はじめに──AIの回答がいつも「それっぽい」で止まる理由
前回の記事では、AIに「命令する」のではなく「相談する」マインドセットについて書きました。状況や目的を共有し、AIを対話のパートナーとして扱う姿勢が大事だという話です。
今回は、その相談の質をさらに引き上げるための「問いを立てる力」について考えます。
生成AIを使っていると、こんな経験をしたことがある人は多いはずです。
- 回答はもっともらしいけれど、表面的で深みがない
- 一般論としては正しいが、自分の状況には当てはまらない
- 何か物足りないけれど、何が足りないのかうまく言えない
このとき、多くの人は「AIの能力が足りない」と考えます。しかし前回お伝えしたとおり、原因のほとんどは入力する側、つまり私たちの「問い」にあります。
ただし、ここで誤解しないでいただきたいのは、「問いが悪い」と言っているのではないということです。私たちは学校教育でも職業訓練でも、「質問の仕方」を体系的に学ぶ機会がほとんどありませんでした。質問はいつも「自然に出てくるもの」として扱われてきた。だから漠然とした問いを投げてしまうのは、能力の問題ではなく、単に訓練されていないだけの話です。
そして、AIという「どんな問いにも何かしらの答えを返してくれる相手」の登場は、私たちが「問いを立てる力」を初めて意識的に鍛える絶好の機会でもあります。
「漠然とした質問」が「漠然とした答え」を呼ぶ構造
まず、なぜ漠然とした質問からは漠然とした答えしか返ってこないのかを、構造的に理解しましょう。
こんな質問をAIに投げたとします。
マーケティングについて教えて
この質問に対して、AIはどう答えればいいでしょうか。マーケティングという領域は膨大です。BtoB なのか BtoC なのか。デジタルなのかオフラインなのか。戦略の話なのか実行の話なのか。初心者向けの概論が欲しいのか、特定の手法について詳しく知りたいのか。
AIにはそれがわかりません。だからこそ、「マーケティングとは、企業が顧客に価値を提供するための一連の活動であり……」という、どの教科書にも書いてあるような概論を返すことになります。質問が広すぎるから、答えも広くなる。これは AI の限界ではなく、入力と出力の対称性が生んでいる自然な結果です。
人間同士の会話であれば、「マーケティングについて教えて」と言われたら「何が知りたいの？どの辺の話？」と聞き返すでしょう。会話の流れで自然と焦点が絞られていきます。AIもある程度は聞き返してくれますが、基本的には「もらった情報の範囲で最善を尽くす」設計です。
つまり、問いの焦点を絞る作業は、AI ではなく人間の側が担うべき役割なのです。
問いの質を決める3つのレイヤー
漠然とした質問から脱却するために、問いの質を3つのレイヤーに分解して考えてみましょう。
レイヤー1：「何を知りたいか」の対象を絞る
最も基本的なレベルです。「マーケティングについて教えて」を、もう少し具体的にしてみましょう。
中小企業がSNS広告を始めるとき、最初に選ぶべきプラットフォームの判断基準を知りたい
対象が「マーケティング全般」から「中小企業のSNS広告のプラットフォーム選定基準」に絞られました。この段階で、AIの回答精度は大幅に上がります。
しかし、これだけではまだ改善の余地があります。
レイヤー2：「なぜ知りたいか」の目的を明確にする
同じ質問でも、聞いている目的が違えば、最適な回答は変わります。
- 上司に提案するための比較資料が欲しい人
- 自分で運用を始める前に概要を掴みたい人
- クライアントにアドバイスするための知識を得たい人
これらは全員「SNS広告のプラットフォーム選定基準を知りたい」と思っていますが、必要な情報の深さ、形式、視点がまったく異なります。
中小企業向けにSNS広告の導入コンサルをしている。クライアントの多くはBtoC の小売業で、月の広告予算は10万円以下。この条件で成果が出やすいプラットフォームの選定基準を、クライアントに説明できる形で整理したい
「なぜ知りたいか」を加えたことで、回答は「一般的なプラットフォーム比較」から「BtoC 小売業・低予算向けの、クライアント説明用に整理された情報」に変わります。
レイヤー3：「どう使うか」の出力形式を指定する
最後のレイヤーは、得た情報をどのような形で活用するかです。
中小企業向けにSNS広告の導入コンサルをしている。クライアントの多くはBtoC の小売業で、月の広告予算は10万円以下。この条件で成果が出やすいプラットフォームの選定基準を、クライアントとの初回面談で使える比較表の形で整理してほしい。列は『プラットフォーム名／向いている業種／最低月額予算の目安／期待できる効果／注意点』にしたい
3つのレイヤーをすべて含めたことで、質問は「マーケティングについて教えて」から、AIが迷いなく適切な回答を生成できる明確な指示に変わりました。
ここで強調しておきたいのは、この3段階の精緻化は「AIのために」やっているのではないということです。「何を知りたいのか」「なぜ知りたいのか」「どう使うのか」を自分自身に問いかけるプロセスそのものが、仕事の質を高める思考訓練になっています。
