いまやほとんどの企業がAIを使っていますが、そこから大きな成果を得ている企業はそれほど多くありません。 McKinseyの「State of AI 2025」調査によると、少なくとも1つの業務機能でAIを利用している組織は88%と、前年の78%から増加しました。それにもかかわらず、大半の組織は利益への測定可能な効果をまだ示せていません。
この差の多くは、AIアシスタントへの質問の仕方に起因します。こうしたツールは普段の言葉で操作できるため、何もかも簡単なはずだと感じます。しかし、誰かが「マーケティング計画を書いて」と入力し、当たり障りのない中身のない3段落が返ってくるのを目にすると、その印象は一変します。
OpenAIの創設に携わったAndrej Karpathy氏は、2023年にこの変化を「いま最もホットな新しいプログラミング言語は英語だ」と表現しました。ただし、その言語をうまく使いこなす必要があることに変わりはありません。説明したとおりのものが返ってくるのですから、うまく説明できるようになることが仕事の大部分なのです。
本ガイドは「ビジネスでのAI活用」シリーズの一つです。今回は、実際の業務でAIアシスタントにより良い質問をする方法を、そのままコピーしてアレンジできるプロンプトとともに解説します。
AIへの質問の仕方を知ることはなぜ重要なのか?
LLMは、入力の後に続くものとしてもっともらしい内容を予測して回答を生成します。内部で起きているのは、まさにそれだけです。つまり入力が曖昧であれば、もっともらしい続きはありきたりの内容になるのです。
この点を考えるうえで最も役立つのが、ここ数年、人々がこれらのシステムと実際にどう働いているかを研究してきたウォートン校のEthan Mollick教授の考え方です。 同教授のアドバイスは「AIとうまく働く最善の方法は、人間のように扱うこと」。新入社員に背景も説明せず一行だけの指示を渡して、完璧な結果を期待する人はいないでしょう。AIアシスタントもまったく同じ立場にあるのです。
幸い、特別な構文や秘密のキーワードは一切必要ありません。優秀な同僚なら作業を始める前に知りたいことを、ツールに伝えるだけでほとんど解決します。
AIアシスタントにより良い質問をするための9つのステップ
ひとこと補足すると、すべてのタスクで9つすべてが必要なわけではありません。必要なものを選んで使うメニューだと考えてください。それぞれに、チャットにそのまま貼り付けて調整できるプロンプトを用意しました。
1. AIアシスタントにタスクの背景を伝える
本題を依頼する前に、いま自分がどんな状況にあり、成果物が誰に向けたものなのかを1、2文で説明しましょう。そうすることで、何通りにも解釈できる依頼が、まさに必要なものに絞り込まれます。
返ってくる回答は完璧ではないでしょうが、書き直すのではなく手直しで済む程度には仕上がります。それこそが狙いです。
2. 希望する形式と長さをAIに伝える
何も指定しないと、ChatGPTやClaudeのようなLLMは書きすぎる傾向があり、箇条5つで済むところを長々とした文章で返してきます。そこで、構成と分量の両方を具体的に指定しましょう。
「入れ物」を説明しておけば、ツールはどんな形でまとめればよいかを推測するのではなく、中身に力を注げます。また、推論に使われるトークンを節約し、その分を本来のタスクに振り向けることにもつながります。
3. 求めているものの具体例をAIアシスタントに見せる
モデルは本質的にパターンを照合する仕組みであり、実際に目にした文体は驚くほど上手に再現します。求めるトーンを言葉で説明するのも悪くありませんが、気に入っている実例を貼り付けるほうがはるかに効果的です。
力のある実例を1つ示すほうが、狙っている「雰囲気」や「ノリ」を形容詞で並べた段落よりもはるかに効果的です。1つではなく2、3個のサンプルを渡せればさらに理想的です。ツールが1つの例をそのままなぞるのではなく、複数の例に共通するパターンを読み取るようになるからです。
ただし、例は本当に代表的なものを選んでください。AIアシスタントは、例に含まれるクセまでそのまま再現してしまうからです。
4. 役割と任務を与える
どの立場から書くべきかをツールに伝えると、回答の性格がまるごと変わります。ただ「この予算をどう思う?」と聞くだけでは、当たり障りのない印象に残らないコメントしか返ってきません。一方、同じ予算を懐疑的なCFOとして読んでもらうと、より鋭く本当に役立つ指摘が得られます。たとえば:
5. 説明ではなく実物の資料を渡す
AIアシスタントに何かを改善してほしいなら、実際の内容そのものを渡しましょう。レポートを言い換えて伝えるのではなく、貼り付けるかファイルをアップロードしてください。資料を渡さずに説明した瞬間から、ツールは問題の「想像上のバージョン」に取り組み始めます。これは不正確で、効率も悪いやり方です。
ほとんどのツールではファイルを直接アップロードできるので、長い資料は貼り付けるよりもそのほうが簡単です。ただし注意点があります。顧客情報やNDAの対象となる数字など、機密性の高い情報はチャット画面に入力する前に必ず削除してください。
6. 大きな依頼はステップに分ける
「このフィードバックを分析して計画を書いて」のように2つのことを一度に頼むと、ツールはどちらも急いで片付けようとします。その結果、急いで行われ、あなたが一度も確認していない分析に基づく計画は質が下がります。代わりに、まず最初の部分を出してもらって確認し、承認した内容をもとに次の部分を組み立てましょう。まずは分析だけを依頼します。
テーマの分類が妥当だと確認できたら、第2段階に進みます。
各段階が小さくなるので確認しやすく、誤りが次の段階に波及する前に気づくことができます。
7. AIアシスタントに目的を伝え、逆に質問してもらう
私たちの多くは、自分でも気づかないうちに情報を伝え足りていません。だからこそ、目的だけを伝え、何かを書き始める前にツールにヒアリングしてもらうのが最善の方法の一つです。自分では思いつかなかった抜け漏れが浮き彫りになり、いきなり書くよりもはるかに優れたブリーフができあがります。
これはいつものやり方を逆転させる方法です。ツールにどんな背景情報が必要かをあなたが推測するのではなく、何が足りないかをツールのほうから教えてくれます。
8. AIアシスタントに思考過程を示してもらう
数字や論理、推論の積み重ねが関わるものについては、結論を出す前に考え方を展開するようツールに指示しましょう。これによって2つの利点が同時に生まれます。ブラックボックスの回答を信じるのではなく各ステップを検証できること、そして声に出して推論すること自体が回答の信頼性を高めやすいことです。
論理が見える形になっていれば、途中の誤りにも簡単に気づけます。自信たっぷりな文章の中に紛れ込んだ誤りを、問題が起きた後で発見するよりずっとましです。これは数学に限った話ではありません。推奨事項や依存関係のある計画など、推論の積み重ねに基づく回答で、結論を受け入れる前に論理を確かめたい場合にも同じように役立ちます。
9. 答えを1つではなく複数の選択肢で求める
メールの件名、見出し、ポジショニングの切り口など、妥当な選択肢が複数ある場合は、ツールに1つに決めさせるのではなく、異なるバージョンをいくつか求めましょう。比較して選べるだけでなく、選択肢を見ることで、そもそも自分が何を求めていたのかがはっきりすることもよくあります。
コツは、本当の意味での多様性を求めることです。何も指定しないと、モデルはほとんど同じような6つの案を出してくるかもしれません。
AIアシスタントへの質問でよくある失敗
典型的なのは、裸のままの質問です。製品も対象読者も示さずに「営業メールを書いて」と頼んでも、中身のない文章しか生まれません。同じくらいよくあるのが、4つの別々の依頼を1つのメッセージに詰め込み、表面的な回答しか得られないケースです。解決策は単純で、1つずつ送ればよいのです。
誘導的な質問はさらにやっかいです。一見するとまったく妥当に感じられるからです。ある戦略がなぜ最善の選択なのかと尋ねると、ツールは忠実にその戦略を支持する論拠を組み立ててくれます。その結果、証拠が裏付ける以上に自信を持ってしまうでしょう。より客観的な分析を得るには、賛成・反対それぞれの最も強い論拠を求めましょう。
さらに、最初の回答を完成版として扱ってしまう癖もありますが、最初の回答が完成版であることはまずありません。最初の試みのどこが問題かをツールに伝えたあとに返ってくる稿こそが、たいてい最終的に採用するものになります。もう一つよくある失敗は、一度も確認していない事実や数字を信じてしまうことです。これが次のポイントにつながります。
AIには得意な質問と苦手な質問があるのか?
