レビュー前の下読みをAIに任せて判断だけ残す

2026/6/7 管理職レビュー AI 業務改善コミュニケーション判断力育成

レビューが長引くのは、読む力が足りないからではない。一つの資料に対して、性質の違う作業を同時に行っているからだ。

混ざっている作業	実際に見ているもの
検品	誤字脱字、表記ゆれ、合計のズレ、見出しの抜け
読解	結論、根拠、前提、読み手が迷う箇所
判断	この方針でよいか、リスクを許容できるか、誰に確認すべきか
育成	作成者に何を考え直してもらうか、次回の基準をどう渡すか

特に重いのは、「検品」が先に目に入ることだ。表記ゆれや数字のミスが目に飛び込んでくると、結論の妥当性を検証するための集中力が削がれる。数字の合計が合わない資料を読まされると、内容以前に「この資料は信用できるのか」という疑念にリソースを割いてしまう。

管理職やリーダーが、作成者の粗い資料を整える「人間中間層」になってはいけない。AIによる「下読み」は、この中の「検品」と「一次読解」を先に片付けるために使う。

AIを「検品係」に徹させるための準備

AIに資料を丸ごと放り込んで「レビューして」と頼んでも、期待する答えは返ってこない。大抵、文体の好みや、もっともらしい感想が返ってくるだけだ。下読みの精度を上げるには、事前に「どこを、誰のために見るか」を絞り込む必要がある。

まず、資料のテキストをコピーし、社名、人名、部署名、案件名、金額などの固有名詞を「A社」「B部長」「案件X」「9999」といったダミーに置き換える。社外秘情報の扱いや個人情報の取り扱いについては、あらかじめ自社の規定を確認しておくこと。

その上で、以下の4点を整理する。

レビューの目的（例：承認前の最終確認、会議前の論点整理）
読み手（例：役員、顧客、現場メンバー）
絞り込む観点（例：論理の矛盾、数字の不整合、想定質問）
渡す情報の範囲（全体ではなく、数字の整合性だけなら該当する表だけでよい）

「きれいな文章」ではなく「穴」を見つけさせる指示

AIは放っておくと、文章をきれいに整える方向へ動こうとする。レビューの下読みで必要なのは、美しい言い換えではなく、判断を邪魔するノイズや論理の穴を見つけることだ。

指示文（プロンプト）には、あえて「文体の好みは無視しろ」という制約を入れる。

以下の資料を、レビュー前の下読みとして確認してください。

# 資料の目的
【例：部長会で案件Xの進め方を相談する】

# 読み手
【例：部長3名。事前配布資料として読む】

# 下読みしてほしい観点
1. 結論と根拠がつながっていない箇所
2. 数字、日付、固有名詞の不整合
3. 読み手が最初に質問しそうな点
4. 判断に必要なのに不足している情報

# 資料本文
【ここに伏せ字版の本文を貼る】

# 出力形式
表で出力してください。
列は「箇所」「観点」「指摘内容」「修正案」「確認が必要なこと」にしてください。

# ルール
- 資料に書かれていない事実や数字は推測で埋めないでください
- 断定できないものは「確認が必要なこと」に書いてください
- 文体の好みだけの指摘は避け、判断に影響する指摘を優先してください
- 問題がない箇所は無理に指摘しないでください

もし指摘が多すぎて使い物にならない場合は、さらに「読み手が会議で質問しそうなこと」だけに絞って再抽出させる。

上の下読み結果をもとに、読み手が会議で質問しそうなことだけを整理してください。

# 出力形式
箇条書きで最大5件。
各項目は「質問」「その質問が出る理由」「事前に確認すべき材料」に分けてください。

# ルール
- 資料本文にない情報を推測で補わないでください
- 重要度が低い言い換えや誤字の話は除外してください
- 判断に影響する質問を優先してください

指摘を「そのまま渡さない」ための仕分け

AIが出した結果をそのまま作成者に送るのは、二度手間を生むだけだ。AIの指摘はあくまで「下読みメモ」であり、人間が採用基準を決める。

AIの指摘を受け取ったら、まず「すぐ直せる誤字・形式」「作成者に確認すべき論点」「レビュー会議で判断すべきこと」の3つに分ける。

作成者にフィードバックする際は、この中で「作成者が対応すべきもの」を抽出し、さらに重要なものから3〜5件程度に絞って渡す。全部を返すと、作成者はどこから手をつければいいか分からず、思考を停止してしまう。

AIの「もっともらしさ」に騙されない

AIは時として、資料に書いていないリスクを断定したり、存在しない数字の矛盾を指摘したりする。いわゆる「もっともらしい嘘」だ。

出力された表を鵜呑みにせず、最低限以下の3点は元の資料と照らし合わせて確認すること。

行数と所在の確認：指摘された箇所が、本当に資料の該当箇所にあるか。
伏せ字の整合性：AIが勝手に新しい固有名詞や数字を捏造していないか。
数字の計算：合計、前年比、日付、人数などの数値が、元のExcelやデータと一致しているか。

特に「不足している情報」という指摘は、AIがもっともらしく作った空論であるケースが多い。目的に関係のない確認事項は、潔く削る。

人間がやるべきレビューは、検品を終えた後の「この結論でよいか」「リスクは許容できるか」「次に誰が何をすべきか」という判断だけだ。AIに下読みをさせて、その判断の精度を上げることに時間を使う。