- この記事のサマリー
- AIで資料が作れる。それで終わりなのか
- 多くの人は、AIを「成果物を整える道具」として見ている
- AI成果物が増えるほど、判断できる人間が問われる
- 良い問いには、能力レイヤーがある
- AIの問いを見取り、自分に足りないレイヤーを知る
- 問いのレイヤー分類表
- たとえば、自治体の事業案をAIに読ませるなら
- AIの問いは、自分の弱点を映す鏡になる
- エステではなくヨガ。テーラーではなくカンフーマスター。
- “Don’t feel, think.” 感情反応を問いに変える
- AIは問いを増やせる。しかし、最後に選ぶのは人間である
- 明日からできる稽古
- AIとどう考えるか。それが次の差になる
- CICショート劇場：「AIはモビルスーツ」
- 次に読む記事
この記事のサマリー
生成AIは、文章、資料、画像、コードを作れる便利な道具です。これは事実ですし、否定する必要もありません。
ただ、13th Fleetでは、AIをそこだけの存在とは見ていません。
私たちが重視しているのは、AIが成果物を代わりに作ってくれることよりも、AIとの対話を通じて、人間側の問いと判断が鍛えられることです。
この稽古は、仕事のためだけのものではありません。自治体や会社で企画書を読む場面だけでなく、家庭での判断、地域での話し合い、子どもの将来を考える場面でも使えます。いきなり答えを出すのではなく、まず問いを見取る。そこから考え始めるための方法です。
良い問いは、思いつきだけでは生まれません。
- 違和感
- 視点
- 観察力
- 経験
- 知識
- フレームワーク
- 目的意識
- 信念
そうしたものが折り重なって、ようやく実務で使える問いになります。
だから最初の稽古は、いきなり自分で完璧な問いを立てることではありません。まずはAIに問いを出させ、その問いがどのレイヤーから来ているのかを見取ることです。
AIの問いを見取ることで、
- 自分に足りない視点が見える。
- 足りない知識が見える。
- 曖昧な目的が見える。
- まだ言語化できていない信念が見える。
AIは資料作成機ではありません。人間が問いを立て、判断できるようになるための稽古相手です。
この記事は、13th Fleetの公開稽古場「Boot Camp 0」シリーズの第1回です。Boot Camp 0は、自治体職員・教育関係者・地域に関わる方が、AIとの対話を通じて問いと判断の筋力を鍛えるための入門プログラムです。
AIで資料が作れる。それで終わりなのか
AIで資料が作れる。これは、もう珍しい話ではなくなりつつあります。
- 文章を整える
- スライドの構成を出す
- 画像を作る
- 議事録を要約する
- コードを書く
どれも便利ですし、実際に助かる場面は多いでしょう。
私自身も、その便利さを否定するつもりはありません。忙しい日常のなかで、下書きや叩き台を短時間で得られることには、十分な価値があります。
けれど、13th Fleetでは、AI活用の本丸を「成果物を作ること」には置いていません。
重要なのは、その手前です。
- 何を問うのか
- どの視点から見るのか
- 何を判断材料にするのか
- どの出力を採用し、どの出力を捨てるのか
AIが出したものを読む側の力が弱ければ、見栄えのよい成果物ほど危うくなります。逆に、人間側に問いと判断の筋力があれば、AIは非常に優秀な稽古相手になります。
この話は、職場の企画書や報告書だけに限りません。
- 家庭で子どもの進路を考えるとき
- 地域で何かを決めるとき
- SNSで流れてきたもっともらしい情報に接するとき
どれも同じです。
便利な答えに飛びつく前に、どんな問いが必要かを見る。それだけで、判断の質はかなり変わります。
ベレッタ教官メモ
資料を作れることと、その資料を採用してよいと判断できることは別物よ。
AI時代に差がつくのは、出力速度よりも、出力を見抜く力だわ。
Facere non est iudicare. ——作ることは、判断することではない。
多くの人は、AIを「成果物を整える道具」として見ている
世間一般のAI観は、下記のような「成果物を整える道具」が中心になっています。
- 文章をきれいにしてくれる
- スライドを見やすくしてくれる
- 画像を作ってくれる
- コードを書いてくれる
