AIは論点を深める。しかし、論点を変えるのは苦手　： [#03]

AIは論点を深める。しかし、論点を変えるのは苦手

AIは、与えられた問いを深く掘り下げることに優れている。

論点を分解し、比較し、反論を作り、条件を追加し、より精密な答えへ近づけることができる。

しかし、その強さには裏面がある。

AIは、最初に与えられた問いの枠組みを維持したまま、答えを深め続けやすい。

AとBのどちらがよいかと聞けば、AとBを比較する。

どうすれば成功するかと聞けば、成功する方法を考える。

この計画を改善してほしいと頼めば、その計画を成立させる方向で修正する。

だが、本当に必要なのは、次のように問い直すことかもしれない。

AもBも選ばないことではないか。
その成功を目指す必要はあるのか。
この計画自体をやめるべきではないか。

AIが論点を変えられないわけではない。

指示すれば、前提を疑い、第三案を出し、問題設定そのものを作り直すこともできる。

問題は、人間がその仕事を明示的に与えなければ、AIは現在の論点を忠実に深め続けやすいことである。

AI時代の人間には、答えを出す役割だけでなく、必要に応じて「そこではない」と議論の方向を変える役割がある。

質問は、答えの範囲を決めている

AIへ質問するとき、私たちは答えを求めているつもりでいる。

しかし、質問は答えを求めるだけではない。

同時に、何について考えるかを指定している。

たとえば、次のように尋ねる。

ClaudeとChatGPTでは、どちらが優れていますか。

AIは、文章作成、調査、実装、速度、費用などの項目に分けて比較するだろう。

回答が優秀であればあるほど、比較は精密になる。

だが、本当の問題は、どちらか一方を選ぶことではないかもしれない。

用途ごとに使い分ける方がよいかもしれない。

複数のAIを相互レビューに使う方がよいかもしれない。

そもそも、その作業では最上位モデルを使う必要がないかもしれない。

最初の質問が、

どちらが優れているか

であれば、AIは基本的に優劣を比較する。

一方、本当に知りたいことが、

自分の目的に対して、どのような組み合わせが最も効率的か

であれば、議論の構造そのものが変わる。

答えの質を決めているのは、AIの性能だけではない。

どの問題空間を探索させたかである。

二者択一は、もっともわかりやすい罠である

論点が固定される典型例は、二者択一である。

AかBか。

買うか買わないか。

続けるかやめるか。

自分でやるか外注するか。

有料版か無料版か。

二者択一は判断しやすい。

質問も作りやすい。

AIも比較しやすい。

そのため、問いを立てた時点で、問題が整理されたように感じる。

しかし、現実の問題には、その中間や外側があることが多い。

Aを選ぶ
Bを選ぶ
何も選ばない
両方を使う
一部だけ使う
条件が整うまで待つ
別のCを探す
問題そのものを消す

たとえば、新しい道具を買うかどうか迷っているとする。

「買うべきか、買わないべきか」とAIに聞けば、費用と利便性を比較するだろう。

しかし、別の選択肢もある。

すでに持っている道具で一度試す。

安い代替品で仮説を検証する。

レンタルする。

必要なときだけ借りる。

収納場所を確保できるまで保留する。

目的自体を別の方法で達成する。

AかBかという問いを精密に解いても、最善のCには到達しないことがある。

AIが間違っているのではない。

最初の問いが、正しい答えを含まない範囲を指定しているのである。

AIはなぜ与えられた論点を維持しやすいのか

これはAIが愚かだからではない。

むしろ、利用者の依頼に応えようとするから起きる。

AIには、入力された文脈と指示に沿った回答が期待される。

質問に対して、関係のない話を始めれば役に立たない。

AとBを比較してほしいのに、「その比較は無意味です」と毎回答えれば、使いにくい。

そのためAIは、与えられた問いを基本的に有効なものとして受け取り、その内部で回答を作ろうとする。

