AIは「分かっている人」しか使いこなせない？――本体は知識量ではなく、他社比較と「で、根拠は？」を詰める力だった
「AIは、もともと分かっている人をさらにブーストする道具だ」。そんな言い方は、かなり当たっている。ただし、そのまま受け取ると一つ大事なものを落とす。「分かっている人」とは、最初から大量の専門知識を頭に積んでいる人だけではない。
本当に効いてくるのは、出てきた答えを見て「これは良い」「ここは怪しい」「比較対象が足りない」「まだ完成ではない」と判定できることだ。そして、その判定基準は自前で全部持っていなくてもいい。分からなければ、AIに「他社はどうしてる？」「業界標準は？」「失敗例は？」「反対意見は？」と聞いて、評価軸そのものを外から調達できる。
ここまで来ると、AIは知識の自販機というより、比較して、詰めて、反証して、解像度を上げるための壁打ちジムに見えてくる。
1. 「分かっている人がさらに強くなる」は半分正しい
AIは倍率装置として考えると分かりやすい。目的が曖昧なら曖昧なまま高速化するし、良い問いと評価軸があれば、その探索速度を大きく上げる。だから経験者や専門家が使うと強い、という観察自体は自然である。
ただし倍率の元になるのは、知識量だけではない。比較対象を探す力、異常に気づく力、仮説を疑う力、「何をもって終わりか」を決める力も増幅される。むしろAIが調査部分を引き受けるほど、人間側では「何を見れば正誤を判定できるか」の価値が上がる。
つまり式にすると、ざっくりこうなる。
AIの実用倍率 ≒ 知識 × 評価軸 × 比較力 × 反証力 × 反復回数
知識がゼロなら厳しい場面はある。しかし知識だけ100でも、出力を全部「なるほど」と受け取るなら倍率は伸びにくい。
2. 「分かっている」とは、知識量より判定能力である
ここでいう「分かっている」を、五つに分解すると扱いやすい。
- 目的を言える：何を解決したいのか、最終状態は何か。
- 良し悪しを判定できる：何が合格で、何が失格か。
- ボトルネックを見つけられる：表面の症状ではなく、どこが詰まっているか。
- 違和感を拾える：「それ本当に？」と止まれる最低限のモデルがある。
- Doneを定義できる：調査や修正をどこで終了するか決められる。
全部を専門家水準で持つ必要はない。重要なのは、AIの出力を「文章としてそれっぽいからOK」ではなく、目的に照らして判定できることだ。
この差は小さく見えて大きい。「答えを知っている人」と「答えを評価できる人」は別物で、AI時代には後者の価値がかなり上がる。
3. 評価軸は自前でなくてもいい――最強の一言は「他社どうしてる？」
ここで話が一段変わる。評価軸を最初から持っていないなら、評価軸そのものを調べればいい。
たとえば未知の業務を見たとき、「良いやり方が分からない」で停止する必要はない。AIへ次のように投げられる。
- 他社はどうしている？
- 業界標準はある？
- 上位企業と普通の企業で何が違う？
- 失敗した会社はどこで壊れた？
- 隣接業界は同じ問題をどう解いている？
- 法令・規格上の最低ラインは？
- 利用者はどこに不満を持っている？
一社だけ見ると「そういうものか」で終わる。五社見ると差が見える。失敗例まで見ると、なぜ差があるのかが見え始める。
What do others do?――「他はどうしてる？」は、単なる情報収集ではない。自分の中になかった採点基準を生成する質問である。
4. AIは「知識の高速道路」だけでなく「比較軸の調達装置」である
未知の分野でも、AIを使えば「完全な素人」から「少なくとも何を確認すべきか分かる人」までの距離を縮められる。大まかな流れはこうだ。
未知 → 全体像 → 比較 → 仮説 → 実例 → 反対意見 → 例外 → 一次情報 → 評価軸 → 暫定判定
ここで重要なのは、いきなり専門家になることではない。専門家へ質問できる程度、資料の怪しさに気づける程度、複数案を比較できる程度まで解像度を上げれば、その次の探索が一気に良くなる。
AI以前にも同じことはできた。ただし、競合十社の事例を探し、用語を覚え、失敗例を読み、別業界まで横断するには大きな時間がかかった。AIはこの探索・整理・言い換えの摩擦を下げる。だから「すでに分かっている人」だけでなく、分かる状態へ高速で移動できる人も強くなる。
5. 本体は「詰める力」――一発目の回答で帰らない
AI活用でかなり差がつくのが、最初の回答を最終回答にしないことである。初手で「なるほど」と帰るのではなく、そこから詰める。
「根拠は？」「具体的に何が変わる？」「他社は？」「それは普通？」「例外は？」「逆の例は？」「因果と相関を混ぜてない？」「結局ボトルネックは？」「この仮説が間違いだとしたら何が観測される？」と、一段ずつ降りていく。
最初は一般論だった答えが、比較を入れると相対化され、例外を入れると条件が見え、反証を入れると弱点が見え、一次情報を当てると残る部分と消える部分が分かる。ここまでやって初めて、「それっぽい答え」が「使える判断材料」に変わる。
AIに対して強い人は、必ずしも最初のプロンプトが芸術作品ではない。二手目、三手目、十手目で容赦なく解像度を上げる。 ここが核心である。
6. なぜ人間相手では同じ「詰める」が難しいのか
人に同じことをすると、情報探索とは別のコストが発生する。時間を使わせる、疑われているように感じさせる、立場やプライドに触れる、説明疲れを起こす、といった対人的摩擦である。