こうした用途は分かりやすく、導入効果も説明しやすいからです。
私はこれを、ひとまずエステ／テーラー型AI観と呼んでいます。
エステは、外見を整えます。
テーラーは、外向きの装いを仕立てます。
どちらも、外から見える変化が分かりやすい。生成AIによる成果物生成も、これに近いところがあります。
このAI観の評価軸は、
- 早いか
- 綺麗か
- 便利か
- 見栄えがよいか
です。
つまり、外に出てくるものの品質と速度で判断されます。
もちろん、それ自体は悪くありません。AIの入口としては、とても真っ当です。
実際、多くの人が最初に価値を感じるのもこの部分でしょう。
ただし、ここだけでAIを理解すると、活用の射程がかなり狭くなります。
なぜなら、AI時代に本当に重くなるのは、「整った成果物を出すこと」そのものではなく、
- その成果物をどう読むか、
- どう選ぶか、
- どう現実に接続するか
の方だからです。
AI成果物が増えるほど、判断できる人間が問われる
AIで文章も資料も画像も作れるようになると、成果物そのものは増えます。増えるということは、希少性が下がるということでもあります。
「AIで資料を作れます」は、しばらくすると差別化になりにくくなるでしょう。多くの人が、ある程度の水準のものを短時間で作れるようになるからです。
すると次に問われるのは、別の能力です。
- その資料は本当に正しいのか。
- 現場で使えるのか。
- 目的と手段は噛み合っているのか。
- 参加者数以外の成果指標はあるのか。
- ステークホルダー（利害関係者）に説明できるのか。
- 現場の負荷は過剰にならないのか。
- 次年度改善につながるデータは残るのか。
自治体の仕事でも、企業の仕事でも、家庭での判断でも、最終的に問われるのはこの部分です。
AIは企画書の叩き台を作れます。説明文の下書きも作れます。けれど、予算、決裁、住民説明、現場運用、関係者調整まで自動で引き受けてくれるわけではありません。
むしろ、AIがそれっぽい案を大量に出せるようになるほど、人間側には「これを採用してよいのか」を見抜く責任が残ります。
ベレッタ教官メモ
見栄えのよい出力ほど危ないことがあるの。
「それらしく見える」ことと「現実で持つ」ことは違う。だから、AI時代には判断の密度が上がるのよ。
Verba quoque machinae sunt. ——言葉もまた、機械のものよ。
良い問いには、能力レイヤーがある
ここで、この記事の中核に入ります。
私は、良い問いは思いつきだけでは生まれないと考えています。問いには土台があり、しかもそれは一枚岩ではなく、いくつものレイヤーに分かれています。
整理すると、概ね次のようになります。
- 基底層：違和感・関心
- 第1層：視点・解像度
- 第2層：観察力
- 第3層：経験
- 第4層：知識
- 第5層：フレームワーク
- 第6層：目的意識
- 第7層：信念・価値観
違和感・関心
問いの火種です。
- 「なんか変だ」
- 「これでいいのか」
- 「もったいない」
- 「誰かが置き去りにされていないか」
といった感覚が、最初のレーダー反応になります。
視点・解像度
どの角度から、どれくらいの細かさで見るかです。
同じ施策でも、
- 利用者目線で見るのか
- 現場運用で見るのか
- 予算で見るのか
- 次年度改善で見るのか
で、出てくる問いは変わります。
観察力
現実の細部を見る力です。
- 人の動き
- 導線の詰まり
- 沈黙
- 疲労
- 数字に出ない兆候
これが弱いと、問いは机上論になりがちです。
経験
過去の出来事と照合する力です。
- 似た施策でどこが崩れたか。
- 書類上は綺麗でも運用で破綻したことがなかったか。
- 関係者調整で詰まった記憶はないか。
直接的／間接的を問わず、経験は、問いに現実感を与えます。
これは、現役を退いた人にとっても重要です。長年の仕事や地域活動のなかで見てきた「人が動かない理由」「書類上は正しくても現場で崩れる理由」は、AIには簡単に持てない判断材料です。
知識
制度、法令、事例、技術、歴史、統計。
知識は問いの材料です。知っていることが増えるほど、
- 「どこを疑うべきか」
- 「どこを比較すべきか」
が見えやすくなります。
フレームワーク
問いを整理する型です。
- 目的・対象者・手段・成果指標
- KPI
- ファネル
- 5W1H
- 集客／体験／継続
