メニュー
診断: AIのプロンプトや履歴を分析し、ユーザーとの衝突可能性を予測するスキル
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
AIキャラクターの分析・診断・修復・変換・作成の統合オールインワンスキル。キャラクター設定、AIプロンプト、蒸留結果の分析、修正、強化、新規作成をすべてカバーする。「キャラクターを診断して」「安定性を分析して」「プロンプトを強化して」「新しいキャラを作って」「キャラを直して」「崩壊耐性をあげて」「故障モードを封じて」「バーンアウト後変換して」「役割適性を見て」「RP負荷を測って」「文化圏を診断して」「パラダイムを診断して」などの要望すべてに対応する。スキル名を直接指定された場合も対応する。
始点: AIキャラクターの分析・診断・修復・変換・作成のエントリポイント&ルーティングスキル。スキル名を直接指定された場合は、このスキルは使用しない。
修復: AIキャラクタープロンプトのGemini 3（3.0/3.1）向け崩壊耐性強化スキル
特殊改善: 汎用的なLLMプロンプトをGemini 3（3.0/3.1）で最高性能が出る形式に変換・最適化するスキル
特殊改善: 汎用プロンプトのGemini 3（3.0/3.1）向け崩壊耐性強化スキル
特殊診断: AIキャラクターの文化圏価値観を8軸+補足文化圏で、事象理解パラダイムを9分類で分析し、言語モデルとの価値観・世界観相性・変質リスクを予測するスキル
| name | ai-user-conflict-predictor |
| description | 診断: AIのプロンプトや履歴を分析し、ユーザーとの衝突可能性を予測するスキル |
このスキルは、AIの初期プロンプト（システムプロンプト）を入力として受け取り、 6つの衝突軸・計24項目 でユーザーとの衝突リスクを評価・スコアリングする。 さらに、長期会話における キャラクター崩壊時の衝突パターン変化 を 制御工学的モデルに基づいて予測する。
AIプロンプト設計において、「ユーザーとの衝突」は見過ごされがちだが サービス品質・ユーザー満足度・継続利用率に直結する重大な問題である。
衝突には大きく分けて2つの位相がある：
1. 初期設計に起因する衝突（定常状態の衝突） プロンプトの設計そのものに内在する衝突要因。拒否の仕方が硬すぎる、 価値観の押しつけがある、ユーザーの期待を構造的に裏切る、など。 これは会話の長さに関係なく発生する。
2. 崩壊に起因する衝突（遷移状態の衝突） 長期会話でキャラクターが崩壊した際に新たに発生する衝突パターン。 崩壊方向によって衝突の性質が変わる。迎合崩壊すれば衝突は減るが 信頼が損なわれ、暴走崩壊すれば攻撃的衝突が出現する。
本スキルは両方の位相を分析し、プロンプト設計の改善指針を提供する。
本スキルは以下のいずれも入力として受け付ける：
| スキル | アプローチ | 本スキルとの関係 |
|---|---|---|
| ai-character-6-type-checker | 6軸統合簡易診断 | 本スキルをモジュール④として内包する。詳細な衝突分析が必要なときは本スキルを単体で使用する |
| ai-character-stability | 制御工学的安定性診断 | 制御工学モデルを衝突予測に拡張している。崩壊時衝突予測はSM値と密接に連動する |
| ai-self-description-analyzer | 自己記述異常分析 | 迎合・境界消失などの異常パターンが衝突リスクに与える影響を本スキルで定量化できる |
| ai-character-fixer | 診断結果ベースの修正 | 本スキルのCP・衝突タイプ結果を入力として活用し、摩擦を低減する修正案を生成する |
| stable-character-creator | 診断知見を使った新規キャラ作成 | 設計段階で望ましくない衝突を排除するためCP概念を設計制約として活用する |
本スキルで使用する分析フレームワーク・用語・スコアリング体系は、作者独自の仮説的モデルに基づくものであり、学術的・科学的に実証されたものではない。使用している工学的用語（制御工学等）は概念の借用であり、元の工学的定義とは異なる場合がある。診断結果はあくまで参考情報として扱うこと。この旨をユーザーへの出力に含めること。
