AIの答えがイマイチなのは、あなたの"問い"が不良品だからかもしれない − 40代管理職のAI活用術 −
※本記事にはプロモーション（アフィリエイトリンク）が含まれます。紹介する商品・サービスは、運営者が実際に利用または検討した上で価値があると判断したもののみを取り上げています。
AIに「いい感じにまとめておいて」と頼んだことが、ありませんか。
返ってきたのは、たしかに整ってはいる。でも、当たり障りのない総論で、肝心なところが入っていない。「うーん、これじゃないんだよな」と思いながら、そっとタブを閉じる。
最初の頃、僕はこれを「AIはまだこんなものか」と片付けていました。
でも、しばらく使って、はっきり気づきました。微妙だったのは、AIの答えではありません。僕の問いのほうでした。
僕は設計の仕事を長くやってきました。何かを測定するとき、設計の現場では、測る前に必ず「どこまでならOKか」を先に決めます。その基準がなければ、出てきた数字が良いのか悪いのか、判断できないからです。それを当たり前にやってきたはずの僕が、AIにだけは、その基準を決めずに丸投げしていたのです。
ナギ
AIの答えの質は、あなたの問いの質を超えない
結論から言います。AIから良い答えが返ってこないとき、原因はたいてい、AIではなく問いのほうにあります。
僕はこれを「不良品の問い」と呼んでいます。何を「良し」とするかを決めないまま投げた、合否の基準を持たない問いのことです。
ここで一つ、誤解を先に外しておきます。これは「上司の曖昧な指示を、自分が読み解く」という話ではありません。向きが逆です。自分から、AIや部下へ”出す”問いの話です。受け取る側でなく、投げる側の精度。今日はそこだけを見ていきます。
そして、もう一度言います。これはプロンプト術の記事ではありません。小手先の言い回しを10個覚える話ではなく、「投げる前に、何を決めておくか」という、もっと手前の話です。
測る前に、合格ラインを決める
設計や評価の現場には、徹底された鉄則があります。それは、測定する前に「合格ライン」を先に決める、ということです。
何かを測るとき、「どこまでならOKで、どこからがNGか」を先に決めておく。設計の世界では、これを規格値と呼びます。規格値のないまま測定しても、出てきた数字を「良い」とも「悪い」とも言えません。ただの数字で終わってしまう。
規格値を決めずに測定する人はいない。なのに僕たちは、AIには規格値を決めずに問いを投げている。
AIに「いい感じにまとめて」と投げるのは、合格ラインを決めずに測定ボタンを押すのと、まったく同じです。出てくるのは「それっぽい何か」。でも、自分の中に合否の基準がないから、良いとも悪いとも判断できない。だから「なんか違う」としか言えないのです。
これは製造業だけの話ではありません。
📒 "合格ライン"は、どの仕事にもある
- 営業：「いい提案資料を作って」の"いい"＝誰向け・何を訴える・何枚、を決めずに投げていないか
- 企画：「面白い案を出して」の"面白い"＝誰が・どんな場面で喜ぶか、の基準があるか
- 事務：「分かりやすくまとめて」の"分かりやすい"＝誰が読んで何が分かればOKか
どの仕事にも、合格ラインはあります。ただ、ふだんは口に出していないだけです。AIは、その「口に出していない基準」を、容赦なく見えるようにしてくれます。
「不良品の問い」とは、ゴールを決めていない問いのこと
では、良い問いの核は何か。たった一つです。何を「良し」とするか、というゴールを先に決めること。これだけです。
制約や背景や形式も大事ですが、それは後の話です。まず、ゴール。「この問いに、どんな答えが返ってきたら成功なのか」を、自分が先に握っているか。それが握れていない問いが、不良品の問いです。
以前、依頼の前に「何を良しとするか」を先に決める道具について書いたことがあります（インパクトフィルター使い方）。根っこは、それとまったく同じです。AIが相手でも、人が相手でも、変わりません。
正直に言うと、僕自身がこれを、長いあいだ分かっていませんでした。