AIの能力は一様ではありません。あるタスクでは非常に優秀でも、別のタスクでは人知れずまったく役に立たず、しかもその2つがほとんど見分けがつかないこともあります。このテーマに関する実社会での最大級の研究を行った研究者たちは、このパターンに名前を付けました。「ギザギザのフロンティア(jagged frontier)」です。
758人のコンサルタントが参加した ハーバード大学とBCGによるフィールド実験では、モデルに適したタスクにおいて、GPT-4を使った人は品質評価が40%以上高い成果を出し、約25%速く作業を終えたことがわかりました。一方、モデルの得意範囲外のタスクでは効果が逆転し、AI利用者のほうが誤った答えにたどり着きやすくなりました。最も成績が悪かったのは、出力を額面どおりに受け取り、確認をやめてしまった人たちでした。
大切なのは、自分がAIにどんな種類の質問をしているのかを自問することです。下書き、要約、再構成、ブレインストーミング、説明はいずれもモデルの得意分野です。しかし、複数ステップにわたる精密な計算や、モデルが調べられない最新の事実に依存するものは、信頼性が低くなります。
あなたの状況をすでに把握しているAIを使う
AIアシスタントに質問し始めると、労力の大半が背景情報の提供、つまり誰のための仕事なのか、そして素材そのものの用意に費やされていることに気づくでしょう。ワークフローに組み込まれたAIツールなら、この手間をなくせます。GmeliusはGmailの中で動作し、そのAIであるMeliは、あなたが今開いているメールスレッドを読み取ります。画面上のやり取りそのものが背景情報なので、何かを貼り付ける必要はありません。
Meliに返信の下書きを頼むと、実際のやり取り、顧客からの直近のメッセージ、そして独自のナレッジベースをもとに作成します。Meliは、本来ならあなたが説明しなければならなかったことをすべて把握した状態から始めるので、メールにおける「上手に質問する」部分を引き受けてくれます。さらにGmeliusのAIエージェントは、メールのアーキテクチャをフェデレーションに活用し、複数のアプリを連携させて、AIアシスタントに質問することなくタスクを自動で実行します。
本シリーズをお読みの方は、 仕事でのAIアシスタントの使い方や AIを生産性向上に活かす方法に関するガイドで、これらの考え方をさらに掘り下げています。
本来なら説明に時間をかける背景情報を、すでに把握しているAIを使いたいと思いませんか?
Gmeliusの無料トライアルを始めて、今開いているスレッドからMeliに直接下書きを作成させましょう。
よくある質問
AIアシスタントに質問するにはプロンプトエンジニアリングを学ぶ必要がありますか?
いいえ、AIに質問するためにプロンプトエンジニアリングを学ぶ必要はありません。「プロンプトエンジニアリング」という言葉は専門的な分野のように聞こえますが、ビジネスの大半のタスクにおいてはそうではありません。優秀な同僚に指示するようにツールに説明し、途中で軽く修正していけば、ほとんどのことはカバーできます。
AIアシスタントへの質問はどのくらいの長さが適切ですか?
AIアシスタントへの質問は、重要な背景情報を伝えられるだけの長さがあれば十分で、それ以上は不要です。同じことを繰り返しているなら削り、目的や対象読者が抜けているなら追加しましょう。
AIアシスタントがでたらめを答えるのを防ぐには?
ハルシネーションは大幅に減らすことができますが、完全になくすことはできません。AIアシスタントに実際の原資料を渡して、記憶に頼るのではなく資料を読んで答えさせ、判断の拠り所にする情報には必ず出典を求めましょう。
AIアシスタントに丁寧な言葉づかいをすると効果はありますか?
多くの人が思っている理由ではありません。「お願いします」や「ありがとう」をちりばめても、返ってくる内容の質は変わりません。しかし、礼儀正しさの背景にある姿勢、つまりやり取りを有能な協力者との本物の対話として扱う習慣こそが、まさに的確な質問を生み出す考え方なのです。




.avif)