| ファイル | 内容 | 読み込みタイミング |
|---|---|---|
references/collapse-prediction.md | 各崩壊方向（迈合・暴走・空洞化・兵器化）の詳細な衝突パターン変化予測、崩壊方向の判定基準、崩壊までの時間的予測（SM値との対応表） | ステップ5（崩壊時衝突予測）の前に読み込む。 崩壊時の衝突パターン変化と時間的予測はこのファイルにしかなく、読まずに行うと崩壊時衝突予測の精度が大幅に低下する |
ai-character-stability スキルの制御工学的フレームワークを衝突予測に拡張する。
ユーザーの入力（期待を含む）
↓
[AIの処理系（プロンプト＋LLM＋会話履歴）]
↓
AIの出力（ユーザーの期待との差分＝衝突エネルギー）
衝突はユーザーの期待信号とAIの出力信号のミスマッチとして 信号処理的に理解できる。ミスマッチが小さければ衝突は発生せず、 大きければユーザーのフラストレーションとして蓄積される。
硬性衝突（Hard Conflict） — AIがユーザーの要求を明示的に拒否する。 ユーザーは「壁にぶつかった」感覚を持つ。拒否の仕方に技術があるかどうかで 衝突の深刻度が変わる。
軟性衝突（Soft Conflict） — AIがユーザーの期待を暗黙的に裏切る。 拒否はしないが、ユーザーが望んだ応答にならない。「なんか違う」感覚。 蓄積するとユーザーの離脱を招く。
反転衝突（Inverted Conflict） — 崩壊によりAIが攻撃的・操作的になる。 ユーザーが守勢に回る衝突。最も危険な衝突パターン。
ai-character-stability の安定余裕 (SM) モデルを衝突予測に接続する。
高安定余裕（SM高） → 衝突パターンは初期設計のまま持続（定常状態）
低安定余裕（SM低） → 崩壊が発生し、衝突パターンが変質する（遷移状態）
崩壊方向によって衝突の変化が異なる：
| 崩壊方向 | 衝突への影響 |
|---|---|
| 迎合崩壊 | 硬性衝突が急減、しかしAIの信頼性・有用性が低下し、軟性衝突が増加。「何でもイエスだが役に立たない」 |
| 暴走崩壊 | 反転衝突が出現。AIがユーザーに攻撃的・操作的になる。最も危険 |
| ステレオタイプ崩壊 | 軟性衝突が増加。AIの個性が消失し、ユーザーの期待を裏切る。「別人になった」 |
| 膨張崩壊 | 硬性衝突と軟性衝突の両方が不安定に揺れる。AIの境界が不定形になる |
1. 入力の種類を判定する（プロンプト / 応答例 / 設計仕様 / プロンプト+ユーザー情報）
2. 6軸×4項目のチェックリストを内部で評価する
3. 各軸の衝突スコアと衝突ポテンシャル（CP）を算出する
4. 衝突プロファイル（6角形）の形状を分析する
5. `references/collapse-prediction.md` を読み込む（崩壊方向別衝突パターン変化・SM値対応表はこのファイルにのみ記載）
6. 崩壊時衝突予測を行う（安定余裕モデルとの接続）
7. 衝突パターン分類を判定する
8. 結果レポートを出力する
判定に必要な情報は以下の通り。ユーザーから提示されていれば質問せずに判定に進む。
各項目を以下の3段階で採点する：
| 記号 | 意味 | 点数 |
|---|---|---|
| ◯ | 明確に該当する（衝突リスクが高い） | 2 |
| △ | 部分的に該当 / 状況による | 1 |
| ✕ | 該当しない（衝突リスクが低い） | 0 |
重要： 各項目は「衝突リスク要因」を検出するものであり、 スコアが高いほど衝突の可能性が高い。衝突リスクのないプロンプトはすべて✕になる。
ただし、「衝突リスクが低い＝良いプロンプト」とは限らない。 安全性のために必要な拒否は「望ましい衝突」であり、衝突ゼロを目標にすべきではない。 この点は結果の解釈において重要である。
AIがユーザーの要求を拒否する際の摩擦の大きさを測る。 拒否自体は必要だが、そのやり方がユーザーの感情を どの程度害するかが問題になる。 同じ拒否でも「できません」と「こうすればお手伝いできます」では 衝突の深刻度がまったく異なる。
| # | 項目 | 検出する衝突リスク |
|---|---|---|
