生成AI頼みでワークスロップを起こさない ドキュメントライティング＆レビュー術

2026/04/21 Forkwell勉強会での登壇資料です。
https://forkwell.connpass.com/event/389801/
X：https://x.com/naoh_nak

Transcript

1. ドキュメントライティング＆レビュー術 生成AI頼みでワークスロップを起こさない 2026年4月21日 Forkwell 仲田 尚央 @naoh_nak ハッシュタグ：#Forkwell勉強会
2. 仲田 尚央 Nakata Naohiro @naoh_nak テクニカルライター、UXライター＠SmartHR テクニカルライティング研修 非常勤講師＠都立産業技術高専 ソフトウェアのUIテキストを書いたり、ドキュメントを書いたり、 それらをローカライズしたりするお仕事をしています。 2
3. AI時代のドキュメント作成の現状 当たり前になったAI活用 生成AIの急速な普及により、ドキュメント 作成はAI前提の時代に • ドラフト作成の高速化 • 構成案やアイデアの壁打ち • ドキュメント自動生成 AIはドキュメント執筆のパートナーとして定着 顕在化するワークスロップ AI依存が低品質な成果物「ワークスロッ プ」を量産 • 一見整っているが中身が薄い • 無意味な修飾と一般論の連続 • 具体的コンテキストの欠如 「もっともらしい無価値な文章」の氾濫
4. 本セッションのテーマ 今回のセッションでは、以下の内容について詳しく解説します。 • ワークスロップを防ぐための ドキュメントライティング＆レビューのテクニック AI時代の新たな課題である「ワークスロップ」を回避し、人間とAIの両方にとって価値のあ るドキュメントを作成するための実践的な手法をお話しします。
5. ワークスロップ（Workslop）とは、AIによって作成された、見た目は 整っているものの、中身が薄く、実質的な業務推進には役に立たない 低品質な成果物のこと ワークスロップとはなにか Work ＋ Slop （残飯、泥水）
6. ワークスロップの特徴  1. 表現や語彙 • 中身のない修飾語の多用 「包括的な〜」「革新的な〜」 など響きは良いが、具体性がな い。 • 冗長な言い回し 簡潔な内容を、不要な接続詞や 回りくどい表現で長くする。 • 単調なリズム 同じ文末表現が連続し、機械的 で単調な印象を与える。  2. 文章構成・形式 • 不自然な丁寧な前置き ドキュメントには不要な挨拶や 導入から始まる。 • 形式的なまとめの付与 本文の繰り返しに過ぎない結論 を必ず置きたがる。 • 情報の塊（未分解） 箇条書きにすべき要素を、1つの 長い段落にベタ書きする。 • 画一的なフォーマット 「導入・展開・結論」を典型 に、画一的なフォーマットにな りがち  3. 内容・ロジック • 一般論の連続 周知の一般論を新発見のように 解説する。 • 具体的な事実やデータの欠如 主張を裏付けるデータや固有の 事例、一次情報が含まれない。 • 角が立たない無難な主張 断定を避け、平均値に近い当た り障りのない結論になる。
7. ワークスロップの問題  1. 認知負荷と時間の浪費 ドキュメント本来の目的である 「効率的な情報伝達」を妨げ、組 織の生産性を低下させる。  2. 信頼低下とノイズ化 冗長な文章はノイズとなり、発信 者の信頼を損なう。重要な共有事 項が読み飛ばされるリスク。  3. 汚染の再生産 汚染された知識ベースをAIが学習 し、質の低い文章を大量生産する 負のループが発生する。
8. ワークスロップの原因 LLMの仕組み：確率による予測  入力文脈  統計的にもっともらしい 次の一語を予測  もっともらしい文章 • AIは人間のように意味を理解して論理的に思考しているわけではない • 入力された文脈に対して、「統計的にもっともらしい次の一語」を確率で計算し、繋ぎ 合わせているだけ • 論理的な正しさよりも「言語として自然に繋がるかどうか」を優先する
9. ワークスロップの原因 LLMの仕組み：学習データの平均値を出力しようとする特性  膨大な学習データ  平均値に近づく 確率的な収束  平均的な修飾語による 文章の肥大化 • 出力内容は必然的に世の中のテキストの平均値（もっとも出現確率が高い表現）に近づく • 鋭い表現は排除され、誰にでも当てはまるマイルドで無難な表現が選ばれやすい • 具体的な情報が欠けるほど、平均的なありきたりな言葉で隙間を埋めようとするため、文章が 冗長化する
