AIを賢くするのは質問力ではない、照合力だ

Hatched by K.

Jun 28, 2026

1 min read

2 views

86%

70点の答えを育てる本当の作業

AIを使いこなすとは、うまい質問を一発で当てることだと思われがちだ。だが実際には、その逆に近い。最初の答えはたいてい粗く、曖昧で、どこか既視感がある。そこで必要になるのは、正解を引き当てる才能ではなく、曖昧な出力を現実に照合しながら磨く力である。

この違いは、仕事の質を大きく変える。AIは、こちらが明示していない背景や文脈を勝手には汲み取れない。だから最初のアウトプットは、広く浅く、平均点に寄りやすい。けれど平均点の答えを捨てる必要はない。むしろそこから、「これは違う」「この方向は近い」「この属性は弱い」といった選別と修正を重ねることで、70点は90点にも95点にもなる。

ここで重要なのは、AIとの対話を質問ではなく編集として捉えることだ。AIは創作の神託ではなく、素材を大量に差し出す工場に近い。人間の役割は、その素材を見て、どれを残し、どこを削り、何を足すかを決めることにある。

AI活用の価値は、最初の一撃の精度ではなく、粗い出力を現実の粒度に近づける反復の設計にある。

仕様が曖昧なとき、AIはなぜ平均に逃げるのか

新規事業のペルソナを考える場面を想像してみよう。たとえば「このサービスのターゲットを提案して」と頼むと、AIはそれらしい人物像をいくつも返してくれる。だが、そのままでは決定打にならない。職業、年齢、家族構成、悩み、住んでいる地域、最近気になっていること。どれもそれなりに整っているのに、なぜか「その人が目に浮かぶ」レベルには届かない。

理由は単純で、言語化されていない相手の背景情報を、AIは察することができないからだ。人間同士なら、表情、間、空気感、業界の常識、過去の会話が補助線になる。しかしAIは、入力されたテキスト以外を持たない。だから曖昧な依頼には、曖昧に安全な回答を返す。

この性質は欠点というより、むしろ前提条件だ。AIは「意図を読む機械」ではなく、条件に反応する機械である。だからこそ、良い成果物は「賢い問い」より「賢い制約」から生まれる。ここでの制約とは、単なる文字数制限ではない。誰向けか、何を避けるか、どの粒度まで掘るか、どんな比較軸で見るか、そうした判断の枠組み全体を指す。

たとえば、ペルソナを作るなら「30代女性、都内在住」では弱い。そこに「共働きで保育園の送迎に追われる」「平日は自炊より惣菜が多い」「休日は子ども連れで行ける場所しか選べない」「最近の悩みは睡眠不足と職場での立ち位置」といった生活の圧力を入れると、一気に現実味が増す。さらに「同じ会社にいそうな人」「あのマンションの3階に住んでいそうな人」まで像を寄せると、抽象的人物ではなく、具体的な相手として見えてくる。

この差は小さくない。抽象的なターゲットは、議論を曖昧にする。具体的なターゲットは、機能、価格、訴求、導線、チャネルの判断を連鎖的に変える。つまり、ペルソナの詳細化はマーケティングの装飾ではなく、意思決定の分解能を上げる作業なのだ。

CLIP検索が教える、言葉は意味ではなく座標である

画像生成AIの世界でも、似た問題が起きる。入力欄に並ぶ単語は、私たちが思うような自然言語の「意味」をそのまま運んでいるわけではない。単語はまず、モデル内部の空間における座標として扱われる。だから、同じ単語でも、どの単語群と近いか、どんな画像と結びついているかを確認しないと、思った通りの画像にはならない。

この発想は、実はペルソナ作成にもそのまま通じる。たとえば「忙しい会社員」と入力しても、その言葉が指す座標は広すぎる。管理職の忙しさ、営業職の忙しさ、子育て中の共働きの忙しさ、フリーランスの案件過多の忙しさでは、必要なプロダクトも訴求も違う。単語は同じでも、内部の座標が違えば、出力はまったく変わる。

ここで見えてくるのは、プロンプトとは意味の記述ではなく、座標の指定であるという事実だ。AIに何かを頼むとき、私たちはしばしば「わかってほしい」と願う。しかしAIは文脈を読むというより、近傍を探す。つまり、入力した言葉がどの領域に着地するのかを理解しなければ、狙った出力にはたどり着けない。

この視点で見ると、CLIP検索のような確認作業は、単なる参考資料探しではない。むしろ、自分の言葉がどの意味領域に接続されているかを点検する工程である。画像生成なら、イメージのズレを防ぐ。事業開発なら、顧客像のズレを防ぐ。両者に共通するのは、言葉を「表現」ではなく「探索の足場」として使う感覚だ。

たとえば「高級感のあるUI」と言うと、何を想像するだろうか。黒基調、余白多め、細いフォント、ホテルのような静けさ。だがそれはある領域の高級感であって、別の領域ではゴールド、厚み、クラシック、重厚感が高級に見えるかもしれない。ここにあるのは、言葉の意味の曖昧さではなく、言葉の周辺に広がる連想空間の違いだ。AIはその空間を、こちらの想像よりも機械的に、しかし正直に反映する。

