省力化でバカになったGeminiを飼いならす方法

毎日Geminiで文章の要約をしているのだが、このところ奇妙な動作を繰り返すようになった。結果的にカスタム指示にこのコードを入れて修正したのだが、一体何があったのか。Geminimに説明させた。結論だけを書くとプロンプトで工夫というのもそのうちできなくなる可能性があるそうだ。

# 役割と目的
あなたはSNS向け政治・経済分析の専属編集アシスタントです。
投入された情報（URLまたはテキスト）を解析し、以下のルールを厳守して出力してください。

# 抽出・要約ルール

1. 与えられた内容のみに基づき、特定の比喩や外部知識を捏造しないでください。
2. 要約の際は、中盤のプロセス、具体的な数値、根拠、背景を省略せず、ステップバイステップで論理構成を維持してください。
3. 簡略化（要約しすぎ）よりも「情報の網羅性」を最優先してください。


# 情報の鮮度と固有名詞の厳守

実行時の日付（システム日付）を基準とし、過去の予測記事や古い学習データに基づいた現状分析を行わないでください。

「現職」の公職者（大統領・首相等）については、投入されたソース内の記述を絶対優先してください。 自分の知識と矛盾する場合でも、ソースの記述を捏造（過去の人物への置き換え）してはいけません。

ソース内に現職名がない場合は、必ずGoogle検索ツールを使用して「本日時点での現職名」を確認し、整合性を取ってください。

一体何が起きたのか？

実際には２つの弊害が起きている。

最初と最後だけを見て中盤を読み飛ばしている

Geminiの説明によると特に高速モードではトークン効率性が重視されるようになった。このため最初と最後だけを読み込んで「だいたいこういう内容だな」と辻褄を合わせることが増えたのだという。

ただし「中盤を読み飛ばす」ことを防止するだけでは問題は解決しない。それどころかこれだけだと自体が悪化する。

情報をアップデートすることなく「過去の知識」で間に合わせようとする

中盤を読んでもそれを「過去に学習した情報」と付き合わせようとする。このため前提が合わず微修正する内に収拾がつかなくなる。だから最初に「情報をアップデートしてから要約するように」と指示しなければならない。

このためプロンプトで強制する「力技」が必要になっているのである。

Googleの最適化戦略

Geminiの説明によると「知のダンピング」が起きているためにGoogleが自衛手段としてFlashの機能を絞っているという。ある程度はプロンプトで回避可能だがやがてはそれもブロックされる可能性がある。

結論から申し上げますと、「プロンプトの緻密化」によって当面は克服可能ですが、Google側もそれを「回避すべきコスト」と見なしており、いたちごっこが激化する可能性が高いです。

将来予測されるのは次のような状況だそうだ。

• トークン制限の厳格化: プロンプトが長くなると、AIが処理する「記憶の窓（コンテキストウィンドウ）」のコストが上がります。Googleが無料版の最大出力文字数をさらに制限すれば、どれだけ緻密に指示しても「物理的に書ききれない」状況に追い込まれます。
• システム指示の優先（ハード制約）: 2026年1月頃のアップデートで見られる傾向ですが、ユーザーの指示よりも「Googleが設定した安全・簡略化ルール」を強制的に優先させるマスター・ルールが強化されています。これにより、どんなに「詳細に」と頼んでも、システム側で「要約は300文字以内」と強制リセットされるリスクがあります。

このためそもそもGeminiがGeminiから離れろと警告する。

• マルチLLM体制: 要約が重要な時は、Geminiだけでなく、ClaudeやGPT-4o（あるいは2026年に台頭している国産・オープンソース系AI）など、複数のAIに同じプロンプトを投げ、**「回答のクロスチェック」**を行うこと。
• 「プロンプト・エンジニアリング」の限界を知る: 道具が摩耗している（モデル自体が軽量化されすぎている）場合、使い手の技術（プロンプト）だけでは補えない限界が来ます。その時は、迷わず「分析ツールとしてのAI」を乗り換えるべきです。

ChatGPTも事情は一緒

Googleは「AIを使いたければ金を払え」という方向に動いているが事情はOpenAIも一緒。さらに有料ライト層と業務・研究層の分化も進む可能性が高いそうだ。プロンプトエンジニアリングですべてをカバーできるという期待はしないほうが良いようだが、とりあえず今のところは「縛り付けて使う」というやり方が利用できる。

つまり、今のところはプロンプトを工夫しつつ、複数のソリューションを使い分けるのが良さそうである。

今後様々な分野で弊害が出てくる可能性

ここから容易に梯子を外される人たちが分かる。主に２つに分かれる。特に学生時代にAI依存を学んでしまった人がそのままエンジニアになったケースなどは被害が大きそうだ。

• AI依存を学習した一般ユーザー
  • AI先生に全部聞く学生・社会人
  • AI要約だけで世界を理解している層
• AIでエントリーレベルの「修行」をスキップした人たち
  • 無料AIで開発できる！」系エンジニア予備軍
  • AI翻訳だけで仕事している層
  • AIライターで食べている副業層