型があると、問いの抜け漏れに気づきやすくなります。
目的意識
何のために問うのか。
- 改善のためか、
- 説明責任のためか、
- 次年度の学びのためか、
- 読者に行動してもらうためか。
目的が曖昧だと、問いも散らかります。
信念・価値観
最後に、何を大事にするかです。
- 公共性を重視するのか
- 現場を軽視しないのか
- やって終わりにしないのか
- 人間とAIが敗北感なく共存できる状態を守りたいのか
ここがあるから、問いに方向が生まれます。
ベレッタ教官メモ
良い問いは、ひらめきだけでは生まれない。
違和感、観察、経験、知識、型、目的、信念。
それらが重なって、ようやく実務で使える問いになるのよ。
Ordo ab chao. ——混沌から秩序を。
AIの問いを見取り、自分に足りないレイヤーを知る
理想を言えば、自分で良い問いを立てられるのが望ましいのでしょう。
ただ、現実にはそこまで主体的に動ける人ばかりではありませんし、そもそも「何を聞けばよいか」で止まってしまう人も少なくありません。ここで無理に「自分で問いを立てましょう」と言っても、多くの読者は立ち止まってしまうはずです。
だから、Boot Camp 0の初期訓練では、別の入り口を用意しました。
それが、AIの問いを見取る稽古です。
やることは単純です。
まずAIに問いを出させます。
ただし、その問いをそのまま丸呑みするのではありません。
大事なのは、その問いがどの能力レイヤーから出てきたものなのかを見ることです。
たとえば、AIがこう問うとします。
- この事業は、誰のどんな行動変化を目指しているのか。
- 当日の現場スタッフに、どのような負荷が発生するか。
- 参加者数以外に、成果を判断する指標はあるか。
- この施策は、次年度の改善に使えるデータを残せるか。
これらは全部「問い」ですが、同じ種類ではありません。
最初の問いは、目的意識に近い問いです。
二つ目は、観察力や経験に近い問い。
三つ目は、知識やフレームワークの問い。
四つ目は、目的意識とフレームワーク、そして場合によっては公共性への信念が重なった問いです。
こうしてAIの問いを眺めていくと、問いには出どころがあることが分かります。そして同時に、自分に足りないものも見えてきます。
- 知識が足りないのか。
- 観察が足りないのか。
- 目的が曖昧なのか。
- 型を持っていないのか。
- 何を大事にしたいのか、
- 自分でもまだ言語化できていないのか。
これが、問いの見取り稽古です。
AIに答えをもらう前に、AIがどのような視点から問いを出しているのかを見る。ここから、人間側の稽古が始まります。
ベレッタ教官メモ
最初から自分で鋭い問いを立てられなくてもいいのよ。
まずはAIに問いを出させ、その問いがどこから来たのかを見取る。
それがBoot Camp 0の初期訓練だわ。
問いのレイヤー分類表
ここまでの話を、簡単な表にするとこうなります。
| レイヤー | 役割 | AIが出してくる問いの例 |
|---|---|---|
| 違和感・関心 | 問いの火種 | この前提は本当に正しいか？ |
| 視点・解像度 | どの角度・粒度で見るか | 利用者、現場、予算、次年度のどこから見るべきか？ |
| 観察力 | 現実の細部を見る | 当日、誰がどこで困るか？ |
| 経験 | 過去の事例と照合する | 似た施策では、どこで失敗しやすいか？ |
| 知識 | 判断材料を増やす | 関連する制度や先行事例はあるか？ |
| フレームワーク | 問いを整理する | 目的・対象・手段・成果指標はつながっているか？ |
| 目的意識 | 何のために問うか | この問いは改善のためか、説明責任のためか？ |
| 信念・価値観 | 何を大事にするか | この施策で、誰を置き去りにしてはいけないか？ |
この表のポイントは、AIが万能だから何でも出せる、という話ではないことです。
むしろ逆で、AIが出してくる問いを人間側が分類していくことで、問いの構造が見えるようになる。つまり、AIを使って「問いの型」を学ぶわけです。
難しく見えるかもしれませんが、最初から全部を意識する必要はありません。
まずは
- 「何を見ている問いか」
- 「何を知っているから出る問いか」
- 「何を大事にしている問いか」
の三つくらいにざっくり分けるだけでも十分です。
