AIの精度を育てるには、却下の記録が欠かせない——提案の採否ログを組織の資産にする

AIを使い始めた会社の多くが、しばらく経ってから同じ問いにぶつかる。「なぜ、同じ担当者が書いたプロンプトなのに、出力の質にこれだけ差が出るのか」という問いだ。

プロンプトの工夫は確かに効く。しかし、AIの出力が安定しない根本的な原因は別のところにある。AIが「この会社では何がOKで、何がNGなのか」を判断するための材料を持っていないことだ。

その材料を作る方法が、採否の記録だ。AIが出した提案を採用したとき、あるいは却下したときに、その判断と理由を組織のデータとして残していく。

却下した提案に、採用した提案と同等の価値がある

採用した提案を手本として残すことは、多くの会社がすでにやっている。プロンプトの成功例を共有ドキュメントに入れておく、という形でも機能する。

しかし、却下した提案を捨ててしまうと、重要な情報が失われる。

採用例が「目指す方向」を示すとすれば、却下例は「踏み越えてはいけない境界」を示す。どちらかが欠けていると、AIは自社の判断基準の全体像をつかめない。

たとえば、トーンが柔らかすぎる文章を却下したとする。その背景に「この業界では丁寧すぎると頼りなく見える」という文脈があるなら、それはその会社固有の判断だ。その背景を記録しておくことで、次の似たケースに活かせる。

却下した提案を捨てることは、自社の判断基準の「輪郭」を捨てることと同じだ。

採否の記録は、プロンプトの改善にも直結する。うまくいかなかった出力を振り返ると、プロンプトのどの部分が意図を伝えられていなかったかが見えてくる。採用例だけを眺めていると、この視点は得られない。

「なぜ却下したか」を残す、三つの記録項目

では、具体的に何を記録すればよいか。最低限、次の三点を残しておくと使いやすい。

1. AIが出した提案の内容（または要点）
2. 採用・却下の判断
3. 判断の理由（なぜそう判断したかを一言で）

よくある省略が、「3」の理由だ。却下した事実だけを残しても、後から振り返ったときに「なぜ却下したのか」が思い出せないと、記録の価値が半減する。

理由の記述は長くなくていい。「語気が強すぎた」「競合他社への言及が含まれていた」「事実確認が必要な数字が入っていた」程度の一文で十分だ。むしろ短く書くことで、後でパターンを読み取りやすくなる。

こうした採否ログは、フォルダRAGの設計と組み合わせることで、さらに使いやすくなる。採否の記録をフォルダに体系的に格納しておけば、プロンプト改善の参照素材として検索しやすくなるからだ。

蓄積が、自社固有の「評価基準」になる

採否の記録が一定量たまると、別のことが見えてくる。自社の判断に、パターンがあることだ。

「このカテゴリの文章では結論を先に置く傾向がある」「数字を出すときは必ず出典を添える」「提案が長くなりすぎると却下されやすい」——こういった傾向は、蓄積を眺めることで初めて言語化できる。

言語化できれば、プロンプトに組み込める。評価基準として担当者間で共有もできる。AIを初めて使う担当者への教材にもなる。

部署によって「正しい業務フロー」の認識がずれている環境では、採否ログを突き合わせることで、部署間の判断基準の違いを可視化できる。AI活用の文脈を超えて、組織の認識を揃えるきっかけにもなりうる。

AI活用が一人の担当者の経験に依存しているうちは、組織の資産にならない。採否の記録を残す仕組みを作ることで、個人の判断が組織の判断基準へと育っていく。この取り組みをどこから始めればよいか迷っている方は、しぼる（DX伴走支援）をお声がけください。