# パターン3: 詳細なスライド構成データ + 自然文の台本 + 装飾制限なし

テーマ: AI自動化はどこまで任せるべきか？〜適性スペクトラムの考え方〜
範囲: スライド1〜14（前半パート）

## 方針
- Part A（ソース）にスライドの全テキストを詳細に記述（箇条書き補足 + 説明文）
- 自然文の台本もソースとして登録（背景情報として参照）
- Part B でレイアウト・トーンを制御、ソース名を明記
- 装飾制限・ビジュアル比率なし

---

# Part A: ソースドキュメント

> 以下の内容をテキストファイル（.txt、UTF-8）として保存し、「スライド構成データ」としてNotebookLMのソースにアップロードしてください。別途、自然文の台本テキストも「解説台本」としてソースに追加してください。

## スライド1: タイトル
タイトル: AI自動化はどこまで任せるべきか？
サブタイトル: 適性スペクトラムの考え方

## スライド2: 核心メッセージ
【キーメッセージ】
「AI化すべきかどうか」ではなく「どのレベルの自動化が最適か」

タスクの性質ごとに最適な自動化レベルが異なる。二択ではなく、5段階のスペクトラムで考える枠組みを「適性スペクトラム」と呼ぶ。

## スライド3: 適性スペクトラムの5段階
【図解: ピラミッド】
5層のピラミッド（下が最も自動化に適する）:

頂点（レベル5）: AI自動化が不適切 — 司法判断、生殺与奪の決定。社会が人間に留保することを選択する領域
第2層（レベル4）: 人間中心＋AI支援 — 経営戦略、危機管理。AIはデータ分析を提供、判断は人間
第3層（レベル3）: AI支援＋HITL — 医療画像診断、法務レビュー。広大なHITL最適ゾーン
第4層（レベル2）: 高度自動化＋監視 — 一次サポート、品質検査。大部分はAIが処理、異常時に人間へエスカレーション
底辺（レベル1）: 完全自動化 — 請求書処理、スパムフィルタ。ルールが明確で大量に反復される

下から緑→黄→オレンジ→赤→濃い赤

## スライド4: 自動化向きと人間中心の対比
【図解: 対比図】
左「レベル1-2: 自動化が最適」（緑〜黄系）:
- 構造化度が高い — ルール通りに処理できる
- エラー許容度が高い — 間違いがあっても修正しやすい
- フィードバックが速い — 問題を即座に検知できる
- 例: 請求書処理、スパムフィルタ、一次サポート

右「レベル4-5: 人間が主体」（オレンジ〜赤系）:
- 暗黙知への依存が高い — 言語化しにくい経験的知識が必要
- 責任帰属が重大 — 法的・倫理的責任が重い
- 倫理的判断を含む — 社会的な価値判断が必要
- 例: 司法判断、経営戦略、危機管理

中央: レベル3がHITL最適ゾーン。AIが支援し、人間が最終判断を保持する。

## スライド5: セクションタイトル
タイトル: なぜこう考えたか
サブタイトル: 根拠となる発見

## スライド6: 地味な反復処理のROIが高い理由
【図解: 概念図】
中心: なぜ「地味な反復処理」のROIが高いか
放射状に4つの理由:
- 構造化度が高い — ルールが明確で自動化しやすい
- エラー許容度が高い — 間違いがあっても比較的すぐに修正できる
- フィードバックが速い — 処理結果の正否をリアルタイムで検知
- 検証が自動化できる — 人手の確認コストが低い

5変数が全て自動化に適した方向を向いている。請求書処理では1件あたり$15〜25が$2〜5に低下した報告もある。

## スライド7: AI生産性効果の実態
【図解: 氷山図】
水面上（見えるもの）:
- ベンダー調査「55%速くなった」 — GitHub等のスポンサード調査
- 華やかなデモと成功事例 — 注目を集めるAI活用

水面下（見えないもの）:
- 独立実験では19%遅くなった — METR研究、経験豊富な開発者が対象
- 知覚と現実に約40ptの乖離 — 遅くなった本人が「速くなった」と信じていた
- 95%のパイロットがP&L効果なし — 損益計算書に測定可能な効果を示せず
- 組織全体では安定性7.2%低下 — 個人の向上と組織の低下が同時に発生

AI効果の測定自体が、想定以上に難しい問題。自己報告ベースのデータには注意が必要。

## スライド8: 認知バイアスの構造
【図解: 概念図】
中心: なぜ効果を過大に感じるか
放射状に3つのメカニズム:
- 自動化バイアス — AIの出力を無批判に受け入れてしまう傾向。カーナビに従い遠回りするのと同じ
- 認知的オフローディング — 負荷が軽減され「楽になった＝速くなった」と錯覚する
- 第一印象効果 — 初回の成功体験が過信を固定化する

これらのメカニズムが重なり、知覚と現実に約40ポイントの乖離が生じる。

## スライド9: ハルシネーションの原理的限界
【キーメッセージ】
「ハルシネーションの完全排除は数学的に不可能」

真実性・情報保存・関連知識開示・最適性の4性質を同時に満たせないことが証明されている。2026年現在でも最良モデルのエラー率は6.2%。推論強化モデルでは40%→58%に悪化するケースもある。

## スライド10: 完全自動化からハイブリッド回帰
【図解: 循環図】
時計回りに4段階:
1. AI完全自動化を導入・人員削減
2. スケールアップで困難なケースが増加
3. 品質低下が顕在化 — 顧客満足度22%低下、ドライブスルー精度問題で100店舗撤去
4. 人間とのハイブリッドに回帰 — 解雇した従業員を再雇用

