AIライティングで文章が薄くなる理由｜プロンプトより先に「入力」を直す
AIで書いた文章が薄くなる原因は、AIの性能不足ではありません。
原因は、AIに渡す入力に含まれる「信号」と「ノイズ」の比率にあります。
経験・判断軸・思想・衝動といった一次情報が言語化されないままだと、
AIは残された曖昧な材料を増幅し、整った一般論を返します。
つまり、プロンプトを長くしても解決しません。
先に直すべきは、入力そのものです。
この記事では、音響制作のMIXとAI作曲の実務経験をもとに、
この現象がなぜ起きるのかと、AIに渡す前に確認すべき3つの項目を解説します。
この記事が役に立つ人・向かない人
向かない人：AIで大量に記事を量産して、短期間で楽に稼ぐ方法を探している人。
この記事に、その答えはありません。
役に立つ人：専門性や経験は持っているのに、AIを使うと自分の言葉が薄まっていく感覚がある人。
プロンプト集を試したが手応えがなかった人。
結論：問題は「出力」ではなく「入力のS/N比」
S/N比（信号対雑音比）とは、伝えたい情報（信号）と、不要な情報（ノイズ）の比率のことです。
もともとは音響や通信の用語ですが、AIへの入力にもそのまま当てはまります。
AIに渡す材料の中で、
- 信号＝自分が実際に経験した事実、その場で下した判断、譲れない考え
- ノイズ＝曖昧な思い込み、確認していない前提、どこかで見た借り物の言葉
この比率が低いまま生成すると、出力は必ず薄くなります。
AIの性能を上げても、プロンプトを工夫しても、この比率は変わりません。
なぜ「AIは鏡」という理解では解決しないのか
AIはよく「人を映す鏡」と説明されます。この比喩は間違いではありませんが、実務上は足りません。
鏡は等倍で返します。 入れたものと同じ大きさのものが、そのまま戻ってくる装置です。
ところがAIは違います。
「企画書が通らなくて辛い」という一行を渡すと、
返ってくるのは次に確認すべき項目や具体的な改善案です。渡した材料より、明らかに大きい。
AIは、渡された素材の一部を選び、そこへ学習済みの言葉や構造を加え、読みやすい形へ広げて返します。
これは反射ではなく、増幅です。
比喩を間違えると、対策も間違える
AIを鏡だと考えていると、薄い文章が返ってきたときの解釈が二択になります。
- 「自分に中身がないのかもしれない」と自己評価を下げる
- 「映しているだけだから任せて大丈夫」と検証をやめる
どちらも次の打ち手が出ません。
AIを増幅装置だと考えれば、問題は明確になります。
出力が薄いのは、入力した信号が弱かったか、ノイズが多かったかのどちらかです。
そして入力は、作り直せます。
アンプは、信号とノイズを区別しない
ここからは、音響制作の実務から説明します。
MIXでは、音を前に出すためにゲインを上げます。
しかし上がるのは、届けたい音だけではありません。
録音時に紛れ込んだ空調音、電気的なノイズ、部屋の反響も、まったく同じ比率で持ち上がります。
アンプは、どれが演奏なのか、どれが雑音なのかを判断しません。
入っているものを区別せずに大きくする、それだけの装置です。
だから後段でEQやノイズ除去を重ねても、元の録音状態が悪ければ限界があります。
経験を積んだエンジニアほど、プラグインを増やす前に「録り」を疑います。
上流で決まったことは、下流の処理だけでは取り返せない。
これは音響の世界では基本的な前提です。
元の素材にない情報は、後処理では復元できない
AI作曲でも、同じ壁に突き当たりました。
筆者は音楽生成AIのSunoを使って制作実験を続けています。
可能性は大きいと感じている一方で、生成した音源の中には、
パートごとにノイズが混じり、そのままでは使えないものもありました。
そこからEQ、コンプレッサー、サチュレーションを重ねてMIXしていくわけですが、
時間をかけた末に使用を断念した音源も複数あります。
そこで確認できたのは、次の一点です。
素材の中に存在しない情報を、後処理で完全に復元することはできない。
ノイズの多い素材に処理を重ねれば、一見派手にはなります。
しかし、本来欲しかった音からはむしろ遠ざかります。
文章の生成も、構造はまったく同じです。
AIのノイズは、整った日本語で返ってくる
ただし、音と文章には決定的な違いがあります。
音のノイズは検知が容易です。ざらつき、歪み、位相のずれ——耳が自動的に違和感を知らせます。
ところが、AIが増幅したノイズは、整った日本語で返ってきます。
- 誤字がない
- 論理が通っている
- 見出しが整理され、結論まで用意されている
だから気づきにくい。
ここが最大の落とし穴です。雑な入力が、雑な文章で返ってくるとは限りません。
むしろ雑な入力ほど、きれいで説得力のある一般論へ変換されて返ってきます。
曖昧な思い込みも、確認していない前提も、
