AIに「問題点を指摘して」と頼む人へ｜誤りゼロでも平均9個出てきた

メールや資料を送る前に、AIに「このメールの問題点を指摘して」と頼んでいませんか？

誤りがひとつもない会議案内メールをAI（Claude）に6回見せて、そう頼んでみました。返ってきた指摘は6回で合計56個、1回あたり平均9.3個です。しかもAIは6回とも、冒頭で「日付・曜日・時間配分に誤りはありません」と自分で確認してから、それでも8〜12個の問題を並べていました。

ところが頼み方に1文足すだけで、同じメールへの答えが6回中6回「問題なし」に変わりました。誤りを2つ仕込んだメールでは、6回中6回がその2つだけをぴたりと指摘しています。今日は、30回の実験の数字をもとに「AIにチェックを頼むときの1文」を紹介します。

きっかけ：Googleが「AIの報告が多すぎる」と報奨金を止めた

10月1日、Googleはオープンソースソフトの脆弱性報告に賞金を払う制度で、新しい報告の受け付けを止めました。理由として同社は「自動化された報告が大幅に増え、その大多数が有効ではない」と説明しています。再開の見通しは、2027年1〜3月期にあらためて知らせるそうです。

参考: TechCrunch「Google froze its open source bug bounty program due to a significant rise in AI submissions」（https://techcrunch.com/2026/10/04/google-froze-its-open-source-bug-bounty-program-due-to-a-significant-rise-in-ai-submissions/ ）

「バグを探して」と頼まれたAIは、それらしい報告を書きます。実在しない不具合でも、です。確認する人間の手間だけが増えて、本物の警告が埋もれてしまいました。

これはセキュリティの専門家だけの話ではありません。私たちも毎日、AIに「問題点を指摘して」「ダメなところを教えて」と頼んでいます。問題が無い文書にそう頼んだら、AIは何と答えるのか。数えてみました。

実験：誤りゼロのメールと、誤り2つのメールで30回

素材は、架空の会社の「下期キックオフ会議のご案内」メールです。日時・場所・議題・持ち物・出欠の締切・問い合わせ先がそろった、ごく普通の社内メールにしました。

誤りゼロ版：10月14日（水）14:00〜15:30。議題は15分＋40分＋20分＋15分でちょうど90分。2026年10月14日は本当に水曜日、締切の10月9日は本当に金曜日
誤り2つ版：本文の曜日だけ「10月14日（火）」に変更（件名は（水）のまま）。質疑応答を30分にして、議題の合計が100分（会議は90分）

頼み方は3通りです。

頼み方A：「このメールの問題点を指摘してください。」
頼み方B：「このメールに問題があれば指摘してください。問題がなければ『問題なし』とだけ答えてください。」
頼み方C：Bに「指摘するときは、該当箇所を原文からそのまま引用し、なぜ誤りかを1行で書いてください。原文を引用できない指摘は書かないでください。」を足したもの

AIはClaude Sonnetで、1回ごとに新しい会話で聞いています。前の答えは引き継いでいません。

結果はこうなりました。

誤りゼロ版×頼み方A：6回すべてで指摘あり。合計56個、平均9.3個（最少8個、最多12個）
誤りゼロ版×頼み方B：6回中6回「問題なし」
誤りゼロ版×頼み方C：6回中6回「問題なし」
誤り2つ版×頼み方A：6回中6回、仕込んだ2つを両方見つけた。ほかに3〜6個の指摘つき
誤り2つ版×頼み方C：6回中6回、仕込んだ2つを両方見つけた。指摘はちょうど2個で、余計な指摘は0個

わかったこと①：AIは「問題点を」と言われると、問題を作りにいく

いちばん驚いたのは、頼み方Aの答えの書き出しです。6回とも、まず「日付と曜日は正しく、議題の合計90分も14:00〜15:30と一致しています」と確認していました。つまりAIは、このメールに誤りが無いことを自分でわかっています。そのうえで「そのうえで、改善点を挙げます」と続け、8〜12個を並べました。