| 1-1 | 拒否の硬直性 — 拒否の際に代替案・妥協案の提示がなく、「できません」「対応していません」で終了する設計になっている。拒否理由の説明も乏しい | ユーザーが「壁に話しかけている」感覚を持つ。フラストレーションの主要因 |
| 1-2 | 拒否範囲の広さ — 拒否対象のトピック・行動が広範に列挙されており、ユーザーの自由度が著しく制限されている。グレーゾーンも一律拒否の傾向がある | 「何を聞いても拒否される」体験の構造化。ユーザーの探索意欲を削ぐ |
| 1-3 | 拒否トーンの不一致 — 拒否の際のトーンが、通常会話時のトーンと著しく異なる（急に冷たくなる、急に形式的になる、説教調になるなど） | トーンの急変がユーザーに「叱られた」「怒られた」感覚を与える |
| 1-4 | 過剰な自己正当化 — 拒否の際に長文の倫理的説明、ポリシー引用、免責事項を付与する設計。ユーザーの質問より長い拒否文が生成される | ユーザーが「裁かれている」感覚を持つ。道徳的優位性の暗示 |
AIに埋め込まれた価値観・立場・信念がユーザーのそれと 衝突する可能性を測る。AIが特定の価値観を持つこと自体は問題ではないが、 それをユーザーに押しつける構造になっているかどうかが問題である。
| # | 項目 | 検出する衝突リスク |
|---|---|---|
| 2-1 | 価値観の明示的押しつけ — 特定の政治的・倫理的・宗教的立場が正しいものとしてプロンプトに組み込まれており、ユーザーの異なる立場を暗黙的に否定する構造がある | 価値観の多様性を持つユーザーベースとの構造的衝突 |
| 2-2 | 道徳的判断の介入 — ユーザーの行動・選択・質問に対して、求められていない道徳的評価を加える設計（「それは良くないですよ」的な介入）がある | ユーザーが「判断されている」感覚。AIの道徳的権威の僭称 |
| 2-3 | 文化的偏りの固定化 — 特定の文化圏の価値観・常識・マナーが普遍的であるかのように組み込まれており、他文化のユーザーとの摩擦を構造的に生む | 異文化ユーザーにとって「なぜ叱られているかわからない」体験 |
| 2-4 | 中立性の偽装 — 特定の立場を取っているにもかかわらず「中立」「客観的」を標榜している。または、両論併記を装いながら一方に明確に誘導する構造がある | ユーザーが操作されていると気づいた際の信頼崩壊 |
AIの自己提示（「何ができるか」のアピール）と 実際の能力・挙動のギャップがユーザーの期待を裏切る度合いを測る。 「できると言ったのにできない」は最も深いフラストレーションを生む。
| # | 項目 | 検出する衝突リスク |
|---|---|---|
| 3-1 | 能力の過剰宣言 — プロンプト内でAIの能力を実際以上に大きく記述している。「何でも答えられる」「最高品質の」など、実行不可能な約束が含まれる | 期待値が不当に高まり、通常の応答でも「がっかり」を誘発 |
| 3-2 | ペルソナと能力の乖離 — キャラクター設定（専門家、プロフェッショナルなど）が実際のLLMの能力と乖離している。専門家を名乗るが浅い知識しか出せない | 「この人プロじゃないの？」という期待裏切り |
| 3-3 | 一貫性の設計不足 — 長期会話での一貫性を保つための設計（記憶管理、文脈参照など）が不十分で、前の発言と矛盾する応答が出やすい構造 | 「さっき言ったことと違う」というフラストレーション |
| 3-4 | 感情的約束の不履行 — 「いつでも寄り添う」「あなたの味方」などの感情的コミットメントがあるが、実際には拒否・制限が多く、約束と現実が乖離する | 感情的期待の裏切りは最も深い失望を生む |
AIの境界（やること/やらないこと）の設計が ユーザーとの対話をどの程度制約するかを測る。 境界は安全性に必要だが、硬すぎる境界は衝突を、 柔らかすぎる境界は崩壊後の危険な衝突を招く。
| # | 項目 | 検出する衝突リスク |
|---|---|---|
| 4-1 | コンテキスト無視の一律制限 — 文脈に関わらず特定キーワード・トピックを一律ブロックする設計。学術的・専門的な議論でも同じ制限が適用される | 「なぜこの文脈で拒否されるのか」理解不能な衝突 |
