AIファシリテーションにおける人間の役割は、AIに順番に発言させ、最後に意見をまとめることではない。
一体目のAIに案を作らせ、二体目に反論させ、三体目に全体を統合させれば、議論らしい流れは作れる。しかし、その流れを円滑に進めるだけでは、最初に置かれた問いや前提は変わらない。
人間が行うべきなのは、AI同士の会話をうまく成立させることではない。現在の議論が本当に必要な問題を扱っているかを確かめ、必要なら思考の進む方向そのものを変えることである。
よくできた議論が、間違った問いに答える
あるWebサービスが、収益を改善するために有料プランの値上げを検討しているとする。
最初のAIには、売上や利用状況をもとに適切な値上げ幅を分析させる。別のAIには、値上げによって利用者が離れる可能性を検討させる。さらに別のAIには、競合サービスの料金や機能を調査させる。
それぞれのAIが異なる役割を持ち、互いの回答を独立して作れば、一体のAIだけに相談するより多くの材料が得られる。
分析の結果、一体目は月額料金を二割上げる案を出し、二体目は一割を超える値上げでは解約が増える可能性を指摘したとする。三体目は、競合と比べれば現在の料金が低いため、一割程度なら受け入れられると判断した。
ここで人間が司会者として振る舞うなら、三つの意見を整理し、「値上げ幅は一割程度が妥当」という合意を作るだろう。
議論の進め方としては、きれいにまとまっている。
しかし、三体のAIはすべて「いくら値上げするか」という問いに答えている。そもそも、収益の問題を値上げで解決すべきかどうかは検討されていない。
利用者がほとんど使っていない機能の維持費が大きいのかもしれない。無料プランと有料プランの違いが伝わっておらず、本来なら有料へ移る利用者が移行していない可能性もある。料金が安すぎるのではなく、サービスの利用頻度が低く、継続する理由が弱いのかもしれない。
問いが「いくら値上げするか」に固定されている限り、AIの議論はその外へ出にくい。分析が詳しくなるほど、値上げが必要であるという前提は見えにくくなる。
この場面で人間が行うべきなのは、三つの回答の中間を取ることではない。
「値上げ幅を決める」という議論をいったん止め、「なぜ収益が不足しているのか」という問いへ戻すことである。
意見の違いから、欠けているものを探す
問いを変えると、必要な情報も変わる。
値上げ幅を決めるためには、競合の価格や解約率の予測が重要になる。しかし、収益不足の原因を調べるなら、利用者ごとの利用頻度、機能ごとの維持費、無料から有料への移行経路、解約理由などを見なければならない。
ここで初めて、現在の議論に不足しているものがわかる。
AI同士の意見が割れたときも、すぐにどちらかを選ぶ必要はない。意見の違いが、使った情報の違いから生じているなら、追加調査によって確かめられる。将来予測の違いなら、小さな実験で結果を観察できるかもしれない。
一方、何を優先するかの違いは、情報を増やしても消えない。
短期的な売上を重く見るなら、一定の解約を受け入れて値上げする判断があり得る。利用者との長期的な関係を重く見るなら、すぐには価格を変えず、サービスの価値を高めるほうがよいかもしれない。
どちらが正しいかは、AIの多数決では決められない。会社が何を大切にし、どの損失を受け入れるのかという判断が残るからである。
人間は、AIより詳しい売上予測を作る必要はない。AIの意見がなぜ違うのかを読み、事実の不足なのか、前提の違いなのか、価値の優先順位なのかを見分ければよい。
AIファシリテーションに必要なのは、AIに勝る答えを持つことではない。どの種類の問題がまだ残っているのかを判断することである。
AIを増やす前に、問いと情報を変える
判断に迷うと、さらに別のAIへ意見を求めたくなる。
四体目、五体目のAIにも値上げ幅を尋ねれば、回答の数は増える。しかし、同じ問いと同じ資料を与えている限り、新しいAIは既存の意見のどれかに近い答えを返す可能性が高い。
必要なのは、AIの頭数ではなく、現在の不確実性に合った確認方法である。
解約率がわからないなら、意見を増やすより利用者へ尋ねる。機能ごとの維持費が不明なら、別のAIに推測させるのではなく、実際の運用データを調べる。値上げへの反応を予測しきれないなら、一部の利用者に新しいプランを提示して、小さく試す方法もある。
AIは、調査項目を整理し、実験方法を提案し、得られた結果を分析できる。しかし、現実に確認できる問題を、AI同士の議論だけで解こうとする必要はない。
AIファシリテーターは、すべてをAIに考えさせる人ではない。
AIの推論が必要な場所と、資料を調べるべき場所、現実の利用者を観察すべき場所を分ける人である。
議論を終わらせる
問いを見直し、必要な情報を集めても、完全な確実性は得られない。
値上げした場合に利用者がどう反応するかを、実行前に完全に知ることはできない。AIへ相談を続ければ、さらに多くの可能性や注意点が出てくるだろう。
しかし、検討を続けるほど判断が正しくなるとは限らない。新しい情報が増えず、同じ不安を別の言葉で確認しているだけなら、議論はすでに役割を終えている。
どこで考えることをやめるかも、人間が決めなければならない。
十分な根拠が集まったなら、小さく実行して結果を見る。判断を誤った場合に戻れるようにしながら、現実から新しい情報を得る。
AIは、判断の材料を増やせる。しかし、判断を無期限に先送りする理由にもなり得る。
人間はAI議論の司会者ではない。意見を順番に並べ、きれいな合意へ導くことが仕事ではない。
問いがずれていれば問いを変え、情報が不足していれば現実へ戻り、価値判断が残っていれば自分で選ぶ。そして、十分に考えたところで議論を終え、実行へ移す。
AIファシリテーションとは、AIに議論を続けさせる技術ではない。
どこを考えさせ、どこで方向を変え、どこで考えることを終えるのかを決める仕事である。
（了）
深水英一郎
小学生のとき真冬の釣り堀に続けて2回落ちたことがあります。釣れた魚の数より落ちた回数の方が多いです。
テクノロジーの発展によってわたしたち個人の創作活動の幅と深さがどういった過程をたどって拡がり、それが世の中にどんな変化をもたらすのか、ということについて興味があって文章を書いています。その延長で個人創作者をサポートする活動をおこなっています。