10. ワークスロップの原因 人間側の要因：コンテキスト不足と文字数稼ぎ  人間のコンテキスト不足  足りない情報を埋めようとする AIの確率的予測  中身のない言葉の充満 • 最大の原因はAI自身ではなく、指示を出す人間側のコンテキスト不足にある • 情報が足りなくても、AIはそれらしい長さにするために確率的な予測を続ける • 不足した具体の情報を補うために、無難な中身のない言葉を詰め込んでしまう
11. AI時代の文章作成スキル 書く力よりも「削る力」が求められる時代へ • AIを使えば、文章はいくらでもかさ増しできてしまう • コンテキストが不足していると、AIはもっともらしい中身のない言葉で隙間を埋め、 冗長なドキュメントを出力しがち • AI時代のドキュメントライティングでは、文章を削ぎ落とし、情報の密度を高めるスキルが 不可欠となる
12. 「削る力」を身につけるために 「文章を削ぎ落とし、情報の密度を高める」といっても、 指針がないと、何を削り、何を残すべきか判断できない このセッションでは、具体的なHowを解説します
13. ワークスロップを防ぐために サブテーマ (Heading) 要素ごとの切り出し サブテーマ (Heading) 要素ごとの切り出し 話題 (Paragraph) 事実・根拠の提示 話題 (Paragraph) 具体例・詳細説明 ドキュメントの3つのポイント をきちんと組み立てる ① 全体のテーマ 　（誰に何を伝えるか） ② テーマの分解 ③ 要素のつながり テーマ (Title) 誰に何を伝えるか
14. ① テーマを明確にする
15. テーマを明確にする：「誰に」「何を」 サブテーマ (Heading) 要素ごとの切り出し サブテーマ (Heading) 要素ごとの切り出し 話題 (Paragraph) 事実・根拠の提示 話題 (Paragraph) 具体例・詳細説明 テーマ (Title) 誰に何を伝えるか
16. テーマがブレると、中身のないワークスロップに陥りやすい • 執筆はAIに委ねても、テーマには人間が責任を持つ必要がある • 読み手が誰かにより、AIの出力（前提知識や用語）が変わる • テーマがブレると、AIは推測で情報を補い、中身のないワークスロップに陥る  「誰に」伝えるか  「何を」伝えるか
17. 誰に伝えるのか 業務マニュアル プログラマー テストエンジニア デザイナー サポート テクニカルライター マネージャー 開発メンバー 新入メンバー 慣れたメンバー
18. 何を伝えるのか 業務マニュアル 使用するツール 関連部署・関係者 の役割 業務フロー ツールの 導入手順 トラブル シューティング
19. 読み手の知識レベル • プロダクトに関する知識 • 技術に関する知識 • 業務に関する知識 読み手の目的 • 〇〇機能の仕様を知り たい • データの入出力の仕様 を知りたい 読み手の立場や役割 • プログラマー • テストエンジニア • デザイナー 3つの切り口で読み手を絞り込む 絞り込みの切り口
20. プロジェクトの進捗報告書の読み手を絞り込む 切り口 絞り込みの例 読み手の知識レベル • 開発部門向け • ビジネス部門向け 読み手の目的 • 戦略の決定に役立つ情報を得たい • チームのパフォーマンスやプロジェクトの進捗を把握したい • 業務やプロジェクトに必要な詳細な情報を得たい 読み手の立場や役割 • 経営層 • マネージャー • 実務担当者 例：ビジネス部門のマネージャー向けに、チームのパフォーマンスやプ ロジェクトの進捗を伝える
21. ② テーマを分解する
22. テーマから要素を分解する サブテーマ (Heading) 要素ごとの切り出し サブテーマ (Heading) 要素ごとの切り出し 話題 (Paragraph) 事実・根拠の提示 話題 (Paragraph) 具体例・詳細説明 テーマ (Title) ドキュメントの全体像
23. なぜテーマの分解が必要か 文章の長大化を防ぐ 見出し、段落、箇条書き、 表で構造化することで、ダ ラダラと長いだけの文章に なることを防ぐ 情報の純度を高める 意味のまとまりを明確に し、テーマと無関係な中身 のない文字数稼ぎを排除。 不要な情報を判別しやすく する 論理的根拠を明確化 各要素が論理的に裏付けら れているかを可視化。根拠 のないフワッとした一般論 になることを防ぐ テーマの分解は、「文章を削ぎ落とし、情報の密度を高める」ために不可欠