5W1Hは「問いの設計図」になる
「問いの精度を上げよう」と言われても、最初は何をどう改善すればいいかわからないかもしれません。そこで役立つのが、ジャーナリズムやビジネスの基本である5W1Hフレームです。
ただし、ここで言う5W1Hは「新聞記事を書くためのフレームワーク」ではありません。自分の問いに「穴」がないかを点検するためのチェックリストとして使います。
| 要素 | 質問に含めるべきこと | 例 | |---|---|---| | Who（誰が） | 自分の立場、または対象とする相手 | 「入社3年目の営業として」「20代の一人暮らし向けに」 | | What（何を） | 知りたいこと、作りたいもの | 「提案書の構成案」「比較表」「改善案」 | | Why（なぜ） | この質問をする目的、背景 | 「来月の予算会議で提案するため」「転職面接に備えて」 | | When（いつ） | 時間軸、期限 | 「今週中に必要」「3年計画として」 | | Where（どこで） | 場面、チャネル、媒体 | 「社内のSlackで共有する」「展示会ブースで配る」 | | How（どのように） | 形式、トーン、分量の希望 | 「箇条書きで」「A4一枚に収まるように」「カジュアルな口調で」 |
もちろん、すべての質問にこの6要素すべてが必要なわけではありません。しかし、AIに投げる前に「Who は書いたか？ Why は伝えているか？」と一巡させるだけで、問いの抜け漏れに気づけます。
具体例で見てみましょう。
改善前：
プレゼンの話し方のコツを教えて
5W1Hチェック：
- Who：自分は誰か → 「人前で話すのが苦手な若手エンジニア」
- What：何についてのプレゼンか → 「新機能の社内デモ」
- Why：なぜ聞くのか → 「前回のデモで質疑応答がうまくできず、次回はもっとスムーズにやりたい」
- When：いつか → 「来週の水曜日」
- Where：場面は → 「チーム15人の前で、会議室で20分間」
- How：どう教えてほしいか → 「意識すべきポイントを3〜5つに絞って」
改善後：
来週水曜に、チーム15人の前で新機能の社内デモを20分間やることになった。自分はエンジニアで、人前で話すのが得意ではない。前回のデモでは質疑応答でしどろもどろになってしまったので、特にQ&A対策を中心に、意識すべきポイントを3〜5つに絞ってアドバイスしてほしい
改善前と改善後で、AIから返ってくる回答の質が大きく変わることは容易に想像できるはずです。しかもこの改善に必要な時間は、ほんの30秒〜1分です。5W1Hを頭の中で一巡させるだけで、それだけの差が生まれます。
「抽象度」を意識する──粒度のコントロールという技術
5W1Hで問いの「穴」を埋めることに加えて、もう一つ意識すべきポイントがあります。それは、質問の「抽象度」──つまり、どれくらいの粒度で聞いているかをコントロールすることです。
たとえば、以下の3つの質問を比べてみてください。
1. 「チームの生産性を上げるにはどうしたらいい？」 2. 「リモートワークのチームで、週次ミーティングの効率を上げる方法を知りたい」 3. 「リモートワークのチーム（8人）の週次ミーティングで、毎回45分の枠なのにいつも1時間を超えてしまう。原因として議題が曖昧なまま始まることが多い気がする。この問題を解消するために、ミーティングの運営方法を改善したい」
1は最も抽象的で、AIは「コミュニケーションを改善する」「タスク管理ツールを導入する」といった広い回答を返すでしょう。2はかなり絞られていて、実用的なアドバイスが得られそうです。3は具体的な症状（時間超過）とその原因仮説（議題の曖昧さ）まで含んでいるので、AIはその仮説を踏まえた実践的な改善案を返すことができます。
ここで重要なのは、「3が常に最善」というわけではないということです。
思考の初期段階では、あえて抽象度の高い質問を投げて「自分が考えていなかった方向性」を探ることが有効な場合もあります。問題なのは、抽象度を「意識的に選んでいるか、無意識にそうなっているか」です。
意識的に抽象度をコントロールできるようになると、以下のような使い分けができるようになります。
| 抽象度 | 使いどころ | 例 | |---|---|---| | 高い（広い） | 方向性を探る初期段階 | 「在宅勤務で集中力を保つ工夫にはどんなものがある？」 | | 中程度 | 選択肢を比較検討する段階 | 「ポモドーロテクニックとタイムブロッキング、在宅で実践しやすいのはどちらか、メリット・デメリットを比較したい」 | | 低い（狭い） | 具体的な実行プランを詰める段階 | 「ポモドーロテクニックを明日から試したい。自分は午前中にメール対応、午後に企画作業をしている。この生活パターンに合わせた具体的なスケジュール案を組んでほしい」 |
思考のフェーズに応じて抽象度を切り替える。この意識があるかないかで、AIとの対話の生産性は大きく変わります。
「問いを立てる前の問い」──自分の頭を整理する時間を持つ
