AIライティング副業の注意点｜品質管理チェック10項目

AIライティング副業は、文章を速く作れるだけでは収入が安定しません。
これから始める会社員や副業ライターにとって大事なのは、AIに任せる範囲を下書きまでに切り分け、納品品質を工程管理・検査・改善で整えることです。

実際のところ、1記事3,000〜8,000円の案件では、再修正が増えると時給感がすぐに崩れます。
筆者も「構成→生成→人力検査→改善メモ」の流れを入れてから、継続案件の差し戻しが目に見えて減り、作業時間の読みが立ちやすくなった実感があります。

この記事では、納品前チェック10項目の雛形、QCフローの導入手順、ChatGPT Plusの公式表示（執筆時点: 20 USD/月）を例にした採算感まで、AI副業を現実的に回すための基準を整理します。
円換算は為替や税の扱いで変動するため、記事中の円額は概算である旨を明記しています。
月5万円を目指すにしても、伸ばすべきは生成量ではなく、やり直しを減らす品質管理です。

AIライティング副業で品質管理が重要な理由

AI活用の普及と差別化の難易度

AIライティングは、文章生成だけでなく、構成案づくり、要約、言い換え、校正まで一気に支援できるので、いまや副業ライターの標準装備に近い存在です。
されています（同記事内の「約80％」という引用は一次出典が明示されておらず、参考情報として扱ってください）。
ここがポイントなんですが、のは「AIを使うこと自体」は強みになりにくいという現実です。

以前は、ChatGPTや類似ツールで下書きを速く出せるだけでも優位性がありました。
ですが、使い手が増えた現在は、速く書けることよりも、速く書いても品質が崩れないことのほうが評価されます。
実際、AIは効率化には強い一方で、事実誤認、不自然な日本語、既存記事と似た表現、要件の取りこぼしが混ざりやすく、人の編集を外すと納品物としては不安定になりがちです。

筆者も初期は、生成スピードを前面に出して単発案件を取るやり方をしていました。
たしかに最初の提出までは速いのですが、品質事故が出ると再修正に時間を取られ、次の案件にもつながりにくくなります。
表面上は効率化できていても、収益の中身はむしろ悪くなる。
このズレに気づいてから、差別化の軸を「速さ」から「安定品質」に切り替えました。

AIライティングは副業になる？稼げる？初心者が稼ぐためのポイント・おすすめAIツール・注意点を解説｜Chapter Twoメディア[株式会社Chapter Two]

AIライティングは副業として注目されており、スピードや効率化を実現できて低コストで始められる点が魅力です。初心者でも安心して取り組めますが、リスクも理解しておくことが欠かせません。成功のコツや役立つツール、継続するための管理方法まで詳しく解説し

chaptertwo.co.jp

単価目安と時給の現実

AIライティング副業の案件は、実務感として1記事3,000〜8,000円あたりがひとつの目安になります。
このレンジだけを見ると悪くないように見えますが、採算は単価よりも修正回数に強く左右されます。
たとえば、1記事5,000円 ÷ 3時間 = 時給1,667円です。
副業として成立させるには、この3時間の中に構成確認、生成、事実確認、整文、最終チェックまで収める必要があります。

反対に、初稿は1時間台で作れても、差し戻しで2回、3回と修正が重なると話は変わります。
3時間で終わるはずだった案件が4時間、5時間に伸びれば、時給感はすぐに崩れます。
AIを使うと下書きは速くなるので、つい「作成時間」だけを見がちですが、実際の副業収益を決めるのは納品完了までの総工数です。

ChatGPT Plusの公式価格はOpenAIで月20ドルです。
定額コスト自体は、記事数をこなすほど1本あたりでは小さくなります。
問題はツール代よりも、修正で失う時間です。
生成が20％速くなっても、検査不足で差し戻しが増えれば、時給は上がるどころか下がります。
副業で見落としやすいのはこの点で、AI導入の効果は「何分短縮できたか」ではなく、「どれだけ手戻りを減らせたか」で測るほうが実態に合います。

品質事故がもたらす機会損失

品質事故で失うのは、1本分の修正時間だけではありません。
継続案件、クライアント評価、追加発注、そして将来の時給までまとめて落ちるのが厄介です。
とくにAI使用案件では、クライアント側も「そのまま出した感」に敏感なので、事実ミスや不自然な文体が続くと、単発で終わる確率が上がります。