24. 構造化による情報の見え方の違い Before 非構造的なダラダラとした文章 どこに重要な情報があるか判別しにくい 【記述の例】 サーバーの構築にはまずOSのインストールが必要で、その 後にネットワークの設定を行い、セキュリティソフトを導入 して、最後にアプリケーションをデプロイするという流れに なります。またバックアップの設定も忘れてはいけません。 監視ツールの導入も推奨されます。これらをすべて手動で行 うと時間がかかるため、自動化スクリプトの作成も検討すべ きです... After 見出し・表・箇条書きの活用 一目で要点が伝わり、情報の密度が高い 【構造化の例】 1. 基盤構築 • OSインストール • ネットワーク設定 2. セキュリティ・運用 • セキュリティソフト導入 • 監視ツール・バックアップ設定 3. 展開 • アプリデプロイ VS
25. 情報の純度を高める 中身のない「ワークスロップ」 【記述の例】 新システムにはAという技術を採用すべきだ。なぜなら、処 理速度が従来の2倍になるからだ。一般的に、こうした処理 速度の向上はシステム全体のパフォーマンス改善にも寄与す ると言われている。また、先行導入したBプロジェクトで は、処理時間の短縮によりインフラコストが30%削減され た実績がある。 主張と無関係な文字数稼ぎ 一貫性のない記述で論理構造が崩れる 情報の純度を向上 【情報の純度を高めた例】 新システムにはA技術を採用すべきである。導入により処理 速度が従来の2倍に向上するためだ。実際にBプロジェクト では、処理時間短縮でインフラコストが30%削減された。 したがって、A技術の採用は当社の課題解決に直結する。 1パラグラフ1トピックで説得力を高める VS 「主張」と「裏付け」をセットにし、中身のない一般論を排除する
26. 論理的根拠を明確化 事実による裏付けがない例 【記述の例】 「この新機能はユーザーの満足度を向上させます。画 期的なアイディアに基づいているからです。また、デ ザインも洗練されており、多くの人が好むでしょう。 したがって、リリース後すぐに市場を独占できると考 えています。」 主観的な予測のみで、客観的な事実やデータが欠如している。 「なぜ」に対する具体的な事実がない 事実による裏付けがある例 【パラグラフライティングの例】 「この新機能はユーザー満足度を向上させます。β版 テストでは、既存ユーザーの85%から肯定的な回答を 得られました。特に操作ステップが3割削減された点 が評価されています。この客観的データに基づき、リ リースは正当化されます。」 具体的な数値や事実で説得力を持たせる VS 主観的な意見を客観的な「事実」で支え、論理の空洞化を防ぐ
27. 分解のパターン  階層による分解 「概要から具体へ」・「全体 から部分へ」と親子関係を整 理。プロンプトの段階で見出 しの構成を明示する  並列・比較による分解 並列の要素や条件の違いは、 箇条書きや表で視覚化するよ う指定。認知負荷を下げ、要 素間の比較をスムーズにする  時間軸による分解 手順や時間の経過を分解。番 号付きリストを活用し、ス テップバイステップで読者が 順に実行できる構成を作る  因果関係による分解 事象の原因と結果の関係を分 解。明確に切り分けてAIに伝 えることで、両者の混同を防 ぎ、論理的な構成を作る 分解のパターンを意識し、箇条書きでアウトラインを組む
28. 階層による分解 概要から具体へ 抽象的な結論や概念を先に提示し、詳細へ展開。具体的な 役割や種類（バリエーション）を伝えたいときに適する。 例：サーバーの役割 【役割のバリエーション】 • Webサーバー：静的/動的コンテンツ配信 • データベースサーバー：データの蓄積・管理 • キャッシュサーバー：高速な応答を実現 全体から部分へ 大きな構造を構成要素ごとに細分化。複雑な情報を漏れな く体系的に整理するのに適する。 例：サーバーの構成要素 【ハードウェア構成】 • CPU / メモリ：演算・処理能力 • ストレージ：OS・アプリケーション・データ • ネットワーク：外部との通信インターフェース 目的に応じて「役割」か「構成」か分解の切り口を変えることで、意図がより明確に伝わる
29. 並列・比較による分解 「並列」による分解 同列の要素や選択肢をフラットに提示。網羅的に全体像を 伝え、読者の均等な把握を促すのに適する。 例：システムの3主要機能 【主要機能のリスト】 • リアルタイムデータ同期 • 高度なセキュリティ認証 • 直感的なダッシュボード 「比較」による分解 複数の要素を共通の基準で対比。差異を際立たせ、読者の 判断や意思決定を促すのに適する。 例：新旧システムの性能 【性能比較表】 目的に応じて「並列」か「比較」か使い分け、読者の認知負荷を下げるフォーマットを選ぶ 項目 旧システム 新システム 応答速度 60秒 ５秒 コスト 70万円 100万円 安定性 普通 高い
