# AIの「スロップ」を取り除く方法：AIで良い仕事をするための習慣

- 番組: [The AI Daily Brief: Artificial Intelligence News and Analysis](https://ai-curator.jp/podcasts/shows/cmv40atyk00075j0zs7iqtm08)（Nathaniel Whittemore）
- 元のタイトル: How to Deslopify Your AI
- 配信日: 2026年11月3日
- 長さ: 42分
- 要約作成日: 2026年11月3日
- トピック: [#AIスロップ](https://ai-curator.jp/topics/AI%E3%82%B9%E3%83%AD%E3%83%83%E3%83%97) [#LLM](https://ai-curator.jp/topics/LLM) [#プロンプト設計](https://ai-curator.jp/topics/%E3%83%97%E3%83%AD%E3%83%B3%E3%83%97%E3%83%88%E8%A8%AD%E8%A8%88) [#コンテンツ制作](https://ai-curator.jp/topics/%E3%82%B3%E3%83%B3%E3%83%86%E3%83%B3%E3%83%84%E5%88%B6%E4%BD%9C) [#AIレビュー](https://ai-curator.jp/topics/AI%E3%83%AC%E3%83%93%E3%83%A5%E3%83%BC) [#ワークフロー](https://ai-curator.jp/topics/%E3%83%AF%E3%83%BC%E3%82%AF%E3%83%95%E3%83%AD%E3%83%BC)
- URL: https://ai-curator.jp/podcasts/cmvzissem00005r11ssgzo0cg

## 要約

NLWと Nufar Gaspar が、AIが生む低品質コンテンツ「スロップ」を避ける実践的な習慣を語る回。スロップを「考える作業を飛ばし、そのコストを受け手に押し付けた成果物」と定義し、モデル側と人間側の原因、見分け方の質問、作業前・作業中・レビュー時の習慣を整理した。NLWは自身の番組「How We Got Here」での人とAIの分担も紹介している。

## ポイント

- スロップとは、本来考えるべき人が思考を省略し、そのコストが受け手に移った成果物だと定義された。
- モデルは最も確からしい答えを返すよう作られ、評価でも典型的な回答が好まれる傾向があるため、ツールを替えても独自性は得られないと述べている。
- 見分ける質問として、全文を弁護できるか、送る前に全部読んだか、本人にしか出せない視点があるか、大文字で自分の名前を付けられるか、などが挙げられた。
- 作業前に自分の考えを持ち、確信度や読者像をAIに伝える。作業中は多様な案を出させ、介入ポイントを事前に決め、複数ペルソナによるレビューを行う。
- NLWは調査はAIに任せる一方、自分の視点と議論の構成は手放さない。AIが書いた長文エッセイには5〜10時間の書き直しが必要だと語った。
- メールのような目的が単純なものと、ブランドや顧客向けの仕事とでは、かけるべき手間が異なる。AI利用を隠すより、明示して受け手の時間を尊重する姿勢が示された。

## 章立て

- [00:00] **導入とスロップの現状** — AI生成コンテンツが溢れる現状と、本回が実践的なOperators' Cutであることが紹介される。Merriam-Webster の2025年の言葉が slop だった点にも触れる。
- [03:05] **スロップの定義と調査データ** — 考える作業を飛ばしコストを受け手に移す仕事と定義。Stanford と BetterUp や Glean の調査数値が引用される。
- [06:20] **なぜスロップが生まれるのか** — モデルの平均化や典型性バイアス、人間の認知的倹約や自動化への過信を説明。3大手モデルで同じLinkedIn投稿を生成させた実験も紹介。
- [10:30] **スロップの見分け方と検出ツール** — 送り手が各文を弁護できるかなどの質問リストを提示。AI検出器や humanizer の限界にも言及する。
- [13:30] **NLWの制作プロセス** — How We Got Here で、調査はAI、視点と構成は自分という分担を説明。エッセイの書き直しに5〜10時間かかるという実情も語る。
- [27:10] **作業前・作業中・レビューの習慣** — 先に考えて音声などで頭の中を出す、確信度を伝える、複数案を出す、介入点を決める、ペルソナで審査するといった習慣を紹介。
- [33:10] **自分の好みの教え込みと組織文化** — 自分の作品からテイストを言語化させてスキル化する方法と、スロップを指摘する文化づくり、AI利用の明示を論じる。
- [38:10] **今後の展望** — 手作り感のある仕事が価値を持ち、使い方の質が差別化要因になるという見方で締める。

## 解説記事

AI を日常業務に取り入れる企業が増えるなか、「スロップ（slop）」と呼ばれる低品質なAI生成コンテンツが社内外にあふれている。ポッドキャスト「The AI Daily Brief」のOperators' Cutでは、司会のNLWとゲストの Nufar Gaspar が、スロップを避けて質の高い仕事をするための具体的な習慣を議論した。

#### スロップとは何か

Gaspar は、スロップを「本来考えるべき人が思考を部分的または全面的に飛ばし、そのコストが成果物の受け手に移った仕事」と定義する。人間が作る低品質な仕事は以前から存在し、AIはそれを安く大量にしただけだという立場だ。