借り物の言葉も、AIが自動ですべて排除してくれるわけではありません。
入力された材料を使い、読みやすく整えて返すことがあります。
AIで発信するほど自分の声が薄くなる理由は、AIの性能不足だけではない。
入力のS/N比の問題でもある——というのは、この構造を指しています。
プロンプトを増やしても解決しない理由
文章が薄いと感じたとき、多くの人は指示を増やす方向へ進みます。
- より長いプロンプトを書く
- 役割設定を細かく指定する
- 文体や語尾を指定する
- 新しいテンプレートを探す
しかし、これはアンプのゲインつまみを回している状態です。
元の信号が弱いままなら、増幅されるのは平均的な言葉です。
ノイズが多いままなら、大きくなるのはノイズの方です。
プロンプトは増幅率を調整するもので、信号そのものを作るものではありません。
入力する信号＝「原液」の4要素
では、信号とは具体的に何か。筆者はこれを「原液」と呼んでいます。
原液とは、その人にしか出せない濃度の高い一次情報のことで、次の4つの要素で構成されます。
| 要素 | 内容 |
|---|---|
| 経験 | 自分が実際に体験した事実。成功だけでなく、失敗して初めて分かったこと |
| 判断軸 | その場で何を見て、なぜそう判断したのか。何を良しとし、何を切り捨てるか |
| 思想 | 譲れない考え。他人と意見が割れても手放さない前提 |
| 衝動 | 何に違和感を持ち、何を変えたいと思ったのか |
この4つが言語化されていれば、AIは増幅装置として機能します。
言語化されていなければ、AIは埋め合わせに一般論を使います。
AIはゼロを増幅できません。
ただし、原液があるなら、それを遠くまで届けることはできます。
原液は「自分語り」のためではない
ここで一点、誤解を解いておきます。
原液を掘るのは、長い自分語りをするためではありません。
既存情報を整理し、読みやすくまとめるだけなら、AIでも一定水準まで到達できる時代になりました。
その土俵では、書き手の違いは出にくくなっています。
違いが出るのは、次の部分です。
- なぜ、その情報を伝えようと思ったのか
- 誰に届けようとしているのか
- 読者がどこでつまずくと考えたのか
- 自分の経験から、何を削り、何を残したのか
これらは経験と判断からしか出てきません。つまり、原液からしか出てきません。
AIに渡す前に確認する3つの項目
実務では、生成前に次の3つを確認しています。
- これは、自分が実際に経験した事実か（伝聞や推測が混ざっていないか）
- なぜそう判断したのかを、自分の言葉で説明できるか（理由が書けない主張はノイズになる）
- 借り物の表現を、自分が本当に使う言葉へ置き換えたか（言い回しの出所を確認する）
3つとも曖昧なままなら、まだ増幅する段階ではありません。先に信号を作る工程が必要です。
この確認を挟むだけで、同じAIを使っても出力の密度は変わります。
手順を増やすのではなく、順番を守る、という話です。
よくある質問
Q. AIで書いた文章が薄いのは、AIの性能が低いからですか？
性能だけが原因ではありません。同じモデルでも、入力する情報の密度によって出力は大きく変わります。まず入力側の信号とノイズの比率を確認してください。
Q. プロンプトを長く詳しく書けば解決しますか？
一定までは改善しますが、限界があります。プロンプトは増幅の仕方を指定するもので、増幅する材料そのものを作るものではないためです。材料が薄ければ、精緻に指定しても平均的な結果に収束します。
Q. 「原液」とは具体的に何ですか？
経験・判断軸・思想・衝動の4要素からなる、その人にしか出せない一次情報のことです。他人が調べれば書ける情報は、原液には含まれません。
Q. AIで書いた記事は検索評価されませんか？
Googleは制作手段そのものではなく、読者にとって有用で信頼できる内容かどうかを評価する立場を示しています。問題は「AIで書いたかどうか」ではなく、独自の経験や視点が含まれているかどうかです。この点でも、入力に原液を含めることが有効に働きます。
まとめ
- AIは鏡ではなく増幅装置であり、信号とノイズを区別しない
- 出力が薄い原因は、入力のS/N比が低いこと
- 音響制作と同様、上流（入力）で失われた情報は下流（プロンプト）では取り返せない
- AIのノイズは整った日本語で返るため、自覚しにくい
- 先に作るべきは、経験・判断軸・思想・衝動からなる「原液」
出力が薄かったとき、自分まで薄いと判断する必要はありません。確認すべきなのは、増幅装置の性能より先に、そこへ何を入力したかです。
増幅する前に、信号を作る。
関連記事
原液の掘り方を、設計として学ぶ
原液を実際に言語化し、AIに渡せる形へ落とし込む手順は、有料noteにまとめています。
コメント