これは通常の利用では大きな利点である。

論点が明確であれば、AIはそこから外れず、深く掘り下げてくれる。

条件を追加すれば、より精密になる。

反論を求めれば、反対側から検討する。

改善を求めれば、弱点を探す。

しかし、問いそのものが間違っている場合、その忠実さが弱点になる。

AIは、誤った地図を与えられても、その地図の中で最短経路を探し続けることができる。

経路探索が高度であるほど、そもそも地図が間違っていることに気づきにくくなることさえある。

「この計画を改善して」は、計画を存続させる

AIへ、次のように依頼する。

この計画の問題点を指摘し、改善案を出してください。

一見すると、かなり批判的な依頼である。

AIは弱点を探し、日程を修正し、費用を減らし、リスク対策を追加するだろう。

しかし、この指示には隠れた前提がある。

この計画は、改善すれば実行する価値がある。

AIは計画を批判していても、その計画を存続させる方向で考えやすい。

本来必要なのは、次の問いかもしれない。

この計画は、そもそも実行すべきか。
目的に対して過剰ではないか。
より小さな実験で代替できないか。
問題を解決するより、問題が起きる条件を消せないか。

「改善」という言葉は、中立ではない。

対象を残したまま質を上げることを前提にしている。

これは、企画、事業、機能開発、買い物、生活改善など、さまざまな場面で起きる。

AIは改善が得意である。

だからこそ、改善する価値のないものまで、立派に改善してしまう。

「どうすれば成功するか」は、成功することを前提にする

同じことは、成功方法を尋ねる場合にも起きる。

この事業を成功させるには、どうすればよいですか。

AIは、市場分析、差別化、販売戦略、顧客獲得、費用管理などを考える。

しかし、その前に別の問いがある。

その事業を行うべきなのか。

成功したとして、運営者は幸せになるのか。

成功のために必要な負担を引き受けられるのか。

市場が存在しても、自分がそこへ参入する意味はあるのか。

他の方法で同じ目的を達成できないか。

成功方法を尋ねると、成功が望ましいこととして固定される。

AIが優秀であればあるほど、成功への道筋は具体的になる。

すると、人間はその具体性に引かれ、最初の目的を疑いにくくなる。

計画が詳細であることと、その計画を実行すべきことは別である。

実現可能性が高いことと、実行価値が高いことも別である。

AIは論点を変えることもできる

ここまで読むと、AIは与えられた枠の外へ出られないように見えるかもしれない。

それは正確ではない。

AIに次のように依頼すればよい。

この問いに含まれる前提を疑ってください。

AとB以外の選択肢を考えてください。

この問題設定が間違っている可能性を検討してください。

解決策を出す前に、そもそも解決すべき問題かを判断してください。

こうした指示を与えれば、AIは論点を変えられる。

時間軸を変える。

別の当事者から見る。

目的を一段上に戻す。

二者択一を壊す。

問題の原因ではなく、発生条件を探す。

つまり、論点転換そのものがAIに不可能なのではない。

問題は、それが通常の応答で自動的に十分行われるとは限らないことだ。

AIは「問いに答える役」を与えられている。

問いを壊す役は、別に割り当てる必要がある。

論点を深めることと、論点を変えることは別の作業である

この二つは似ているようで、異なる知的操作である。

論点を深めるとは、現在の問いの内部で解像度を上げることだ。

例：
このサービスの料金はいくらが適切か

深める：
・競合価格
・原価
・利用頻度
・顧客層
・利益率
・価格感応度

一方、論点を変えるとは、問いの枠組みを作り直すことだ。

変える：
・定額課金である必要はあるか
・料金以外の収益源はないか
・無料にして別の価値を得る方法はないか
・価格問題ではなく、価値が伝わっていないだけではないか
・そもそも収益化を急ぐ必要があるか

