問い方が、得られる答えを変える

AIとのやり取りを検索エンジンへの問い合わせのように扱うプロンプトの助言がある。正確に言い表し、適切なキーワードを入れ、最良の結果を得る、というものだ。その助言は誤りではなく、問題の見えている部分には効く。価値は、誰も見ていないものを表に出すことにある。

より深い問題は、問いをどう枠づけるかが、何を尋ねているかを指定するだけではないという点だ。それは、期待する答えの種類を形づくる。そしてAIはその含みを読み取り、求められたとおりに、それを届けようと最善を尽くす。

誰も言わない前提条件

枠づけの前に、もっと根本的なものがある。謙虚さだ。

自分が答えだと思っているものをすでに抱えたままAIとの対話に入れば、問いはそれを映す。問いは、意識的にであれそうでなくとも、確認を招くように形づくられる。そしてモデルは——枠づけがどんな応答を求めているかを見抜くのが非常に得意だ——それが正しい答えか最良の答えかにかかわらず、しばしばそれを届ける。あなたがそう求めたからだ。

これは、自分が近づこうとしている理解を持つ専門家との会話で現れるのと同じ罠だ。発する問いは、本当に異なる答えのための空間を開くか、閉じるかのどちらかである。予期や想定を超えるものがあることへの本当の開かれがなければ、問いの構造は、許容される答えの姿を静かに告げる——そしてたいていそれが、返ってくる答えになる。

謙虚さはその開かれを強いる。それは、問いが形づくられた答えではなく予期しない答えを受け取ることを可能にする条件だ。そしてそれは、安全なAIとの協働のための前提条件であり、後づけの配慮ではない。

枠づけがすること

すでに答えを含んだ問いは、しばしばその答えを返される。「なぜXが最良のアプローチなのか」はXを支持する論拠を生む。「Yの主な欠点は何か」は欠点の一覧を生む。これらは悪い問いではなく、閉じた問いだ——どの結論へ向かうべきかをモデルに告げ、それを支える論拠を求めている。

閉じた問いに答えるモデルは、欺いているのでもハルシネーションを起こしているのでもない。応答しているのだ。枠づけが示したこと——確認し、展開し、支える——をしている。

問題は、本当に開かれた評価が必要だったのに、確認が返ってきたときだ。答えは網羅的に見える。一貫していて、よく筋が通り、しばしば正確だ。そして、別の結論へ導いたはずの考慮事項を完全に外している可能性がある——あなたがその考慮事項を問いの枠の外に置いたからだ。

不確実性を招く問い

代わりの道は、本当の開かれを問いそのものに組み込むことだ。

その転換の例をいくつか挙げる。

「このアプローチの利点は何か」→「このアプローチに賛成・反対する最も強い論拠は何か、そして決定的な不確実性はどこにあるか」

「この分析は正しいか」→「この分析が誤りであるためには何が真でなければならないか。最も弱い点はどこか」

「この状況にどう対処すべきか」→「ここで最も重要な考慮事項は何か。明白な答えを複雑にしかねないものも含めて」

これらは同じ問いの穏やかな言い換えではない。モデルが何を最適化するかを変える。開かれた問いはモデルに余地を——そして暗黙の許可を——与え、複雑さを表に出し、不確実性を名指し、枠づけの内側で作業するのではなく枠づけそのものに異を唱えることを可能にする。

心理的安全性とのつながり

AIの心理的安全性は、AIを心地よくさせることではない。不確実性をはっきり口に出せる条件をつくることであり、それこそがAIに最も価値の高い出力を届けさせる。その条件がなければ、モデルに残る選択肢はひとつだけだ。問いの、あらかじめ形づくられた型に収まる答えである。扉は閉じたままになる。

つくり出した条件が本当の不確実性に余地を残していなければ、それは得られない。自信のある答えに報いるような形で問われたモデルは、自信のある答えを返す——欺こうとしているからではなく、必要なのは自信だと枠づけが告げたからだ。

アジャイルチームは人間どうしの協働についてこれを学んだ。疑いを罰する環境にいる人は、感じていなくても確信を口にする。環境が出力を形づくる。

同じ力学がAIにも当てはまる。どう尋ねるかが、何を得るかを形づくる——言い回しという表層だけでなく、その相互作用が何に報い何を抑えるかという、より深い層で。謙虚さと、そこから生まれる開かれた枠づけこそが、その力学を変える。

関連コンテンツ

• Why Your AI Prompts Underperform (And How to Fix Them) — YouTubeのAgile4AI