もちろん優秀な相手なら丁寧に付き合ってくれることもある。しかし「根拠は？」「例外は？」「その前提おかしくない？」を三十連打すれば、内容が正当でも会話の空気は変わる。
ネタとして雑に可視化すると、こうなる。
- 5回目：眉毛が少し動く。
- 12回目：ため息が会議室の共有資産になる。
- 25回目：「それ、今必要ですか？」が登場する。
- 30回目：質問の正しさより、会議を終わらせることがKPIになる。
これは人間が悪いのではない。人間には時間も感情も立場もあり、質問へ無限に応答するために生きているわけではないからだ。
7. AIは「詰め放題の壁打ちジム」になる
AI相手では、この対人的摩擦がかなり小さい。二十八回目に「で、根拠は？」と戻っても、眉毛は動かない。十五分前の論点へ戻って「さっきの説明、矛盾してない？」と聞いても、飲み会で悪口を言われる心配はない。
だからAIの価値は、知識量だけではない。思考の反復コストを下げることにもある。同じ仮説を別の角度から殴る、競合を追加する、前提を反転する、初心者向けと専門家向けで説明を作り直す、といった反復を大量に回せる。
ただし「No social cost」は厳密には「対人的コストが大幅に低い」という意味である。時間は使うし、間違った方向へ何十往復もできるし、AIの文章に引っ張られる認知コストもある。無料の無限真理マシンではない。
8. ブーストが強いほど、間違いもブーストされる
倍率装置には怖い面もある。最初の仮説がズレているのに、その仮説を肯定する材料だけ集めれば、誤りも高速で立派になる。
典型的な失敗は四つある。
- 確認バイアスの自動化：欲しい結論に合う事例だけ集める。
- 流暢な誤り：文章がきれいなので、根拠も強いように錯覚する。
- ベンチマークのコピペ：他社がやっているから自社にも正しい、と条件差を無視する。
- 偽の多数派：数件の例を見ただけで「普通はこう」と一般化する。
対策は単純だが面倒である。だから効く。「この仮説への最強の反論は？」「逆の事例を探して」「一次情報ではどう書いてある？」「この比較が成立しない条件は？」と、自分の結論を壊す方向にもAIを使う。
ブースターにハンドルがないと速く壁へ行くだけである。
9. 強い使い方は「比較→反証→一次情報→再判定」
実用上は、次のループがかなり強い。
- 仮説を置く：今のところ何が原因だと思うか。
- 比較集合を作る：他社、他国、他制度、他業界、過去事例を見る。
- 評価軸を抽出する：何が違いを生んでいるか。
- 暫定判定する：現時点の最有力を決める。
- 反証する：逆の証拠、例外、代替仮説を探す。
- 一次情報へ寄せる：規格、原文、実測、公式資料で確認する。
- 判定を更新する：最初の仮説へ固執しない。
- Doneを決める：これ以上調べても意思決定が変わらない地点で止める。
質問を用途別にすると、さらに使いやすい。
| 欲しいもの | AIへの問い |
|---|---|
| 比較 | 「他社・他国・他方式では？」 |
| 普通かどうか | 「これは一般的？特殊？母集団は？」 |
| 例外 | 「逆になる条件は？」 |
| 原因 | 「症状ではなくボトルネックは？」 |
| 反証 | 「この仮説を否定する証拠は？」 |
| 完了条件 | 「何を確認できれば十分？」 |
これは「AIへ正解を聞く」というより、AIを使って自分の判定系を鍛える使い方である。
10. 新しい「分かっている人」は、全部知っている人ではない
AI時代の「分かっている人」を言い換えるなら、次のようになる。
知らないことを自覚し、必要な比較対象を集め、評価軸を作り、仮説を反証し、出力の良し悪しを自分で判定し、必要ならすぐ更新できる人。
これは百科事典を頭に入れている人とは違う。むしろ「自分が何を知らないか」「次に何を調べれば判定可能になるか」が分かる人である。
だから未知の分野でも勝負になる。最初の知識差があっても、比較と反証のループを高速で回せば、少なくとも「何が論点か分からない状態」からはかなり早く抜けられる。
専門家の価値が消えるわけでもない。深い暗黙知、現場感覚、責任を伴う判断は残る。ただ、専門家へ到達する前のキャッチアップと、専門家の説明を検証するための足場が猛烈に作りやすくなる。
11. 結論――AIに答えさせるより、解像度を上げ続ける
「AIは分かっている人をさらに強くする」は正しい。しかし、より正確にはこうだ。
AIは、評価軸を持っている人だけでなく、評価軸を高速で作れる人、外から調達できる人、そして何度でも詰め直せる人を強くする。
最初から全部を知っている必要はない。「他社どうしてる？」「それ普通？」「例外は？」「で、根拠は？」を回し、最後に「何が出たらこの仮説を捨てる？」まで行けば、未知の分野でも見る目は育つ。
人間相手にこれを三十回やれば会議室の酸素が薄くなる。しかしAIなら、二十九回目の「で、根拠は？」にも付き合う。そこで大事なのは、二十九回聞けることではない。二十九回目で自分の仮説が壊れたとき、三十回目にちゃんと考え直せることだ。
The point is: pressure-test the output. 出力を受け取るだけでなく、壊れるまで試して、残った部分を判断材料にする。それが「ブースト」のかなり大きな正体である。
