資料を優先する
  2. 生成 AI が素材から記事を書く
  3. 別に AI がレビューする
  4. 講演者本人が内容を確認する
  5. 知識ベースに登録する

[UC-034 §記事生成のワークフロー]

確認を後ろの二段に置くのは、素材との照合は AI にもできる一方、記事が講演者の意図に合っているかは本人にしか判断できないからです。ガイドライン本文を組み立てる工程も同じ考え方で、生成結果は校閲役のエージェントが重複・食い違い・根拠の不足といった観点から検査し、修正は別のエージェントが提案し、採否は人が裁定します。正本である構造を書き換えられるのも人だけです [UC-034 §Agentic Publishingとは何か]。

AI による検査は工程に組み込めますが、人の確認の代わりにはなりません。検査の層を増やしても、見つかる誤りの種類が変わるだけで、誤りがゼロになるわけではないからです。評価の仕組みの詳細は節「AI で問う・読む」を参照してください。

誤りが残る前提で使う

検査を通しても誤りは残ります。この仕組みでも、記事生成と AI レビューに共通する課題として、素材にない情報を書き加えてしまう問題が挙げられています [UC-034 §記事生成のワークフロー]。素材を与えて書かせても、AI は素材の外から補うことがあります。誤りが残る前提で使うときの作法は、事例に依存しない形で次のように言えます。

候補と確定を混ぜない

AI が提案したものと、人が確認して確定したものを、データのうえで区別しておくことも作法の一つです。歴史資料のテキストレポジトリでは、AI や辞書が出した候補は未確定の推測として、確定データとは別の表に置いています。人が選んで初めて、確定したリンクになります [UC-049 §テキストレポジトリのシステム構成]。アノテーション用の画面でも、AI が出した候補の一覧を人が目視でレビューします [UC-049 §安政江戸地震史料への試験適用]。

こうしておけば、どのデータが人に確かめられたもので、どれが AI の推測のままかを後から読み取れます。両者が同じ表に混じると、推測が事実として流通してしまいます。

問題を工程の設計に戻す

AI が作ったものに誤りが見つかったとき、その誤りだけを直して終わらせない進め方があります。ガイドラインシステムでは、生成物に手を加えるのではなく、生成の手順を定めた編集レシピを変えて作り直します。出来上がった料理を直すのではなく、レシピを直して作り直す、という考え方です。検査で見つかった問題点はレシピに反映し、以後の生成に活かします [UC-034 §編集レシピとAI生成構造]。

レシピには、章節構造や各節に書く内容・書かない内容を定める構造、制作と校閲それぞれのエージェントへの指示、表記揺れに対して使うべき表記を定める用語ファイルが含まれます。節ごとに「扱わない範囲」を指定できるので、節どうしの重複も指示で抑えられます [UC-034 §編集レシピとAI生成構造]。誤りを見つけたら、次の生成が同じ誤りをしにくくなるよう工程を直すところまでが、検査の仕事です。

作ったのが AI であることを記録し、伝える

記録の動機は、AI が作ったものを後から読み直し、検証できるようにすることにあります。AI の提案と人の判断の境目の整理は節「AI 時代の研究方法」を参照し、ここでは実践で報告されている記録の仕方を挙げます。

権利の扱いはまだ定まっていません。AI が記事を再構成して書いた部分に著作権が生じるのか、人が指定した構造の編集部分に著作性があるのか、著者は誰か、といった問いが未解決の論点として挙げられています [UC-034 §ガイドラインの版と権利]。