AI人員削減企業の55%が後悔を報告。再雇用コストが節約を上回った企業31%、相殺42%。合計73%が実質的コスト節約に失敗。

## スライド11: 精度比較（病理診断）
【図解: 横棒グラフ】
- AI＋人間（HITL）: 99.5%（緑、ハイライト）
- 人間単独: 96%（青）
- AI単独: 92%（オレンジ）

組み合わせが単独を一貫して上回る。完全自動化からハイブリッドに回帰するだけの明確な根拠がある。

## スライド12: 5変数モデル
【図解: 概念図】
中心: 適性スペクトラムの判断基準
5つの放射状要素:
- タスクの構造化度 — ルールで記述可能か。請求書照合は高、危機管理は低
- エラーの許容度 — 間違いの影響の大きさ。マーケティングコピーは高、医療診断は低
- フィードバックの速度 — 誤りの検知・修正速度。不正検知はリアルタイム、法的文書は発覚が遅い
- 暗黙知への依存度 — 経験的知識の必要度。質の高い成果の70%が設計変数で説明できないという報告
- 責任帰属の重大性 — 法的・倫理的責任の重さ。AIは法的主体になれない

## スライド13: 構造化度×エラー許容度
【図解: 四象限マトリクス】
X軸: 構造化度（低→高）
Y軸: エラー許容度（低→高）
- 右上（高・高）: レベル1-2 完全自動化向き — 請求書処理、スパムフィルタ
- 左上（低・高）: レベル2-3 — マーケティングコンテンツ生成
- 右下（高・低）: レベル3 — 信用審査、採用スクリーニング
- 左下（低・低）: レベル4-5 人間中心 — 司法判断、危機管理

この2変数だけでもかなり見えてくる。

## スライド14: 5変数がレベルを決定する仕組み
【図解: 分解図】
全体: 5変数の組み合わせがレベルを決定
構成要素:
- 構造化度（高→自動化向き / 低→人間中心）
- エラー許容度（高→自動化向き / 低→人間中心）
- フィードバック速度（速→自動化向き / 遅→人間中心）
- 暗黙知依存度（低→自動化向き / 高→人間中心）
- 責任帰属の重大性（低→自動化向き / 高→人間中心）

全てが自動化向き→レベル1、全てが逆→レベル5。中間の組み合わせがレベル2〜4を形成する。

---

# Part B: カスタムプロンプト

> NotebookLMの Studio パネル → スライド資料 → 鉛筆アイコン → カスタムプロンプト欄に以下を貼り付けてください。

Generate EXACTLY 14 slides. Do NOT merge or split any slides. Do NOT add or remove any slides.

以下の構成に厳密に従ってスライドを作成してください。
スライドのテキストはソース「スライド構成データ」の内容のみを使用してください。ソース「解説台本」は背景情報・文脈の参照用であり、スライドのテキストには使用しないでください。

Slide 1: タイトル（Hero Layout）
Slide 2: 核心メッセージ（Quote Focus, large bold typography）
Slide 3: 適性スペクトラムの5段階（Hierarchical Pyramid, 5 layers, gradient green-to-red base-to-tip）
Slide 4: 自動化向きと人間中心の対比（Split-Screen Comparison, left=green tones, right=orange tones）
Slide 5: セクションタイトル「なぜこう考えたか」（Hero Layout）
Slide 6: 地味な反復処理のROIが高い理由（Hub & Spoke diagram）
Slide 7: AI生産性効果の実態（Iceberg Diagram, clear waterline division, deep blue tones）
Slide 8: 認知バイアスの構造（Hub & Spoke diagram）
Slide 9: ハルシネーションの原理的限界（Quote Focus, large bold typography）
Slide 10: 完全自動化からハイブリッド回帰（Circular Diagram, clockwise arrows, 4 segments）
Slide 11: 精度比較 病理診断（Horizontal Bar Chart, highlight top item）
Slide 12: 5変数モデル（Hub & Spoke diagram with central concept）
Slide 13: 構造化度×エラー許容度（2x2 Matrix Grid with labeled quadrants）
Slide 14: 5変数がレベルを決定する仕組み（Anatomy Breakdown, labeled components）

対象: テーマに関心のある一般視聴者
トーン: Professional, calm, data-driven, humble, accessible
避けるべき: コードスニペット、学術的な堅苦しさ、カジュアルすぎる表現、過度な専門用語

Presenter Slides形式（キーポイントのみ表示）
Clean stat cards, process flows, comparison layouts, hub-and-spoke diagrams を多用
各スライドは1つの明確なメッセージに集中

---

# Part C: 操作手順

1. NotebookLM (notebooklm.google.com) を開く
2. 新しいノートブックを作成
3. 上記 Part A の内容をテキストファイル（.txt、UTF-8）として保存し、「スライド構成データ」としてソースにアップロード
4. 自然文の台本テキスト（.txt）を「解説台本」としてソースに追加アップロード
5. Studio パネルで「スライド資料」を選択
6. 鉛筆アイコンをクリックしてカスタマイズ画面を開く
7. Part B の内容をカスタムプロンプト欄に貼り付け
8. フォーマット: 「Presenter Slides」を選択
9. 長さ: 「Default」を選択
10. 生成ボタンをクリック（3〜5分で完了）
11. プレビューで各スライドを確認（特に14枚になっているか）
12. 意図と異なるスライドがあれば「変更」ボタンから個別に修正指示を入力
13. 満足したらPPTXでエクスポート