ChatGPTのDeep Researchが暴走した。note市場調査が国立国会図書館まで飛んだ話

noteの記事市場を調べたかっただけなのに、
ChatGPTのDeep Researchが宇宙まで飛んでいった🚀

参考文献に、国立国会図書館が出てきた。

いや、違う。

私は国家レベルの調査をしたかったわけではない。

やりたかったのは、note記事づくりに使う市場調査だった。

自分が次に何を書くか。
無料記事と有料記事をどう分けるか。
どんなテーマなら読者に届きそうか。

そのあたりを見るための調査だった。

でも、Deep Researchは本気を出した。

本気を出しすぎた。

気づいたら、国立国会図書館。

e-Stat。
e-Gov。
EDINET。
J-STAGE。

？？？？

日本語ディープリサーチの設計図みたいな資料が出てきた。

私はnoteを書きたかっただけである。

国家予算を組みたかったわけではない。

最初は、ChatGPTが暴走したと思った。

いや、たぶん半分は暴走している（笑）

でも、出てきた内容をちゃんと見ると、調査としては間違っていなかった。

むしろ、かなり正しい。

PDFの中身をざっくり言うと、こうだった。

まず、いきなり答えを探すな。
先に、問いを検証できる形に直せ。
何を調べるのか。
対象はどこまでか。
最後は、事実、推論、不明を分けて書け。

いや、正しい。

正しすぎる。

でも私は、noteで次に何を書けばよさそうかを知りたかっただけだった。

なのに返ってきたのは、調査員が白手袋をつけて資料室に入っていくような世界だった。

正しい。
正しいけど、重い。

カレーを作ろうとしたら、農林水産省の統計から米の流通を調べ始めた感じである。

なんでこうなったのか。

正直、自分でも全くわからん。

笑うしかない。

一応、仮説はある。

最初、プロンプトをファイルで渡していた。

Deep Researchはそれを、実行する指示ではなく、
参考資料として読んだ可能性がある。

だから調査を実行するより先に、プロンプト自体を分析し始めた。

その結果、国立国会図書館。

断定はできない。でも、そう考えると腑に落ちる。

腑に落ちたところで、笑うしかないけど。

だから今は、プロンプトをファイルで渡すとき、最初に一言だけ添えるようにした。

「これは参考資料ではなく、実行してほしい指示です」

これだけで、だいぶ変わった。

プロンプトを磨くより先に、その一言の方が効いた。

なんか釈然としない。でも、笑うしかない。

AIに頼んだら話がデカくなりすぎた、という経験はけっこうあると思う。

そのとき私は、AIの性能より先に、渡し方を疑うようになった。

そのプロンプトは、参考資料として渡しているのか。

それとも、実行指示として渡しているのか。

国立国会図書館に行くか、note市場調査に戻ってくるか。

その分かれ道は、案外チャット欄にある。

Xリポストで無料で読めます👇
Xゆっくり再始動したので、フォローいただけるとめっちゃうれしいです🤗

サイトマップ＆私の簡単な自己紹介👇️

#DeepResearch
#ChatGPT
#AI活用
#noteの書き方
#文章術
#40代会社員
#発信のコツ
#AIと創作
#note運営
#失敗談