筆者の経験でも、速さ重視で回していた時期は、初稿提出までは好感触でも、その後の再修正で実入りが削られました。
1回の差し戻しなら吸収できますが、論点ずれや事実確認漏れが重なると、追加でかかる時間は見積もりを簡単に超えます。
しかも、次回以降の依頼では「この人はチェックが甘い」という前提で見られるので、確認コストまで上乗せされやすくなります。

長い目で見ると、短期の速度より安定して一定品質を出せることのほうがROIを押し上げます。
継続案件では、修正が少ない人ほど発注側の管理コストが低く、任せやすいからです。
AIライティング副業で収入を積み上げるには、毎回のホームランより、事故を起こさない打率のほうが欠かせません。

QCDで考える最適解

この問題を整理するのに相性がいいのが、品質管理で使われるQCDの考え方です。
QCDは Quality、Cost、Delivery のバランスを見る発想です。
これをライティング副業に置き換えると、Quality は記事の正確性や読みやすさ、Cost は自分の作業工数、Delivery は納期遵守にあたります。

AI活用で失敗しやすいのは、Deliveryだけを極端に優先することです。
たしかに納品スピードは上がりますが、Qualityの最低ラインが曖昧だと、あとでCostが膨らみます。
つまり、速く出したせいで修正が増え、結果としていちばん高くつくわけです。
副業では工数がそのまま時給に跳ね返るので、QCDは理屈ではなく収益管理そのものです。

そこで重要になるのが、品質の最低ラインを先に決めることです。
たとえば、固有名詞と数値は一次情報で確認する、AI特有の不自然な言い回しは整える、既存記事と似た一般論だけで終わらせず自分の視点を足す、といった基準です。
正確性・独自性・可読性・倫理性・読者満足度の5観点も、この最低ラインを具体化するうえで参考になります。

本記事の独自軸は、製造業のQCをライティングに移して、工程管理・検査・改善の3段階で回すことです。
工程管理では要件確認やプロンプト設計で脱線を防ぎ、検査では事実関係や文体、類似性を納品前に確認し、改善では修正指摘をテンプレートやチェックリストに反映します。
AIライティング副業で安定して稼げる人は、文章力だけでなく、このフローを持っています。
速度はその結果としてついてくるものです。

AIライティング副業で起こりやすい5つの品質トラブル

誤情報

AIライティング副業で最も起こりやすく、しかも事故として表面化しやすいのが誤情報です。
とくに危ないのは、数値、固有名詞、出典の3つです。
AIはもっともらしい文章を滑らかに返しますが、その滑らかさと正確さは別物です。
たとえば、企業名は合っているのにサービス名が古い、制度の説明は概ね正しいのに施行時期が違う、統計の趣旨は近いのに引用元が別物、といったズレが混ざります。
こういうミスは、読者より先にクライアントや編集者に見つかることが多く、信頼低下に直結します。

ここがポイントなんですが、誤情報は「文章が不自然だから気づける」タイプばかりではありません。
むしろ危険なのは、読みやすく整っていて、そのまま通りそうに見える原稿です。
AIに構成から本文まで任せると、前後の文脈を合わせるために都合よく事実を埋めることがあり、これがハルシネーションの厄介なところです。

実務では、一次情報で照合する順番を固定しておくと事故が減ります。
筆者は、まず記事内の数値を全部拾い、次に固有名詞と制度名を確認し、そのあと引用している調査やルールの元資料に当たる流れで見ています。
料金なら公式価格ページ、制度なら官公庁や運営元、機能説明ならサービス提供会社の案内というように、原典に近い情報から逆引きする形です。
プロンプト段階で「根拠が曖昧な数値は出さない」「不明な固有名詞は書かない」と条件を置いても、検査工程は省けません。

筆者の経験では、医療や金融のように誤りのコストが高い分野では、生成結果をそのまま文章化の土台にせず、骨子づくりまでに留める運用のほうが安定します。
そのぶん一次資料の確認回数を通常より増やしたほうが、結果として修正工数も少なくなります。
速さより、誤った情報を混ぜないことのほうが収支に効きます。

既存文との類似・コピペ疑義

AI生成文はゼロから書いているように見えても、公開済みの定番表現や構成パターンに強く寄ることがあります。
そのため、完全なコピーでなくても「どこかで見たような文章」になりやすく、クライアントから見るとコピペ疑義として扱われることがあります。
とくに、定義説明、比較パート、手順の導入文は似通いやすい部分です。