ここまで、問いの質を上げるためのフレームワーク（3つのレイヤー、5W1H、抽象度のコントロール）を紹介してきました。
しかし、正直に言えば、もっと手前に大事なことがあります。
それは、AIに問いかける前に、自分が「何に悩んでいるのか」「何がわからないのか」を自分自身に問いかける時間を持つことです。
これは前回の記事でも触れた「言語化」の話と重なりますが、もう少し踏み込みます。
多くの人は、AIに質問する時点で「自分は何がわからないかがわかっていない」状態にあります。「なんかうまくいかない」「もっと良くなるはずだ」という漠然とした感覚はあるけれど、それが具体的に何なのかを特定できていない。
この状態でAIに質問すると、当然ながら問いも漠然とします。そして漠然とした回答が返ってきて、「やっぱりAIって使えないな」と感じる。しかし問題は AI の回答ではなく、問いの手前にある自分の思考の曖昧さにあったわけです。
では、どうすればいいか。
一つのシンプルな方法は、AIに質問する前に、紙やメモアプリに「今、自分が困っていること」を3行だけ書いてみることです。
- 1行目：何について考えているか（テーマ）
- 2行目：何がうまくいっていないか、何が引っかかっているか（課題感）
- 3行目：どうなれば嬉しいか（ゴール）
たとえば：
``` テーマ：来月の新規事業提案 課題感：アイデアはあるけど、数字の裏付けが弱い気がする ゴール：経営会議で「一度やってみよう」と言ってもらえるレベルの資料にしたい ```
たった3行ですが、これを書くだけで頭の中の霧が少し晴れます。そしてこの3行をそのままAIに伝えれば、「数字の裏付けを強化するための調査の方向性」や「経営層が気にしそうなポイント」について、具体的な回答が得られるでしょう。
この「メモしてから聞く」という小さな習慣が、AI活用の質を劇的に変えます。AIに聞く前のたった1分の整理が、何度も質問し直す15分を節約するのです。
「良い問い」は人間のスキルである
ここまで読んでいただいて、お気づきの方もいるかもしれません。この記事で述べていることの多くは、「AI の使い方」というよりも「人間の思考力」についての話です。
実際、そのとおりです。
AIのポテンシャルを引き出す質問力とは、突き詰めれば「自分が何を考え、何に困り、何を求めているのかを言語化する力」に他なりません。これはAIが登場する以前から、仕事ができる人が自然に持っていたスキルです。
AIの登場は、このスキルの有無を可視化しました。良い問いを立てられる人は、AIから驚くほど有用な回答を引き出します。問いが曖昧な人は、AIに何を聞いても「それっぽいけど使えない」回答に悩まされます。
これは格差のように聞こえるかもしれませんが、実はチャンスでもあります。なぜなら、質問力は訓練で伸びるスキルだからです。そして AIこそが、その訓練にとって最適な壁打ち相手になります。
上司や同僚に漠然とした質問をすると、「もっと整理してから聞いて」と突き返されるかもしれません（それはそれで正しい対応ですが、心理的には辛いものがあります）。しかしAIは何度漠然とした質問をしても嫌な顔をしません。そして自分の質問とAIの回答を見比べることで、「ああ、ここが曖昧だったから、こういう回答になったんだな」と振り返ることができます。
AIとの対話は、質問力を安全に鍛えるための個人練習場のようなものです。
実践のステップ──明日から試せる3つの習慣
最後に、この記事の内容を日常に落とし込むための具体的な習慣を3つ提案します。
習慣1：AIに聞く前の「3行メモ」
前述のとおり、テーマ・課題感・ゴールの3行をメモしてからAIに入力する。最初は面倒に感じますが、1週間も続ければ頭の中で自然にできるようになります。
習慣2：送信前の「5W1H一巡チェック」
入力文を書いたら、送信する前に「Who, What, Why, When, Where, How」を3秒ずつ確認する。すべてが含まれている必要はありませんが、「目的（Why）と対象（Who）は入っているか？」だけでもチェックすると効果があります。
習慣3：抽象度の「意識的な選択」
質問を入力するとき、「今は広く探りたい段階か？具体的に詰めたい段階か？」と自問する。フェーズに合った抽象度を意識的に選ぶことで、対話の効率が上がります。
まとめ──AIは「問いの鏡」である
生成AIは、投げかけた問いの質をそのまま反映して返します。鏡のように。
曖昧な問いには曖昧な答えが、具体的な問いには具体的な答えが、構造化された問いには構造化された答えが返ってきます。だからこそ、AI の回答に不満を感じたときは、まず自分の問いを振り返ってみてください。
問いの質を上げることは、AIを使いこなすためだけの技術ではありません。それは自分の思考を研ぎ澄まし、仕事の質そのものを高めるための、もっとも基本的なスキルです。
次回は、良い問いを「1回」で終わらせず、対話のラリーを通じてさらに思考を深めていく技術について考えます。
次回予告：第3回「一問一答で終わらせない。ラリーを続けて思考を深める『対話のキャッチボール』」