Meaning Audit
AI時代の意思決定に、意味の生成過程を監査するという品質保証を。
AIは、文章を整え、文脈を補い、点と点をつないでくれます。その過程で、もともとの情報には無かった解釈や因果関係が、自然な文章の中に溶け込むことがあります。
AIに資料をまとめさせると、読みやすい文章が返ってきます。ばらばらの事実に順序がつき、足りない文脈が補われ、話の筋が通る。便利であることは間違いなく、当社も日常的に使っています。ただ、その「筋を通す」働きは、もとの情報に無かったものを足すことでもあります。足されたものは事実と同じ文体で書かれるので、読んでいるときに境目が分かりません。
どこまでが、もともとあった情報なのか。どこからが、後から補われた意味なのか。
Example
3つの事実が、報告書になるまで。
説明のために作った例です。特定の案件の記録ではありません。
1AIに渡した情報
- A5月に、問い合わせフォームの入力項目を8つから5つに減らした。
- B問い合わせは4月が312件、5月が287件だった。
- C5月の対応完了までの平均時間は、4月より1.2時間短かった。
2返ってきた文章
フォームの項目を削減した結果（因果）、問い合わせ件数が減少し、対応時間も短縮されました。入力負担の軽減が利用者の満足度向上につながった（解釈）と考えられ、他の窓口でも（一般化）同様の見直しを進めるべきです（提案）。
（ ）内は当社が付けた注釈です。もとの報告書には書かれていません。
- 「削減した「結果」、件数が減少し」 因果
- どちらも事実です。ただ、片方がもう片方の原因だとは書かれていません。同じ月に起きた、というだけです。
- 「利用者の満足度向上につながった」 解釈
- 満足度は測っていません。3つの事実のどこにも出てこない言葉です。
3つの事実は、どれも正しいままです。数字の取り違えも、無い出典の引用もありません。それでも読み終えた人の頭には、最初の3つには無かったものが残ります。「フォームを直せば満足度が上がる」「他の窓口でもやるべきだ」。
意味の監査は、その意味がどこから来たのかを追います。
文章が正しいか間違っているかだけを見るものではありません。どこまでが元の情報で、どこから解釈・推論・提案が加わったのか。事実そのものの誤りも起こるので、そちらの確認も必要です。意味の監査は、それに加えて、事実から結論までの間で何が足されたのかを見ます。
ファクトチェック
その情報は正しいか。
数字、固有名詞、日付、出典。文章の中の「点」を見る。
意味の監査
その情報から、なぜその結論へ進んだのか。
もとの情報にはなかった意味が、どこで加わったのかを見る。
議事録でも、同じことが起きます。
Before／発言
気が楽
- 概念化
- 状態変化の推定
After／議事録
心理的負担が軽減され
Before／発言
集中できますね
- 状態変化の推定
- 所見化
After／議事録
集中できるようになった
誤記でも誤訳でもありません。何を拾い、何を落とし、どう言い換えるか。この編集は、人が議事録を書いていた頃から行われてきました。変わったのは、誰がどの工程で意味を編集したのかが追いにくくなったことです。
これは、AIが作り出した問題ではありません。
前提を省く。解釈を事実の顔で書く。原因と結果をつなぐ。人が書く文書でも、ずっと起きてきたことです。AIによって変わったのは、生成される量と速さ、そして文章の自然さです。だからこそ、確認する必要性のほうが高まりました。減らせば解決する話ではなく、見えるようにする方法が要る、という話です。
対象になる文書
- 報告書
- 議事録
- 企画書
- 提案書
- Webコンテンツ
- 意思決定資料
読んだ人が何かを決める文書であれば、どれも対象になります。作ったのがAIでも人でも変わりません。
こんな感じ方をしたことはありませんか。
- 間違ってはいない。でも、何か言いすぎている気がする。
- AIがきれいにまとめた。でも、誰が判断した内容なのか分からない。
- この企画を承認すると、実際には何を前提として受け入れることになるのか確認したい。
どれも、どこが問題なのかを指しにくい状態です。意味の監査は、この「うまく言えない違和感」を、文章のどの地点で何が起きたかという形に置き換えるところから始めます。
