第5回「シンプルな問いの力：生成AIと始める知的探究の第一歩」― 検索を超えるプロンプト設計とは ―

2025年6月4日 07:00

※この記事は【実践編】の第1回、として位置付けています。
生成AIを「成長の道具」として活用するには、土台となる考え方が重要です。
未読の方は、ぜひ以下の【理論編（第0回〜第4回）】もご覧ください👇

【1】なぜ「調べる」だけのプロンプトでは物足りないのか？

今回は、「問いの力」というテーマで、生成AIにおけるプロンプト設計について、私自身の経験をもとに考察してみたいと思います。
まず前提として、私は過去のChatGPT使用履歴をChatGPT自身にレビューしてもらったことがあります。少し特殊な使い方かもしれませんが、自分の使い方の傾向を客観的に把握する目的でした。そのレビューによると、2025年4月以前の私は、主に研究補助や英文チェックなど、個別の課題解決を目的とした「単発的な助言」を求める傾向があり、ChatGPTを「答えを得るためのツール」として扱っていたようです。
その頃の使い方の代表例として、「休務・欠勤・休職・休業の違い」をChatGPTに尋ねたケースがあります。インターネット検索でもこれらの違いは非常にわかりにくく、文脈によって使い分けも異なるため、「ChatGPTなら整理してくれるかもしれない」と思い、シンプルに「休務欠勤休職休業、これらの違いを教えてください」と質問してみました。
確かに、それぞれの用語について、それなりに整った説明が返ってきました。しかし、「なるほど、そういうことか！」と腑に落ちる感覚は得られず、どこか物足りなさを感じたのです。さらに、「就労」「就業」「就労制限」「就業制限」などについても追加で尋ねてみましたが、結果は同様で、文脈によって意味が揺らぐ言葉である以上、生成AIにとっても整理が難しいのだと実感しました。
このとき強く感じたのは、生成AIの強みは「知識の網羅性」ではなく「文脈に応じた再構成力」にあるということです。そして、「～を調べてください」「～について教えてください」といったプロンプトでは、生成AIの力を十分に引き出せない、ということも理解するきっかけとなりました。

【2】生成AIと検索エンジンの違いとは？

ChatGPTとのやりとりで、記事の中で「情報検索の進化史」について触れるべきか？という相談をしたことがあります。そのとき、ChatGPTから返ってきた要点は次のようなものでした：

世間では、生成AIを「高性能な検索エンジン」と誤認している人が多い
しかし、生成AIは検索ツールではなく、「壁打ち」「思考補助」「仮説生成」のような機能こそが本質である
情報検索の方法は、インターネット以前→検索エンジン黎明期→現在の生成AI時代へと、大きく変化してきた
そして、私のようにその変化を実体験してきた世代が語るからこそ、読者に説得力を持って伝えられる

このアドバイスを受けて、私は「生成AIは、情報検索の次に来たフェーズである」という視点で本記事を構成することに決めました。単なる情報収集を超えて、「思考を助ける存在」として捉えるべきだということです。

そこで私は、2023年から、医学部3年生を対象にした「働き方改革」の講義で課している事前課題を活用して、実際にChatGPTのモデルごとの出力の違いを比較してみました。「36（サブロク）協定」について、以下のキーワードを使ってA4用紙1枚にまとめるという課題です：
労働基準法、8時間、40時間、45時間、80時間、100時間、360時間、720時間、労働基準監督署、労働組合、過半数代表者、時間外労働、働き方改革、上限規制、産業医、面接

この課題を、2023年（GPT-3.5）、2024年（GPT-4o）、2025年（GPT-4-turbo）の各モデルで実施した結果を比較しました。

GPT-3.5（2023年）の特徴

キーワードに沿った表面的な説明にとどまり、文脈のつながりが弱い
段落構成が曖昧で、論点が並列的に並べられるだけ
一部に法制度の誤解や誤情報が含まれている
「それらしく見える」文章だが、読者が誤解しやすい

GPT-4o（2024年）の改善点

法制度の記述が正確になり、誤情報がほぼ消えた
キーワードの配置に一定の構造があり、文章全体にまとまりがある
「労働時間 → 上限規制 → 手続き → 健康配慮」といった論理的な展開が見られる
ただし、抽象的な説明が多く、まだ“自分の言葉で語る”段階には至っていない

