AIに「潰す側」として働いてもらう──レビュー不在の企画職が品質を守るプロンプト設計

ソフトウェア開発の世界では、コードレビューは空気のように当たり前の存在です。プルリクエストを出せば、誰かが必ず目を通し、バグや設計の甘さを指摘してくれる。個人の注意力に依存しない、システマチックな品質保証が機能しています。

ところが企画職、マーケティング、事業開発といった領域に足を踏み入れると、この「仕組みとしてのレビュー」が突然消失します。提案書を一人で書き、施策を一人で設計し、そのまま実行フェーズに進んでしまう。気づいたときには手遅れ──これが多くの非エンジニア職が直面する現実です。

今回紹介するのは、この構造的な問題をAIで解決する、極めて実践的なアプローチです。ポイントは「AIに優しく相談する」のではなく、**「潰す側」として徹底的に批判させる**ロール設計にあります。

多くの人がChatGPTやClaudeに提案書を見せるとき、こう聞きます。「この企画、どう思いますか?」

この問いかけの問題点は、AIが**肯定バイアス**を持って応答する設計になっていることです。ユーザーの意図を汲み取り、建設的なフィードバックを返そうとする性質が、逆に「致命的な穴」を見逃す原因になります。

元投稿の実験では、架空の提案書に意図的に8つの穴を仕込み、素の質問と「潰す側」に固定したプロンプトを比較しました。結果は明確です。検出される問題の数よりも、**出力の形式と厳しさに圧倒的な差**が出たのです。

「潰す側」プロンプトでは:

こうした「刺さる指摘」は、AIに批判者のロールを明確に与えたときにのみ引き出せます。

従来のレビュー代替手段との決定的な違い

これまで一人作業者が品質を担保する方法として、「時間を置いて見直す」「チェックリストを作る」といった手法がありました。しかしこれらは結局、**自分の認知の枠内でしか機能しません**。自分が気づけない盲点は、何度見直しても盲点のままです。

一方、AIを批判者として使う手法の強みは:

1. **認知の外部化**: 自分とは異なる視点からの指摘が得られる

2. **再現性**: プロンプトを保存すれば、誰でも同じ品質チェックを実行できる

3. **スケーラビリティ**: 複数の提案書を短時間で同じ基準でレビュー可能

4. **学習効果**: 繰り返し使うことで「よくある穴」のパターンを自分も学べる

ChatGPTの「カスタム指示」やClaudeの「プロジェクト知識」と組み合わせれば、さらに精度は上がります。

この手法が本当に効く場面、効かない場面

**効果的なケース:**

**限界があるケース:**

AIレビューは「論理的な穴」を見つける能力は高いですが、**文脈依存の判断や人間関係の機微**は苦手です。最終的な採否判断は人間が行う前提で設計すべきです。

最大の難所は「指摘の採否判断」

元投稿が指摘する通り、実はこの手法で最も難しいのは**返ってきた指摘をどう扱うか**です。

AIは時に:

これらを鵜呑みにすると、かえって成果物が劣化します。重要なのは:

1. **指摘の優先順位づけ**: 致命的な穴と些細な改善点を区別する

2. **文脈の補完**: AIが知らない前提条件を考慮して判断する

3. **反論の言語化**: 採用しない指摘については、なぜ不要かを明文化する

このプロセス自体が、実は「自分の思考を鍛える」トレーニングになります。

アクション1: 基本の「批判者プロンプト」を作る

以下のテンプレートを自分の業務に合わせてカスタマイズしましょう:

あなたは経験豊富な[業界]の批判的レビュアーです。
以下の[提案書/企画書]を読み、実現可能性、論理的整合性、
リスクの観点から**容赦なく**問題点を指摘してください。

特に以下を厳しくチェック:
- 数値の根拠が不明瞭な箇所
- 「〜と思われる」など曖昧な表現
- 競合分析の不足
- リソース見積もりの甘さ

[ここに成果物を貼り付け]

アクション2: 「指摘採否シート」を作る

スプレッドシートやNotionで、以下の項目を記録する習慣をつけましょう:

| 指摘内容 | 重要度(高/中/低) | 採用/不採用 | 理由 |

|---------|----------------|-----------|------|

これを続けると、自分の判断基準が明確化され、AIレビューの精度も上がります。

アクション3: 「逆レビュー」で検証する

AIの指摘を反映した後、もう一度別のプロンプトで確認します:

先ほどの指摘を反映して修正しました。
今度は「擁護者」の立場で、この提案書の強みと
実現可能性の高さを評価してください。

この二段階レビューで、バランスの取れた成果物に仕上がります。

レビューの仕組みがない環境でも、AIを「潰す側」として明確に位置づけることで、構造的な品質保証が可能になります。重要なのは、AIに優しく相談するのではなく、**厳しい批判者として働かせる**プロンプト設計です。

そして最後の砦は、やはり人間の判断力です。AIの指摘を鵜呑みにせず、採否を自分で決める力を磨くこと。この往復運動こそが、一人作業者の成長を加速させます。

この情報は @yykt5108 さんの投稿を参考にしています。