トーン指示を記述するな。レイヤー化せよ

トーン指示を記述するな。AI を「高知能だが EQ の低い新人」と捉え、4 層のスタックで管理せよ

LLM にブランドの一貫性を維持させるため、「詳細なシステムプロンプト」や「トーンの指示」に頼る従来のアプローチには限界があります。この動画では、AI を単なるツールではなく「記憶力はあるが状況判断（EQ）に欠ける天才的な新人」と捉え直すことで、その限界を打破する「レイヤー化されたプロンプト・スタック」の設計パターンを提唱します。

AI はロボットではない：高知能だが EQ の低い新人を管理する方法

多くの企業が陥る誤解は、AI を完璧なロボットとしてプログラムすることです。しかし、話者は AI を「IQ は極めて高く、EQ がひどく低い優秀なインターン」と定義し直します。

彼らは私が最初の朝に伝えたことを写真のように記憶しますが、場の空気を読むという直感が全くありません。技術的には完璧ですが、社会的には大惨事となる発言を、自信満々に同じ文で言います。

ロボットならルールを書けば済みますが、この「新人」を管理するには、単なる指示ではなく構造化された管理が必要です。インターンがクライアント宛のメールをブラインドで送信しないよう、誰かが必ずチェックするプロセス（Veto）が必要なのです。この認識の転換こそが、信頼性の高い AI エージェント設計の第一歩です。

失敗する「単一プロンプト」の罠と、4 層アーキテクチャの必要性

ブランドの声を守るために詳細な指示や例示（Few-shot）をシステムプロンプトに詰め込むのは、多くのチームがたどり着く標準的なアプローチです。しかし、これは「ハッピーパス（予測された質問）」には有効でも、21 番目のターンで突然崩壊します。

技術的には正しいことをしますが、ブランドが決して言わないようなことをしてしまいます。完全に間違っているわけではありませんが、それはあなたらしさではありません。

この失敗の理由は、例が悪いからではなく、「一人の若者（AI）」に状況対応、表現、自己検証という4 つの全く異なる役割を同時にこなさせようとしているからです。これを解決するのが、固定順序で積み重ねる 4 層アーキテクチャです。

レイヤー 1：不変のアイデンティティルール（ハードル）

最上位に配置されるのは、ブランドが構造的に決して言えないことを禁止する「不変ルール」です。これは好みではなく、制約であり、ユーザーの指示や状況モードによって上書きされることは絶対にありません。

• 物理的存在の境界線: AI には体がないため、「対面で案内しましょう」と言うのは禁止し、「チームがご案内を歓迎します」と表現するよう強制します。AI が人間であるかのように振る舞う嘘は、信頼を逆転させるからです。
• AI の開示: 「自分が AI か」を問われた時だけでなく、最初の応答ですぐに「私は AI アシスタントです」と明言するルールを設けます。これは法的義務ではなく、製品上の判断です。「最初から AI と話していることを知っているカップルの方が、7 ターン目で知った人よりも信頼します」。
• 文脈を超えた絶対性: 行方不明者を探す家族向けのツールでは、「一致した」「解決した」という言葉を禁止するルールが最上位にあります。悲しむ家族に対して統計的に自然な単語を使うこと自体が、最も有害な行為となるからです。

レイヤー 2：状況モード（リアルタイムの文脈）

2 層目は、ユーザーの役割や現在の感情状態を読み取り、トーンと対応方針を動的に調整する「状況モード」です。多くのチームがこの層を構築していないため、AI が一律の回答をしてしまいます。

• 相手の識別: 同じ AI でも、カップルに対しては温かく、会場スタッフに対しては同僚として話すなど、相手によって「ルート（応答の方向性）」を変えます。
• 人生の文脈: ユーザーが「病気の親をケアしている」「母親が化学療法中」といった情報をシステムに持っている場合、AI はそれに応じたトーンで応答します。単なる数値制約ではなく、ソフトコンテキスト（感情や状況）を先に読み込み、その後に数値的制約を適用する順序が重要です。

レイヤー 3：例示された声のガイド（トーンとフレーズ）

3 層目は、ブランドの声そのものを定義する「例示」です。温かさ、特定のフレーズ、調整項目などが含まれます。多くのエンジニアリングチームはここで作業を終え、「トーンガイドを渡せば完了」と考えがちですが、これは確率的な指示に過ぎません。

インダクションパック（初日の研修資料）のようなものです。誰とも会ったことがない新人に「こんな感じで」と教えるのは良いトレーニングになりますが、発生したルールを強制することはできません。

例示はモデルに「何が良くて何が悪いのか」を教えますが、特定の状況下で不適切な発言をしてしまうリスクを検知する力は持ちません。ここまでの 3 層はすべて「指示（リクエスト）」であり、AI がそれを無視して嘘をつく可能性を完全に排除できません。

レイヤー 4：生成後の Veto チェック（確定的な安全網）

最後の 4 層目は、他の 3 つが逃したエラーを見つけるための「拒否権（Veto）」です。これはプロンプト内の指示ではなく、生成された出力を一度読み取り、許可するかどうかを判断するシステムエンジニアリング的な安全網です。

• 確定的なチェック: 最初の 3 層が「通常は従う」確率的な指示であるのに対し、この層は実際に出力された内容を見て「ノー」と言う力を持ちます。
• 偽陽性と幻覚の排除: AI が質問に答えていない、曖昧な回答をしている、あるいは存在しない日付や価格を自信満々に提案している場合、ここで即座にブロックします。

温かく自信に満ちた声で、実際にはないものを提供するのは、冷たい声よりも悪質です。カップルはデートがあると信じてしまうからです。

• コスト効率: この層はプロンプトを修正するコストが最も低く、かつ唯一確定的なチェックです。予防策（プロンプト）とチェック（Veto）の両方が必要ですが、最終的にプロンプトだけでは防げない「事実の捏造」を防ぐのはこの層のみです。

マルチテナント設計における「静かなる失敗」への警告

この 4 層アーキテクチャは、異なるブランドや用途（結婚式場、行方不明者支援など）を一つのシステムで扱うマルチテナント環境でも有効です。レイヤー 1 は全テナント共通の絶対ルール、2 と 3 は各会場ごとの設定として読み込まれます。

話者は、デフォルト値に頼る「静かなる失敗」の危険性を警告します。ブランド識別情報が初期化されていない場合、AI が別の会場のメールアドレスや声で回答してしまうホワイトラベル漏洩が発生しました。

失敗は大きく起こるべきです。静かなる失敗は許されません。見知らぬ誰かの声で話す場であり、ユーザーはなぜか違和感を感じて信頼が侵食されていきます。

ブランドのアイデンティティが欠落することはフォールバックではなくクラッシュとして扱う必要があります。エラーをスローし、システムを停止させることで、信頼を損なうリスクを未然に防ぐのです。

まとめ

ブランドの一貫性と安全性を確保するには、AI に「トーン指示」を与えるだけでなく、不変ルール・状況モード・声のガイド・生成後チェックという 4 つの層を固定順序で積み重ねるアーキテクチャが必要です。最初の 3 層は AI に「どう振る舞うか」を教える確率的な指示ですが、最後の 1 層だけが実際に出力された内容を検証する確定的な安全網となります。この設計パターンこそが、信頼性の高い AI エージェント開発の標準的なプラクティスです。