若い頃、部下に「これ、よろしく」とだけ言って渡したことがあります。 数日後に確認したら、まったく違うものが出てきました。 当時の僕は、本気で「なんで分かってくれないんだ」と思っていました。 でも今振り返ると、一番分かっていなかったのは、僕のほうでした。 一番曖昧だったのは、部下の理解力ではなく、僕の指示だったんです。
ミライ
曖昧な指示で部下を困らせる人は、同じやり方でAIも困らせている
ここが、この記事で一番大事なところです。
結論を先に言います。部下マネジメントとAI活用は、同じ一つの力に行き着きます。それが、言語化です。曖昧な指示で部下を困らせてきた人は、たいてい同じやり方で、AIのことも困らせています。
ただ、ここに見落とされがちな落とし穴があります。実は、AIのほうが危険なのです。
なぜ、AIのほうが危険なのか
同じ「いい感じにまとめて」という不良品の問いを投げたとき、人間とAIでは、返ってくる反応がまったく違います。そして、その違いこそが、落とし穴の正体です。
具体的に見てみます。
AIに頼んだ場合 自分「いい感じにまとめて」 AI「承知しました」（→それっぽい資料が、即座に完成する） 自分「…なんか、違う」
部下に頼んだ場合 自分「いい感じにまとめて」 部下「何を重視しますか？ 誰向けですか？ 何枚くらいですか？」 自分「あ……そこ、決めてなかった」
同じ不良品の問いなのに、起きることが正反対です。
部下は、立ち止まって聞き返してくれます。その瞬間、こちらは「自分が何も決めていなかった」と気づける。つまり、部下の質問は、僕の問いの不良を見つけてくれる検査工程なのです。
一方、AIは止まりません。曖昧なままでも、それらしい答えを、しかも一瞬で返してくる。だから、こちらは「不良品の問いを投げた」ことに、気づけない。
📒 同じ"不良品の問い"への、反応の違い
- 人間（部下）：止まって聞き返す → こちらが「決めていなかった」と気づける（安全）
- AI：黙って、それらしい答えを即・完成 → 後で「なんか違う」と気づく（危険）
ここで、こう思った人がいるかもしれません。「AIにも『分からなければ聞き返して』と頼めばいいじゃないか」と。
そのとおりです。でも、その一文すら、こちらが先に思いつけなければ出てきません。そして、その一文を思いつける人は、もう問いを設計できている人です。結局、分かれ目は同じところに戻ってきます。
人は曖昧な指示で困る。AIは曖昧な指示で、それらしい答えを返してくる。だから、気づきにくい。
誤解しないでほしいのは、これは能力の話ではない、ということです。頭の良し悪しではなく、やり方の問題です。やり方なら、今日から変えられます。
ナギ
良い問いには、順番がある
では、どう直すか。テクニックを10個覚える必要はありません。覚えるのは、順番だけです。
良い問いは、いつも同じ順番で組み立てられます。
✅ 良い問いの順番
- ① ゴール：何を「良し」とするか（これが一番大事）
- ② 制約：条件（締切・分量・使えるもの）
- ③ 背景：誰向けか・何に使うか
- ④ 出力形式：長さ・形（箇条書き・表・文章）
大事なのは、①のゴールを先に握ることです。ここさえ決まれば、②③④は後から足せます。逆に、①が空っぽのまま②③④をいくら整えても、答えはぼやけたままです。
そして、ここがこの記事の肝なのですが、この順番は、部下への依頼でもまったく同じです。「これのゴールは、こういう状態になること」を最初に渡す。それだけで、部下もAIも、動きが変わります。
明日から試せる一歩
難しく考えなくて大丈夫です。明日から試せる、一番小さな一歩をひとつだけ。
AIに何かを頼むとき、本文の前に、一行だけ足してみてください。「この回答で”良い”とは、◯◯な状態のことです」。たったこれだけで、返ってくる答えが変わります。部下への依頼なら、最後に「これのゴールは◯◯」と一言添える。同じことです。
実際、さっきの「会議をまとめて」も、こう変わります。
不良品の問い：「会議の内容をまとめて」 → 事実は並ぶが、意思決定に必要なポイントが抜ける。
合格ラインのある問い：「来週の役員会で”承認をもらう”ために、論点と決めるべきことを、A4一枚にまとめて」 → ゴールが決まった瞬間、別物のアウトプットになる。