この問題は、著作権の侵害に当たるかどうかという法的な話だけではありません。
副業の現場では、納品物として安心して使えるかが先に問われます。
たとえ偶然でも既存記事と近い表現が並べば、編集側は公開を止めますし、確認作業も増えます。
つまり、類似性は品質問題であると同時に、納期問題でもあります。

対策として必要なのは、類似性チェックを納品前の検査項目に入れることです。
加えて、引用・要約・出典明記の原則を混同しないことも欠かせません。
原文の表現を使うなら引用範囲を明確にする、内容だけをまとめるなら自分の言葉に置き換える、事実や調査を参照したなら本文中で情報源を自然に示す。
この線引きが曖昧だと、AIが吐き出した文章を整えただけの原稿になりやすいのが利点です。

筆者は、定番テーマほどAIの初稿をそのまま使わず、自分の実務で見た修正パターンや判断基準を入れて差を作ります。
一般論だけだと似ますが、「どこで差し戻しが起きたか」「どの工程で防げたか」まで書くと、文章は固有化されます。
独自性は大げさな体験談よりも、現場での判断の細かさから生まれることが多いです。

文体・ブランドトーンのぶれ

AIライティング副業では、文法ミスより先に「なんとなくこの会社っぽくない」と言われることがあります。
これが文体やブランドトーンのぶれです。
敬体と常体が混ざる、やさしいブランドなのに断定が強い、専門メディアなのに俗っぽい言い回しが入る、といったズレは、情報が正しくても違和感になります。

AIは平均的な読みやすさには強い一方で、そのクライアントらしい書き方の再現は雑になりがちです。
特定のブランドトーンは、単なる「です・ます」ではなく、語尾の強さ、漢字とひらがなの比率、たとえ話の多さ、専門用語の置き方まで含めた総体だからです。
ここを指定せずに生成すると、毎回それっぽいが別物の文章が出ます。

実務では、トーン・ボイスをスタイルガイド化しておくと安定します。
たとえば「断定しすぎない」「初心者向けでも幼くしない」「専門語は使うが直後に説明する」「煽り表現は避ける」といった基準を、プロンプトと編集ルールの両方に落とし込む形です。
『マネーフォワードのAIライティングのプロンプト設計』でも、目的や読者、条件を具体化するほど出力の再現性が上がる整理がされていますが、文体も同じで、曖昧な指示ではぶれます。

筆者も継続案件では、うまく通った過去原稿を2〜3本見返して、語彙、見出しの切り方、避ける言い回しを先に抜き出します。
AIに「この会社っぽく」と頼むより、この表現は使う、この表現は使わないまで言語化したほうが圧倒的に安定します。
ブランドトーンのぶれは、書き手のセンスより設計不足で起きることが多いです。

AIライティングで成果を出すためのプロンプトの作り方とは？ ｜ マネーフォワード クラウド

PointAIライティングでプロンプトを作成するコツは？ 目的・読者・条件・出力形式を先に固定し、事実と推測の扱いまで決めると、脱線と誤情報を減らし品質が安定します。 プロンプトは成果物の仕様書として使います。 目的/読者/範囲/文体/文字

biz.moneyforward.com

読者ニーズとのズレ

AI生成文が一見まとまっているのに評価されないときは、読者ニーズとのズレが原因であることが少なくありません。
文章自体は整っていても、読者が知りたい順番になっていない、検索意図より説明が浅い、読了後に何が分かるのかが曖昧、といった状態です。
副業案件では、このズレが差し戻しの大きな原因になります。

背景には、ペルソナ、検索意図、読了ゴールの3つが曖昧なまま書き始めてしまう問題があります。
AIは与えられたテーマから平均的な正解を返すのは得意ですが、「この読者が、いま、何に困っていて、読み終えたあとに何を判断できればよいか」までは自動で埋めてくれません。
結果として、広く浅い説明になりやすいのが利点です。

対策は本文の修正より、構成段階にあります。
誰向けの記事か、どの検索意図に応えるのか、読了時点で読者が持ち帰る答えは何かを先に決めておくと、AIの出力も変わります。
たとえば「AIライティング副業を始めたい人」でも、案件獲得前の初心者と、すでに受注していて品質で悩む人では必要な情報が違います。
この切り分けがないと、どちらにも刺さらない原稿になります。

筆者は構成づくりのとき、本文を書く前に「読者の質問」を短文で置くようにしています。
そうすると、AIに見出し案を出させても脱線しにくくなります。
読者ニーズとのズレは執筆力の不足というより、設計図なしで組み立て始めたときに起きる典型的な不具合です。