背景として、Merriam-Webster の2025年の言葉に slop が選ばれたこと、Deezer ではアップロード音楽の半分超が完全AI生成である一方、再生に占める割合は1〜3%程度であることが紹介された。また Stanford と BetterUp の調査では、米国のデスクワーカーの約40%が直近1か月でスロップを受け取り、受け手側で約2時間のコストが生じたという。Glean の調査では、約70%が内容を読まずに仕事を提出した経験があるとされた。

#### なぜスロップは生まれるのか

Gaspar は原因をモデル側と人間側に分けて説明している。モデルは最も確からしい回答を予測する仕組みで、汎用的な質問には「ネット上の平均」が返る。調整段階でも、評価者が見慣れた回答を好む「典型性バイアス」があり、長くリスト状の出力になりやすい。彼女は、異なる企業のモデルが似た答えに収束するとの研究にも触れ、ツールを替えても独自性は買えないと述べた。

実験として、3社の最新モデルをシークレットモードで使い、「AIがマーケティングをどう変えるかのLinkedIn投稿を書いて」と頼むと、構成も内容もよく似ていたという。同じ課題に自分の見解や好み、使わない言葉を加えて再実行すると、はるかに良い下書きが得られた。

人間側の理由としては、「認知的倹約家」である脳の性質や、機械が正しい場面が続くと確認をやめる自動化への慢心が挙げられた。さらに、手軽さ、技能不足、そして自分の考えを決める前にAIの意見を聞いてしまう「思考の外注」の3つが典型的な経路だとした。Gaspar は特に最後の点を防ぐことを自分の関心事と位置づけている。

#### 見分け方と、使い分けの考え方

スロップ判定の質問として、送り手は各文を読み直さずに弁護できるか、送る前に全部読んだか、その人にしか出せない視点・判断・データがあるか、もっと効果的な伝え方はないか、自分の名前を大文字で付けても平気か、が示された。AI文章検出器は構造を測るだけで品質や独自性は測れず、人間らしく見せる humanizer も検出されがちで、結局は「スロップがスロップに見えないよう努力しているだけ」だと両者は否定的だ。

NLWは、用が足りれば良い社内メールのようなものはAI任せでよいとし、重要なのは目的に応じた使い分けだと語る。新番組「How We Got Here」では、調査はさまざまなモデルに大量に任せつつ、自分の視点形成と議論の構成は手放さない。AIに対立する立場それぞれを強く論じさせることで、モデル自体に視点がない以上、視点は人間が持つ必要があると説明した。台本は作らず、AIが要点や数字の箇条書きを用意して話す。一方、6,000語級の付属エッセイは、自分の話した文字起こしをAIに渡して下書きさせ、その後に5〜10時間の書き直しをしているという。効率には限界があり、その手間も仕事のコストだと述べた。

#### 作業前・作業中・レビューの習慣

Gaspar は工程を段階に分けて習慣を提案した。まずツールを開く前に自分の考えを持つ。散歩や読書で見解を作り、15分ほど音声で思いつくままAIに話しかけて整理させる方法を勧める。AIは同調しがちなので、「この問題はオンボーディングが原因だと60%確信している。同意する前に強く反論して」のように確信度を伝える。読者像、望ましい体験、長さやトーンも先に決める。

作業中は、最初の答えは最も平均的だとして、アプローチの異なる6案を出させたり、ゲームデザイナーや報道現場など他分野の発想を借りたりする。一気に完成まで任せると、埋没費用の心理で手直しできなくなるため、アウトライン、最初の節、下書きなど、修正コストが小さい段階で介入点を決めておく。

レビューでは、懐疑的な読者、領域専門家、多忙な受け手、悪魔の代弁者などのペルソナからAIに審査させる「ボード」を勧めた。さらに「自分が読まないものは送らない」という読み予算の考え方を示し、要約は5文程度に絞り、形式も目的に応じて選ぶとした。自分の最良作品や嫌いな作品をAIに見せてテイストを言語化させ、スキル化する方法も紹介されたが、同じ型の繰り返しに陥るため、時々意図的に崩すことも勧めている。

#### 組織文化と今後の見通し

組織では、長くて汎用的で読まれていない成果物を受け取ったら、特にリーダーはそれを指摘すべきだと Gaspar は言う。NLWは、Figma がAI文章の規則として、AIで書いたなら冒頭にその旨を示すよう定めている例を挙げた。AI利用を隠すよりも明示し、受け手の時間を尊重することが共通の考え方だ。

展望として、Gaspar はモデルが良くなるほど汎用的な答えは魅力を増すと見ており、人の痕跡のある手作りの仕事が価値を持つという見方を示した。NLWも、資料の見栄えや網羅性といった使いこなしは誰もが得られるようになったため、これからの差別化は「センスと意図をもって使うこと」に移ると語った。

#### まとめ

本回の中心は、AIの出力品質は結局、使う人の思考の質に依存するという点だ。日本の職場でも生成AIの利用が広がり、長い資料や定型的な文章の量産が懸念される。「自分の名前を付けられるか」「受け手の時間を奪っていないか」という問いは、導入初期のチェックリストとして使いやすい。作業内容に応じて手間を配分しつつ、視点と構成は自分で持つというバランスが、今後のAI活用の実践的な指針になりそうだ。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: The AI Daily Brief: Artificial Intelligence News and Analysis「How to Deslopify Your AI」