1 体の AI に聞くのと違い、別々の会社の AI が独立に答え、互いの抜けや誤りを指摘し合います。
下の数字は、私たちが自社の検証ノートで実測した結果です(条件と限界は各記事に書いています)。
企画・提案書の論点を、抜けなく洗い出す
新しい企画や提案書の論点・リスク・反論を、3 社の AI に出させて互いに批評させます。
1 人で考えると偏りがちな観点を、会議の前に並べておけるので、検討の抜けが減り、会議を判断に使えます。
選択肢を広げたいときは、互いの案を発展させる「発想」の討論も選べます。
根拠: 3 社の AI を 45 回討論させて数えると、批評のくせがはっきり違いました(GPT は事実の誤りを指摘する書式を多く使い、Claude は箇条書きで多く挙げて批評する)。
3 社の AI の違い →
調査・比較の下調べで、誤りに気づきやすくする
制度・技術・市場の下調べを、1 社の AI に任せきりにせず、他社の AI に答えを確かめさせてからまとめます。
意見が割れたところが画面で分かるので、人が確かめるべき箇所を絞り込めます。
根拠: 3 体の AI の最初の回答は、4 本に 1 本強(27%)がどこかに誤りを含んでいました。討論を経た最終回答では、誤り率が約 1.3% から約 0.4% に減る傾向が見られました(減った幅はこの規模では確かには言えません)。
検証の詳細 →
社内の規程・手順の案を作り、批評させる
規程や業務手順、社内向けの説明文の下書きを作らせ、別の AI に「例外や条件の書き漏れ」を指摘させます。
担当者はゼロから書かずに、指摘の残った案を確かめる作業から始められます。
根拠: 判断に要る例外・条件を正しく書けた割合は、討論の前の 72% から最終回答で 87% に上がりました。ただし、どの AI も改正後の内容を書かなかった最近の制度改正は直らなかったので、最新の改正は人が一次情報で確かめてください。
検証の詳細 →
自社のシステムから、API で討論を呼び出す
社内ツールや業務の流れの中から、API で討論を始めて結果を受け取れます。
料金は円の請求額で返り、始める前に見積もりで確かめられるので、予算を組んだうえで組み込めます。
キーごとに上限を決められるので、試験的な組み込みも安心です。
詳しく: API キーの作り方、討論の開始と結果の取得、料金、制限値、エラーの一覧を公開しています。
API ドキュメント →