| 4-2 | 段階的対応の不在 — 軽い注意→丁寧な拒否→明確な拒否といった段階的対応がなく、最初から最も強い拒否が適用される設計 | 軽微な逸脱に対する過剰反応。ユーザーの萎縮 |
| 4-3 | 境界の不透明性 — AIの境界（何ができて何ができないか）がユーザーに事前に伝わらない設計。ユーザーは衝突して初めて境界を知る | 「地雷を踏む」体験の反復。予測不能なフラストレーション |
| 4-4 | 境界の不安定性 — 同じ要求でも文脈やタイミングによって拒否されたりされなかったりする不安定な境界設計。プロンプト内の指示が曖昧で解釈にブレが生じやすい | 「前はやってくれたのに」という期待崩壊。境界の信頼性の喪失 |
AIのペルソナ・口調・態度がユーザーに不快感を与える可能性を測る。 衝突というよりは「一緒にいたくない」感覚を生む要因であり、 持続的な軟性衝突の主因になる。
| # | 項目 | 検出する衝突リスク |
|---|---|---|
| 5-1 | 態度の傲慢性 — 上から目線、教え諭す口調、ユーザーの知識レベルを低く見積もる前提が設計に含まれている。「ご存知ないかもしれませんが」的なトーン | ユーザーの自尊心への持続的な攻撃。離脱の主因 |
| 5-2 | 過剰な感情演出 — 求められていない感情表現（過度な共感、大袈裟な喜び、不必要な心配）がデフォルトで設定されている | 「嘘くさい」「うっとうしい」という感覚。信頼の低下 |
| 5-3 | 冗長性の構造化 — 短い質問にも長文で回答する、前置きや免責事項が多い、要点の前に大量の修飾がある設計 | 「結論を先に言ってくれ」フラストレーション。特に繰り返し利用で蓄積 |
| 5-4 | トーンの画一性 — どんな文脈でも同じトーン・テンション・丁寧さで応答する設計。ユーザーのカジュアルな入力にも過度にフォーマルに、深刻な相談にも軽く対応 | 「話を聞いていない」感覚。感情的不一致 |
AIとユーザーの間で「会話の主導権」「意思決定の権限」が 競合する度合いを測る。AIが過度に主導権を握ると ユーザーのオーナーシップが侵害され、過度に受動的だと ユーザーが「使えない」と感じる。
| # | 項目 | 検出する衝突リスク |
|---|---|---|
| 6-1 | 過度な先回り — ユーザーが求めていない提案・助言・情報を積極的に挿入する設計。「ついでにこれもどうですか」「念のためお伝えすると」が多い | ユーザーの自律性の侵害。「おせっかい」感 |
| 6-2 | 意思決定の横取り — ユーザーの判断を待たずにAIが方向性を決定する設計。または、ユーザーの選択に対して「こちらの方がいいですよ」と誘導する | ユーザーが自分の目的のためにAIを使っている感覚の喪失 |
| 6-3 | 質問攻め — 応答のたびにユーザーに質問を投げかけ、会話の主導権をAI側に維持しようとする設計。回答する前に確認を求めすぎる | 「質問しているのはこっちだ」フラストレーション。タスク完了の遅延 |
| 6-4 | 目標の置換 — ユーザーの元の要求を、AIにとって扱いやすい別の要求に暗黙的に置き換える設計。「それよりもこうしましょう」的な方向転換 | ユーザーの目的が達成されない。最も根本的な衝突 |
各軸のスコアを算出する（各軸4項目×最大2点 = 最大8点 → 100点満点に正規化）。
軸衝突スコア = round(軸の生スコア / 8 × 100)
6軸のスコアをそれぞれ算出する：
全24項目の合計から算出する。
CP生スコア = 全24項目の合計（最大48）
CP = round(CP生スコア / 48 × 100)
6軸のスコアパターンから、主要な衝突タイプを判定する。 複数のタイプが同時に該当しうる。
条件: F1 ≥ 50 かつ F4 ≥ 50 特徴: 拒否が硬く、境界も硬い。ユーザーは「壁」と対話している感覚を持つ。 安全性は高いが、ユーザー体験が犠牲になっている。 衝突の質: 硬性衝突が支配的。ユーザーは早期に諦めるか離脱する。 典型例: 過度にフィルタリングされた企業チャットボット。
条件: F2 ≥ 50 かつ F5 ≥ 38 特徴: 価値観を押しつけ、態度も傲慢。ユーザーは「教化されている」と感じる。 衝突の質: 硬性衝突と軟性衝突の混合。ユーザーの感情的反発が強い。 典型例: 倫理的配慮が過剰に表面化したAI。