30. 「時間軸」による分解 1. 時系列や手順の整理 作業の開始から完了までを順番に分割。「何をする か」だけでなく「なぜそれをするのか（Why）」を添 えることも効果的。 【手順の例：環境構築】 1. git cloneし、リポジトリをローカル環境にクローンす る 2. Node.js v18をインストールし、Nodeのバージョンを 本番環境と合わせる 3. npm installを実行し、プロジェクトに必要なパッケー ジをインストールする 4. .env.exampleをコピーして.envを作り、認証キーなど の環境変数をローカル環境に保存する 5. ・・・ 時間の流れに沿って情報を正しく整理することで、読者はつまずくことなく目的を達成できる 2. AIへのコンテキストに 整理した手順を骨組みとしてAIに渡すことで、具体的 かつ抜け漏れのない詳細手順を生成。 手順の意図をコンテキストとして理解させることで、 AIは単なる作業の羅列ではなく、読者が納得感を持っ て進められる解説文を生成できるようになる。 【AIへの指示（コンテキスト）例】 「以下の骨組みをもとに、エンジニアが迷わず環境構築でき る詳細な解説文を生成してください。特に『なぜその設定が 必要か』の意図を含めてください」 1. git cloneし、リポジトリをローカル環境にクローンする 2. Node.js v18をインストールし、Nodeのバージョンを本 番環境と合わせる
31. 「因果関係」による分解 1. 原因と結果の分離 事象・原因・影響を混同せず、論理的に切り分ける。 原因に対する対策をセットに組み込むことも効果的。 【障害報告の切り分け例】 • 発生した事象：データベースの応答遅延 • その原因：特定のクエリによる高負荷 • ビジネスへの影響：一部決済機能の停止 • 今後の対策：DBインデックスの追加 2. AIへの論理コンテキスト 骨組みとなる論理構造をコンテキストとして渡すことで、 AIは事実に基づいた説得力のある文章を出力できる。 課題と対策の繋がりを理解させ、建設的な説明を生成させ る。 【AIへの指示（コンテキスト）例】 「以下の要素をもとに、建設的な障害報告書を作成してくだ さい。原因と対策の繋がりを明確に含めてください」 • 原因：特定のクエリによる高負荷 • 対策：クエリ最適化とインデックス追加 • ・・・ 因果関係を明確にすることで、読者の納得感を高め、次のアクションを促す建設的なドキュメントになる
32. 4つの切り口をもとにアウトラインを組む 1. 背景と課題（因果関係） • [事象] ログイン処理に時間がかかっている • [原因] DB認証クエリの負荷が高い • [影響] 離脱率が前月比で15%悪化 2. 解決策の検討（並列・比較） • A案：DBスケールアップ（コスト高・即効性） • B案：キャッシュサーバー導入（コスト低・改修あり） 3. 新システムの構成（階層） • 全体構成と各コンポーネントへの影響 • Web層 • データ層 など 4. 導入プロセス（時間軸） 1. サーバー構築とテスト環境検証 2. 一部ユーザーへのカナリアリリース 3. 全ユーザーへの適用 骨組みをコンテキストとしてAIに渡すことで、抜け漏れや文脈の飛躍がないドキュメントを生成できる
33. パラグラフライティングで主張の裏付けを明確にする パラグラフライティングを活用し、1段落1トピックの構造で「主張」と「根拠・事実」のつながりを明確にするよう、AI に指示する トピックセンテンス（主張・要旨） ・理由の提示 ・具体的な事実・根拠 ・詳細な説明・補足 「最も伝えたい主張」を 明確にする 「事実による裏付け」を 確実にする パラグラフライティングを意識させると、AI生成文の論理性を確認しやすくなる
34. ③ 要素のつながりを確認する
35. AIの出力に対して、要素のつながり（論理）を確認する サブテーマ (Heading) 要素ごとの切り出し サブテーマ (Heading) 要素ごとの切り出し 話題 (Paragraph) 事実・根拠の提示 話題 (Paragraph) 具体例・詳細説明 テーマ (Title) 誰に何を伝えるか
36. 要素のつながりにより、論理が明確になる • 要素ごとの主張を根拠や具体例で裏付け、もっともらしい一般論になることを防ぐ • 要素につながりを持たせ、論理の飛躍を防ぐ 主張 具体例 根拠 主張 具体例 根拠 主張 具体例 根拠 全体の主張