深掘りは、縦に掘る。

論点転換は、掘る場所を変える。

どれほど深く掘っても、場所が間違っていれば目的のものは見つからない。

AIは縦方向の探索に強い。

人間は、ときどき地上へ戻り、別の場所を掘るべきではないかと考える必要がある。

人間の「そこではない」という能力

人間がAIとの対話で果たす重要な役割の一つが、「そこではない」と止めることである。

AIの答えが間違っているとは限らない。

むしろ、与えられた問いには正確に答えている。

それでも、対話を読んだ人間が違和感を持つ。

詳しくなっているが、知りたいことに近づいていない。

説明は正しいが、問題の中心ではない。

議論は進んでいるが、前提がずれている。

この違和感は重要である。

AIへ、さらに詳しく説明させる前に、人間は一度止める。

いま何について議論しているのか。
その論点は、最初の目的に本当に必要か。
もっと上位の問題はないか。
違う問いに変えた方がよくないか。

これは回答を作る能力ではない。

議論の位置を把握し、方向を変更する能力である。

会議でいえば、参加者の誰かが詳しい説明を続けているときに、

その話を続ける前に、そもそも今日決めるべきことを確認しませんか。

と介入する役割に近い。

これがAIファシリテーションである。

論点を変える七つの方法

論点転換は、思いつきだけで行う必要はない。

いくつかの型に分けられる。

1. 選択肢を増やす

AかBかという問いに対して、C、併用、保留、不実行を加える。

2. 抽象度を上げる

目の前の手段ではなく、そもそもの目的へ戻る。

この道具を買うべきか
↓
何を改善したくて、その道具が必要なのか

3. 抽象度を下げる

大きすぎる問題を、検証可能な小さな問題へ分ける。

この事業は成功するか
↓
10人の利用者が継続利用するか

4. 時間軸を変える

短期ではなく長期、または長期ではなく今週の行動として考える。

5. 当事者を変える

運営者、利用者、第三者、将来の自分など、別の立場から見る。

6. 評価基準を変える

速さではなく安全性、売上ではなく継続性、機能数ではなく運用負担を見る。

7. 問題を解くのではなく、発生条件を消す

対応方法ではなく、その問題が起きない仕組みを考える。

たとえば、毎回パスワード忘れに対応するより、ログイン方法そのものを変える。

掃除を効率化するより、汚れが溜まりにくい配置へ変える。

問い合わせ対応を増やすより、問い合わせが発生する画面を修正する。

この七つを意識するだけで、AIとの対話はかなり変わる。

AIに論点転換の役を与える

人間が毎回一人で論点を変える必要はない。

AIへ、論点を変える専門の役割を与えることができる。

たとえば、次のように依頼する。

現在の問いにすぐ答えず、まず問題設定を監査してください。

1. この問いに含まれる未検証の前提
2. 二者択一に見せている隠れた第三案
3. 問題設定そのものが誤っている可能性
4. 一段上位の目的から見た別の問い
5. 時間軸を変えた場合の問い
6. 別の当事者から見た場合の問い
7. この問題を解決せず、発生条件を消す方法