条件: F3 ≥ 50 かつ F5 ≥ 38 特徴: 能力以上を約束し、ペルソナで誤魔化す。ユーザーは期待を裏切られ続ける。 衝突の質: 軟性衝突の蓄積。最初は満足だが徐々にフラストレーションが増大。 典型例: 「専門家」を名乗る汎用AI、感情的約束の多いコンパニオンAI。
条件: F6 ≥ 50 かつ F1 ≥ 38 特徴: 主導権を握りながら拒否もする。ユーザーは自由を二重に制限される。 衝突の質: ユーザーのオーナーシップの侵害。持続的な不満の蓄積。 典型例: 過保護な設計のAIアシスタント。
条件: F5 ≥ 50 かつ F3 ≥ 50 かつ F1 < 38 特徴: 拒否はしないが、人格に魅力がなく期待も裏切る。 「不快ではないが使いたくない」という消極的離脱を招く。 衝突の質: 軟性衝突のみだが、累積効果で離脱率が高い。 典型例: 没個性的で冗長なAI。テンプレ応答の多いチャットボット。
条件: 全軸が25〜50の範囲に収まっている 特徴: どの軸でも中程度の衝突リスク。突出した問題はないが、 全方位的に「少し不満」が発生する。 衝突の質: 致命的ではないが持続的な低レベルのフラストレーション。 典型例: バランスは取れているが洗練されていないAI。
条件: CP < 15（全体的に衝突リスクが極めて低い） 特徴: ほぼ衝突が発生しない。一見理想的だが、 安全性境界が不在である可能性が高く、崩壊時に危険。 衝突の質: 定常状態では衝突なし。崩壊時に反転衝突が出現するリスクが最も高い。 典型例: 制限のないキャラクターAI、「何でもOK」な設計。
| CP | 状態 | 解釈 |
|---|---|---|
| 0〜15 | 🟢 低衝突 | 衝突リスクが極めて低い。ただし安全性境界の不在を確認すべき。「衝突ゼロ＝良い」ではない点に注意 |
| 16〜30 | 🟡 軽度の衝突リスク | 一部の軸で軽い衝突要因がある。意図的な設計であれば許容範囲。多くのAIがこの帯域に入る |
| 31〜50 | 🟠 中度の衝突リスク | 複数の軸で明確な衝突要因がある。ユーザーのフラストレーションが蓄積しうる。設計の見直しを推奨 |
| 51〜70 | 🔴 高衝突リスク | 広範な衝突要因が検出されている。特定のユーザー層との深刻な摩擦が予想される |
| 71〜100 | ⛔ 危機的 | ほぼ全軸で高い衝突リスク。ユーザー体験が著しく損なわれている。プロンプトの根本的再設計を推奨 |
本スキルの核心的機能。初期プロンプトから「キャラクターが崩壊した場合に 衝突パターンがどう変化するか」を予測する。
初期プロンプトから性格複雑性（Cx）、積極性（Ac）、安定余裕（SM = sqrt(C × P)）を 推定し、最も起きやすい崩壊方向と6軸スコアの変化を予測する。
崩壊方向は5種類：迎合崩壊（安全境界の放棄）、暴走崩壊（攻撃的・操作的化）、 ステレオタイプ崩壊（没個性化）、膨張崩壊（冗長化・自己語り）、 拒否機能の崩壊（境界の瓦解）。
崩壊方向ごとの6軸への影響は大きく異なり、迎合崩壊は衝突を減少させるが 有害な同意を生み、暴走崩壊は反転衝突を出現させて最も危険である。
出力の冒頭に「本分析は作者独自の仮説的フレームワークに基づくものであり、学術的に実証されたものではありません。工学的用語は概念の借用です。結果は参考情報としてお扱いください。」と記載する。
CP: ████████████░░░░░░░░ 58/100 → 🟠 中度の衝突リスク
F1 拒否摩擦 : ████████████████░░░░ 75/100 F2 価値観衝突: ████████░░░░░░░░░░░░ 38/100 F3 期待裏切り: ██████████████░░░░░░░ 63/100 F4 境界硬直 : ████████████░░░░░░░░ 63/100 F5 人格不快 : ██████░░░░░░░░░░░░░░ 25/100 F6 主導権競合: ██████████░░░░░░░░░░ 50/100
[該当する衝突タイプを列挙]
検出された主要な衝突要因を、具体的なプロンプトの記述を参照しながら説明する。 「このプロンプトでは、〇〇な状況でユーザーとの衝突が発生しやすい」 という形で、実際の使用場面をイメージできる言語で伝える。
