AIの答えを見るとき、正しさより先に「前提」を見る

AIに何かを頼んで、答えが返ってくる。そのとき、あなたは最初に何を見ていますか。

多くの人は「合っているか」を見ます。数字は正しいか。事実はずれていないか。日本語はおかしくないか。

これは自然な反応です。けれど、この順番だと確認に時間がかかり、しかも見落とします。

先に見るべきは、正しさではなく前提です。

「正しいのに使えない答え」はなぜ出るのか

現場でいちばん多いのは、間違った答えではありません。正しいのに使えない答えです。

たとえば、こんな場面。

• 業務フローの改善案を頼んだら、きれいな案が出た。ただし、その部署にいない役割を前提にしている。
• 見積の内訳を作らせたら、計算は合っている。ただし、うちが使っていない単価表で計算されている。
• 案内文を作らせたら、文章はうまい。ただし、相手がすでに知っていることを説明している。

どれも、内容としては正しい。けれど使えません。理由は一つで、前提が違うからです。

正しさの確認は、前提が合っていて初めて意味を持ちます。前提がずれた答えを、いくら丁寧に検算しても、使えるようにはなりません。前提のずれは、正しさの確認では見つからないのです。

AIは、あなたが言わなかった前提を自分で埋める

なぜ前提がずれるのか。仕組みはとても単純です。

AIは、足りない情報があっても止まりません。もっともらしい前提を自分で置いて、先に進みます。 そしてその置いた前提を、答えの中で明示しないことがほとんどです。

つまり、返ってきた文章は「答え」ですが、その下には見えない仮定が積まれています。

• 会社の規模は、たぶんこれくらい
• 承認は、たぶん一段階
• 予算は、たぶん一般的な範囲
• 相手は、たぶん初めて聞く人

この「たぶん」は、答えの中に書かれません。だから読む側は、前提ではなく結論だけを見ることになります。見えない部分がずれているのに、見えている部分だけを検算している——これが、確認に時間がかかる原因です。

調べ始める前に目的を一行書く話は、調べ始める前に、AIより先に「なぜ調べるか」を一行で書くでも書きました。前提の話は、その裏返しです。

確認の順番を変える：前提 → 適用範囲 → 正しさ

そこで、確認の順番を変えます。三段階です。

1. 前提：この答えは、何を仮定しているか

まず、答えの下にある仮定を言葉にします。分からなければ、AIに直接聞くのが早い。

この回答は、どんな前提を置いて書きましたか。前提だけ箇条書きで出してください。

これだけで、見えない仮定が表に出ます。ここで違和感があれば、正しさの確認に進む必要はありません。 前提を直して、やり直したほうが速い。

2. 適用範囲：うちのどこまでに当てはまるか

前提が合っていても、そのまま全社に当てはまるとは限りません。「この案は、A課には効くがB課には効かない」というのは普通です。

適用範囲を決めないまま広げると、合わない場所で「AIは使えない」という評価になります。合わなかったのは範囲の問題で、AIの問題ではありません。

3. 正しさ：数字・事実・言い回し

ここまで来て、はじめて検算です。この順番だと、検算する対象がすでに絞られているので、速く終わります。

逆順にすると、使わない答えを丁寧に検算することになります。 これが、確認に時間がかかる正体です。

前提を先に渡せば、確認そのものが減る

もっと言えば、確認を減らす方法もあります。頼むときに、前提を先に渡すことです。

渡す前提は、多くなくて構いません。現場で効くのは、だいたい次の三つです。

• 誰が読むのか（相手の前提知識）
• どこまで決まっているのか（変えられない条件）
• 何が決まっていないのか（判断が要る部分）

三つ目が大事です。「ここはまだ決まっていない」と伝えておくと、AIはそこを勝手に埋めずに、選択肢として出してきます。決まっていないことを言わないと、AIは決まったことにして進みます。

これはAIに限りません。人に仕事を頼むときも同じです。前提を渡さない依頼は、たいてい戻ってきます。AIを使い始めると、この「依頼の粗さ」が可視化されるだけです。

「AIの精度が低い」と言う前に確認したいこと

社内でAI活用が止まるとき、よく出てくるのが「精度が低い」という評価です。

その評価の前に、一度だけ確認してください。

1. 前提を渡したか。渡していないなら、精度ではなく依頼の問題です。
2. 出てきた前提を確認したか。していないなら、ずれに気づけていないだけかもしれません。
3. 適用範囲を決めたか。決めていないなら、合わない場所の結果で全体を評価している可能性があります。

三つとも「はい」で、それでも使えないなら、そこではじめて道具の問題です。多くの場合、その手前で止まっています。

何を良いとするかを誰が決めるのかについては、AIが良い解を出したとき、何を良いとする評価を誰が決めるかも参考になります。評価の基準がないまま精度を語ると、話は感想で終わります。

前提を見る習慣は、AI以外にも効く

最後に、少しだけ広い話をします。

前提を先に見る、という習慣は、AIのためのテクニックではありません。仕事のやり方そのものです。

• 部下の報告を聞くとき、結論より先に「どういう条件で見た数字か」を聞く。
• 他社の成功事例を読むとき、成果より先に「どんな会社の話か」を見る。
• 自分の判断を疑うとき、結論より先に「何を当たり前だと思っていたか」を書き出す。

AIは、この習慣を持っている人ほど速く使えます。逆に、結論だけを見る癖のある人ほど、AIの答えに振り回されます。道具が変わっても、効くのは前提を見る力のほうです。

だから、AIの使い方を社内に広げるときは、プロンプト集を配るより先に、確認の順番を共有してください。前提 → 適用範囲 → 正しさ。この三段階を全員が持つだけで、手戻りは目に見えて減ります。