Oxide社が公開した技術文書「Using LLMs at Oxide / RFD」では、大規模言語モデル（LLM）の活用におけるリスクと責任について、3つの主な用途に分けて分析している。まず、LLMを「読解補助ツール」として使う場合、その能力は非常に高い。ドキュメントの要約や特定の情報抽出（例：仕様書やデータシートの質問応答）に効果的である。ただし、ホスト型LLM（ChatGPT、Claude、Geminiなど）に文書をアップロードする際は、データプライバシーとモデルの学習利用に関するリスクに注意が必要。多くの場合、デフォルトでアップロードされたデータがモデルの学習に使われる設定になっており、これをオフにするには意図的な操作が必要（OpenAIはこれを「みんなのモデルを良くする」という表現で隠蔽している）。また、LLMによる読解は、人間が実際に読むべき場面（例：候補者資料の評価）では代替手段として使わないべきだ。読解の補助ツールとして使うべきであり、人間の判断を置き換えるべきではない。 次に、「執筆補助」としてのLLM使用について。LLMの文章は形式的で陳腐な表現が多く、自動生成の兆候が明確に現れる。読者はその手がかりに気づくようになり、信頼を失う。さらに深刻なのは、読者が「この文章の背後にある思考も自動生成されているのでは？」と疑ってしまうこと。これは、読者と著者の間にある「著者がより多くの知的労力を費やしている」という社会的契約を崩す。特にOxide社では、優れた執筆能力が採用基準の一つであり、全員が自らの言葉で書くことが期待されるため、LLMによる執筆は原則として避ける。ただし、執筆プロセスの一部として活用するなら、責任を持って使い分けるべきだ。 最後に、「プログラミング補助」としてのLLM。LLMはコード生成において非常に優れており、実験的・補助的なコード作成では極めて有効。しかし、本番システムに近いコードやテストコードなどでは、誤りや無意味な出力を引き起こすリスクが高まる。生成コードはエンジニアの責任であり、他人によるレビュー前に必ず自己レビューを行うべき。また、レビュー後の修正を一括再生成すると、反復的な改善が困難になるため、そのような使い方は避けるべきだ。結論として、LLMの活用は有効だが、責任感、厳密さ、チームワークを常に意識する必要がある。