転職の準備で、調べものをAIに任せています。
先日、同じ日に2回「これは違うと思う」と差し戻しました。
どちらも嘘ではありません。調べ方から必然的に出た偏りでした。
そこが面白かったので書き残しておきます。
1回目：技術要件の優先順位が実態と違った
最初に頼んだのは、フロントエンドの求人で求められる技術の整理です。
出てきたリストで、ある技術領域が「2026年の最優先」として上のほうに置かれていました。
読んで、違和感がありました。
自分が求人票を眺めた感じでは、そこまで前面に出ていなかったからです。
確かめるために、実際の求人票を10件読み直しました。
結果、その領域は必須にも歓迎にも入っていない。ひとつもです。
出典を辿ると理由が分かりました。
根拠にしていたのが、論説やトレンドを扱う記事だったのです。求人票ではありません。
「これから重要になる技術」を語る記事と、「今この会社が求めている技術」を書いた求人票は、
書かれている目的が違います。前者を集めれば、前者の傾向が出るのは当然でした。
2回目：応募先リストが大企業ばかりになった
同じ日に、応募先の候補もリスト化してもらいました。
出てきたのは、名前を知っている会社が並ぶリストでした。
狙っているレンジとズレています。
これも手法を聞いて納得しました。
技術発信をしている会社を起点に探せば、当然ながら発信力のある会社が集まります。
技術ブログを持っていて、登壇もしていて、記事が検索で上位に出る会社。
そういう会社は、規模が大きい。
一方で自分が応募したい規模の会社は、そもそも技術発信をあまりしていないので、
発信を入口にして探した時点で、リストから外れてしまう構造になっていました。
どちらも「間違い探し」では見つからない
この2つに共通しているのは、出力自体はきれいだったことです。
技術のリストには根拠がついていましたし、会社のリストにもそれぞれ選定理由が書いてありました。
文章を読んで矛盾を探すやり方では、たぶん見つけられません。
どこも破綻していないからです。
引っかかったのは、内容ではなく手触りのほうでした。
自分が見ている求人票と印象が違う、自分が応募しようとしている会社と規模が違う。
そこから「どうやって集めたのか」を聞いて、初めて偏りの出どころが分かりました。
疑うポイントは「どうやって集めたか」だった
この経験から、確認の順番を変えました。
出力の中身を検算するより先に、情報源の種類を聞く。この順番にしています。
- 何を見て書いたのか
- それは一次情報か、誰かがまとめたものか
- 集める入口によって、何が落ちるのか
3つ目が特に効きました。
入口を決めた時点で、拾えないものが決まります。
それは出力を読んでも分かりません。
違和感を無視しないこと
突き返せた理由ははっきりしています。自分の中に違和感があったからです。
求人票を10件読んでいたのでリストとの差に気づけましたし、応募レンジを自分で決めていたので会社の並びにも違和感を持てました。
逆に言えば、自分が何も知らない領域だったら、そのまま受け取っていたはずです。
なので今は、自分が答えを持っている領域で一度試してみる、というのをやっています。
どこが強くてどこが偏るかの癖が見えるので、知らない領域を任せるときの読み方が変わります。
整っている出力ほど、そのまま使いたくなります。
そこで一度止まって、集め方を聞く。効いた対処はこれだけでした。
