なぜ良いAIの問いは、税制の設計に似ているのか

最初の問いが、答えの質を決める

AIに質問したのに、返ってきた答えが妙に薄い。そんな経験はないだろうか。実はそのとき、問題はAIではないことが多い。問いの設計そのものが曖昧なのだ。

ここで少し意外な視点を入れたい。税制の世界でも、まったく同じことが起きている。試験研究に対する税額控除は、ただ「研究っぽい支出なら何でも得する」ような雑な仕組みではない。何が研究で、何が研究ではないかを細かく切り分け、どの支出が対象で、どの支出が対象外かを定義する。そこには、制度が生み出したい行動を厳密に問い直す姿勢がある。

この二つを並べると、見えてくるのは単純な事実だ。良い結果は、良い問いの設計から生まれる。AIでも税制でも、曖昧な入力は曖昧な出力を招く。逆に、問いが精密であればあるほど、システムはより有用に働く。

問いは、答えを取り出すための鍵ではない。どんな種類の知性を呼び出すかを決める設計図である。

この視点に立つと、AIの活用と制度設計は、驚くほど似た仕事になる。どちらも、ただ情報を入れて結果を待つのではなく、望ましい思考や行動が自然に立ち上がる条件を整える営みなのだ。

---

曖昧な入力は、曖昧な世界を増殖させる

AIは鏡に似ている。こちらの問いがぼんやりしていれば、返ってくる答えもぼんやりする。たとえば「新規事業のアイデアを出して」と頼めば、それらしい案は並ぶ。しかし「既存顧客の解約率を下げるために、予算50万円以内で、3か月以内に検証可能な施策を3案出して」と聞けば、答えの粒度がまるで変わる。

この違いは、単なるプロンプトの上手下手ではない。もっと深いところでは、自分が何を知りたいのかを自分で理解しているかの差である。問いを磨く作業は、自分の前提、目的、制約、判断基準を言語化する作業と同じだ。

税制の研究開発控除も同じ構造を持つ。制度は「研究にお金を使ったら優遇する」という大雑把な話では成立しない。なぜなら、研究らしく見えるが本質的には設備投資であるもの、日常業務の延長にすぎないもの、外注費として処理されるものなどが混ざるからだ。だから制度は、対象となる費用を細かく定義し、境界を引く。

この境界設定は厄介だが、非常に重要でもある。境界が曖昧だと、制度は濫用される。AIでも同じで、境界が曖昧な問いは、もっともらしい一般論を大量生産する。つまり、曖昧さは自由ではなく、ノイズの温床なのだ。

ここに見落とされがちな真実がある。多くの人は「正しい答え」を求めてAIを使うが、実際にはその前段階の「何を正しいとみなすか」を整える必要がある。税制も同じで、何が優遇対象かを決める以前に、何を促進したいのかを決めなければならない。

たとえば、ある企業が「新しい分析手法を使って新サービスを設計したい」と考えているとする。もしその目的が漠然としていれば、AIに聞いても、制度を読んでも、使えるようで使えない答えが返ってくる。だが、目的が「既存顧客の利用頻度を上げるために、ログデータを使って離脱予兆を発見したい」と定義されると、必要な知識も、対象費用も、評価方法も急に明確になる。

問いの解像度は、行動の解像度でもある。

---

研究開発控除が教える、思考の会計

税制はしばしば冷たい仕組みに見えるが、実はものすごく思考的だ。何を費用として認めるかを決めることは、組織が何に価値を置いているかを定義することと同じだからである。試験研究費を優遇する制度は、単にコストを下げるためではなく、不確実性を伴う探索に価値があると社会が認めるというメッセージでもある。

ここで重要なのは、研究とは成功した成果物ではなく、新たな知見を得るための試みだという点だ。つまり、制度が支援しているのは、完成品ではなく、まだ答えがない領域に踏み込むプロセスである。

これはAIの使い方にも通じる。AIを単なる答え生成機として使うと、既知の情報を再編するだけで終わる。しかし、問いを工夫すると、AIは探索装置になる。比較軸を作らせたり、前提を洗い出させたり、仮説の穴を指摘させたりすることで、まだ見えていない論点を発見できる。

ここで役立つのが、思考の会計というメンタルモデルだ。会計が収支を可視化するように、思考の会計は、頭の中の曖昧な知的活動を「何を仮定しているか」「何が未解決か」「どこまで検証済みか」に分解する。

たとえば、会議で「AIを導入すべきか」を議論するとき、多くの組織は議論の帳簿がぐちゃぐちゃになっている。業務効率化の話、顧客体験の話、コスト削減の話、競争優位の話が混線する。すると、全員が違う損益計算書を見ながら議論している状態になる。

思考の会計を導入すると、問いは次のように分解される。

1. 何を増やしたいのか。売上か、速度か、品質か、学習か。
2. 何を削減したいのか。時間か、ミスか、属人性か、機会損失か。
3. 何がまだ不確実なのか。データか、顧客反応か、運用負荷か。
4. どこまでなら試せるのか。予算、期間、法務、人的余力。

