AIで「slop」という、低品質なアウトプットを指す表現があります。
ここでいうslopとは、AIが生成したものの、実務ではそのまま使いづらいアウトプットのことです。
一見すると文章としては整っていても、内容が薄い、文脈を理解していない、一般論にとどまっている、判断材料として弱いといったものが該当します。
たとえば、以下のようなAI出力です。
それっぽいが中身が薄い文章
文脈を理解していない回答
一般論ばかりで、自社やチームの状況に合っていない内容
間違いは少なくても、実務でそのまま使えない成果物
見た目は整っているが、判断材料として弱い出力
Atlassianは、このようなAIによる低品質なアウトプット、いわゆる “slop” を防ぐには、単に高性能なAIモデルを使うだけでは不十分だと主張しています。
AIの出力品質を左右するのは、モデルの性能だけではありません。
重要なのは、AIが組織の目的、業務背景、社内ナレッジ、優先順位、過去の意思決定といった「文脈」を理解できる状態にあるかどうかです。
どれだけ高度なAIモデルを使っても、組織固有の情報やチームの状況にアクセスできなければ、AIの回答は一般論にとどまり、実務でそのまま使いにくいものになってしまいます。
つまり、AIの出力品質を高める鍵は、モデルそのものだけではなく、AIにどれだけ正しい「文脈」を渡せるかにあります。
Atlassianが重視しているのは、AIを単なる文章生成ツールとして使うのではなく、チームの知識や業務文脈を理解したうえで、人とAIエージェントが協働できる状態をつくることです。
そのためには、社内ナレッジ、OKR、優先順位、過去の意思決定などを文書化し、AIが参照できる状態にしておくことが重要になります。
特にOKRのように、組織が何を目指しているのかを明確にしておくことは、AIエージェントが適切に判断し、より実務に近いアウトプットを出すための前提になります。
また、ナレッジを人間だけでなくAIエージェントにも開かれた状態にすることが、AI時代のチーム運営では重要になります。
AIはアクセスできない情報を使うことはできません。
*Enterprise用の製品以外ではアクセス権等の機能が不十分なこともあります。
そのため、情報を整理し、見つけやすくし、必要な文脈にアクセスできる環境を整えることが、AI活用の成果を大きく左右します。
この考え方の延長線上にあるのが、Rovoのような「ビジネスや業務文脈を理解するAI」です。
Rovoを活かすためにも、組織の情報を見える化し、ナレッジを蓄積し、AIが必要な情報を参照できる状態にしておくことが重要になります。
AtlassianのAIに対する考え方を一言でまとめると、
AI活用の成否は、どのモデルを使うかだけでなく、組織の文脈やナレッジをAIが使える状態にできているかで決まるということです。
Loomで変わる情報共有とAI活用 〜コンテクストを残すだけでAIの精度が上がる話〜