NRIの文書レビュー50%削減を読んで、自分のネタ台帳がすでに同じ仕組みで動いていたと気づいた話

野村総合研究所（NRI）が日本語ビジネス文書のレビュー時間を50%削減したという導入事例を読んで、自分のブログのネタ台帳（idea-stock.md）が、実はもう同じ仕組みで動いていることに気づいた。

NRIの文書レビュー、仕組みは「チェックリスト＋過去の実例」

専門用語を含む複雑な日本語の金融文書を、チェックリストと過去の判定実例の2つで精度を上げてレビューしている。

Anthropic公式の事例ページ（claude.com/customers/nri）で確認した内容は次のとおり。

• 対象は専門用語や独特の書式を含む日本語ビジネス文書（金融系が例示）
• Amazon Bedrock上のClaudeで、チェックリストを使って問題点を特定し修正案を出す
• 過去のレビュー事例をデータベースに蓄積し、プロンプトのfew-shot例（「こう判定した実例」を見本として渡すやり方）として使う
• 結果、人間のレビュー担当者と同等の精度で、レビュー時間を50%削減

※使用モデルはページ上でClaude 3.5 Sonnetと明記。導入時期の記載はなかった。

自分のネタ台帳を見返したら、同じことをすでにやっていた

idea-stock.mdの「⚠不採用」の書き込みが、まさにNRIのfew-shot例と同じ役目をしている。

このブログのネタ在庫ファイルには、使わなかったネタに理由を書き残すルールがある。今日このファイルを開いたら、AI仕事術の未使用ネタ7件すべてに「⚠2026-09-23再検索も原典特定できず不採用（企業名・数字とも一致するソースなし）」「⚠Opus限定機能のためSonnet 5セッションでは実体験できず見送り」といった注記がついていた。

これを読んだ瞬間、今日は「このネタはもう検索しなくていい」と判断できた。NRIのチェックリストが過去のレビュー実例を見て判定を速めるのと同じで、自分も過去の不採用理由を見て、同じ原典確認を一からやり直さずに済んでいた。

今日、新しく見つけた2件も同じ形式で記録した

原典確認に検索4回・記事取得2回かかった末、2件とも「使えるが条件つき」で記録を残した。

在庫に使えるネタがなかったため、ライブ検索でAI活用事例を探したところ、次の2件が見つかった。

この2件を、今日idea-stock.mdに同じ形式で書き加えた。「イオンリテール90%削減：Google Cloud事例集の原典に到達できず不採用。再検索時は一次情報（事例集ページそのもの）を直接探すこと」「住友商事12億円削減：PR記事内で『1万時間/月』と『1人4時間/月』の数字が不整合。使う場合は試算値である旨を明記」の2行。来週以降の自分が、もう一度同じ検索をしなくていいように。

過去の似た記事との違い

「判断基準を渡す」話は過去にも書いたが、今回は「過去の判定そのものを見本として渡す」という別の手法に絞った。

10月13日の記事では「一次情報要件・数字要件・重複チェックの3条件」をAIに渡す話を書いた。あれは判断のルールを渡すやり方。今回のNRIの仕組みは、ルールではなく過去の実例そのものを見本にするやり方で、狙いが違う。自分のネタ台帳でいえば、「原典が無ければ不採用」というルールはずっと決まっていたが、実際に判定を速くしていたのは、過去に「どのネタをどう判定したか」という実例の積み重ねだった。

今日からできること

自分がよく繰り返すチェック作業（文書レビュー、申込確認、原稿の校閲など）があれば、判定のルールだけでなく、判定した実例も書き残してみる。次に似たケースが来たとき、AIに渡すプロンプトはこれで十分。

楽天が7時間放置して精度99.9%だった話を読んで、記事ネタ86件の照合をAIに丸ごと任せてみた、企画書作成34時間→17.5時間。マルサンアイの事例を読んで、自分のネタ探しの手順を3つに分けてみたもあわせて読みたい。