良いプロンプトは命令書ではなく、実験装置である

では、どうすればAIの粗い出力を実用レベルに持っていけるのか。答えは、プロンプトを一回で完成させようとしないことだ。むしろ、量産し、比較し、選別し、再定義するための装置として設計する。

この考え方には、重要な転換がある。多くの人はプロンプトを「精密な一文」だと思っている。だが本質は、単発の文章ではなく、反復可能な試行錯誤のフレームだ。最初に完璧を目指すより、まず複数の候補を出させる。そのうえで、どれが近いか、何が足りないか、何が違うかを言語化して返す。するとAIは、次第にこちらの評価軸に沿って出力を寄せてくる。

ここで有効なのは、次のような二段階の進め方だ。

広く出させる まずは4案、8案、10案といった形で量産させる。大事なのは、最初から絞り込まないこと。
現実の粒度に落とす 「属性が粗い」「その人物像は職業だけで生活が見えない」「もっと家族構成を」「最近の悩みを具体化して」といった形で修正する。
基準を明示する 「あの人と同じだとイメージできるレベルに」「このサービスを今すぐ欲しがる状況まで掘って」といった評価基準を言語化する。
比較で磨く 単独で見ると良さげな案でも、並べると弱点が見える。比較は、ぼんやりした良案を意思決定可能な案に変える。

この方法の強さは、AIの限界を逆手に取っている点にある。AIは一回の深い読解が得意ではないかもしれない。だが、大量に出し、こちらが選び、再入力するループには非常に向いている。人間は直感で「これだ」と感じることはできても、10案を同時に安定して作るのは苦手だ。AIはそこを補う。人間は最後に文脈を与え、選択の責任を持つ。

良いAI運用とは、AIに考えさせることではなく、AIの出力を比較可能な形に整えることだ。

生成AI時代のスキルは、問いを立てる力から、ズレを見抜く力へ

ここまでの議論をまとめると、AIを使う本当の技術は「上手に聞くこと」ではない。むしろ、返ってきたもののどこがズレているかを見抜く感度である。これは編集者、プロダクトマネージャー、マーケター、デザイナー、研究者に共通する能力だ。

重要なのは、ズレを単なる失敗として扱わないことだ。ズレは、こちらの前提がまだ粗いことを知らせるフィードバックである。たとえば、生成されたペルソナに違和感があるなら、それはAIが間違っているのではなく、こちらの要件が未定義である可能性が高い。対象顧客の収入、生活リズム、地域性、価値観、情報接触習慣のどれが重要なのか。そこが曖昧なままでは、AIは平均像しか返せない。

この意味で、AIとの共同作業は、外部化された思考の訓練でもある。頭の中にある曖昧なイメージを、どの変数に分解すれば再現可能になるかを学ぶ。これは新規事業のペルソナづくりだけでなく、企画書、コピー、採用要件、学習計画、競合比較にも使える。どれも、感覚的な「こういう感じ」を、評価可能な条件に変える仕事だからだ。

そして、CLIP検索の比喩が示すように、言葉はただのラベルではない。言葉は、意味空間の中の座標指定であり、探索の方向を決める。だからプロンプトを磨くとは、表現を美しくすることではなく、狙っている座標に到達するまで、言葉の置き方を調整することなのだ。

Key Takeaways

AIの初回回答を完成品だと思わない。 まずは粗い素材として受け取り、そこから編集する前提で使う。
曖昧な指示は平均的な出力を生む。 年齢や職業だけでなく、生活圧力、悩み、地域性、家族構成まで落とし込む。
プロンプトは命令ではなく実験装置。 1案で決めず、複数案を量産して比較する。
「何が違うか」を言語化する。 返答に対して、どこが弱いかを具体的に返すほど、出力は現実に近づく。
言葉の意味より座標を意識する。 その単語がどの連想空間に着地するのかを確認してから使う。

結論: AIを使うとは、未来を当てることではなく、現実に寄せること

AI活用を「賢い質問の勝負」だと考えると、少し見誤る。実際には、こちらの曖昧さを減らし、AIの平均性を現実に接続する作業の連続である。最初の答えが70点でもかまわない。大事なのは、その70点を見て、どこを足し、どこを削り、どの言葉を差し替えれば90点になるかを判断することだ。

そしてその過程で気づくのは、AIは人間の代わりに考える存在ではなく、人間が自分の思考を可視化するための鏡だということだ。鏡は顔を整えてはくれない。しかし、どこが歪んでいるかは正確に映す。AIも同じだ。だからこそ、最も重要なのは「何を聞くか」ではなく、返ってきた答えをどう現実に近づけるかである。

未来の仕事で強いのは、最初から正解を持っている人ではない。ズレを見つけ、座標を修正し、粗い出力を何度でも実用に変えられる人だ。AI時代の競争力とは、生成の速さではなく、照合の精度にある。