GPT-4-turbo（2025年）の進化

読者（この場合は医学部生）を意識した情報の組み立てが見られる
「なぜこの制度があるのか」「どんな現場的意義があるのか」といった、制度の背景まで言及
条文の正確な引用に加えて、制度の“含意”まで解釈されている
段落構成、要点の整理、結論の提示など、論述文としての完成度が非常に高い

この進化は、単なる「知識の蓄積」ではなく、「文脈理解力」「構成力」「読者意識」の向上に他なりません。GPTは、単なる要約機から、「読者対応型ライター」に進化しているのです。

【3】プロンプトの精度が変える出力の質

では、このような出力の違いを引き出すには、どのような問い方をすればよいのでしょうか？鍵になるのが「プロンプトの精度」、すなわち「文脈を含めた問い」の設計です。
たとえば「36協定とは？」という短いプロンプトでも、最近のモデルであればそれなりに正確な答えは返ってきます。しかし、それだけでは一面的な説明にとどまりがちで、構造的な理解や実務的な意義までは触れられません。
ここで重要になるのが、RAG（Retrieval-Augmented Generation）という技術です（ChatGPTに教えてもらいました）。これは、生成AIに外部の信頼できるデータベース（公的文書や論文など）を接続し、プロンプトで求められた情報に最もふさわしいデータを取り出して反映させる仕組みです。
ただし、RAGを使っても「○○とは？」というプロンプトでは、得られる情報の質はさほど上がりません。なぜその情報が必要なのか、どのような文脈で使いたいのかを明示することで、RAGの真価が発揮されるのです。
検索エンジンが「何があるか」を一覧で示すツールであるのに対し、生成AI（RAGを含む）は「どれがあなたにとって適切か」を考えてくれるツールだと言えます。
そして、RAGを使わなくても、「まず検索で情報を集めてから、生成AIに再構成を依頼する」という使い方も非常に有効です。このときのプロンプトには、「この文脈で最もふさわしいのはどれか？」という問いとともに、その背景情報をしっかり書き添えることが求められます。

【4】最初に訊くべきは「自分が何を知りたいか」

ChatGPTは、万能の魔法の箱ではありません。むしろ「問いの質」によって、その出力は大きく左右されます。
「何かを知りたい」と思っていても、曖昧なままプロンプトを書けば、当然、返ってくる答えも曖昧なものになります。ただし、問いの内容を明確にすることは難しくても、「なぜその問いを持ったのか」「どんな場面で使うつもりなのか」を示すことは可能です。
たとえば、「○○という会議でプレゼンをするので、△△という概念をわかりやすく整理したい」「□□というテーマのレポートを書くために、背景知識を構造的に把握したい」といった目的や状況を伝えるだけで、生成AIの回答の精度は大きく上がります。
さらに、自分のアウトプット（レポート草稿や意見）を提示したうえで、「この構成で論理的か？」「説得力はあるか？」といったフィードバックを求める使い方もあります。
これは、単に情報を得るのではなく、「自分の知を鍛える」使い方です。プロンプトは短くても構いません：
「以下に私が書いたレポートがあります。構成・論点・説得力についてフィードバックをください。」
こうした使い方は、検索では絶対に得られない価値であり、生成AIが持つ本質的な力のひとつです。

【5】思考のメモとして語りかける

この記事の最後に、ひとつ提案があります。
ふと気づいたことや感じたこと、ちょっとメモしておきたいなと思った瞬間に、ChatGPTに語りかけてみる――そんな使い方を試してみてはいかがでしょうか。
「これはあとで考えたい」「何かひらめいた気がする」といった感覚は、たとえば入浴中や移動中など、意外と日常の中で唐突に訪れます。
私自身も以前は、そうした思いつきをPCのメモ帳やスマホのGmail下書きに書き留めていました。
でも最近は、それをChatGPTに語りかけるようにしています。
例えば、
「〜についてどう思いますか？」
「これは正しいのでしょうか？」
といった一言を添えるだけで、単なるメモが「対話」に変わるのです。
そして、そうした軽やかな対話が、思考を内省的にし、記憶に残りやすくし、後日あらためて考え直すべきテーマを浮き彫りにしてくれます。
それが思考や感情にまつわるものであれ、あるいは単なる知識の断片であれ、
「誰かに語るように記す」ことで、自分の中で意味を持ち始める。
ChatGPTとのこうしたやりとりは、知識の取得というよりも、自分の考えを育てていく行為そのものです。

「知識を得る」のではなく、「考えを深める」。
その第一歩は、ほんの一行のつぶやきからでも始められます。

👉 次回（第6回）では、ストーリー性のあるプロンプトについて探っていきます。