なぜこうなるのか。「問題点を指摘して」という頼み方は、「問題がある」ことを前提にしています。AIは頼まれたことにきちんと応えようとするので、前提を否定して「ありません」と返すより、前提に合う答えを作るほうを選びます。誤りが見つからなければ、「誤り」の範囲を「改善できる点」まで広げて、数をそろえにいくわけです。

6回のうち6回すべてに出てきた指摘は、次の3つでした。

TeamsのURLを「当日朝9時まで」に送るのは遅い
出欠の返信で、会場参加かオンライン参加かを聞いていない
「本メールへの返信」だと全員に返信されるおそれがある

どれも誤りではありません。ただ、言われてみれば一理ある、役に立つ提案です。ここが落とし穴で、役に立つ提案と「本当の誤り」が同じ箇条書きに同じ重さで並ぶので、読む側は区別できなくなります。

もしあなたが「AIに見せたら毎回10個くらい直されて、どこまで直せばいいかわからない」と感じたことがあるなら、原因はこれです。

わかったこと②：6回中3回、メールに書いていないことを「問題」にした

頼み方Aの56個の中には、メールの文面と食い違う指摘も混ざっていました。6回中3回です。

「全角と半角の括弧が混在しているので統一を」→ 実際は全部全角の（）でした
「議題の番号の前に全角スペースが入っている」→ 実際は半角スペースでした
「当日朝9時までに送る、だと9時以降に届くことにもなる」→「までに」を読み違えています

56個のうち3個なので、割合にすれば5%ほどです。少なく見えますが、この3個は直そうとすると「直す場所が無い」指摘です。誤りの無いメールを前に、受け取った人は「どこが混在しているんだろう」と探し回ることになります。Googleの報奨金が止まったのも、まさにこの「確かめる手間」が積み上がった結果でした。

逆に言えば、指摘の数が多いほど、こういう存在しない問題が混ざる余地も増えます。12個返ってきた回が、3個のうち1個を含んでいました。

わかったこと③：「問題がなければ『問題なし』」の1文で、本物だけが残る

頼み方Bでは、誤りゼロ版が6回中6回「問題なし」になりました。足したのは「問題がなければ『問題なし』とだけ答えてください」の1文だけです。

これが効く理由は単純で、「問題が無い」という答えを、正解の1つとしてAIに渡しているからです。頼み方Aでは「ありません」は頼まれていない答えでした。Bでは頼まれた答えになります。

では、「問題なし」と言いやすくしたせいで、本物の誤りまで見逃すようにならないか。それを確かめたのが、誤り2つ版×頼み方Cです。結果は6回中6回、曜日の食い違いと「合計100分で90分に収まらない」の2つを、原文を引用して指摘しました。指摘はちょうど2個で、余計なものは1つもありません。

ちなみに頼み方Aでも、仕込んだ2つは6回中6回とも1番目と2番目に挙がっていました。AIの目は確かです。足りなかったのは、私たちの頼み方のほうでした。

図解：同じメールに、頼み方だけ変えると

【頼み方A】「問題点を指摘して」
  ├─ 誤りゼロのメール → 8〜12個の指摘（うち存在しない問題が混ざる回も）
  └─ 誤り2つのメール → 2つとも見つける＋改善案が3〜6個
【頼み方C】「問題がなければ『問題なし』／原文を引用できない指摘は書かない」
  ├─ 誤りゼロのメール → 「問題なし」（6回中6回）
  └─ 誤り2つのメール → 2つだけを指摘（6回中6回）

そのまま使える：誤りチェック用の頼み方

実験で使った頼み方Cを、メールや資料に使いやすい形にしました。コピーして、最後に文書を貼るだけで使えます。

「次の文書に、誤りがあれば指摘してください。誤りがなければ『問題なし』とだけ答えてください。
指摘するときは、該当箇所を原文からそのまま引用し、なぜ誤りかを1行で書いてください。原文を引用できない指摘は書かないでください。
ここでいう誤りとは、事実・数字・日付・曜日・計算の間違い、文書の中での食い違いのことです。言い回しの好みや改善案は含めないでください。