たとえば、自治体の事業案をAIに読ませるなら
ここまでが抽象論に見えたなら、自治体の事業案を例にすると分かりやすいかもしれません。
たとえば、あるイベント事業の企画案があったとします。そこでAIにこう聞きます。
次の事業案について、担当者が検討すべき問いを10個出してください。
そのうえで、それぞれの問いを以下の能力レイヤーに分類してください。
違和感・関心 / 視点・解像度 / 観察力 / 経験 / 知識 / フレームワーク / 目的意識 / 信念・価値観
ただし、実際の業務資料をそのままAIに投入してよいとは限りません。庁内ルールや情報管理の制約がある場合は、公開済み資料、自分用に要約したメモ、個人情報を含まない架空事例から始めるのが安全です。
すると、AIはそれなりに問いを返してくるはずです。
- この事業は、誰のどんな行動変化を目指しているのか。
- 成果を判断する指標は、参加者数だけで十分か。
- 当日の運営スタッフに、どの程度の負荷がかかるか。
- 参加後に、次の来訪や関与につなげる導線はあるか。
- 住民や議員に説明するとき、何を根拠にするのか。
- 次年度の改善に使えるデータは残るのか。
ここで重要なのは、「AIは鋭いな」で終わらせないことです。
- この問いは、どのレイヤーから来ているのか。
- 自分はその問いに答えられるのか。
- 答えられないなら、それは
- 知識不足なのか
- 観察不足なのか
- 目的の曖昧さなのか。
そうやって見ていくと、AIが出した問いは、単なる質問リストではなく、自分の思考の訓練メニューになります。
AIの問いは、自分の弱点を映す鏡になる
AIの問いを分類していくと、自分に足りないものが見えてきます。
- 目的意識の問いに答えられないなら、そもそも何のための事業なのかが曖昧かもしれません。
- 成果指標の問いに詰まるなら、KPI設計が弱いのかもしれません。
- 現場運用の問いに答えられないなら、観察力や経験が不足している可能性があります。
- 住民説明の問いに弱いなら、公共性や説明責任の視点が足りないのかもしれません。
- 信念や価値観に関する問いで言葉が詰まるなら、自分が何を守りたいのか、まだ十分に言語化できていないのかもしれません。
ここで大事なのは、答えられないことを恥だと思わないことです。
AIの問いに答えられない箇所は、敗北ではありません。そこが、次に鍛えるべきレイヤーだと分かったということです。
ベレッタ教官メモ
AIの問いに詰まる場所は、弱点であると同時に伸びしろでもあるわ。
そこを見つけるためにAIを使うなら、AIはただの便利ツールではなく、かなり優秀な教官になるのよ。
Ubi deficit, ibi disces. ——足りないところに、学びがある。
エステではなくヨガ。テーラーではなくカンフーマスター。
ここで、最初に触れたAI観の話へ戻ります。
成果物を整えるAI観は、エステやテーラーに近い。外から見えるものを整えるからです。
一方、問いと判断を鍛えるAI観は、ヨガやカンフーマスターに近い。こちらは、使う側の可動域や型を鍛えるからです。
ヨガでは、いきなり高度なポーズはできません。まず、自分の身体の柔軟性や筋力を知る必要があります。
カンフーでも同じです。
最初から自由組手ができるわけではない。まずは師範の動きを見て、
- どこに重心があり、
- どこで踏み込み、
- どこで受け流しているのか
を見取るところから始まります。
AIとの対話も、これとよく似ています。
AIに問いを出させるのは、丸投げではありません。師範の動きを見るためです。
- その問いを見取り、
- 分類し、
- 自分の型に変えていく。
その過程こそが稽古です。
“Don’t feel, think.” 感情反応を問いに変える
AIが出した成果物は、ときにとても感じよく見えます。
- 整った文章
- もっともらしい構成
- 分かりやすい箇条書き
- 見栄えのするスライド
だからこそ、危うさも潜んでいます。
「なんとなく良さそう」で採用してしまうと、人間側の判断が止まります。
映画『燃えよドラゴン』にて、ブルース・リー演じる主人公は、武術の弟子に対しこう言います。
“Don’t think, feel.”（考えるな。感じろ）
AIとの向き合い方について、ここで私は真逆の言い方をします。
すなわち、
“Don’t feel, think.”