この分解ができると、AIへの質問も税務上の判断も、格段にクリアになる。なぜなら、問いが「何かを知りたい」から「何をもって前進とみなすか」に変わるからだ。

思考の質は、情報量ではなく、未確定要素の管理能力で決まる。

---

良い問いとは、自由を増やすのではなく、制約を見える化すること

多くの人は、良い問いを「広くて開かれた問い」だと誤解している。しかし実際には、良い問いはしばしば逆だ。制約を明示する問いほど、答えの有用性は高い。

たとえば、「市場で勝つ方法は？」という問いは広すぎる。一方、「既存顧客の継続率を5パーセント上げるために、接触頻度を増やさずにできる施策は？」という問いは狭い。しかし、その狭さこそが実務に効く。制約が明確だから、検討可能な解が絞り込まれ、比較も検証もできる。

税制もまさに制約の芸術だ。制度は無制限に広げると形骸化するし、厳しすぎると誰も使えない。だから対象範囲を定義しつつ、上限も設ける。研究費控除に上限があるのは、その制度が万能薬ではなく、インセンティブ設計の一部だからだ。優遇を与える一方で、過度な偏りや財政負担も防ぐ。

このバランス感覚は、AI活用にも必要だ。AIに何でも自由にやらせるのではなく、目的、前提、制約、評価基準を与える。するとAIは単なるおしゃべり相手ではなく、精密な思考補助装置になる。

具体例を挙げよう。あるマーケターが新しい施策を考えたいとする。

曖昧な問い: 「SNSで伸びる施策は？」

精密な問い: 「30代女性の既存顧客を対象に、3週間以内に実施でき、広告費を増やさず、保存率を改善できるSNS企画は？」

後者では、AIは具体的な提案を返しやすくなるだけでなく、提案の弱点も見えやすくなる。対象、期間、制約、評価指標があるからだ。ここで重要なのは、制約が創造性を殺すのではなく、創造性の探索空間を定義することだ。

これは制度設計でも同じだ。条件を絞ることは排除ではない。むしろ、どの行動を社会として後押ししたいのかを明確にする行為である。曖昧な優遇は、行動を変えない。明確な優遇だけが、行動の向きを変える。

---

AIを使うとは、自分の思考を再設計すること

AIの本当の価値は、答えを速く出すことではない。自分の問いの粗さを可視化してくれることにある。

よく考えると、AIを使うたびに私たちは自分自身と対話している。何が欲しいのか、何が足りないのか、何を怖がっているのか、どこが決め切れていないのか。AIに説明しようとすると、曖昧な直感が文章になる前に引っかかる。これが大きい。言葉にならない思考は、そのままでは扱えないからだ。

ここで有効なのは、問いをいきなり完成させようとしないことだ。むしろ、最初の問いを下書きとして扱う。AIに投げ、返答を見て、足りない条件を追加し、前提を修正する。この往復の中で、問いは洗練される。制度も同じで、ルールは一度書いて終わりではなく、運用の中で境界線の意味が鍛えられていく。

このプロセスを一言で表すなら、問いの共同編集だ。AIは答えを与える機械ではなく、思考の編集者として使うと強い。制度も、企業の研究活動を一方的に評価するのではなく、どの活動が未来への投資かを社会と企業の間で共同編集していると考えると理解しやすい。

たとえば、次のような使い方がある。

• アイデア発散ではなく、前提の洗い出しに使う
• 結論作成ではなく、抜け漏れの検査に使う
• 文章整形ではなく、判断基準の明文化に使う
• 企画提案ではなく、比較軸の設計に使う

この使い方をすると、AIは「答えをくれる存在」から「自分の思考を整える外部装置」に変わる。

---

Key Takeaways

• 良い問いは、良い答えを引き出す前に、自分の思考の曖昧さを減らす。 問いを作ること自体が思考の訓練になる。
• 制約は創造性の敵ではない。 期間、予算、対象、目的を明示すると、AIも人間も実務的な解を出しやすくなる。
• 思考の会計をつける。 何が目的で、何が不確実で、何が検証済みかを分けて考えると、議論が混線しにくい。
• AIには答えだけでなく、前提の確認をさせる。 「何を見落としているか」「どの条件なら結論が変わるか」を聞くと質が上がる。
• 制度を見る目でAIを使う。 何を対象にし、何を対象外にするかを決める発想は、プロンプト設計にもそのまま応用できる。

---

結論: 問いを設計できる人が、未来を設計できる

AIの普及で、多くの人は「どう答えを得るか」に注目している。しかし本当に重要なのは、その前の段階である。何を知りたいのか、なぜ今それが必要なのか、どの制約の中で判断するのか。ここを言語化できる人ほど、AIを深く使える。

そして、この能力はAI時代だけの特別な技術ではない。税制、組織設計、研究開発、プロダクト戦略、すべてに共通する。社会も組織も、結局は「どんな問いに価値を与えるか」で動くからだ。

だから本当に鍛えるべきなのは、答えを速く出す力ではない。問いに輪郭を与える力である。曖昧な問いは、曖昧な現実を増やす。精密な問いは、未来の選択肢を増やす。

次にAIを開くとき、まずこう自分に聞いてみてほしい。私は何を知りたいのか。何を決めたいのか。何を捨てて、何を守りたいのか。

その瞬間、あなたはもう単なる利用者ではない。思考の設計者になっている。