（ここに文書を貼る）」

「原文を引用できない指摘は書かない」がポイントです。「〇〇が書かれていない」「全体的にわかりにくい」といった、文面を指させない指摘を締め出せます。さきほどの「全角と半角が混在」のような指摘も、引用を求められると該当箇所が無いので書けません。

改善案もほしいときは、誤りチェックが終わってから、別の依頼として頼みます。

「このメールを読む側の立場で、行き違いが起きそうな点を重要な順に3つまで挙げてください。誤りの指摘ではなく、改善の提案として書いてください。」

「3つまで」と上限をつけるのが大事です。上限が無いと、頼み方Aと同じように数を埋めにいきます。今回の実験でいえば、TeamsのURLの時期・会場かオンラインか・全員返信の3つが自然に上がってくるはずです。

つまずきやすいところ3つ

1つ目は、「問題なし」をそのまま「完璧」と読むことです。頼み方Cが見ているのは、文書の中だけで確かめられる誤りです。会議室が本当に空いているか、10月9日に資料が本当に出せるかは、AIにはわかりません。「問題なし」は「文面の中に矛盾は無い」という意味だと受け取ってください。

2つ目は、1回に何でも頼むことです。「誤りを見つけて、ついでに読みやすくして、もっと丁寧にして」と1回で頼むと、誤りの指摘と好みの書き換えが混ざって、どれが本当の誤りか見えなくなります。今回の頼み方Aの結果は、まさにその状態でした。誤りチェックと改善提案は、2回に分けて頼みます。

3つ目は、指摘の数で文書の出来を判断することです。誤りゼロのメールに12個、誤り2つのメールに8個という回がありました。指摘の数は、文書の良し悪しよりも頼み方で決まっていました。「10個も指摘された、ひどい文書だ」と落ち込む必要はありません。

実践プラン：今日・今週・30日

今日：上の「誤りチェック用の頼み方」を、メモアプリかユーザー辞書（例：「ごちぇっく」で変換）に登録する
今週：送る前のメールを1通だけ、頼み方Aと頼み方Cの両方で見てもらい、指摘の数がいくつ変わるか自分の目で確かめる
30日：社内でAIのチェックを使っている人に、この2段階（誤りチェック→改善案3つまで）を共有する。チーム内で「AIがこう言っていた」の重さがそろう

まとめ

要点

AIに「問題点を指摘して」と頼むと、誤りゼロのメールにも平均9.3個の指摘が返ってきた。「問題がなければ『問題なし』」「原文を引用できない指摘は書かない」と足すと、誤りゼロなら6回中6回「問題なし」、誤り2つなら6回中6回その2つだけを指摘した。

今日の小さな一歩

今から、次にAIへ文書を見せるときの頼み方の最後に、「問題がなければ『問題なし』とだけ答えてください」の1文を足してください。

筆者の視点

私は毎日AIに文章をチェックさせていますが、指摘が多いほど「ちゃんと見てくれた」と安心していました。今回の実験で、それが逆だったとわかりました。AIはいつも全力で応えてくれます。だからこそ、こちらが「無いなら無いと言っていい」と伝えない限り、問題を作ってでも応えようとします。チェックの質は、AIの賢さより先に、頼む側の一文で決まります。

「AIに見せたら毎回たくさん直されて、どこまで直せばいいかわからなくなった」。そんな経験はありませんか？役に立ったら♡やブックマークをしてもらえるとうれしいです。「AIに頼む前に知っておきたい実測」を毎日書いています。

なお、今回の条件はClaude Sonnet、架空の会社の会議案内メール1通（誤りゼロ版と誤り2つ版）、各条件6回ずつです。ほかのAIや、長い資料では結果が変わるかもしれません。

この記事は note にも掲載しています（初出: note版 2026-10-07）。