規約・著作権・情報漏えい

AIライティング副業では、文章の出来不出来だけでなく、何を入力し、何を生成し、どう使ったかまで品質の一部として見られます。
規約違反、著作権リスク、情報漏えいは、発生すると原稿1本の修正では済まないタイプのトラブルです。
しかも、見落としたまま運用すると、本人は効率化しているつもりでも、実際には大きな事故要因を抱えた状態になります。

著作権まわりは単純化しすぎると危険で、文化庁の「AI と著作権に関する考え方について」でも、学習段階と生成・利用段階を分けて整理しています。
つまり、「AIが何を学習したか」と「利用者が生成物をどう使うか」は論点が別です。
さらに、生成物そのものが著作物に当たるかという話も別軸です。
この整理を知らないまま「AIが書いたから問題ない」あるいは「AIを使ったから全部危ない」と考えると、どちらも実務ではずれます。

副業の現場で見落としやすいのは、入力情報の扱いです。
未公開の社内資料、顧客情報、案件の管理画面にしかない数値などを、そのまま外部AIに入れる運用は情報漏えいの火種になります。
クライアントの利用規約や発注条件でAI使用の可否、入力禁止情報、生成物の権利関係が定められていることもあります。
規約面の確認を飛ばすと、原稿品質以前の問題になります。

筆者は、機密に触れる案件では固有名詞や社内事情を伏せた抽象化メモに置き換えてからAIに渡すようにしています。
AIは便利ですが、共有してよい情報の境界を曖昧にした瞬間に、道具ではなくリスク源になります。
規約・著作権・情報管理は法務の話に見えて、実際は日々の下書き運用に直結する品質管理です。

納品品質を安定させるQCフロー｜工程管理・検査・改善の3段階

工程管理：要件確認とプロンプト設計

製造業の品質管理でいう工程管理は、不良を作ってから直すのではなく、そもそも不良が出にくい条件で流す考え方です。
副業ライティングに置き換えると、書き始める前の要件確認とプロンプト設計がここに当たります。
ここがポイントなんですが、AIライティングの手戻りは、執筆力不足よりも入力条件の曖昧さで起きることが多いです。

たとえば確認すべきなのは、テーマや文字数だけではありません。
誰向けか、何を読了ゴールにするのか、禁止表現はあるか、参照してよい情報源は何か、見出し構成は固定か、AI利用の可否や入力制限はあるか、といった条件まで含めて最初に固めます。
製造業でいえば作業標準書に近い役割で、ライティングではこれがプロンプトの設計図になります。

プロンプトの形も、案件の複雑さで使い分けると安定します。
単発の構成案づくりならMarkdownの箇条書き型でも十分ですが、条件が多い案件では、目的、読者、禁止事項、出力形式、根拠の扱いを分けて書ける設計のほうが抜けが減ります。
『マネーフォワードのAIライティングのプロンプト設計』でも、実務でもまったく同じです。
AIは文才より指示精度に反応します。

筆者は継続案件では、着手前に見るテンプレを単純化しています。
読者、記事目的、絶対に入れる要素、避ける表現、参照元、見出しルールの6項目だけを先に埋めてから生成に入る形です。
テンプレがあると、毎回ゼロから考えずに済むだけでなく、条件漏れそのものを防げます。
工程管理は派手ではありませんが、ここを詰めるほど後工程の修正が軽くなります。

時間配分の目安としては、工程管理に全体の30％前後を置くとバランスが取りやすいのが利点です。
急いで本文生成に入ると一見速く見えますが、後ろで構成修正や全面書き直しが発生すると、結果として工数は膨らみます。
副業では使える時間が限られるからこそ、書く前に防ぐ設計が効きます。

検査：事実・可読性・類似性チェック

工程管理で不良を減らしても、納品前の検査は別に必要です。
製造現場で最終検査を省けないのと同じで、AIライティングでも「それっぽく読める文章」がそのまま納品品質になるわけではありません。
検査の主眼は、書いた後に不具合を見つけることです。

見るべき項目は大きく分けると、事実、可読性、類似性、規約適合の4つです。
事実確認では、数値、固有名詞、制度の扱い、引用の意味がずれていないかを見ます。
可読性では、文のねじれ、主語の飛び、冗長表現、見出しと本文の対応、読者にとっての理解順を点検します。
類似性では、既存記事の言い換えに寄りすぎていないか、自分なりの具体例や整理が入っているかを確認します。
規約適合では、AI使用条件、表現ルール、機密情報の扱い、著作権リスクのある記述が混じっていないかを見る流れです。

