2026/1/14～2/11迄行われた第4回金融データ活用チャレンジに個人参加しました。
結果は144位。スコアは150.5。投稿者385名のほぼ中位層に位置します。
この順位を受けて、上位者の方の公開資料や振り返りを読み込み、自分との差を整理してみました。
1. 上位者の方は「評価AI」を前提に設計していた
中位層（私も含め）は、
- 提案内容を磨く
- 論理を整える
- 文章を読みやすくする
といった方向に注力していたのではないかと思います。
一方で、上位者の方は少し視点が異なっていました。
- 審査AIの評価観点を分解する
- キーワードを明示的に配置する
- エグゼクティブサマリーを最適化する
- 評価構造に合わせて文章を再設計する
つまり、「良い提案を書く」だけではなく、「評価される構造」を前提に設計していました。
これは単なる文章力の差ではなく、設計思想の差だったと感じています。
2. AIの使い方の違い
私自身もAIツールを活用していました。
下書き生成、レビュー、改善。
Snowflakeを用いて評価結果を構造化し、改善ループも回しました。
それでも差が生まれました。
振り返ると、AIの使い方に違いがあったように思います。
私は主に「執筆支援」に重点を置いていました。
一方で上位者は「戦略検証」に使っていました。
- 自作の評価プロンプトによる事前採点
- 複数モデルでのクロスレビュー
- 評価AIを模倣した再設計
AIを文章改善のツールとして使うか、
評価構造を検証する装置として使うか。
この違いは小さくなかったと感じています。
3. 80点が標準になる世界
近年のAIモデルの進化により、一定水準のアウトプットは高速に生成できるようになりました。
初稿品質の底上げは、すでに起きていると実感しました。
だからこそ、「良い提案を書く」だけでは差がつきにくくなっています。
80点が標準になる世界では、差はその先にあります。
- 何を評価軸と定義するのか
- どの構造で戦うのか
- どの前提で再設計するのか
つまり、設計の差です。
4. 私の反省
私は、自分なりのベストを尽くしたつもりでした。
しかし、評価構造そのものを徹底的に読み込んでいたかと言えば、十分ではありませんでした。
プロンプトの設計も、エージェントに任せてしまった場面が多かったですし、問いそのものを最後まで握り続けていたかというとそうではなかったと思います。
今回の順位は、単なる文章力の差ではなく、構造理解の差だったのだと受け止めています。
まとめ
第4回金融データ活用チャレンジは、
「良い提案を書く競技」だったのでしょうか。
それとも「評価構造を設計する競技」だったのでしょうか。
おそらく、その両方だったのだと思います。
ただし，AIが高度化し、一定水準のアウトプットが誰でも出せる時代においては、後者の比重が確実に増していると感じています。
評価構造を読み、設計を意識し、自らの問いをどこまで握り続けられるか。
今回の整理が皆さんの一つの視点になれば幸いです。