AIの性能が上がったわけではありません。問いの質が上がっただけです。
変えられないものと、今日から変えられるもの
最後に、整理します。
AIの性能は、こちらでは変えられません。部下の性格も、変えられません。でも、自分の問いは、今日から変えられます。だから、ここには希望があります。
以前、AIが資料も要約も作る時代に管理職へ最後まで残るのは「決めて、引き受けること」だ、という話を書きました（AIは、決めてくれない）。あれは”出口”の話です。今日の「問いの設計」は、その手前の”入口”の話になります。
入口がズレていたら、出口でどれだけ頑張っても、苦しくなります。良い決裁の前には、いつも良い問いがある。なのに、多くの人は、出口ばかり気にして、入口を軽く見ています。
AIを使うようになって、僕が一番はっきり気づいたのは、これでした。
問題は、AIの性能ではありませんでした。僕自身の、言語化能力だったんです。
設計の合格ラインも、部下への依頼も、AIへの問いも、結局は同じ一つの力でつながっていました。何を「良し」とするかを、先に言葉にできるか。ただ、それだけのことです。
あなたの次の問いは、不良品でしょうか。それとも、合格ラインのある問いでしょうか。
ナギ
— Calmly. Surely. —
📖 参考書籍｜「問いを立てる力」を鍛える2冊
イシューからはじめよ［改訂版］知的生産の「シンプルな本質」
「解くべき問い（イシュー）を、最初に見極める」ことを知的生産の本質として説いた一冊。本記事の"何を良しとするかを先に決める"と完全に重なります。2024年の改訂版では「なぜ今これなのか」が新たに加わり、AI時代の文脈にもつながります。
- 答えを出す前に「解くべき問い」を見極める技術
- "犬の道"を避け、本当に価値のある問いに集中する
- AIに何を問うかを考える、すべての人の土台になる
シン・ニホン AI×データ時代における日本の再生と人材育成
AI×データの時代に、人に残る価値は何か。著者の答えは「価値ある問いを立て、未来を構想する力」です。本記事の"問いの設計"を、個人の仕事から社会のスケールまで引き上げて裏打ちしてくれます。視野を一段広げたい40代に。
- AI時代に人がやるのは「問いを立て、意味をデザインすること」
- データ×AIの全体像が、平易な言葉でつかめる
- キャリアの"次の10年"を考える視点が手に入る
🔗 あわせて読みたい
AIを使い始めたばかりで「そもそも何から手をつければ」という方は、「管理職こそAIを使えていない」問題から読むと、入口がつかめます。
「結局、AIに任せたら自分の仕事は何が残るのか」が気になった方は、本記事の”出口”にあたるAIは、決めてくれない（最終決裁の話）へ。依頼の設計そのものをもっと具体的に詰めたい方は、「いい感じに」が消える依頼設計7選が実例集として効きます。
🧭 「問いを設計できる人材」の市場価値を、一度測る
少しだけ、お金と市場の話を。
「何を良しとするかを、先に言葉にできる力」は、AIが進化するほど価値が上がります。だからこそ、その力が今、社外でどう評価されるのかを、一度知っておく価値があります。転職するためではありません。自分の現在地を測る計器を一つ持っておくと、日々の判断もぶれにくくなります。
スカウト型で「待つだけ」。自分の市場価値を定量的に把握できるハイクラス転職サイト
- 年収750万円以上の独占求人が豊富
- スカウト数・提示年収で市場価値が定量化される
- 登録無料、3ヶ月に1度のログインで市場の変化を観察
コンサルタントが具体的に強み・弱みを言語化してくれる、管理職転職の王道エージェント
- 年収600万円〜2,000万円のミドル・ハイクラス案件
- 30〜40代の管理職・専門職転職に圧倒的な強み
- 業界専門のコンサルタントが現在地を客観評価
どちらも登録は無料です。今すぐ動くためではなく、現在地を知るために。
※本記事にはアフィリエイトリンクを含みます。リンク経由で商品・サービスをご利用いただくと、運営者に紹介料が支払われることがあります。価格や評価が変わるものではありません。
🧭 次に読むおすすめ
この記事とテーマの近い順に選んでいます