この工程で大事なのは、感覚ではなく「誰が・何分で・何を」見るかを決めることです。
たとえば一次チェックでは執筆者自身が短時間で事実と体裁を確認し、仕上げチェックでは読み手視点で可読性と違和感を拾う、といったように役割を分けると抜けが減ります。
Google ドキュメントのコメントや変更履歴を使う運用は、この標準化と相性がよく、レビュー観点を固定しやすいのが利点です。

QCフローを単純化すると、流れは次の3段階です。

1. 要件確認とプロンプト設計で、ズレの原因を先に潰す
2. 生成後に、事実・可読性・類似性・規約適合を点検する
3. 修正理由を記録し、次回のテンプレと条件に戻す

改善：指摘の再発防止サイクル

品質を安定させるうえで見落とされやすいのが改善です。
工程管理と検査だけだと、その案件は乗り切れても、次の案件で同じ指摘を繰り返します。
製造業でいう是正処置に近く、副業ライティングでは指摘を記録し、再発しない形に変えるところまでがQCフローです。

改善でやることはシンプルです。
納品後に受けた修正指摘を、単なるその場対応で終わらせず、原因単位で記録します。
たとえば「情報が古い」なら事実確認の手順不足、「文体がずれる」ならトーン指定不足、「結論が弱い」なら読了ゴールの定義不足というように、指摘を工程へ戻して整理します。
そうすると、次回の対策は本文の気合いではなく、テンプレやチェック表の更新になります。

筆者はこのログ管理をNotionに集約していて、案件ごとに「よく出る差し戻し」を短く残しています。
そこで溜まった傾向を次のプロンプト条件に反映するようにしてから、似た修正が続くことが減りました。
体感としても、うまくいった原稿を増やすより、失敗パターンを先に潰すほうが手戻りは早く減ります。

改善工程に置く時間は、全体の20％前後が目安です。
数字だけ見ると少なく感じますが、この20％が次回以降の工程管理と検査を軽くします。
副業では毎回フルオーダーで頑張るより、テンプレ、チェックリスト、指摘ログを少しずつ育てたほうが時給は安定しやすいのが利点です。
AIは道具であって魔法ではありませんが、同じ失敗を仕組みで減らせる点では、品質改善と相性がいいです。

この3段階を回し始めると、品質管理は「厳しくチェックすること」ではなく、「ズレを前工程で吸収し、後工程で見つけ、次回に残さないこと」だと見えてきます。
副業ライティングでも、納品品質が安定する人は文章力だけで勝っているのではなく、QCフローを持っています。

案件前に決めるべき品質基準｜プロンプトとチェック項目の作り方

品質基準テンプレの項目

品質管理でいちばん効くのは、書いた後に直すことではなく、書く前に「何をもって良い原稿とするか」を固定しておくことです。
ここがポイントなんですが、AIライティングの差し戻しは文章力不足だけで起きるわけではありません。
目的、読者、文体、必須要素、禁止表現、根拠の扱い方、事実と推測の分離が曖昧なまま生成すると、AIはもっともらしく埋めてしまいます。
だから品質基準は感覚ではなく、案件前にテンプレ化しておく必要があります。

筆者が実務で使う品質基準テンプレは、少なくとも次の7項目を持たせます。
目的は「何を読了後に理解させたいか」、読者は「初心者か、経験者か、意思決定者か」、文体は「です・ます調」「断定を避けすぎない」「営業色を抑える」などのトーン指定です。
そこに必須要素として、盛り込むべき論点や具体例、扱う制度名、比較軸を入れます。
さらに重要なのが禁止表現で、「誇大」「根拠のない断定」「不安を過度に煽る言い回し」「“バレない”のような不適切表現」を最初から除外します。
筆者の経験では、この禁止表現を明文化しただけで差し戻しが減りました。

根拠の扱い方も、先に決めておくと原稿の安定度が上がります。
たとえば「価格は公式情報のみ使う」「制度や法務は公的資料を優先する」「業界傾向は専門メディアを補助線として使う」といったルールです。
『マネーフォワードのAIライティングのプロンプト設計』でも、実務ではこれに「どの種類の根拠まで許容するか」を足すと、さらに使いやすくなります。

