社内AIライターが「平均的な記事」しか書けなくなった日：AIによる「書き手の個性」の消滅と再構築
本記事は、広告代理店内部ツールとして、社内の技術知見をZennに自動生成するAIライター（skill）を開発した筆者が、直面した「AIによる書き手の個性の消失」という問題とその解決過程を詳細に記している。開発当初、筆者は「知見は溜まっているが、書く時間のあるエンジニアがいない」という課題を解決するため、3週間にわたりシステムを構築した。最初の実装では、15エージェントと20個以上の閾値（例：`desu_masu_min: 0.80`、`code_ratio_limit: 0.20`など）を用いて「書き手のらしさ」をスコアで制御しようとしたが、どの閾値を調整すれば良いか開発者自身も把握できない複雑な状態に陥った。
問題が深刻化したのは2回目の世代である。ここでは、良質な技術記事の「お手本」となる8本の記事（human-bench）を教材として評価系に組み込んだ結果、AIの出力が8本の平均的な「良い記事らしさ」に収束してしまう現象、すなわち「模倣勾配」が発生した。この現象は、単に参考例の類似度を評価に組み込んだ設計そのものに起因することが判明した。
この崩壊を乗り越えるため、筆者は3回目の設計で、参考例（golden）を一切使用しないという決断を下した。その根拠として、「類似度評価は判断基準準拠度で代替できる」という点（d）を挙げた。最終的に、評価軸を「類似度」から「規則違反のなさ」と「判断基準の言語化への準拠度」の2点に切り替えた。具体的には、記事の「編集者の脳」として機能する`sense.md`（日本語の指針）と、機械的なルールを定義する`rule.md`（禁則語彙や文体ルール）という2つのファイルに、日本語の観点や構造的な指針を追記・蓄積する運用を採用した。このアプローチにより、AIの出力は「平均的な良さ」から脱却し、書き手固有の判断基準に基づいた、より個性的な記事生成が可能になった。
背景
本記事は、AIによるコンテンツ生成の高度化に伴い、単なる「平均的な良さ」や「模倣されたスタイル」に収束してしまうという、AIライティングの構造的な課題を扱っている。従来のAI評価系は、良質なサンプル（few-shot）や類似度スコアに依存しがちであり、その結果、書き手固有の「個性」や「失敗談」といった非定型的な要素が失われるという問題が背景にある。
重要用語解説
- 模倣勾配: AIが与えられた複数の参考例（お手本）の平均的な特徴やスタイルに、出力が引き寄せられてしまう現象。評価系が類似度を報酬に組み込むことで発生する。
- few-shot: 機械学習において、モデルに少数の具体的な例（サンプル）を提示し、学習させる手法。本記事では、良質な記事の「お手本」として利用された。
- sense.md: AIライターの運用において、単なるルールではなく、「編集者の脳」として日本語で必要な観点や判断基準（例：固有性、一次情報）を記述・蓄積していくための指針ファイル。構造を強制しないのが特徴。
今後の影響
本記事の知見は、AIによるコンテンツ生成の評価設計における重要なパラダイムシフトを示唆している。単なる類似度や統計的平均値ではなく、「書き手の判断基準」や「日本語による抽象的な指針」を評価軸に組み込むことで、AIの出力に人間的な個性や独自性を維持できる可能性を示している。これは、今後のAIライティングツールの設計指針となるだろう。