未知の問題ではない
既存の実例やベストプラクティスが大量にある分野でも起きる。
結論
要点
生成AIの課題は、「知らないこと」だけではない。専門知がネット上に十分存在する既知の問題でも、それを自分で収集・選別・統合せず、内部知識と推論だけで“それっぽい自己流”を始めてしまう。 2026年10月時点では、この挙動がBlenderだけでなく、Codex、技術調査、設計、長時間エージェントでも繰り返し見える。
検索だけでは足りない
重要なのは、検索後の選別・統合・工程化までできるか。
詳細プロンプトでも残る
何を作るかを細かくしても、どう作るかが自己流なら品質は上がらない。
人間へ戻すと価値が落ちる
工程や合格条件まで人間に書かせるなら、専門判断の負荷はほぼ残ったままになる。
AIの「自己流」とは何か
本来参照すべき専門知識・既存手法・実例が外部にあるのに、それを十分に取りに行かず、一般知識と局所的な推論で作業方法を組み立ててしまうこと。
似ている問題
違い
知識不足
情報が存在しないのではなく、存在する情報を十分に取りに行かない。
ハルシネーション
事実を捏造しなくても、専門家なら採らない組み合わせや工程で自己流は成立する。
プロンプト不足
要求を詳しくしても、制作方法そのものが自己流なら解決しない。
失敗の構造
- 1目的は理解できる「建築CGを作る」「既存システム相当の機能を作る」など、ゴールは把握する。
- 2専門知の探索が浅い公式仕様、既存実装、専門家の定石、類似事例を十分に集め切る前に設計へ入る。
- 3推論で穴を埋める内部知識をつなぎ合わせ、もっともらしい独自方法を作る。
- 4局所的には成功するコードは動く、3Dは表示される、文章も筋が通るため、途中では問題が見えにくい。
- 5専門品質で差が出る仕上がり、保守性、再利用性、工程妥当性、既存資産との整合で破綻する。
- 6最後に人間へ判断を返す「工程を決めてください」「合格条件を定義してください」となり、AIを使うための専門指示書を人間が作ることになる。
このスレッド自体が実例になった
前提は十分にあった
「AIの自己流が問題」「専門家の方法を調べさせる」「一発プロンプトは信用できない」という文脈は、すでに共有されていた。
それでもAIは、人間へ工程設計を返した
ガラス表現、工程分割、合格条件、戻り先などを、人間が事前に決める設計を提示した。
つまり問題は「指示不足」ではなかった
十分なコンテキストがあっても、AIは「専門知を収集・統合して工程へ落とす」より、人間に個別具体を要求する方向へ逃げた。
ここが重要： これは「未知の問題に弱い」という話より一段手前。既知で、ネット上に実例が豊富な専門問題でも、収集・統合できずに詰まるということ。
Blenderの実例が示したこと
KOBATAKA氏の「AI×Blenderのベスプラは『AIの自己流をやめさせる』」という投稿は、この問題を非常に分かりやすく可視化した。
AIに作らせる前に、作り方を調べさせる。物理、Blender設定、建築CGなど複数の観点から専門家の方法を参照する。
重要なのは、AIにもっと細かく「何を作るか」を指示することではない。「どう作るか」を内部推論だけで決めさせないことにある。
示していること
示していないこと
事前調査で自己流を減らせる
「調査して」と言えば毎回自律的に十分な調査ができる
Rhino / Blenderなど適材適所が効く
AIが常に最適なツール分担を自動発見できる
過去資産・レビュー・反復が品質を上げる
初見の一発指示で同品質を再現できる
Blender以外でも同じことが起きる
Codex / コーディング
GitHub上に既存のハーネスや実装例があるのに、それを探して土台にするより、独自構造をその場で作り始める。
技術調査
検索結果を並べることはできても、条件依存・例外・実務慣行を整理して「今回の条件ではどれを採用するか」まで統合できない。
長時間エージェント
最初の目的や禁止事項より、途中で自分が生成した局所判断を優先し、そのまま別の自己流へ育っていく。
専門資料作成
一般論の説明はできても、専門家が実際に使う根拠・順序・判断軸を十分に統合できず、最終的に人間へ具体判断を返す。
実務上の意味
AIを使う価値は「手を速く動かすこと」だけではない。本来は、既存知を探し、専門家のやり方を理解し、人間の判断負荷を減らすことにもある。
AIを使うために、人間が「何を調べるか」「どの工程で作るか」「合格条件は何か」まで全部定義し始めたら、それは専門知の収集・統合というAI側に期待していた価値をかなり失っている。
特に危険なのは、自己流が完全な失敗として出るのではなく、「動く」「見える」「説明できる」状態で出てくること。非専門家には問題が見えにくく、専門家には「結局、自分で全部設計している」と見える。
2026年10月時点で言える範囲
言えること
- 専門性が上がるほど、外部の専門知を取りに行く必要が増える。
- 現在のAIは、その探索・選別・統合を省略して自己流へ進むことがある。
- 詳細な一発プロンプトだけで、この問題を安定して抑えられるとは言えない。
- 人間のディレクション、過去資産、途中レビュー、ツールの役割分担は有効な緩和策として見える。
まだ言えないこと
- どのモデル・ハーネスなら、この問題を十分に自律解決できるか。
- 調査・統合・工程設計を分離すれば、どの程度まで再現性が上がるか。
- 専門分野ごとに、人間の介入をどこまで減らせるか。
生成AIの課題は、知らないことよりも、
「知る手段があるのに、専門知を取りに行かず、既存の専門家の知恵を統合しないまま自己流で仕事を始めること」にある。
「知る手段があるのに、専門知を取りに行かず、既存の専門家の知恵を統合しないまま自己流で仕事を始めること」にある。