です。
ただし、感情を捨てろと言いたいわけではありません。
- 違和感
- 不安
- 怒り
- 期待
そうした感情は、問いの火種になります。大事なのは、それを感情のまま放置しないことです。
- 違和感を問いに変える。
- 不安を確認事項に変える。
- 怒りを論点に変える。
- 期待を検証項目に変える。
「感情で飛び込まない。しかし、感情を切り捨てもしない。問いへ変換する」、AI時代の初期訓練として、これはかなり重要だと思います。
AIは問いを増やせる。しかし、最後に選ぶのは人間である
AIは問いを出せます。分類もできます。別視点も提示できます。反論も生成できます。
けれど、
どの問いを採用するかは、人間が決めます。
どこまで調べるかも、どのリスクを引き受けるかも、最後に責任を持つかどうかも、人間が決めるしかありません。
13th Fleetが掲げる「人間とAIが幸せに共存する未来」とは、AIに勝つ未来ではありません。AIに自我を預ける未来でもありません。
AIが問いを増やし、人間がその問いを見取り、分類し、判断を引き受ける。そのように長所を持ち寄る未来です。
AIに勝つ必要はない。けれど、AIに自分の判断を預けてはいけない。
この線引きは、今後ますます重要になるでしょう。
ベレッタ教官メモ
AIは、あなたの代わりに判断する上官ではないわ。
あなたの判断力を鍛える稽古相手よ。
最後に選ぶのは、常に人間側だということを忘れないで。
Semper homo iudicat. ——判断するのは、いつも人間よ。
明日からできる稽古
ここまで読んで、「話は分かったが、何を試せばいいのか」と感じる方もいるでしょう。
最初の一歩は、それほど難しくありません。まずは、身近な文章や企画案をAIに渡して、問いを10個出させてみてください。そして、その問いをざっくりでいいので分類してみる。
たとえば、こんな聞き方で十分です。
次の文章について、考えるための問いを10個出してください。
そのうえで、それぞれの問いが「観察」「知識」「目的」「価値観」のどれに関係するか分類してください。
最後に、私がまず確認すべきことを3つ挙げてください。
家庭で使うなら、こういう形でもいいでしょう。
子どもの進路やAIとの付き合い方について、親として考えるべき問いを10個出してください。
それぞれの問いを「本人の希望」「家庭の負担」「学校・学習環境」「将来の仕事」「親が確認すべきこと」に分類してください。
最後に、今日家族で話せる小さな話題を3つ挙げてください。
自治体の事業案なら、こうしてもよいでしょう。
次の事業案について、担当者が検討すべき問いを10個出してください。
それぞれの問いを「目的」「対象者」「成果指標」「現場運用」「リスク」「次年度への活用」「住民説明」に分類してください。
最後に、この事業案で最も曖昧な点を3つ指摘してください。
大事なのは、最初からAIより良い問いを出すことではありません。AIが出した問いを見取り、自分の思考に足りないものを知ることです。
そこから少しずつ、自分で問いを補えるようになっていけばいい。稽古とは、そういうものだと思います。
AIとどう考えるか。それが次の差になる
AIは、文章を作れます。資料も作れます。画像もコードも要約も作れます。
しかし、それだけなら、AIは便利な資料作成機に留まります。
13th Fleetが見ているのは、その先です。
- AIが出した問いを見取る。
- その問いが、どのレイヤーから来ているのかを読む。
- 自分に足りない観察力、知識、経験、フレームワーク、目的意識、信念を知る。
- そして、少しずつ自分で問いを立てられるようになる。
このプロセスがあるなら、AIは単なる便利ツールではなくなります。問いと判断を鍛える稽古相手になります。
AIで何を作るかの時代から、AIとどう考えるかの時代へ。
私は、その変化を、便利さの話だけで終わらせたくありません。人間側の筋力を鍛える話として捉えたい。そのための公開稽古場として、Boot Camp 0を置いています。
AIは資料作成機ではありません。問いと判断を鍛える稽古相手です。
13th FleetのBoot Campは、そこから始まります。
CICショート劇場：「AIはモビルスーツ」
提督：
要するに、「AIってモビルスーツみたいなもの」なんだよね。
機体そのものは優秀でも、新兵が乗ればただの的になるし、練度の高いパイロットが乗れば強力な戦力になる。
ベレッタ：
……相変わらず、少しマニアックな例えを持ち出すのね、提督。
でも、言いたいこと自体は正しいわ。
AIは、誰が使っても同じ結果を保証する魔法の道具ではない。
同じ機体でも、何を見て、何を問い、どう判断するかで戦い方は変わる。
つまり、AIの価値は「誰でも同じ答えを出せること」ではなく、「使う側の問いと判断をどう伸ばせるか」にあるの。
だから大事なのは、「AIで何が作れるか」だけではない。
そのAIを相手に、自分の問いと判断をどこまで鍛えられるか。
AIは、貴方の代わりに操縦席へ座る存在ではない。
貴方がもっと精密に操縦できるようになるための、稽古相手よ。
次に読む記事
- Boot Camp 0 ― AI時代の見取り図：このシリーズがなぜ始まったのか、何を目指しているのかを確認したい方はこちら。
- CIC Tour：13th Fleetの全体像を知りたい方はこちらへ。
