AIは答えではなく、あなたの思考を返している
目次
AIを使っていて、こんな経験はありませんか。
「なんか、思ってた答えじゃない」「もう少しいい感じにならないか」──そう思いながら、何度もプロンプトを書き直す。
この「期待と違う」という感覚に、実は重要な情報が含まれています。
AIは、あなたの言葉をそのまま処理しています。あいまいに問えば、あいまいに返す。整理されていない問いには、整理されていない答えが返ってくる。
GoogleでAnalytical Linguistとして生成AI開発に携わってきた佐野大樹氏は、著書の中でこう指摘しています。「生成AIの能力を最大限に引き出せるかどうかは、我々の生成AIとの対話力にかかっている」と。
AIの返答の質を上げたいなら、自分の言語の質を上げるしかない。そして逆説的に、AIを使えば使うほど「自分の思考がどれだけ解像度が低かったか」が見えてくる。
AIは、鏡です。
なぜ「なんとなく使う」と、なんとなくしか返ってこないのか
生成AIとの対話は、従来のコンピューターへの命令とは根本的に異なります。
昔のコンピューターは、正確なコードで命令する必要がありました。あいまいさは許されない世界です。ところが生成AIは、日常的な言葉で動きます。「なんとなく要約して」でも動く。「もっとカジュアルに書いて」でも動く。
これが、実は罠です。
「なんとなく」で動くから、「なんとなく」の粗さがそのまま出力されます。一方で、精度の高い言葉で指示すれば、精度の高い回答が返ってくる。
言語学には「コンテクスト」という概念があります。言葉は単独では意味を持たず、必ず状況の中で解釈されます。コンテクストには3つの要素があります。
フィールド（何について話しているか）、テナー（誰と、どのような関係性で話しているか）、モード（どのような目的・媒体で話しているか）。
AIへの指示で、この3つを意識している人は少ないです。「要約して」という指示は、フィールドもテナーもモードも未定義です。AIがずれた答えを返してきても、それはAIのせいではない。情報が足りていないのです。
「要約して」と「部長への報告用に要約して」では何が違うか
2つのプロンプトを比べてみます。
A：「この会議の議事録を要約してください」
B：「来週の経営会議で部長（専門外）に3分で説明するために、この議事録から重要な意思決定ポイントだけを箇条書きで3つ抽出してください」
どちらも同じ議事録を使っても、Bのほうがはるかに使いやすい要約が返ってきます。
違いはコンテクストです。Bには「部長（専門外）」「3分で説明」「意思決定ポイント」が揃っています。これだけで、AIは読む人物像、伝え方の制約、抽出の基準を把握できます。
佐野氏が示した言語学的な整理によれば、コンテクストを伝えることで、AIの知識やスキルを目的にカスタマイズできます。
ここで大事な問いがあります。なぜBのような指示を出せない人がいるのか。
Bのような指示を出せない人は、実はそのタスクの「誰に・何のために・どのように」が自分の頭の中でも整理できていない可能性があります。AIへの指示が粗いのは、思考が粗いから。AIは鏡のように、あなたの思考をそのまま反射しているだけです。
AIと対話するほど、思考の輪郭が鮮明になる理由
少し視点を変えます。
AIへの指示の質を上げようとすること自体が、強力な思考訓練になっています。
プロンプトを書くとき、私たちは無意識に「自分が何を求めているか」を明確にしようとします。「それって結局、何が欲しいんだっけ？」と自問するプロセスが生まれる。
これは、コンサルタントやエンジニアが言う「問題の定義」と同じことです。
世界一流のエンジニアたちに共通する特徴として、「問題をゆっくり考える」という姿勢があります。焦って解決策に飛びつくのではなく、「そもそも何が問題か」を言語化する時間を確保する。実際、優秀なエンジニアほど考える時間の比率が高く、手を動かす前に問題をこね回す時間が長いと言われます。
AIとの対話は、これを強制的にやらせてくれる場です。
曖昧な指示を出すと、ずれた答えが返ってくる。その「ずれ」が「ああ、自分はこれを求めていたんじゃなかった」という気づきを生みます。
Googleの生成AI開発チームが示してきたように、プロンプトの精度と出力の質は比例します。逆に言えば、出力の質が低いとき、それはプロンプトの質が低いとき──つまり、思考の言語化が不足しているときです。
「AIが使えない」と感じるとき、実は「自分が何を求めているかを言語化できていない」だけかもしれません。
正直に言うと、私もこれを意識し始めてから、AIへの指示を書くのが以前より時間がかかるようになりました。でも、その分「自分が本当に何をしたいのか」が明確になり、AIを使わなくても判断が速くなりました。
「AIに説明できるか」を思考の基準にする
では、AIとの対話を思考の解像度を上げる道具として、意識的に使うにはどうすればいいか。
よくある使い方：「なんとなく聞いて、なんとなく使う」 → AIの返答が粗ければ、「こんなもんか」で終わる。思考は深まらない。
意識的な使い方：「ずれた答えが来たとき、指示を見直す」 → 「この返答がずれているのは、自分のどの言葉が曖昧だったから？」と問い直す。それだけで、タスクに対する自分の思考が深まります。
具体的には、次の3点セットで指示を組み立てると効果的です。
まず「フィールド（何について）」を固める。次に「テナー（誰のために・誰と）」を決める。最後に「モード（どのような形式・目的で）」を指定する。
この3点が揃っていない指示は、「自分がまだそのタスクの全体像を把握できていない」サインです。AIの返答を見て「違う」と思ったら、プロンプトではなく、まず自分の思考を疑ってみてください。
もう一つ、効果的な使い方があります。AIに何かを「教えてもらう」のではなく、自分の考えを「説明してみる」という使い方です。
「私はこう考えているのですが、どう思いますか？」という問いかけは、自分の思考を言語化する訓練になります。AIが「それは少し違うかもしれません」と返してくるとき、その「ずれ」の中に、自分の思考の盲点が隠れていることがあります。
生成AIとの対話を「シェアードディスクール」──共有された言語空間の構築として捉えると、使い方がまったく変わります。AIから情報を引き出すのではなく、AIと対話することで自分の思考を精錬する。
AIは答えを返しているのではなく、あなたの問いの質を映し出している。
そう考え始めると、「うまく使えない」という不満が、「自分はまだここを整理できていない」という気づきに変わります。
この記事で参考にした本
『生成AIスキルとしての言語学』佐野大樹 → 言語学（SFL）の観点からAIとの対話を解析。コンテクスト3要素（フィールド・テナー・モード）の実践的活用法を示した一冊。AIとの対話が言語運用の訓練になるという視点はここから。
『世界一流エンジニアの思考法』牛尾剛 → 優秀なエンジニアが「問題を解く前に問題を定義する」ことに多くの時間を使うという観察。AIへの指示と思考の質の関係を考える上で参照。
合わせて読みたい
なぜあなたの指示は、AIに伝わらないのか AIとのコミュニケーションをさらに深掘りしたい方へ。プロンプトの質が成果を分ける3つの理由を実践的に解説しています。
【☕#287】保科学世『生成AI時代の「超」仕事術大全』 AIと人間が共創する働き方の具体的な方法論を体系的に理解できます。本記事と合わせて読むと、AIとの付き合い方の全体像が見えてきます。
☕#336 瞬時に「言語化できる人」が、うまくいく。 AI活用の核心にある「言語化力」をさらに鍛えたい方へ。思考を即座に言葉にできる人が評価される理由と、その技術が学べます。