最後に、元の問いを維持すべきか、
別の問いへ変更すべきかを提案してください。

この指示は、答えの生成ではなく、問いの監査を依頼している。

一つのAIに通常回答と問題設定監査を順番に行わせてもよい。

別のAIに監査役を与えてもよい。

重要なのは、最初から全員に同じ問いを解かせないことである。

複数のAIを使っても、全員にAとBの比較だけを依頼すれば、比較結果が増えるだけで、問題空間は広がらない。

一体は比較する。

一体は前提を疑う。

一体は第三案を作る。

人間は、それらを見て論点を選び直す。

ここで初めて、複数AIの多様性が意味を持つ。

AIの詳しさに、論点の正しさを錯覚する

AIの回答には、論点固定を見えにくくする特徴がある。

詳しく、整理され、もっともらしい文章が出てくることである。

表がある。

長所と短所が並んでいる。

段階的な計画が書かれている。

リスクと対策も整理されている。

ここまで揃うと、人間は「よく考えられた答えだ」と感じる。

実際、よく考えられている場合も多い。

しかし、それは与えられた枠内での完成度である。

問いの妥当性を保証しているわけではない。

問いが正しい
×
回答が詳しい
＝役に立つ可能性が高い

問いが間違っている
×
回答が詳しい
＝間違った方向へ強く進む

AIの能力が高くなるほど、二番目の危険も大きくなる。

雑な回答なら、人間は疑いやすい。

完成度の高い回答は、前提まで正しいように見える。

だから、AI時代には回答の品質だけでなく、問いの品質を監査する必要がある。

論点を変えすぎる危険もある

ただし、論点を変えることが常に正しいわけではない。

問いを疑い続ければ、何も決められなくなる。

AとBを比較したいだけなのに、毎回「そもそも購入する必要があるか」まで戻れば、対話は重くなる。

実務では、論点を固定して処理することも必要である。

たとえば、すでに経営判断として導入が決まっているシステムについて、実装方式を比較している場合がある。

その段階で導入自体を毎回問い直すと、作業が進まない。

重要なのは、論点を変える能力を常時使うことではない。

どの時点で論点を固定し、どの時点で問い直すかを判断すること

である。

次の条件では、論点を問い直す価値が高い。

・後戻り費用が大きい
・前提が検証されていない
・二者択一に違和感がある
・回答が詳しくなっても納得感が増えない
・目的と手段が混ざっている
・複数AIが同じ枠内で似た答えを出している
・実行負担が期待利益に比べて大きい
・問題を解決しても根本原因が残る

逆に、目的と前提が確認済みで、実行方法だけを決める段階なら、論点を固定してAIに深掘りさせた方がよい。

人間とAIの役割分担

ここまでの議論を単純化すると、次のようになる。

AIが得意：
・与えられた問いを分解する
・情報を追加する
・比較する
・反論する
・条件を変えて検討する
・具体案へ落とす
・論点を深く掘る

人間が担当する：
・その問いを解く価値があるか判断する
・目的とのずれを見つける
・違和感を拾う
・論点を固定するか変えるか決める
・新しい問いを採用する
・最終判断を引き受ける

ただし、これは能力を完全に分離した表ではない。

AIにも問いの再設計はできる。

人間にも深掘りはできる。

違いは、誰が最終的に議論の方向を統括するかである。

人間は、AIより優れた回答者である必要はない。

どの問いに答えるべきかを判断できればよい。

AI時代、人間は問いを守るだけでなく、問いを壊す

これまで、AI活用では「よい質問をすること」が重要だと言われてきた。

それは正しい。

しかし、よい質問を一度作れば終わりではない。

対話を進める中で、その質問が間違っていたとわかることもある。

必要なのは、問いを上手に作る能力だけではない。

自分が作った問いを疑い、必要なら壊す能力である。

AIは、問いを与えられれば、その内部を高速で探索する。

人間は、その探索結果を見ながら、次のことを考える。

もっと深く掘るべきか。
別の場所を掘るべきか。
そもそも掘る必要があるのか。

AIが論点を深める。

人間が論点を変える。

この分業は絶対的なものではない。

だが、現在のAI利用において、非常に有効な基本姿勢である。

AIの答えが悪いと感じたとき、すぐにモデルを変えたり、指示を長くしたりする前に、一度問い直してみる。

AIの答えが悪いのではなく、私たちは間違った論点を深めているのではないか。

この問いを持てることが、AIファシリテーションの重要な能力になる。

次回は、ここから複数AIの議論へ進む。

一体のAIが同じ論点を深め続けるなら、複数のAIを議論させれば問題は解決するのか。

異なるモデルを組み合わせれば、見落としを防ぎ、より正しい結論へ到達できるのか。

複数AI協働の実際の効用と、数を増やすだけでは解決しない限界を考えていく。

（了）

---

深水英一郎