AIの答えを「鵜呑み」にしない一言の技術

プロンプトに答えを返すとき、AIは統計的に「肯定的・建設的・前向き」な方向に引っ張られやすい。これはモデルの学習過程における傾向であり、バグではなく設計上の副産物に近い。結果として、企画案を出させると「強み・メリット・可能性」が並び、リスクや失敗シナリオはほとんど含まれない出力になりがちだ。

問題は、その回答が「嘘」ではないことにある。書かれていることは概ね正確でも、「書かれていないこと」に判断の落とし穴が潜んでいる。AIは聞かれていないことを自発的に補足するより、聞かれたことに丁寧に答えることを優先する。これが「AIに任せると失楽園」になる典型的な構造だ。

AIに丸投げで失敗する人の共通点でも触れているように、AIの出力を「答え」として受け取るのと「素材」として扱うのとでは、使い方のレベルが大きく変わる。AIが沈黙しているところに、現実の難しさが詰まっていることが多い。

実践者の間で注目されているのが、プロンプトの末尾に一言添える方法だ。「面倒な点も入れて」「この案の弱点と失敗しやすいポイントも挙げて」「反対意見を持つ人はどう言うか」——このような問いかけをセットで使うだけで、出力の構造が変わる。

たとえばSNSの発信戦略をAIに提案させたとき、最初の回答に「継続のハードル」「競合との差別化の難しさ」「反応が出るまでのタイムラグ」といった情報は含まれにくい。しかし「この戦略でうまくいかないケースも教えて」と続けると、初回の回答とはまったく違う情報が出てくる。

両方の出力を並べて初めて、判断材料が揃う。「良い話だけで決めない」というのは、慎重さの話ではなく、情報設計の話だ。AIへの問いかけを「質問1回」で完結させず、意図的に「裏面」を引き出す設問をセットで持っておくことが、使う側の基本スキルになってきている。

この手法が面白いのは、一度「裏面を引き出す問い」を持っておくと、どんな場面にも応用できる点だ。新規事業の検討でも、LP文章の構成でも、採用文の作成でも、「良い面を出す問い」と「懸念点を出す問い」をペアで運用する習慣ができれば、AIの出力を判断材料として本当に機能させられる。

AIに任せる部分と人が書く部分の境界線を設計するでも整理されているように、AIの仕事と人間の仕事を分けるとき、「判断そのものは人間がやる」という前提がある。その判断を正確にするために必要なのが、情報の「裏面」を引き出す設問設計だ。

プロンプトに「良い話だけ持ってきて」と頼んでいるわけではない。でも、明示的に「悪い話も持ってきて」と言わなければ、AIは往々にしてメリット中心の回答を返す。この非対称性を知っているかどうかが、AIの出力を「素材」として扱えるかどうかの分岐点になる。