Service
何をお渡しいただき、何をお返しするか。
お渡しいただくもの
- 企画書、提案書、議事録、AIが生成した文章、Webページなど、実際にお使いの文書
- 元になった資料・データ・議事メモがあれば、それも一緒に
完成版でなくて構いません。作成途中のもの、社内で止まっているものでも見られます。
お返しするもの
どこまでが、元の情報にあるか
文書のどの記述が、渡された資料やデータで裏づけられるか。
どこから、解釈や推論が加わったか
事実から離れた地点を、文書の中で指し示します。
読み手が、何を前提として受け取りそうか
書かれていないのに伝わってしまう含意を挙げます。
人が判断・確認した方がよい箇所
すべてを確認するのは現実的でないので、優先順位をつけます。
ご希望があれば、事実と解釈を書き分けた修正案までお出しします。
いまの進め方
意味の監査は、実践と検証を重ねながら方法を整備している途中です。当社ではこれまで、自社のWebページ、サービスの説明文、AIが生成した記事、社内の報告資料などを対象に確認を重ねてきました。社外の文書については、まず個別のご相談から始めています。文書の種類と分量を伺ったうえで、どこまで見られるか、どういう形でお返しできるかを最初にご相談します。
Why Onmitsu
なぜ、この会社がこれを掲げるのか。
株式会社隠密は、AIやデータを使ったサービスを作るとき、「生成された結果が自然であること」だけでは十分ではないと考えています。
当社の仕事は、マーケティング、社内業務のDX・AI活用、研修、Web運用、調査。どれも最後は、誰かが資料を読んで何かを決める形で終わります。そしていま、その資料を作る工程のどこかに、たいていAIが入っています。当社自身もそうです。よく書けている資料ほど、どこで意味が足されたのかが分からない。その違和感から始まりました。
まず、自社で試しています。
このサイトの文章そのものを対象に、どの一文がどの根拠から出ているかを確認しながら書き換えています。対象、変更前の状態、変更の意図、変更後にどう読まれるかを1件ずつ記録していて、2026年9月時点で40件。そのうちWeb運用支援のページは、この進め方で全面的に作り直したうえで公開しています。
実際に作り直したページを見る →Research
研究の過程は、研究ノートで公開しています。
この見方がどこから生まれ、どんなケースがあり、何がまだ解けていないのか。研究の過程は、代表の土開千昭が研究ノートとして公開しています。
FAQ
よくあるご質問
意味の監査（Meaning Audit）とは何ですか？
文章や資料について、書かれている事実が正しいかではなく、その事実からどの推論を経て解釈・提案・判断にたどり着いたかを見えるようにする取り組みです。どこまでが元の情報で、どこから解釈が加わったかを指し示します。
AIを使うのをやめたほうがいい、という話ですか？
いいえ。AIが文脈を補い、読みやすい文章に整えることは便利な能力で、当社も日常的に使っています。問題はAIが意味を補うことそのものではなく、どこまでが元の情報で、どこからが補われた意味なのかの境界が見えなくなることです。
どんな文書を見てもらえますか？
企画書、提案書、議事録、AIが生成した文章、Webページなど、読んだ人が何かを決める文書であれば対象になります。元になった資料やデータがあれば、それも一緒にご用意いただくと、どこまでが元の情報かをより正確に見られます。完成版でなくても構いません。
どのように進みますか？
まず個別のご相談から始めています。文書の種類と分量を伺ったうえで、どこまで見られるか、どういう形でお返しできるかを最初にご相談します。意味の監査は実践と検証を重ねながら方法を整備している途中なので、進め方も案件ごとに決めています。
Bring Us a Document
その資料、どこまでが事実でしょう。
いま手元にある文書を1つ、一度見てみませんか。整理がついていない段階で構いません。
お書きいただけると、話が早く進みます
- どんな文書ですか。
- どこに違和感がありますか。
- その文書は、どんな判断につながりますか。