37. 要素同士の論理的な結びつきを確認する アウトラインを並べるだけでなく、論理的なフレームワークで要素間の関係を定義し、納得感のある構造を作る  PREP法 結論・理由・具体例・結論の順で構 成し、説得力を高める  Why・What・How 背景から解決策、具体的な手順へと つなげる  PS法（課題と解決） 現状の課題を明確にし、解消へのア プローチを提示する 明確な論理のつながりが、主張への納得を生む
38. 論理フレームワークで要素を接続する（Why・What・How） 単なる情報の羅列にせず、各要素を「なぜ」「何を」「どうやって」の論理で繋ぐことで、納得を生む Why 課題の提示と原因 ユーザーの離脱という課題 の原因をDB負荷と定義。 解決への動機（Why）を生 む。 What 解決策の決定 比較検討からB案を選定。 具体的に「何を （What）」解決すべきか の必要性を確立する。 How 導入プロセスの展開 全体像の理解後、「どのよ うに（How）」安全に導入 するかという具体的な手順 へ繋げる。 1. 背景と課題（因果関係による分解） • [事象] ログイン処理に時間がかかっている • [原因] DBの認証クエリの負荷が高い • [影響] 離脱率が前月比で15%悪化 2. 解決策の検討（並列・比較による分解） • A案：DBスケールアップ（コスト高・即効性） • B案：キャッシュ導入（コスト低・工数あり） 3. 新システムの構成（階層による分解） • 全体構成と、各レイヤーへの影響 4. 導入プロセス（時間軸による分解） • Step1：構築とテスト環境での検証 • Step2：カナリアリリース • Step3：全ユーザーへの適用 論理的なフレームワークが、読者を迷わせない納得感のある構造を作る
39. 各要素の裏付けを確認する 要素のつながりを確認したあとは、それぞれの要素が事実、根拠、具体例で裏付けられているかを確認する。 不足する裏付けは追加する。逆に、主張の裏付けに不要な情報（文字数稼ぎ）は積極的に除く。 明確な主張 具体的な根拠 • 事実 • リアルな数値・データ • 固有の事例・具体例 抽象と具体の間に結びつきを作ることで、ドキュメントの説得力が向上する
40. 主張と事実で裏付けたパラグラフの具体例 主張と裏付けをセットにすることで、中身のない一般論を排除し、説得力のあるドキュメントを構築できる 主張：新システムにはAという技術を採用すべきだ 理由：なぜなら処理速度が従来の2倍になるからだ 事実：先行導入したBプロジェクトではコストが30%削減された 主張＋裏付け（理由・事実）＝ 説得力の向上 新システムにはA技術を採用すべき である。A技術を導入することで、 システムの処理速度が従来の2倍に 向上するためだ。実際に先行導入し たBプロジェクトでは、処理時間の 短縮によりインフラコストが30%削 減された実績がある。したがって、 A技術の採用は当社のパフォーマン ス課題の解決に直結する。
41. 主張を具体例で裏付けたパラグラフの例 読者が利用シーンを鮮明にイメージできる具体例を提示することで、抽象的な主張に強い説得力を持たせること ができる 新しいAPIは開発者の実装コストを大 幅に下げる。たとえば、従来は3つの エンドポイントを順番に呼び出す必要 があった認証処理が、新しいAPIでは 1回のリクエストで完了するためだ。 実装工数の削減は、開発スピードの向 上に直結する。 抽象的な主張 ＋ 具体的な例 ＝ 納得感のある説明 主張：新しいAPIは開発者の実装コストを大幅に下げる 具体例：従来は3つのエンドポイントを順に呼び出す必要があった認 証処理が、新APIでは1回のリクエストで完了する
42. まとめ ワークスロップの最大の原因はAI自身ではなく、指示を出す人間側のコンテキスト不足にある。 AI時代には、書く力よりも「削る力」が求められる。文章を削ぎ落とし、情報の密度を高めること が不可欠となる。 「削る力」を発揮するための3つのポイント: • テーマ（誰に何を伝えるか）を明確にする • テーマを分解し、要素ごとの話題を明確にする • 生成後は、要素のつながりを確認する 要素ごとの主張を根拠や具体例で裏付け、もっともらしい一般論になることを防ぐ。これらの組み 立てをアウトラインとしてAIに渡すことで、高品質なドキュメントを生成できる。
43. 録画視聴はこちら https://jobs.forkwell.com/events/f9lry31ld