信頼性は、たどれる主張、正直な例、明確な著者の明示から生まれます。AIは支援に使い、体験や推薦の声を捏造しないようにしましょう。
信頼性とは、削除すべき言葉のリストではありません。くだけた口調でも捏造された統計を隠せますし、硬い文章でも丁寧で信頼できることがあります。
経験、例、根拠を分ける
個人的なテストを書くなら、実際に行ったことと観察したことを記録します。顧客、会話、失敗談をモデルに捏造させ、自分の経験として公開しないでください。構成したシナリオは例としてラベル付けします。
正直な例
「顧客は何時間も節約できました」ではなく、「この例では、貼り付けた下書きの段落間に4つの空行があります」と書きます。後者の記述は、ビジネス上の成果を測定したふりをせずに検証できます。
主張の台帳を保つ
重要な事実の文ごとに、出典、関連する箇所、限界を記録します。モデルが生成した引用は調査の手がかりであり、検証ではありません。元の出典を開き、その主張を正確に裏付けているか確認します。
出典が入手できない場合は、表現を狭めるか主張を削除します。正確さが権威的に聞こえるからといって、推定値を精密なパーセンテージに変換しないでください。
責任を明示する
公開の責任者である個人またはチームを明示し、訂正の窓口を設けます。読者の理解に役立つ場合は、AIがプロセスをどう支援し、何を確認したかを説明します。Googleのguidance on generative AI contentは正確さ、品質、関連性を重視しています。AIを使っても、メタデータや画像の説明の確認が免除されるわけではありません。
不完全さを演出せずに編集する
読者が理解できる言葉を選びます。人間らしく見せるために、誤り、偽の感情、恣意的な短縮形を挿入しないでください。検出器が好まない場合でも、主題にとって重要な用語は保持します。
公開前に、local formatting cleanupはコピーしたマークアップやスペースにのみ使います。これは記事を検証したり、誰が書いたかを立証したりするものではありません。その境界についてはcleaning methodologyをご覧ください。