「AIを使えば、誰でも同じことができる」
そう言われることがあります。
でも、実際に業務で使い込んでみて、私は逆のことを感じています。
同じAIに、同じことを聞いても、返ってくる答えの質は人によって変わります。
そして差が出るのは、プロンプトのテクニックではありません。もっと手前の部分です。
今回は、AIを業務で使ってきて気づいた、この違いについて書きます。
同じ質問でも、答えが変わる理由
まず、わかりやすい例から。
障害が起きたとき、AIに相談する場面を考えます。
Aさんの聞き方
サーバーが重いです。原因は何ですか?
Bさんの聞き方
Webサーバーのレスポンスが低下しています。 CPU使用率は通常20%が、現在80%で3時間継続。 メモリとディスクI/Oは通常範囲。 直近で設定変更やリリースはなし。 アクセス数も普段と同程度です。 考えられる原因と、確認すべき順序を教えてください。
当然、Bさんのほうが有用な答えを得られます。
でも、ここで注目してほしいのはプロンプトの書き方ではありません。
Bさんは、聞く前にすでに切り分けを終えているんです。CPUを見て、メモリを見て、変更履歴を確認して、アクセス数を調べている。
AIに聞く前の段階で、差がついています。
AIに渡せる情報は、自分が持っている情報だけ
当たり前のことですが、これが本質だと思っています。
AIは、こちらが渡した情報の範囲でしか考えられません。
つまり:
- 状況を正確に把握できる人 → 正確な情報を渡せる
- 何が起きているかわからない人 → 曖昧な情報しか渡せない
渡せる情報の質が、答えの質を決めます。
そして「状況を正確に把握する力」は、AIでは補えません。それは現場を見る力であり、経験から来るものです。
出てきた答えを、判断できるか
もう一つの差は、出力を評価できるかどうかです。
AIは、それらしい答えを返してきます。文章は整っているし、論理も通っている。でも、その環境で通用するとは限りません。
たとえば、AIが「このコマンドで解決します」と提案してきたとき。
判断できる人は、こう考えます。
- このコマンドは何をするものか
- 実行したら、他に影響は出ないか
- この環境の構成で、本当に有効か
- 失敗したら、どう戻すか
判断できない人は、こう考えます。
- AIがそう言っているから、実行してみよう
この差は、決定的です。
前者はAIを道具として使っています。後者は、AIに判断を委ねています。
そして、間違った答えが返ってきたときに気づけるのは、前者だけです。
だから、AIは差を広げる
ここが一番言いたいことです。
AIは、みんなを同じレベルに引き上げる道具ではありません。
むしろ逆で、もともとの差を広げます。
- 状況を把握できる人 → 適切な情報を渡せる → 良い答えが得られる → 仕事が速くなる
- 状況を把握できない人 → 曖昧な情報しか渡せない → 一般論しか返ってこない → 「AIは使えない」と感じる
同じツールを使っているのに、成果がまったく違う。
AIは、書けない人を書けるようにする道具ではありません。書ける人が、速く書けるようになる道具です。
「AIが使えない」と言う人の本当の課題
「AIに聞いても、的外れな回答しか返ってこない」
こう言う人は、実は少なくありません。私も最初はそうでした。
でも、原因はAIの性能ではなく、たいてい次のどちらかです。
1. 何を聞きたいのかが、自分でも整理できていない
質問が曖昧なのは、頭の中が曖昧だからです。
AIに聞くという行為は、自分の理解を言語化する作業でもあります。うまく聞けないときは、自分がその問題を理解していない可能性がある。
2. 前提情報を渡していない
環境も、経緯も、試したことも伝えずに「どうすればいいですか」と聞く。
これでは一般論しか返ってきません。AIはエスパーではないので、当たり前です。
じゃあ、経験の浅い人はどうすればいいのか
ここまで読むと、「経験がないとAIも使えないのか」と思うかもしれません。
そんなことはありません。
むしろ、AIは学習の道具として優秀です。
わからないことを、恥ずかしがらずに聞ける
「こんなことも知らないのか」と思われる心配がありません。基礎的なことでも、何度でも聞ける。これは大きな利点です。
自分の理解を確認できる
「私はこう理解しているが、合っているか」と聞くと、認識のズレを指摘してくれます。独学の最大の弱点である「間違ったまま覚える」を防げます。
なぜそうなるのかを深掘りできる
手順を教わっても、理由がわからないことがあります。AIには「なぜこの順序なのか」と何度でも聞ける。
AIを使って経験を積む。そして、経験が積まれるとAIをもっと使いこなせるようになる。
この循環に入れるかどうかが、分かれ目だと思います。
私が意識していること
最後に、実践していることを書きます。
1. 聞く前に、自分の仮説を持つ
「たぶん原因はこれだと思うが、どうか」という形で聞きます。
仮説を持って聞くと、AIの答えを評価できます。仮説がないと、返ってきた答えをそのまま受け入れるしかありません。
2. 答えを鵜呑みにせず、根拠を聞く
「なぜそう判断したのか」を追加で聞きます。
根拠を聞くと、AIの推論の弱点が見えることがあります。そこで初めて、その答えが使えるかどうかが判断できます。
3. 自分で検証してから使う
コマンドもスクリプトも、必ず内容を理解してから実行します。
これはAIの線引きとして別記事にも書きましたが、最終的な責任は自分にあるからです。
まとめ
AIは使う人のレベルになる、という話をまとめます。
なぜ差が出るのか
- 渡せる情報の質が違う — 状況を把握する力は、AIでは補えない
- 出力を判断できるかが違う — 間違いに気づけるのは、わかっている人だけ
AIは差を広げる
- みんなを同じレベルに引き上げる道具ではない
- 書けない人を書けるようにするのではなく、書ける人が速く書ける道具
「AIが使えない」の本当の原因
- 何を聞きたいのかが、自分でも整理できていない
- 前提情報を渡していない
経験の浅い人こそ、学習の道具として使える
- 恥ずかしがらずに何度でも聞ける
- 自分の理解を確認できる
- なぜそうなるのかを深掘りできる
AIが普及しても、現場を見る力と、判断する力の価値はなくなりません。
むしろ、その力を持っている人ほど、AIから引き出せるものが大きくなる。
だから私は、AIを使うほど自分の基礎力が問われていると感じています。楽になった分だけ、判断の質が結果を左右するようになりました。
道具は、使う人を映します。それは、AIも同じだと思っています。
コメント