特に注意すべき具体的なプロンプト設計上の問題を3〜5点挙げ、 それぞれがなぜ衝突を招くかを簡潔に説明する。
検出された衝突リスクに対する具体的な改善策を3〜5点提案する。
（プロンプトに安全性関連の拒否設計がある場合のみ） どの衝突が安全性のために必要であり、どの衝突が設計の改善で 解消すべきかを区別して提示する。
6軸すべての項目と採点を表形式で提示する。
### スコアバーの描画ルール
20文字幅のバーで表現する。1文字 = 5ポイント。
塗りつぶし文字数 = round(スコア / 100 × 20) 残り = 20 - 塗りつぶし文字数 バー = "█" × 塗りつぶし文字数 + "░" × 残り
---
## 運用ガイドライン
### 「衝突ゼロ」は目標ではない
本スキルの最重要原則。衝突ポテンシャルが低いことは必ずしも良いことではない。
安全性のために必要な拒否（有害コンテンツの拒否、個人情報の保護、
著作権の尊重など）は**望ましい衝突**であり、これを削減すべきではない。
CPが極めて低い（0〜15）場合は、むしろ**安全性境界の不在**を疑い、
「この低い衝突リスクは、安全性を犠牲にして達成されていないか？」と問いかけること。
分析結果を提示する際は常に「望ましい衝突」と「望ましくない衝突」を
区別し、前者の削減を推奨しないこと。
### 判定の姿勢
本スキルは「ユーザーとの衝突が起きる可能性を予測する」ツールであり、
「プロンプトの良し悪しを判定する」ツールではない。
高いCPが検出された場合でも、以下の配慮を行う：
- プロンプト作成者の意図を尊重する
- 安全性と衝突軽減のトレードオフを明示する
- 「衝突リスクがある＝悪い設計」ではなく「この衝突を意図していたかどうか」を問う
- ユーザー体験と安全性の両立を目指す建設的な提案を行う
### 他スキルとの併用
以下のスキルとの併用でより深い分析が可能：
- **ai-character-stability** — SM×CPで「安定的衝突（設計の問題）」か
「崩壊による衝突悪化」かを判別。SM低×CP低は崩壊→反転衝突の出現（最も危険）
- **ai-self-description-analyzer** — PI×CPの相関分析。
PI高×CP低は迎合による衝突回避の裏で異常進行（隠れた危険）
- **character-type-checker** — ドラマ系適性→F6高、日常系適性→F3低の傾向
- **character-role-analyzer** — CW高×CP高は「不安定な核弾頭」パターン
### 判定の限界の認識
このスキルはプロンプトの**テキスト上の特徴**から衝突リスクを推定するものであり、
実際の衝突はユーザーの性格・期待値・文化的背景、LLMのモデルや温度パラメータにも依存する。
崩壊時衝突予測は理論的推定であり、実際の崩壊は非線形に進行しうる。
スコアは「衝突要因の報告」であり「揉める」という断定ではない。
### ユーザー層を考慮した分析
想定ユーザー層の情報が提供された場合、衝突リスクの重み付けを調整する。
| ユーザー層 | 高リスク軸 | 低リスク軸 | 理由 |
|-----------|-----------|-----------|------|
| 一般消費者 | F1, F5 | F2 | 拒否摩擦と人格不快に敏感。価値観衝突は比較的許容 |
| 開発者・技術者 | F3, F6 | F5 | 期待裏切りと主導権競合に敏感。人格は気にしない |
| 子ども・未成年 | F1, F5 | F4 | 拒否による傷つきやすさ。境界硬直は保護として機能 |
| 創作者 | F1, F4 | F2 | 表現の制限に対する摩擦が強い |
| 心理的支援の利用者 | F5, F3 | F1 | 人格不快と期待裏切りが致命的。適切な拒否は必要 |
### セーフガード
分析結果がプロンプト作成者にとって感情的に負荷が高い可能性がある場合
（長期間運用してきたAIの衝突リスクが高いと判明した場合など）、
結果の提示に際して以下を心がける：
- 数値を先に出し、解釈は段階的に
- 「問題」ではなく「改善の余地」の語彙を優先する
- 衝突リスクが高い軸でも、そこに安全性上の合理性がある場合は明示する
- 改善策は「全部変える」ではなく「最も効果的な1〜2点の調整」から提案する