ChatGPTやClaude、Geminiを開いたはいいけど、入力欄を前にして手が止まる。「で、何を聞けばいいんだっけ……」という経験、ありませんか？

Upwork Research Instituteが2024年に発表した調査では、生成AIユーザーの77%が「AIを使い始めてから業務量がむしろ増えた」と回答しています。ツールは手に入った、でも使いどころがわからない――いわゆる「AI疲れ」の正体は、AIの性能ではなく「何を聞くか」を決める思考コストにあるんです。

筆者も大学院でAI教育を研究していて、都内の小学校でAI授業ワークショップを開いたことがあります。そのとき面白かったのが、子どもたちは「何を聞こう？」で止まらないんですよね。「恐竜って関西弁しゃべれる？」みたいな問いをバンバン投げて、遊びながら学ぶ姿勢がすでにできている。逆に大人の参加者ほど「正しい質問をしなきゃ」と構えてしまって、手が動かなかったんです。

この記事では、プロンプトのテンプレートを暗記する前にやるべき「問い設計」の3ステップを紹介します。2026年5月時点の情報に基づいています。

なぜ「AIに何を聞けばいいかわからない」が起きるのか

STUDY HACKERの2025年の分析によると、AI疲れの原因は大きく3つあります。

  • 出力の精査負担：AIの回答は「ほぼ正しい」けど「完全ではない」ので、修正作業が発生する
  • 選択肢の増加：AIが複数の案を出してくれるがゆえに、「どれを選ぶか」が新たな認知負荷になる
  • アウトプット圧力：「AIがあるんだからもっと速くできるでしょ」という周囲の期待

ざっくり言うと、AIが作業を減らした分だけ、「判断する仕事」が増えているんです。そしてその判断の出発点が「何を聞くか」。ここがぼんやりしていると、AIの回答もぼんやりして、修正コストが膨れ上がるという悪循環に陥ります。

Think ITの2026年の記事でも「良い質問より良い前提」という表現で、プロンプトの文言よりも目的・背景・制約といったコンテキスト（文脈）の設計が回答精度を左右すると指摘されています。つまり「プロンプトは思考の鏡」であって、自分の頭が整理されていなければ、どんなテンプレートを使っても的外れな回答が返ってくるわけです。

問い設計3ステップ――プロンプトを書く前にやること

ここからが本題です。ハーバード教育大学院の「Right Question Institute」が開発したQFT（Question Formulation Technique）という手法をベースに、AI活用向けにアレンジした3ステップを紹介します。

ステップ1：ゴールを「動詞＋成果物」で書き出す

まず、AIに話しかける前に「最終的に何が手に入ればOKか」をひと言で書いてみてください。

コツは「動詞＋成果物」のセットにすること。

  • × 「プレゼンについて教えて」（ゴールが不明）
  • ○ 「来週の社内勉強会用の5枚スライドの構成案を作る」（動詞＝作る、成果物＝構成案）

これだけで「AIに何を聞くか」が一気に絞り込まれます。要するに、AIに丸投げしないための最初の一歩は、自分が何を欲しいかを3秒で言語化することです。

ステップ2：前提条件を4項目で埋める

Think ITの記事で紹介されている「コンテキスト設計」のフレームワークを、個人でも使いやすくしたのが以下の4項目です。

項目問いかけ記入例
Role（役割）誰の立場で判断する？新規事業担当の若手社員
Context（背景）相手が知らない前提は？予算100万円、期限は来月末
Constraints（制約）やっちゃダメなことは？外部ツールの新規契約は不可
Success（成功条件）何が出たら合格？上司に通る企画書のドラフト

この4つを埋めるだけで、プロンプトは自然と具体的になります。「場合によります」みたいなふわっとした回答が返ってくるのは、たいていこの前提が抜けているときです。

ステップ3：AIに「逆質問」させて穴を埋める

ステップ1と2で書き出した内容を、こんなふうにAIに渡します。

以下の目的と前提を見て、私が伝え忘れている情報があれば質問してください。

すると、AIが「対象の読者層は？」「技術レベルの想定は？」など、自分では気づかなかった穴を突いてくれます。Zennで紹介されている「Goal-Seek Prompting」も同様の考え方で、AIに答えさせるのではなく、AIに質問させることで、プロンプトの質が劇的に上がります。

筆者自身、修士1年のときにChatGPTで先行研究レビューをまとめて提出しようとして1週間無駄にした失敗があります。ハルシネーション（AIのでっち上げ）の検証だけで時間が溶けた。あのとき痛感したのは、「AIに任せる範囲」と「自分がやる範囲」の線引きが曖昧だと、確認コストが青天井になるということ。この3ステップは、その線引きを最初にやってしまう仕組みでもあるんです。

実践例：「議事録を要約して」を問い設計で変換する

よくある例で見てみましょう。会議の議事録をAIに要約させたいとします。

Before（問い設計なし）：

この議事録を要約して。

→ AIは全部を均等に縮めた「何も刺さらない要約」を返しがちです。

After（問い設計あり）：

  1. ゴール：上司に送る「決定事項と次のアクション」のリストを作る
  2. Role：プロジェクトリーダー / Context：来週の経営会議で報告予定 / Constraints：箇条書き5項目以内 / Success：読んだ上司が追加質問なしで承認できるレベル
  3. 逆質問：AIに前提を確認させたら「出席者の役職は必要ですか？」と返ってきたので、追加で渡す

これだけで、AIの出力は「決定事項・担当者・期日」だけに絞られた実用的なリストに変わります。プロンプトのテクニックではなく、思考の整理が出力の質を変えたという好例です。

問い設計を習慣にするコツ

「3ステップと言われても、毎回やるのは面倒」という声が聞こえてきそうです。筆者のおすすめは、最初の1週間だけ付箋に書くこと。

  • PCのモニター横に「①ゴール ②前提4項目 ③逆質問」と貼る
  • AIを開く前に付箋をチラ見する
  • 1週間もすれば、無意識にやるようになる

深夜2時まで研究している日でも（筆者の日常です）、この3秒の言語化があるだけでAIとのやり取りが2〜3往復は減ります。AIに丸投げしないことが、結果的に最速ルートになるんです。

また、Microsoft Researchの調査でも、生成AI使用者は処理速度が向上する一方で「見直しと確認の時間」が増加する傾向が確認されています。問い設計で最初に方向性を定めることは、この確認コストを減らす効果もあるわけです。

FAQ

Q. プロンプトのテンプレート集を覚えるだけではダメなの？

テンプレートは便利ですが、目的がぼんやりしたまま型にはめても「それっぽいけど使えない」回答が返りがちです。問い設計でゴールと前提を整理してからテンプレートを使うと、精度がぐっと上がります。

Q. QFT（Question Formulation Technique）って子ども向けの手法じゃないの？

QFTはハーバード教育大学院の「Right Question Institute」が開発した問い生成メソッドで、小学校から大学・企業研修まで幅広く使われています。「問いを自分で立てる力」は年齢を問わず有効です。

Q. 問い設計に時間がかかって逆に非効率にならない？

慣れると1回あたり30秒〜1分程度です。その時間で、AIとの無駄な往復を2〜3回分カットできるので、トータルではむしろ時短になります。

Q. AIに逆質問させるとき、どんな言い方がいい？

「以下の目的と前提を見て、足りない情報があれば質問してください」がシンプルで万能です。ChatGPT、Claude、Geminiいずれでも機能します。

参考文献