もうひとつ見逃せないのが、事実と推測の分離です。
AI原稿は事実らしい文と解釈が混ざりやすいので、「確認済みの情報」と「文脈上の推論」を同じ強さで書かないルールが必要です。
本文運用では、草稿段階だけでも [Fact] と [Assumption] を付けておくと混線を防ぎやすくなります。
たとえば、[Fact] ChatGPT PlusはOpenAIの公式ページで月額20 USDと示されている、[Assumption] その定額コストは複数記事に按分すれば1本あたりの負担感が小さくなる、という分け方です。
こうしておくと、あとから検査するときに「どこまでが確認済みで、どこからが編集判断か」がすぐ見えます。

実際のところ、品質基準テンプレは長く作る必要はありません。
案件ごとに毎回ゼロから考えるより、最初に枠を作って埋めるだけにしたほうが速いです。
以下のような形で1ページに収めておくと、生成前の確認にも、納品前の照合にも使えます。

プロンプト形式の使い分け

品質基準を作っても、プロンプトに落とし込む形式が合っていないと、条件漏れが起きます。
実務では、案件の複雑さに応じて形式を変えるのが効率的です。
単発で軽い記事なら箇条書き型で十分ですが、条件が増える案件や複数人で回す案件では、条件の置き場所が曖昧だと再現性が落ちます。

使い分けを整理すると、次のようになります。

（「AI Direct Editor」は運用パターン／概念としての言及。
製品名としての公式情報は確認できないため概念参照として扱う）マネーフォワード、Novapen

箇条書き型は、着手の速さが魅力です。
「目的」「読者」「文字数」「見出し案」のように短く並べればそのまま使えます。
初心者が最初に触る形式としてはもっとも扱いやすく、メモの延長で運用できます。
ただし、禁止表現や根拠ルール、事実と推測の分離まで入れ始めると、後半の条件ほど抜けやすくなります。
人間もAIも上から順に処理しがちなので、条件が10個を超えるあたりから乱れやすい印象があります。

XML型は、見た目は少し重いですが、条件を役割ごとに分離できるのが強みです。
品質基準と出力仕様を別タグにしておけば、「何を書くか」と「どう書くか」が混ざりません。
たとえば に禁止表現や根拠ルールを入れ、 に見出し構成や文体を置く形です。
実際、継続案件ではこの分離が効きます。
同じテーマでも構成だけ変えたいとき、品質条件を固定したまま本文要件だけ差し替えられるからです。

テンプレ型AIツールは、入力欄が決まっているぶん、初心者でも抜けなく入力しやすい形式です。
SEO記事やSNS投稿の量産では便利ですが、案件固有の禁止表現や、事実と推測を厳密に分ける運用はやや乗せにくいことがあります。
自由度が低いぶん、外れにくい代わりに細かい品質設計の調整には限界があります。

選び方の基準はシンプルで、条件が少ないなら箇条書き型、条件を固定して使い回すならXML型、定型量産ならテンプレ型ツールです。
副業案件では納期が短いことも多いので、最初は箇条書き型で始め、差し戻しが増える条件だけXML側に移す運用が現実的です。

XML型プロンプト例

XML型の価値は、情報をきれいに見せることではなく、品質条件と出力仕様を分離して再現性を上げることにあります。
ここでは最小構成だけ示します。
タグ名は厳密でなくてもよく、重要なのは「目的」「読者」「品質基準」「出力形式」が混ざらないことです。

<prompt>
 <goal>
 AIライティング副業の初心者向けに、品質基準を案件前に設計する方法を解説する
 </goal>

 <audience>
 会社員の副業ライター初心者。品質管理の実務経験は浅い
 </audience>

 <style>
 です・ます調
 落ち着いた実務寄り
 煽らない
 </style>

 <quality_rules>
 <required_elements>
 目的
 読者
 文体
 必須要素
 禁止表現
 根拠の扱い方
 事実と推測の分離
 </required_elements>
 <forbidden_expressions>
 根拠のない断定
 誇大表現
 不適切な抜け道表現
 </forbidden_expressions>
 <evidence_policy>
 確認済みの事実だけを事実として書く
 推測や解釈は事実と分けて書く
 </evidence_policy>
 <fact_assumption_rule>
 本文の草稿では [Fact] と [Assumption] を使って区別する
 </fact_assumption_rule>
 </quality_rules>

 <output_spec>
 <format>
 Markdown
 </format>
 <structure>
 H3見出しを含める
 段落主体で書く
 </structure>
 </output_spec>
</prompt>

この形式の利点は、修正指示が来たときに、どこを直すべきかが見えやすいことです。
文体がずれたなら